绿茶茶多酚含量近红外光谱快速无损检测方法研究

应用现代近红外光谱分析技术,对156份绿茶样品直接进行光谱扫描,采用偏最小二乘法（PLS）建立了茶多酚含量的定标模型,并讨论了不同的散射处理、导数处理和平滑处理等光谱预处理方法对模型的影响,最后对最优模型的预测性能进行了验证。原始光谱在经过多元散射校正、二阶导数和8点平滑光谱预处理下的模型较优,其定标标准差（SEC）为1．33％,定标相关系数（RC）为0．932,预测标准差（SEP）为1．61％,预测相关系数（RV）为0．913,预测偏差（Bias）仅为0．375％。结果表明,应用近红外光谱法可以实现绿茶中茶多酚含量的快速无损检测,建立的定标模型能够达到实际应用中的精度要求。     

近红外光谱分析技术在茶叶品质属性甄别中的应用

利用近红外光谱分析技术,结合不同的化学计量学方法(偏最小二乘法、标准法),对茶叶进行快速无损检测,从而判定类别。结果表明,基于提取的茶叶近红外     

基于近红外光谱技术的白茶3种典型感官滋味特征属性定量评价模型研究

针对不同产地、不同类型及不同年份的白茶的感官滋味品质特征、滋味特征属性进行深入剖析及基于近红外光谱技术的滋味属性预测评价研究。研究显示甘甜度与醇爽度是白茶滋味品质特征表现的必要评价指标,相同原料及前期工艺条件下陈化度提高可显著提升滋味甘甜度及醇爽度。利用NIRS-PLS法对滋味特征总分、甘甜度、醇爽度及陈化度分别建模,模型定标集校正相关系数R_c为0.837~0.987,预测相关系数R_p为0.748~0.888,均具有较高预测能力,表明利用近红外光谱技术能够实现白茶感官滋味特征属性的快速预测评价。     

基于可见/近红外光谱技术的湄潭翠芽等级判别

以湄潭翠芽为研究对象,利用可见/近红外光谱技术对其等级进行判别。首先利用卷积平滑、多元散射校正、标准正态变量变换、一阶导数法、二阶导数法、去趋势法等预处理方法对样本原始光谱数据进行处理。然后基于不同光谱预处理方法和原始光谱建立偏最小二乘回归模型,研究分析不同光谱预处理方法对模型的影响,结果表明,使用卷积平滑预处理方法的模型效果最好。然后,研究分别采用逐步回归分析、连续投影算法和竞争性自适应重加权算法3种特征波长选择方法,对卷积平滑预处理后的光谱数据进行特征波长的筛选,以基于不同特征波长选择算法筛选的特征波长和原始全波段数据进行偏最小二乘回归模型建模。结果表明,基于竞争性自适应重加权算法方法筛选的特征波长建立的模型预测效果最好,模型的预测集相关系数达到0.9739,均方根误差为0.2250,这可为湄潭翠芽等级的快速判别提供理论依据。     

基于近红外光谱的芒果采后品质与贮放潜力预判的无损检测模型

可溶性固形物含量（soluble solids content, SSC）和pH是决定芒果内在品质的关键因素,贮放潜力是果商进行芒果销售决策时首要的参考指标。本研究以海南省三亚市代表性的芒果品种‘台农’为材料,利用NIRMagic2400型近红外光谱仪,连续采集果实从采摘到完熟过程中在600~1100 nm波长的近红外吸收光谱,以经典方法实测果实SSC和pH,建立芒果采摘后SSC、pH变化和贮放潜力预判的无损检测模型。结果表明：在600~670 nm的波长范围内,采摘后未后熟的芒果对近红外光的吸光度随波长的增加而增加,并在670 nm达到峰值,随后吸光度快速降低,在725 nm左右达到谷值;采摘后达到完熟的芒果在600-700 nm波长范围内吸光度持续下降,并在700 nm处达到谷值。受果皮颜色差异等影响,不同芒果个体在704~746 nm区域的吸光度出现较大的分离,之后在725~1025 nm整体呈缓慢上升的趋势,在1025 nm左右达到第二个峰值。实测结果显示SSC在芒果采摘后0~5 d快速增,第6和第7天变化较小,期间的前4 d的pH保持稳定增加,之后迅速提升。使用Kennard-Stone算法将芒果样本的SSC和pH实测数据划分为校正集和预测集,测试多元散射校正、标准正态变换、SG卷积导数、SG卷积平滑等9种对近红外光谱数据进行预处理的方法,发现矢量归一化最适合SSC光谱数据的处理,多元散射校正最适合pH光谱数据的预处理,建立的SSC和pH的最佳偏最小二乘法（PLS）模型的校正相关系数分别为0.952和0.936,校正均方根误差分别为1.055和0.184,预测相关系数分别为0.959和0.918,预测均方根误差分别为0.974和0.202;采用偏最小二乘法建立的芒果贮放潜力预判模型的正确率为96.9%。以上结果表明,基于近红外光谱所建立的芒果无损检测模型能够较可靠地检测芒果采摘后的SSC、pH动态变化及贮放潜力。研究结果对提升基于内在品质的芒果分级与选品能力,预测芒果的最佳销售时间及选择销售市场等都具有重要意义。     

冬小麦叶片花青素相对含量高光谱监测

为探究冬小麦叶片花青素含量的高光谱监测方法,以陕西省关中地区冬小麦为研究对象,分析了叶片光谱反射率与花青素含量的相关性,建立以不同波段组合的RSI、DSI和NDSI光谱指数为自变量的一元回归模型以及利用偏最小二乘法构建的多元回归模型,并进行模型精度比较。结果表明,所有模型中,开花期的PLS模型精度最高,预测效果最好(建模r~2=0.872 3,RMSE=0.005 9;检验r~2=0.912 8,RMSE=0.004 8),是预测冬小麦花青素的最优模型;各生育时期中,开花期模型精度较高,表现稳定,是预测冬小麦花青素的最佳生育时期。     

橡胶树叶片镁素含量高光谱估算

镁素与橡胶树生长和产胶密切相关,快速、准确测定橡胶树叶片镁素含量,对橡胶树叶片镁素营养状况评价和实施配方施肥具有重要意义。本研究采集多区域、多品种、多割龄的橡胶树成熟鲜叶,旨在获得涵盖缺、正常、丰富等不同镁素含量等级的叶片样品,利用FieldSpec4和化学方法同步获取叶片样品的光谱反射率和镁含量数据,对光谱反射率进行噪声波段去除和重采样后,采用Kennard-Stone(KS)算法将样本集划分为校正集和验证集。对叶片光谱反射率进行Savitzky-Golay(SG)微分变换,基于全波段的不同变换模式下的微分光谱与镁含量数据,采用偏最小二乘法（PLS）及留一交叉验证方法建模,通过筛选,得到最佳微分变换模式为：微分阶数为2,滤波窗口大小为71,多项式次数为2或3。通过PLS回归系数特征波长优选得到23个最佳微分光谱特征变量,基于最佳微分光谱特征变量和镁含量数据,采用PLS方法建立了橡胶树叶片镁素含量高光谱估算模型。结果表明,相比原始光谱反射率,基于微分光谱特征变量构建的模型预测效果明显提升,R²从0.666提升到0.805,RMSE从0.475 g/kg减小到0.372 g/kg,RPD从1.739提升到2.217。SG微分光谱变换和PLS回归系数特征波长优选能够明显提升模型估算精度,RPD位于2.0~2.5之间,模型估算能力良好。     

近红外光谱技术在农产品品质检测中的应用

近红外光谱技术是一种新型的无损检测技术,在许多领域都得到了很好的应用。本文从农产品中各种物质成分含量预测、分类鉴别、腐烂鉴别、实时监测几个方面综述了近红外光谱技术在农产品品质检测上的应用,并对其在仪器硬件的研究和开发、化学计量学方法的探索与研究以及快速在线检测方法的研究等方面的发展趋势进行了展望。     

傅立叶近红外漫反射光谱技术在花生脂肪酸分析中的应用

选取高油酸花生品系与普通油酸含量花生品种搭配的4个杂交组合共计987份F2种子,应用近红外反射光谱技术,结合偏最小二乘法,采用检验集检验,成功构建了花生油酸、亚油酸、棕榈酸、4种有害脂肪酸(棕榈酸、花生酸、山嵛酸、二十四碳烷酸)、碘值(IV)和不饱和脂肪酸/饱和脂肪酸(U/S)等6个近红外模型。各模型决定系数(R2)分别达到94.67、95.72、86.36、83.71、94.90和73.53,预测根均方差(RMSEP)分别为2.52、1.91、0.60、0.67、1.57和0.27。各模型预测偏差分别为-4.399~4.838、-2.011~1.874、-1.247~1.438、-1.634~1.420、-2.231~3.733、-0.533~1.396,预测相对误差分别为0.562~9.687、0.055~7.010、0.642~12.72、0.636~11.464、0.217~4.145、1.582~17.934。上述模型可用于花生种子脂肪酸快速分析预测,在花生脂肪酸品质育种、高油酸花生种子生产和原料花生质量控制中具有重要价值。     

傅里叶变换近红外光谱技术测定完整油菜籽中芥酸和硫甙含量

利用傅里叶变换漫反射近红外光谱技术和大量代表性油菜籽标准样品建立完整油菜籽中芥酸、硫甙测定模型,内部交叉法和外部检验集样品对模型验证结果表明:芥酸、硫甙模型复相关系数分别为0.9618和0.9785,内部验证均方差(RMSECV)分别为1.97和5.16.用所建模型对油菜籽样品芥酸、硫甙测定结果与国家和国际标准方法测定结果基本一致,建立的近红外分析模型能够满足油菜育种中对初级世代材料芥酸、硫甙含量的快速测定筛选要求.     

甘蓝型油菜粒色近红外光谱分析模型构建

以306份甘蓝型油菜种子为研究材料,通过计算机图像处理技术筛选出最能反映油菜籽粒色变化的RGB色彩空间参数,并随机选择246份材料对粒色信息中的R（红色)值建立近红外光谱分析模型。在油菜粒色数字信息中,R值最能体现油菜籽粒色性状的变化情况,不同粒色等级对应样品的R值为：0级小于55、1级在55~100之间、2级在100~125之间、3级在125~140之间、4级在140~150之间、5级大于150。对R值构建NIRS分析模型,12种数学及光谱处理组合中最优模型的内部交叉检验相关系数为0.900;外部检验相关系数为0.831,检验偏差为2.147。说明利用RGB色彩空间下的R值构建粒色近红外光谱分析模型是可行的,该模型具有较高的稳定性和准确性,可以作为油菜种子粒色的定性和定量分析的依据。     

新疆野生油菜芥酸含量的遗传分析

通过新疆野生油菜高、低芥校组合正反交Ｆ１、Ｆ２,回交一代及相应的杂交亲本种子中芥权的测定,分析了新疆野生油菜芥酸的遗传。结果表明,新疆野生油菜芥权酸含量受两对加性基因控制,每个芥权基因控制的芥量为５％左右。     

Estimating the amino acid composition in milled rice by near-infrared reflectance spectroscopy

This study was conducted to develop near-infrared reflectance spectroscopy (NIRS) equations to predict the amino acid and nitrogen content of milled rice powder. The samples were scanned by NIRS and analyzed for amino acid composition and total nitrogen by HCl hydrolysis–HPLC methodology and Kjeldahl method, respectively. The NIRS equations of 15 different amino acids, except for cystine, methionine and histidine, showed high coefficients of determination (RSQ=84.8–97.5%) and low standard errors in calibration (SEC) with 3 g samples for NIRS scanning, while the calibration models of cystine and histidine could explain less variation (RSQ with 77.7 and 65.0%). Calibration for methionine was not suitable to estimate methionine because of its very low RSQ (10.2%). The equations for total amino acids and nitrogen also showed high RSQ and lower SEC, respectively. Furthermore, calibration equations developed with only about 500 mg samples showed similar accuracy and reliability to those with the full cup by using the same calibration set. The equations developed for relative contents of total amino acids did not show good, effective calibration and cross-validation. Only eight different amino acids can be predicted using the equations because their RSQs of calibration were higher than 50.6% (50.6–73.9%). The others cannot be estimated with confidence by their relative contents due to lower RSQ in calibration. Moreover, their relative contents can be calculated from their absolute contents estimated by NIRS calibration.     

低芥酸杂交油菜渝杂18的选育

低芥酸杂交油菜渝杂18由西南农业大学采用化学杀雄方法育成，品比试验产量1950－2715kg/hm^2；重庆市区域试验平均产量1946kg/hm^2，比对照品种中油821增产2．21％，生产试验平均产量2139kg/hm^2；比对照中油821增产22．3％。渝杂18商品种子含油量39．97％，芥酸含量0．62％。1998年通过重庆市农作物品种审定委员会审定。     

油菜芥酸硫甙定量速测仪研制及应用

基于硫代葡萄糖甙与特异外源酶和显色剂反应生成有色产物与菜籽硫甙含量的关系以及芥酸形成浊度与芥酸含量的相关关系,研制了NYDL-2000油菜芥酸硫甙定量速测仪,芥酸测量范围0.5%～8.0%,硫甙测量范围10.0～60.0μmol/g。芥酸和硫甙的速测结果误差分别为±0.5%和±4.0μmol/g,符合国家标准和国际标准。在农技推广及粮油生产基点现场应用结果表明,具有测定快速、操作简单、测试费用低等特点。     

Prediction of the chemical composition of white clover by near-infrared reflectance spectroscopy

The aim of this study was to assess near-infrared reflectance spectroscopy (NIRS) as a rapid and reliable method for estimating quality parameters in white clover ( Trifolium repens ). NIRS calibrations were derived for ash, crude protein (CP), crude fibre (CF), neutral detergent fibre (NDF), acid detergent fibre (ADF) acid detergent lignin (ADL). To maximize variability, the set of samples for analysis was selected from field plots, harvested in two contrasting environmental locations over a period of 5 years. The samples were scanned using a NIR-Systems model 5000 monochromator. A total of 145 samples was used to calibrate and cross-validate the equations derived. A separate independent set (sixty-five samples) was used for testing the predictions. Standard errors of calibration and cross-validation, expressed as percentages of the mean, were 3·5 and 5·5 for ash, 3·0 and 4·2 for CP, 4·4 and 5·0 for CF, 3·7 and 4·7 for NDF, 3·3 and 4·2 for ADF and 14 and 16 for ADL respectively. The NIRS calibrations obtained from this study have the potential to be used in breeding programmes to assess the quality of white clover and for agronomic evaluations.     

亚麻籽蛋白质、亚麻酸和木酚素含量近红外预测模型建立与应用

为优化油用亚麻营养品质检测方法,提高育种效率,利用无损近红外光谱分析法定量分析亚麻籽粒蛋白质、亚麻酸和木酚素含量,初步探讨蛋白质、亚麻酸和木酚素含量相关性.以具有代表性的200份亚麻籽为研究对象,采集近红外光谱,使用偏最小二乘法和净分析信号光谱预处理建立了蛋白质、亚麻酸和木酚素含量近红外模型.结果表明:亚麻籽蛋白质、亚...     

油菜籽芥酸、硫甙、含油量中日比对检测研究

1998年和2001年中日双方油料质检机构对油菜籽芥酸、硫甙、含油量等品质指标进行了比对检测。中国农业部油料及制品质量监督检验测试中心采用中国国家标准方法和国际标准方法测定芥酸、硫甙的结果与日本油料检定协会采用日本国家标准方法和美国油脂化学协会官方方法检测的结果一致，测定结果的差异均在方法允许的误差范围以内，为开展中日油菜品质检测双边认证奠定了基础。     

Predicting rodent impact in crop fields by near-infrared reflectance spectroscopy analysis of their diet preferences

Prediction of impact by near-infrared reflectance spectroscopy (NIRS) analysis of rodent diet preferences was evaluated in four dominant field rodents in Moravia farmland (Czech Republic). These include the common vole (Microtus arvalis), pygmy field mouse (Apodemus uralensis), wood mouse (Apodemus sylvaticus), and black-striped field mouse (Apodemus agrarius). Using fecal samples, this method predicts the proportions of food components consumed, based on a calibration equation developed through feeding tests in the laboratory. We used the wood mouse as a model species for NIRS device calibration. The two types of monofood feces collected from mice that were fed with either barley or wheat grain were mixed to form a series of increasing proportions of wheat feces subsequently measured by NIRS. Because of a good fit, the calibration equation was then applied to other mice, whereas a separate calibration equation had to be developed for the common vole. The percentage diet preferences were determined by comparing feces from preference choice tests with the calibration equation. Whereas all mice preferred wheat to barley, the common vole showed no preference for either crop. Thus proportion of wheat preference by all Apodemus sp. predict stronger impact of these in wheat fields in ripe stage than in barley one.