油用牡丹种子水分含量近红外光谱估算研究

水分含量是影响种子销售、储存及加工的重要指标之一.以156份油用牡丹种子为试验材料,利用近红外光谱技术快速检测油用牡丹种子水分含量,分析油用牡丹种子的光谱特征,应用近红外光谱技术,结合偏最小二乘回归法,建立油用牡丹种子水分含量的估算模型,并比较多种预处理方法对建模结果的影响.结果表明,油用牡丹种子水分含量特征波段为14...     

大米蛋白质含量近红外光谱检测模型研究

探索建立一种有效的大米蛋白质含量近红外光谱检测模型,并寻找1100~2500nm波段中预测大米蛋白质含量的有效波长。采用面积归一化（Area Normalization）方法进行光谱预处理。用主成分回归方法建立回归模型,用Martens不确定性检验方法选择有效波长。发现利用主成分分析可以较好地区分出不同种类的米粉,样品在主成分上的得分可以作为鉴别米粉种类及品质的依据。基于全部波长建立的回归模型,训练集r=0.9923,RMSE=0.0747。交叉验证的结果r=0.9399,RMSE=0.2103。预测集r=0.9364,RMSE=0.1607。基于有效波长建立的回归模型,训练集r=0.9899,RMSE=0.0854。交叉验证结果r=0.9437,RMSE=0.2004。预测集r=0.9079,RMSE=0.1796。使用近红外光谱分析技术检测大米蛋白质含量是可行的,采用Martens不确定性检验方法选择有效波长,并利用有效波长预测大米蛋白质含量也是可行的。     

近红外光谱无损检测石榴中花色苷含量研究

以全国不同地区的97个石榴为样本,研究近红外光谱无损检测石榴中花色苷的含量,探讨了不同数据处理和回归方法对建模效果的影响。结果表明,对原始光谱进行一阶微分、标准多元离散校正法处理后,采用偏最小二乘法建立的石榴花色苷含量预测模型,预测偏差为0.148,预测标准差(SEP)为1.47,相关系数为0.829,模型预测良好,说明近红外光谱无损检测石榴的品质是可行的。     

基于近红外光谱的大米蛋白质含量的研究

利用近红外光谱分析技术,采集不同大米样品蛋白质的光谱图,并提取蛋白质官能团的特征值在波长785,910,1020,1040nm处的吸光度。通过不同建模方案的比较,最终采用非线性幂函数曲线,建立预测模型,从而快速准确地找出光谱吸光度与蛋白质含量间的关系。     

烟叶总氮的近红外光谱检测模型研究

探索建立一种有效的烟叶总氮含量近红外光谱检测模型,并寻找1100~2500 nm波段中预测烟叶总氮含量的有效波长。采用多种不同的光谱处理方法,并选择较优的一阶导数光谱处理原始光谱,再用偏最小二乘回归建立模型和Martens不确定性检验方法选择有效波长。基于全部波长建立的模型,训练集r=0.9930,RMSE=0.0490;交叉验证r=0.9708,RMSE=0.0996;预测集r=0.9747,RMSE=0.0884。基于有效波长建立的模型,训练集r=0.9937,RMSE=0.0464;交叉验证r=0.9744,RMSE=0.0938;预测集r=0.9610,RMSE=0.1116,预测值与化学值的绝对误差小于0.227%,相对误差未超过0.1%。表明使用近红外光谱分析技术检测烟叶总氮含量较好,采用Martens不确定性检验方法选择有效波长,并利用有效波长预测烟叶总氮含量是可行的。     

近红外光谱技术在茶叶中的应用研究进展

为快速分析茶叶的品质,文章简述了国内外近红外光谱技术在茶叶中的研究进展,包括定性分析和定量分析,定性分析主要应用在茶类鉴定、产地识别、等级评价、茶饮料辨别等方面,定量分析主要应用在快速测出茶叶中各化学品质成分的含量;指出了近红外光谱技术在茶叶领域应用中存在的问题,并对该技术在茶叶质量控制、在线监测、物质检测等方面的应用前景做出了展望,以期为近红外光谱技术在茶叶品质提升方面更广阔的应用提供参考依据。     

近红外光谱技术与常规方法检测紫花苜蓿品质的对比研究

从黑龙江省国家牧草产业技术体系绥化综合试验站的试验田中采集的10 种（每种取7 个样品）紫花苜蓿样品分别采用近红外光谱技术和常规化学测定法,对其含有的粗蛋白（CP）、中性洗涤纤维（NDF）、酸性洗涤纤维（ADF）、脂肪（FAT）、灰分（ASH）、干物质（DM）成分进行了测定,并将测试结果用SPSS 软件进行配对T值分析比较,结果表明：两种方法的X ± S 相近,|t|<0.05,P>0.05,差异不显著。分别计算两种方法的标准偏差（S）和相对标准偏差（RSD）,发现近红外分析方法的值均小于常规化学分析方法。试验结果表明：基于与常规化学方法的比较,近红外方法可以作为一种新的检测方法被使用,值得广泛应用于各种牧草饲养品质的测定与推广。     

高光谱反演植被水分含量研究综述

高光谱反演技术凭借快速、有效和不破坏植被的优势,已成为评估植被水分含量的重要方法。本研究概述了利用高光谱数据反演植被水分含量的研究进展。重点介绍了反演植被水分含量模型所用高光谱参数、指数的选择与变换方法,以及建立植被水分含量模型的几种常用方法,并分析了各种方法的适用条件。最后针对目前的研究进行了展望。     

烟叶化学成分协调性的近红外光谱检测模型研究

对烟粉全部近红外光谱数据采取不同的预处理方法来探究烟叶化学成分协调性（施木克值、糖碱比、氮碱比）,基于有效波长光谱数据建立相应的近红外光谱的检测模型,并利用偏最小二乘法(PLS)通过训练集的交叉验证建立回归模型。通过全部波长数据中值滤波平滑处理后建立施木克值的回归模型,预测集r=0.9861、RMSE=0.0548;通过全部波长数据卷积平滑二阶求导处理后建立糖碱比的回归模型,预测集r=0.9498、RMSE=0.9095;在对光谱数据处理较优的Norris一阶导数数组基础上选取30个有效波长建立氮碱比的回归模型,预测集r=0.9202、RMSE=0.6947。结果表明：利用近红外光谱可以较好地预测烤烟施木克值、糖碱比和氮碱比。     

通风干燥过程中的粮食水分转移规律研究

对粮食机械通风过程中的热质交换进行了细致和深入的探讨,应用热质交换理论分析粮食通风干燥中的温度变化和水分转移规律,避免无效通风和有害通风,并通过全开孔地板试验仓模拟试验验证了降温降水效应、粮食吸附滞后、各层粮食水分变化和干燥前沿推进规律。     

近红外透射光谱技术测定黍稷蛋白含量的研究

为了探索快速测定完整黍稷籽粒蛋白含量的方法,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。结果表明,分别经一阶和二阶导数处理后利用偏最小二乘法和改进的偏最小二乘法,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0.8806,定标标准误差（SEC）为0.3424,交互验证相关系数（1-VR）为0.8570,交互验证标准误差（SECV）为0.3751,外部预测标准偏差（SEP）为0.454。最终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。     

热风干燥过程中山药水分状态的变化研究

为了解山药的水分赋存状态的变化,以襄阳道地山药为材料,分别在60、70、80、90、100 ℃条件下进行热风干燥,采用低场核磁共振（LF-NMR）和差式量热扫描（DSC）技术,每隔15 min测定山药在热风干燥过程中的水分状态及迁移规律。结果表明,在60~90 ℃条件下,温度越高,干基含水率的降速越快。山药的T2弛豫图谱有3个较为明显的吸收峰,随干燥进程的延续,各峰面积均明显减少,其中自由水所在峰的面积降幅最大,表明干燥过程中自由水散失最多,而且自由水逐渐向半结合水和结合水迁移,冷冻峰和解冻峰也随之变小。但在100 ℃下干燥时,样品可能因表面板结导致干基含水率、低场核磁吸收峰升高,冷冻和解冻峰面积增加。因此,在实际干燥过程中,山药的热风干燥温度不宜高至100 ℃。     

基于近红外光谱的棉花毛籽蛋白质和油分含量快速检测

【目的】建立棉花毛籽蛋白质和油分含量的近红外检测校正模型。【方法】检测样本的蛋白质含量和油分含量,根据光谱-理化值共生距离算法（sample set partitioning based on joint X-Y distance sampling, SPXY）按照3∶1的比例将426个样本划分为包含320个样本的校正集和106个样本的预测集,结合多元散射校正和一阶导数等光谱预处理方法对模型进行优化,并采用线性偏最小二乘法（partial least square method, PLS）、支持向量机（support vector machine, SVM）和随机森林（random forest, RF）3种方法对比分析建立棉花毛籽蛋白质和油分含量的近红外快速测定模型,以决定系数、均方根误差和剩余预测偏差作为模型的评价指标。【结果】SVM模型和PLS模型在校正集的拟合效果较好,决定系数均大于0.8,但对预测集的拟合决定系数不到0.8,说明模型均存在过拟合现象;而RF模型在校正集和预测集的拟合效果都非常好,决定系数均大于0.9,其中蛋白质含量预测模型的决定系数、预测均方根误差和剩余预测偏...     

玉米种子干燥水分检验方法略谈

玉米种子水分的检测与检验是玉米种子生产繁育及储藏的重要环节,水分作为玉米种子四大指标之一．其高低直接影响到种子的品质质量和活力。     

可见-近红外光谱对花椰菜色泽的检测研究

花椰菜色泽变化和品质密切相关,利用可见-近红外光谱技术对花椰菜的色泽L*值进行研究。结果表明,归一化为最佳预处理方法,使用连续投影算法提取光谱数据特征波长并建立偏最小二乘回归模型。预测模型的相关系数达到了0.908 9,预测均方根误差为0.541 1。说明可见-近红外光谱技术检测花椰菜的色泽L*值变化是可行的。     

棉花植株水分含量的高光谱监测模型研究

精确灌溉对无损、快速的水分监测技术有迫切需求。研究棉花冠层高光谱参数与水分的定量关系并建立水分估测模型,以实现棉花水分及时、准确监测。通过2年试验,测定棉花冠层高光谱及植株水分,根据光谱参数与植株含水量的相关关系,建立了植株含水量监测模型。结果表明:棉株含水量与叶片含水量在一定范围内随灌溉量增减而增减,并能区分棉花干旱程度;棉株及叶片含水量与冠层460～514 nm、605～698 nm、1451～1576 nm和1960～2457 nm反射率极显著负相关,与727～1345 nm反射率极显著正相关,且棉株的相关性好于叶片含水量。所选作物水分指数、归一化差值水分指数1、归一化差值水分指数2、水分胁迫指数1、水分胁迫指数2、水分波段指数、水分指数与归一化差值植被指数之比均与棉株及叶片含水量极显著相关;构建了棉株含水量和叶片含水量的最佳监测模型;所建模型精度能满足大田生产对棉花水分监测的要求。     

近红外叶片水分无损检测系统设计与试验

玉米叶片水分含量是玉米生长过程中的重要生理指标,近红外线水分仪能够有效检测玉米叶片含水率。传统近红外水分仪存在功耗大、成本高等不足,为此使用1450 nm的红外二极管作为光源,设计基于STM32的便携式近红外玉米叶片水分无损检测系统。首先设计检测系统,包括光源电路、信号调理电路、STM32最小系统、电源电路等。然后对近红外水分仪进行水分标定,采集叶片吸收光和叶片实际水分含量,建立光吸收率与叶片含水率的线性拟合函数,并将拟合函数写入STM32小型系统。最后对水分检测仪进行测试,测量并实时显示叶片含水率。对玉米叶片的试验结果表明,光吸收率和叶片含水率耦合模型建模集相关系数Rc为0.8019,RMSEC为0.51,测试集最大测量误差1.80%,测量误差平均值为0.964%,可以满足农业生产要求。搭建的系统具有检测速度快、体积小、低成本的优点,可为研究近红外的光谱检测仪器提供理论参考和技术支持。     

植物水分含量检测综述

水分作为植物生长和发育的要素之一,其含量的检测与诊断是植物学及农业、林业等领域的重要研究课题。植物水分含量诊断主要是通过对比植物特定性状指标与正常生长环境下的指标来实现。随着植物生理、生化研究的深入以及传感、检测技术的进步,发展出众多的植物水分含量检测方法。从最初通过检测细胞液浓度来直接反映水分含量,到测量植物蒸腾速率、茎流流速、叶片水势、冠层温度、茎秆直径、特定化学物质含量等间接反映水分含量,以致现在以图像、光谱分析为基础的机器视觉等新方法成为主流。本文在充分调研国内外研究和文献的基础上,详细介绍主要的水分含量检测方法原理,分析其优缺点,试图把握植物水分检测的发展趋势和研究方向,为相关科研和应用提供有益参考。     

应用近红外光谱技术分析稻米蛋白质含量

以稻谷、米粒、米粉3种形态的样品，应用近红外光谱技术(NIRS)和偏最小二阶乘法(PLS)，建立了6个稻米蛋白质含量近红外光谱数学模型，并对模型预测结果的准确性进行了评价。结果表明，糙米蛋白质含量的稻谷、糙米粒和糙米粉近红外光谱预测模型校正决定系数(R_C²)分别为0.893、0.971和0.987，校正标准差(RMSEC)分别为0.507、0.259和0.183；精米蛋白质含量的稻谷、精米粒和精米粉近红外光谱预测模型R_C²分别为0.897、0.984和0.986，RMSEC分别为0.497、0.186和0.190。模型内部交叉验证分析表明，预测糙米蛋白含量的稻谷、糙米粒和糙米粉模型内部交叉验证决定系数(R_CV²)分别为0.865、0.962和0.984，内部验证标准差(RMSECV)分别为0.557、0.290和0.205；预测精米蛋白含量的稻谷、精米粒和精米粉的模型R_CV²分别为0.845、0.951和0.979，RMSECV分别为0.594、0.316和0.233。模型外部验证分析表明，预测糙米蛋白含量的稻谷、糙米粒和糙米粉近红外光谱模型外部验证决定系数(R_V²)分别为0.683、0.801和0.939，外部验证标准差(RMSEV)为0.962、0.799和0.434；预测精米蛋白含量的稻谷、精米粒和精米粉近红外光谱的模型R_V²分别为0.673、0.921和0.959，RMSEV为0.976、0.513和0.344。用米粉建立的近红外光谱预模型准确性最高，米粒次之，基于稻谷的预测模型准确性相对较低；内部交叉验证和外部验证表明，近红外光谱分析技术与化学分析方法一致性较好，且能保证样品的完整性，在水稻优质育种和稻米品质分析中具有广泛的应用价值。