燕麦蛋白质近红外定量模型的创建及其在育种中的应用

[目的]研究利用近红外光谱分析法定量分析燕麦完整籽粒粗蛋白含量的可行性,探讨不同地区种植的同一燕麦品种蛋白质含量的变化,以期为燕麦的营养品质育种提供参考依据。[方法]收集蛋白质含量变幅较大的124份代表性燕麦样品,利用近红外谷物品质分析仪进行光谱扫描,采用常规化学分析方法(GB/T 5009.5—2010)测定样品蛋白质含量,借助近红外定标软件Win ISI,采用偏最小二乘法(PLS)建立燕麦粗蛋白含量的定标模型。利用定标模型对14个地区219份(17个品种)燕麦完整籽粒粗蛋白含量进行测定,分析不同地区、不同类型燕麦样本间的差异。[结果]124份燕麦籽粒样品的粗蛋白含量为15.49%~23.77%,分布范围较广,具有较好的代表性。成功建立了燕麦蛋白质含量的定标模型,决定系数较高,标准误差较小,回归方程具有较高的准确性。因此,利用近红外光谱分析技术检测燕麦籽粒中粗蛋白含量是可行且可靠的,可替代化学测定方法。[结论]近红外光谱分析技术为检测燕麦籽粒粗蛋白质含量提供了一种新方法。     

近红外光谱法快速测定苎麻粗蛋白含量（英文）

[目的]探讨应用近红外光谱仪测定苎麻粗蛋白的可行性。[方法]以50个样品组成校正集,采用偏最小二乘法(PLS)建立近红外光谱信息与粗蛋白含量的校正模型,用该模型对10个样品的粗蛋白进行预测。[结果]该模型的相关系数为0.98。苎麻粗蛋白含量的化学测定值与近红外光谱模型预测值之间存在较好的相关性,预测值与化学值之间的平均相对误差为3.54%。[结论]用近红外光谱分析建立苎麻粗蛋白预测模型并测定苎麻粗蛋白含量是可行的。     

近红外光谱法快速测定苎麻粗蛋白含量

[目的]探讨应用近红外光谱仪测定苎麻粗蛋白的可行性.[方法]以50个样品组成校正集,采用偏最小二乘法(PLS)建立近红外光谱信息与粗蛋白含量的校正模型,用该模型对10个样品的粗蛋白进行预测.[结果]该模型的相关系数为0.98.苎麻粗蛋白含量的化学测定值与近红外光谱模型预测值之间存在较好的相关性,预测值与化学值之间的平均相对误差为3.54％.[结论]用近红外光谱分析建立苎麻粗蛋白预测模型并测定苎麻粗蛋白含量是可行的.     

近红外光谱法快速测定山核桃品质性状的研究

本试验对近红外光谱技术预测山核桃中粗脂肪和蛋白质含量进行了定标方程研究.定标就是建立常法测定值与近红外光谱值之间的相关关系.山核桃中的粗脂肪用索式抽提法进行测定,蛋白质用凯氏定氮法测定,用近红外光谱仪收集样品的光谱数据,用多元线性回归法建立经典法测定值与光谱值之间的相关关系.定标结果表明,粗脂肪的相关系数高达0.99,变异系数为0.83,经检验测试证明其定标方程具有良好的预测性能,因此近红外光谱技术可用于日常快速准确地测定山核桃中粗脂肪含量.     

蓖麻籽含油率测定的近红外模型

为快速测定蓖麻籽的含油率,缩短采购检验的时间,保持被检测样品的完整性,本研究使用Perten DA7200型近红外仪测定了46份蓖麻籽样品的近红外光谱值,并用常规化学分析方法测定了对应蓖麻籽样品的含油率,并将这二者拟合建立了定标模型。验证评价结果表明：含油率的相关性为0.9655,定标方程的偏差为0.000003913,定标方程的预测能力良好,可替代传统含油率测定方式,实现快速无损测定蓖麻籽含油率。     

基于近红外光谱的烟草种子蛋白含量定标模型构建

为探索近红外光谱技术(near infrared spectroscopy,简称NIRS)在无损检测烟草种子蛋白含量方面的应用,研究120份烟草种子的近红外光谱,利用光谱影响值法(Leverage)对异常光谱进行处理后,在4 000~9 000 cm-1波数,利用主成分回归法(简称PCR)建立烟草种子蛋白质含量的定标模型,并采用外部独立验证的方式对模型进行检验。结果表明,标准正态变量转换法(简称SNV)处理结合De-trending算法下,建立的烟草种子蛋白含量定标模型的确定系数高达99.86%,校正标准差、预测标准差分别为0.71、0.68,校正集、验证集的预测值与化学测定值间均达极显著正相关,说明该近红外光谱定量分析模型效果较好,可用于烟草种子粗蛋白的测定。     

近红外光谱法快速检测藜麦蛋白含量

[目的]建立一种藜麦粗蛋白含量快速、无损、简便的测定方法,为藜麦的资源评价和品质育种提供技术支持.[方法]以100份藜麦种质资源为材料,其中80％为校正集,20％为验证集,扫描得到藜麦近红外原始光谱,利用OPUS/QUAN T5.5光谱定量分析软件建立藜麦蛋白质含量的快速检测模型.[结果]采用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法测定数据建立藜麦粗蛋白近红外定量模型,校正和预测效果最好,藜麦粗蛋白近红外定量模型的交叉验证决定系数为0.9182,外部验证决定系数为0.9151.[结论]基于近红外光谱法(NIRS)测定藜麦籽粒的蛋白含量是完全可行的.     

可见-近红外光谱预测土壤有机质含量的研究

[目的]基于土壤可见-近红外直接测定系统,重点研究和开发土壤有机质含量的校正分析模型。[方法]主要利用测试系统对来自关帝山森林土壤的20个样本在400～1 000 nm范围内进行光谱测试和分析。[结果]采用光谱法测定的有机质含量与采用权威化学方法测定的值基本一致。[结论]使用偏最小二乘回归分析,建立了土壤有机质与土壤光谱特性的预测模型。     

近红外光谱法在玉米粗蛋白含量测定研究中的应用

探讨了HN1100型近红外光谱仪测定玉米粗蛋白的可行性。结果表明,定标集、检验集的预测值与化学测定值间均达极显著正相关,相关系数分别为0.982和0.937,并具有较小的定标标准差和预测标准差,分别为0.124和0.499。该仪器可用于玉米粗蛋白含量的测定。     

近红外透射光谱技术测定黍稷蛋白含量的研究(英文)

[目的]探索快速测定完整黍稷籽粒蛋白含量的方法。[方法]采用近红外光谱分析技术建立数学模型并进行预测,比较原始透射光谱经导数处理结合不同回归算法对模型的影响。[结果]分别经一阶和二阶导数处理后利用偏小二乘法和改进的偏小二乘法,4 种方法的分析效果相近,最优的是一阶导数结合改进的偏最小二乘回归法,黍稷蛋白定标模型的定标相关系数(RSQ)为0.880 6,定标标准误差(SEC)为0.342 4,交互定标标准误差(SECV)为 0.375 1,外部预测标准误差(SEP)为 0.454。[结论]以完整黍稷籽粒为样品所建立的蛋白 NITS 模型,可以用于黍稷蛋白含量的快速检测。     

基于近红外光谱的反刍动物饲料营养指标的检测方法研究

收集了151个反刍动物饲料,应用偏最小二乘(PLS)定标方法,建立了基于近红外光谱的反刍动物饲料化学成分定标模型。定标集化学分析值与预测值之间的决定系数R2和标准差(RMSEC)分别为:0.927 3和0.265(水分)、0.928 9和0.682(粗蛋白质)、0.950 5和0.228(粗脂肪)、0.906 0和0.542(粗灰分)、0.919 8和0.558(粗纤维)。验证集化学分析值与预测值之间的决定系数r2和标准差(RMSEP)分别为:0.920 6和0.284(水分)0、.919 4和0.690(粗蛋白质)、0.926 4和0.312(粗脂肪)、0.943 4和0.437(粗灰分)、0.903 5和0.616(粗纤维),相对分析误差(RPD)均大于3,具有较高的预测精度。结果表明,利用近红外光谱反射光谱分析技术可以定量检测反刍动物饲料中水分、粗蛋白质、粗脂肪、粗灰分、粗纤维的含量。     

水稻蛋白质近红外定量模型的创建及在育种中的应用

【目的】研究利用近红外光谱分析法定量分析水稻完整籽粒粗蛋白含量的可行性，初步探讨水稻杂种后代蛋白质含量的分离和变异，以期为水稻的营养品质育种提供参考依据，提高育种效率。【方法】收集蛋白质含量变幅（5.90%～14.50%）较大的191份代表性水稻样品,采用偏最小二乘（PLS）法建立糙米粗蛋白预测的校正模型。【结果】通过比较光谱预处理方法在不同谱区的处理效果：采用一阶导数＋矢量标准化预处理、谱区为 11 998.9cm-1～5 449.8 cm-1和4 601.3 cm-1～4 246.5 cm-1建立校正模型的检验和预测效果最佳，糙米蛋白质的近红外测定值和化学测定值之间有较高的相关性和较低的误差；其决定系数为0.9886，相对标准偏差RSD为0.021，各项误差均在0.4以下。此外，利用该模型快速无破损的测定了水稻蛋白质育种的20个杂交组合的205个F2代单株，203个单株的马氏距离值在0.3以下，达到了试验精度的要求，分析结果表明：F2代群体单株间粗蛋白含量表现出广泛的变异，大部分单株蛋白质含量介于双亲之间，出现了超高亲和超低亲的单株，最高蛋白质含量达到15.3%。【结论】利用建立的各类误差较小近红外定量分析模型，实现了对育种亲本和中间育种材料的筛选鉴定；说明了通过蛋白质含量高的稻种资源与农艺性状优良的水稻品种杂交，低世代借助近红外分析技术辅助测定蛋白质含量可能是水稻高蛋白质育种的一条有效途径。     

利用近红外光谱法对烟叶氮钾含量的快速测定

探讨了近红外光谱法无损快速测定烟叶氮钾含量的可行性,利用傅里叶变换近红外光谱仪测定建模集（104个）和检验集（40个）烟叶样品的近红外光谱,采用偏最小二乘法（PLS）把测得的烟叶光谱值与常规化学分析法测得的全氮和全钾数值拟合建立定标模型,经分析得出：预测模型分析氮的相关系数（R）为0.951,预测标准差（RMSEP）0.301;钾的相关系数（R）为0.928,预测标准差（RMSEP）为0.278。近红外法测定结果与常规方法已有较好的相关性,能为今后快速诊断烟叶的营养状况提供新技术。     

基于近红外光谱的南疆温185核桃水分无损检测的研究

[目的]利用近红外光谱技术建立预测南疆核桃水分的检测模型。[方法]通过对南疆温185核桃进行近红外光谱水分无损检测,并用标准烘干法对所建立的检测模型进行验证,形成测定核桃水分的快速检测模型。[结果]试验表明,对采集的光谱数据进行SNV预处理,并采用偏最小二乘回归分析法(PLS)建立模型,得到了较小的SEC值和较高的RC值。其SNV预测的值用标准烘干法得出的平均偏差为0.35%,完全满足对南疆温185核桃进行水分无损检测的要求,可以应用到实际的核桃水分预测当中。[结论]研究可为核桃水分的快速无损检测提供参考依据,同时将此项无损检测技术应用到果农的生产实际当中,可提高果农的收益。     

长波近红外光谱在土壤总氮分析与稳定性中的应用

[目的]通过定标集、预测集、检验集的建模过程,采用偏最小二乘(PLS)方法结合波段选择建立土壤总氮快速分析的近红外(NIR)光谱模型。[方法]为了避免模型评价失真,基于随机性、相似性和稳定性,提出一种严谨的建模体系。将全谱扫描区(400～2 498nm)分成可见区(400～780 nm)、短波近红外区(780～1 100 nm)和长波近红外区(1 100～2 498 nm)。[结果]经过比较、检验,结果表明长波近红外达到了最好的模型效果和稳定性,最优PLS因子数为8,检验的预测均方根误差(V-SEP)和预测相关系数(V-RP)分别为0.118 g/kg和0.857,得到客观、稳定的预测模型。     

NIRS结合TQ软件对氯化铵掺假牛奶定量分析

[目的]应用近红外光谱法建立氯化铵掺假牛奶定量分析模型。[方法]氯化铵是提高牛奶中含氮量的典型掺假物质,样品直接使用近红外光谱仪采用漫反射和三氯乙酸预处理后使用透射模块分别扫描并建立定量分析模型,并对模型进行验证。[结果]建立了漫反射氯化铵含量定量分析模型和透射氯化铵含量定量分析模型,后者模型更加准确可靠,均方根校正标准差(RMSEC)、相关系数(R2)、均方根预测标准差(RMSEP)分别为0.032 4、0.998 4、0.049 8,回收率为107.607 4%。[结论]三氯乙酸预处理后的透射模型更加精确,可以用于牛奶中氯化铵掺假检测,为进一步研究牛奶中其他物质掺假检测提供借鉴。     

用近红外光谱法测定大麦品质的研究

采用国标法和近红外光谱法（NIRS）对大麦籽粒水分、蛋白质、淀粉、赖氨酸进行分析,同时用IA-450型近红外分析仪对4个主要品质指标建立了定标方程。其相关系数Rc分别为0．9847、0．9947、0．9559、0．9742,标准误差为0．1649～9．0620,表明用近红外光谱法建立的大麦籽粒水分、蛋白质、淀粉、赖氨酸定标方程可直接用于大麦品质的快速测定和大批育种材料的筛选。     

广西优良玉米新品种近红外快速化学成份检测研究

[目的]建立广西优良新品种杂交玉米的蛋白质、淀粉及粗脂肪含量的近红外快速检测模型。[方法]用近红外品质分析仪进行漫反射光谱数据采集,用标准常规方法对样品进行化学测定,通过数学方法（MPLS法）和数学转换（3,5,5,1）将光谱数据和常规方法测定的数据进行回归法计算定标,得出定标方程,再用15个品种样品进行定标验证。[结果]玉米的近红外光谱图有多处吸收峰,不同玉米品种的吸收峰大小不同。各定标样品蛋白质含量的化学值与预测值的偏差分别为：-0.2%0、、0.2%、0.2%、-0.11%、0.2%0、、-0.3%0、、0.2%、-0.2%、0.2%、0.06%、0.3%、0;其粗脂肪含量的化学值与预测值的偏差分别为：0.01%、0.03%、0.11%、0.03%、0.11%、0.05%、-0.03%0、.02%、-0.04%0、.11%、-0.07%、-0.11%、-0.08%、-0.05%、-0.04%;其淀粉含量的化学值与预测值的偏差分别为：-0.5%、-0.8%、-0.6%、0.8%、1.0%、1.2%、0.7%、0.5%、-0.8%、0.8%、-0.5%、-0.5%、-0.6%、-0.7%、0.2%。[结论]为玉米化学成分含量的近红外快速检测提供了技术依据。