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。     

近红外光谱对小麦产地来源的判别分析

[目的]对不同产地来源小麦的近红外光谱进行判别分析,为小麦的产地鉴别提供一种新方法.[方法]应用近红外光谱分析仪检测2007/2008年度和2008/2009年度中国小麦主产区河北省、河南省,山东省和陕西省共240份小麦籽粒样品,对近红外光谱数据分别进行均值标准化、一阶求导和多元散射校正(MSC)处理后,利用偏最小二乘判别分析法(DPLS)分析预处理后的数据.[结果]2007/2008年度小麦籽粒样品总体正确判别率为87.5%,2008/2009年度样品总体正确判别率为91.7%;用2007/2008年度样品所建模型来预测2008/2009年度的样品,结果总体正确判别率为48.3%;两年样品混合后,总体正确判别率为82.5%.[结论]不同地域来源小麦的近红外光谱特征有显著差异,但其受品种和年际因素影响较大,判别模型的稳定性有待进一步提高.     

水分含量对近红外测定小麦蛋白质含量的影响

[目的]探讨水分含量对近红外测定小麦蛋白质含量结果的影响。[方法]以全籽粒小麦为研究对象,研究近红外品质分析过程中水分含量对小麦蛋白质含量预测结果的影响。在连续改变样品水分含量的条件下采集小麦的近红外吸收光谱,并用预测模型测定它们的蛋白质含量。[结果]水分对近红外光谱吸收及预测结果有很大影响。小麦水分含量的升高使其在整个近红外区域的光谱吸收都明显增大,直接影响蛋白质含量的测定结果,测定误差随样品含水量的降低而减小。当样品水分与建模样品水分含量相近时,样品水分差异引起的测定误差可以忽略不计。[结论]在用近红外测定小麦蛋白质含量时,应使待测样品保持合适的水分含量。     

基于近红外光谱法快速检测藜麦纤维含量

[目的]探索一种快速测定完整藜麦籽粒纤维含量的方法。[方法]采集100个藜麦样品的近红外光谱,运用近红外光谱分析技术建立数学模型并进行预测。[结果]在10 000~4 000 cm~(-1)波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗纤维近红外定量模型,校正和预测效果最佳,所得的粗纤维近红外定量模型的交叉验证决定系数为0.884 8,外部验证决定系数为0.876 1。[结论]以完整藜麦籽粒为样品所建立的纤维NITS模型可用于藜麦纤维含量的快速检测。     

基于近红外光谱法快速检测藜麦纤维含量（英文）

[目的]探索一种快速测定完整藜麦籽粒纤维含量的方法。[方法]采集100个藜麦样品的近红外光谱,运用近红外光谱分析技术建立数学模型并进行预测。[结果]在10 000~4 000cm~(-1)波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗纤维近红外定量模型,校正和预测效果最佳,所得的粗纤维近红外定量模型的交叉验证决定系数(R~2cv)为0.884 8,外部验证决定系数(R~2val)为0.876 1。[结论]以完整藜麦籽粒为样品所建立的纤维NITS模型可用于藜麦纤维含量的快速检测。     

利用近红外漫反射光谱快速鉴定小麦抗旱性

为利用小麦种子的近红外吸光度研究小麦品种的抗旱性,测定了40份旱地小麦品种的抗旱指数以及籽粒的全光谱吸光度值,并将两者关联,建立PLS近红外抗旱指数量化预测模型。结果表明,光谱吸光度值与供试材料抗旱指数相关系数2个年度均达到0.856*以上,建立的吸光度值和抗旱指数的矩阵公式预测样本的抗旱指数与标准值之间的相关系数达0.930**。研究结果表明,可以用小麦籽粒近红外全光谱吸光度值来预测小麦的抗旱性。为小麦抗旱性评价提供了一种能够在育种早代进行的快速、简单易行的抗旱性鉴定技术。     

基于近红外光谱法快速检测藜麦纤维含量

[目的]探索一种快速测定完整藜麦籽粒纤维含量的方法.[方法]采集100个藜麦样品的近红外光谱,运用近红外光谱分析技术建立数学模型并进行预测.[结果]在10 000～4 000cm-1波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗纤维近红外定量模型,校正和预测效果最佳,所得的粗纤维近红外定量模型的交叉验证决定系数(R2cv)为0.884 8,外部验证决定系数(R2val)为0.876 1.[结论]以完整藜麦籽粒为样品所建立的纤维NITS模型可用于藜麦纤维含量的快速检测.     

水分胁迫对不同小麦品种种子萌发的影响

[目的]了解不同小麦品种水分胁迫下的萌发特性。[方法]以清水为对照,对4个抗旱性不同的小麦品种进行水分胁迫处理,研究水分胁迫对不同小麦品种萌发的影响。[结果]水分胁迫对不同小麦品种的胚芽鞘长、主胚根长、侧胚根的长度和数目以及发芽率均有不同程度的抑制,洛旱2号和洛旱6号受抑制的程度小,豫麦34和郑州9023受抑制的程度大。各品种对照和处理的胚芽鞘长、主胚根长、侧胚根的长度和数目的差异均达显著水平。水分胁迫对4个小麦品种的发芽率有显著影响。[结论]萌发期胚芽鞘长和主胚根长可作为小麦抗旱性鉴定的指标,而侧胚根的长度和数目与小麦品种的抗旱性表现不一致。     

近红外在线检测技术在人参提取物生产中的应用

采用比色法和近红外漫反射、液体透射在线检测技术,分别测定93个不同产地、不同年生人参原材料固体样品和558个人参提取液样品的总皂苷含量和近红外光谱,结合偏最小二乘回归法,建立样品总皂苷含量与近红外光谱之间的数学模型。采用内部交叉检验对模型进行评价。评价结果显示:内部交叉检验的决定系数R2>0.95,交叉检验均方差(RMSECV)值分别为0.071 6和0.032 7,相对分析误差(RPD)分别为2.83和3.97。模型评价数据均有较好的表现,原材料、提取液检验样品近红外测定结果与化学参考值之间无显著性差异,近红外检测技术可以应用于人参原材料固体样品和人参提取液样品中总皂苷含量的快速测定。     

烟草中水溶性灰分碱度的近红外分析

[目的]应用偏最小二乘法建立烟草水溶性灰分碱度的近红外分析模型。[方法]采集标样的傅里叶变换近红外漫反射光谱数据并利用化学计量学的方法对所得到的近红外光谱数据与灰分碱度的基础数据进行建模,优化建立后的模型,并对该模型进行验证。[结论]经模型优化后最终的相关系数为0.978 0,均方估计残差为0.040 0,预测标准差为0.245,交互验证均方差为0.089 3,模型优化指数为74.1,主因子为11。用57个验证样品对模型进行检验,结果显示：平均误差为0.193 4,预测范围为0.15～3.94。[结论]该方法具有较好的可行性。