近红外反射光谱测定玉米完整籽粒蛋白质和淀粉含量的研究

 以128份常用普通玉米自交系及杂交种的混合籽粒样品为材料,采用偏最小二乘(PLS)回归法,对近红外反射光谱(NIRS)测定玉米完整籽粒蛋白质、淀粉含量的可行性和方法进行了研究。结果表明,采用一阶导数+多元散射校正预处理、谱区为10000～4000cm-1和一阶导数+直线扣减预处理、谱区为9000～4000cm-1,分别建立的蛋白质、淀粉含量的校正模型,其校正和预测效果最佳。其校正决定系数(R2cal)均大于0.97,交叉验证和外部验证决定系数(R2cv、R2val)为0.92～0.95,各项误差(RMSEE     

近红外光谱技术应用于玉米单籽粒蛋白质含量检测分析的初步研究

为探索应用近红外光谱技术检测玉米单籽粒蛋白质含量,本研究采用JDSU近红外光谱检测仪采集了205份不同基因型玉米材料的单籽粒光谱值,用常规化学法测定玉米单籽粒蛋白质含量化学值,以117个样本为建模集,拟合了玉米单籽粒近红外光谱仪扫描得到的光谱图与玉米单籽粒蛋白质含量化学值之间的相互关系,用88个样本作预测集,比较了偏最小二乘回归法(PLSR)和支持向量机回归法(SVR)2种预测模型的效果。结果表明,玉米单籽粒种子的蛋白质含量在样本中变异范围为3.48%~18.15%,平均值为10.17%。偏最小二乘回归法(PLSR)和支持向量机回归法(SVR)所建的模型预测效果基本相同,其决定系数(R2)分别为0.99和0.99,校正标准差(SEC)分别为0.32和0.32,预测标准差(SEP)分别为0.46和0.46,相对预测标准差(RSEP)分别为4.61和4.60,RPD分别为6.106和6.111。上述参数表明PLSR和SVR所建立的模型预测效果都比较好,预测值基本接近参比值,便携式JDSU近红外光谱检测仪可以应用于定量分析玉米单籽粒蛋白质含量。     

文冠果脂肪含量的近红外光谱预测模型建立及验证

为了实现文冠果脂肪含量的无损快速检测,满足文冠果育种材料筛选和工业加工需求,选取46个文冠果作为标准样品集,采用索式抽提法测定种仁的脂肪含量,并应用近红外光谱（NIRS）技术采集样品的光谱数据,运用Unscrambler软件,采用偏最小二乘法（PLS）构建文冠果脂肪含量的NIRS预测模型,结果显示,该模型回归曲线R-Square （决定系数）为0.985 6、RMSE （标准误差）为0.414 9,可以进行有效预测。同时,选取32个未参加建模的文冠果样品作为验证材料,进一步对模型的预测效果进行外部检验,结果显示,外部检测回归曲线R-Square为0.901 4、RMSE为0.825 9,脂肪含量预测值与化学值的吻合性较好。建立的NIRS模型可靠,预测结果较为准确,可用于检测文冠果脂肪含量。该脂肪含量检测方法经济、快速、高效,为育种材料筛选和工业加工提供了快捷有效的途径。     

小米硒含量近红外预测模型的建立与评价

为实现对多样本小米硒含量的快速检测,以93份遗传背景不同的小米样品为研究对象,将样品分为校正建模集(样本容量n=51)和外部验证集(n=42),利用丹麦生产的NIRSTMDS2500台式近红外光谱仪采集光谱信息,通过标准正态变化(SNV)、卷积平滑(Detrend)等光谱预处理方法和偏最小二乘法(PLSR)建模方法建立脱壳谷子-小米总硒含量的测定模型,用工作流调用模型实现小米总硒含量的快速检测;采用国家标准规定的方法分别测定小米总硒含量,以此作为小米总硒含量预测模型的化学参比值。结果表明:小米总硒含量内部交叉验证的相关系数为84.5%;校正集均方根误差和验证集均方根误差分别为0.039 6和0.089 2,说明小米总硒含量的近红外预测值接近化学参比值;性能偏差比为5.478,大于美国谷物化学家协会和国际谷物科技协会等提出的质量控制标准,本研究建立的模型中预测集和建模集标准误差的比值为1.073 0;因此采用PLSR建立模型具有较高的预测精度且稳健程度较高,可实现对小米总硒含量的快速检测。     

小麦籽粒蛋白质含量高光谱遥感预测模型比较

【目的】利用高光谱遥感技术实现冬小麦籽粒蛋白质含量的精准预测,比较筛选小麦籽粒蛋白质含量预测模型,实现优质小麦栽培生产。【方法】设置不同品质类型小麦品种和施氮量处理,测定开花期叶片叶绿素含量（SPAD）、叶片干物质质量（LDW）、地上生物量（AGB）、叶片氮含量（LNC）、叶片氮积累量（LNA）、叶面积指数（LAI）、植株氮含量（PNC）、植株氮积累量（PNA）和氮营养指数（NNI）9个农学参数及小麦冠层光谱,通过一阶导数和偏最小二乘法,构建基于不同农学参数的小麦籽粒蛋白质含量高光谱预测模型。【结果】一阶导数处理可以提高光谱数据与农学参数的相关性。运用偏最小二乘法构建的高光谱农学参数估测模型中以SPAD的模型建模精度与验证精度相对较优,建模集决定系数R²与预测集标准均方根误差nRMSE分别为0.99和4.10%;NNI反演模型验证结果较好,相对预测偏差RPD为2.04;利用线性回归构建的农学参数-籽粒蛋白质预测模型中以LNC的建模精度与验证精度最佳,其建模集R²、预测集均方根误差RMSE和RPD分别为0.64、0.79和2.11。最终构建的“...     

玉米秸秆磷含量近红外漫反射光谱的建模研究

利用近红外光谱(NIRS)技术,建立玉米秸秆磷含量的快速定量分析模型,有利于植物养分利用效率和遗传育种研究.本研究选取了来源广泛的200份玉米自交系秸秆样品,结合近红外光谱仪在4 000～10 000 cm-1波段处测量的秸秆样品的光谱数据和钼锑抗比色法测量的样品磷浓度,分别用偏最小二乘(PLS)、最小绝对值收敛和选择...     

小批量稻谷种子蛋白质含量的近红外透射光谱分析

以完整水稻种子为样品,利用近红外透射谷物分析仪对186份批量稻谷进行扫描并测定了蛋白质含量的参比数据。采用多种数学计量学处理方法和不同的回归统计方法进行定标曲线的开发和比较,优化得到了小批量水稻种子蛋白质含量测定的近红外定标方程。其定标标准偏差(SEC)、交叉检验标准误差(SECV)、定标相关系数(RSQ)和交叉验证相关系数(I-VR)分别为0.255 8、0.279 5、0.972 8、0.967 5。研究采用整粒小量样品(5 g)来分析,效果较好,可直接用于育种早世代选择。     

毛白杨近红外光谱数据建立综纤维素含量数学模型

建立一种基于朗伯—比尔(Lambert-Beer)定律可预测毛白杨杂交子代综纤维素含量的数学模型,即先对近红外光谱数据预处理,并将光谱数据按波长进行分组,建立众多非线性子数学模型,最后通过加权平均值公式给出综纤维素含量的预测模型。其预测值之间的相关系数r=0.945 5,平均相对误差为0.006 0,模型的拟合优度R2=0.894 0。此模型可作为一种预测毛白杨综纤维素含量的方法,也有益于今后纸浆性能预测。     

运用近红外光谱法测定烤烟中蛋白质含量的数学模型

运用傅立叶变换近红外漫反射光谱仪(NIRS)分析了初烤烟叶中蛋白质含量，通过应用化学计量学方法，建立近红外光谱与初烤烟叶样品中蛋白质含量间关系的数学模型。结果表明：该模型稳定性好，可用来快速、准确、无污染地测定初烤烟叶样品中的蛋白质含量。     

商品稻谷蛋白质含量近红外光谱快速测定技术研究

随着人民生活水平的提高,对稻谷的品质要求愈来愈高．有关部门和企业对稻谷品质的快速、准确检测技术的需求日益强烈。蛋白质是稻谷中的主要营养成分之一．是评价稻谷品质的一个重要指标。稻谷中含有适宜的蛋白质含量,不但可使稻谷具有较高的营养品质,而且具有良好的外观和食味品质。     

基于偏最小二乘回归的玉米蛋白质含量鉴定

以10 000～4 000 cm-1波段的近红外光谱响应数据和常规生化方法检测的玉米蛋白质含量为样本数据,先对光谱响应数据进行小波去噪处理,并利用平滑技术对其降维,构建基于以光谱响应数据为输入、蛋白质含量为输出的偏最小二乘回归模型.仿真计算结果表明,利用偏最小二乘回归模型,可以较准确地预测玉米蛋白质含量,结合预测表达式回归系数和变量投影重要性指标VIP得到与蛋白质含量相关性较大的若干波段对应的光谱响应数据,模型在一定程度上揭示了蛋白质含量和光谱响应数据之间的数量关系.     

火炬松针叶儿茶素含量近红外预测模型的建立

【目的】建立火炬松针叶儿茶素含量近红外预测模型,为选育高生物活性成分火炬松良种奠定基础。【方法】以102个火炬松单株的针叶为试验材料,利用液相色谱 质谱联用技术（LC-MS）测定其儿茶素含量。使用近红外成分分析仪采集样品的近红外光谱信息,对采集的光谱信息采用不同的方式（一阶导数（FD）、标准正态变量转换法(SNV)、平滑算法、乘积分散校正法（MSC）和标准化预处理以及FD+SNV、MSC+FD）进行预处理,结合偏最小二乘法建立回归模型,比较不同预处理方法建立的回归模型参数,选择最佳光谱预处理方法,建立火炬松针叶儿茶素含量近红外预测模型,并对模型的预测准确性进行验证。【结果】FD+SNV为最佳的近红外光谱信息预处理方法;建立了火炬松针叶儿茶素含量的近红外预测模型,该模型的主成分数为14,校正集相关系数（R_C）为0.969 6,校正集均方根误差（RMSE_C）为1.308 4,交互验证集相关系数（R_V）为0.817 1,交互验证集均方根误差（RMSE_V）为3.105 2。经过外部验证,验证集火炬松针叶样品的儿茶素含量实测值与预测值有显著相关性（R=0.880 7）。【结论】建立了火炬松针叶儿茶素含量近红外预测模型,该模型可以准确、高效地预测火炬松针叶的儿茶素含量。     

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。     

近红外光谱仪测定玉米子粒淀粉含量的研究

近红外光谱分析技术(Near infrared reflectance spectroscopy,简称NIRS)具有快速、简便、准确、环保、非破坏性、可同时测定样品多种营养成分的优点。本文利用德国布鲁克(BRUKER)公司研制的M ATRIX-1型近红外光谱分析仪,对2004年吉林省有一定种植面积的131份普通玉米杂交种粗淀粉含量进行测定。结果表明,吉林省推广的玉米杂交种平均粗淀粉含量为71.02%,变化幅度为65.89%～75.95%。     

基于气候因子效应的冬小麦籽粒蛋白质含量预测模型

 在对4个生态区、6个不同品质类型小麦品种在不同播期下的试验数据进行系统综合分析的基础上，建立了冬小麦籽粒蛋白质含量的生态预测模型。通过分析籽粒蛋白质含量与气候因子的相关关系，确定了显著影响蛋白质含量的5个气象因子：开花至成熟期的日平均温度、平均日较差、总日照时数、总降雨量与积温。经逐步回归分析表明，高蛋白品种籽粒蛋白质含量主要受开花至成熟期间的平均日较差的影响；在日较差变异系数<5%的生态环境下，则决定于开花至成熟期日均温与总日照时数的互作。中蛋白品种蛋白质含量取决于开花至成熟期的总日照时数；而低蛋白品种由开花至成熟期的日均温、总降雨量与总日照时数共同决定。影响蛋白质含量的日较差与光照效应因子，分别通过与开花至成熟期的平均日较差及总日照时数间的线性关系建立模型；温度效应因子则通过与日均温的二次曲线关系建立模型。开花至成熟期的降雨量>50 mm时，降雨效应因子呈现二次曲线的变化模式；开花至成熟期的降雨量<50 mm时，则呈线性变化。运用南京地区3个品种的播期试验，6个生态区8个小麦品种的品质生态试验以及南京和徐州两地40个小麦品种的试验数据对模型进行了检验，各品种与各生态点的RMSE值均小于10%，表明模型能够可靠地预测不同品质类型冬小麦在不同环境条件下的籽粒蛋白质含量。     

流形学习在红松籽仁蛋白质含量近红外检测中的应用

为研究检测红松籽仁蛋白质含量的近红外光谱分析技术,在用变量标准化校正+一阶导数+小波变换对原始光谱进行预处理的基础上,分别运用主成分分析、改进型局部线性嵌入、局部切空间对齐、黑塞特征映射进行光谱数据的降维处理,分别构建偏最小二乘、岭回归、支持向量回归、极度梯度提升数学模型。结果表明,改进型局部线性嵌入+支持向量回归法建立的参数优化模型质量最佳。其降维方法优化参数为：维度取4,邻域数取50;验证集均方差均值为0.568 1,验证集皮尔逊相关系数均值达0.940 8。可见,模型的预测结果是可靠的,能够实现对红松籽仁蛋白质含量的无损、准确检测。     

菜籽粕养分含量变异及其近红外光谱技术检测

试验测定了93份菜籽粕样品的主要养分含量,并进行了相应的变异度分析;基于以上基础,建立了相应的NIRS定量分析模型,并应用外部验证的方法进行检验与验证.结果表明:供试菜籽粕中有机物、粗蛋白、粗脂肪、中性洗涤纤维和酸性洗涤纤维的含量平均值分别为89.02%、32.33%、2.63%、28.96%和19.85%,除粗蛋白外,其他指标均高于我国农业行业标准(NY/T 33-2004)中菜籽粕NY/T 2级推荐值,且其变异度分别为2.01%、4.94%、35.97%、10.68%和11.40%,以粗脂肪变异度最高.干物质、有机物、粗蛋白、中性洗涤纤维和酸洗洗涤纤维等指标NIRS定量分析模型定标相关系数均高于0.8,检验结果较好,能够达到快速无损测定菜籽粕干物质、有机物、粗蛋白、中性洗涤纤维和酸洗洗涤纤维的目的,而粗脂肪模型定标相关系数为0.56,预测性差,模型不可用.     

稻米脂肪含量近红外光谱分析技术研究

 应用近红外光谱（NIRS）分析技术和偏最小二乘法（PLS）建立稻米脂肪定量分析数学模型，并比较糙米粒和糙米粉NIRS数学模型对预测稻米脂肪含量的效果差异。结果表明，当利用糙米粒和糙米粉NIRS数学模型对样品进行预测时，内部交叉验证预测值和真值之间的决定系数（R2）分别为94.44%和95.54%，内部交叉检验的标准差（RMSECV）分别为0.09%和0.08%；外部验证预测值和真值之间的R2值分别为79.51%和87.10%，预测标准差（RMSEP）分别为0.24%和0.26%，平均相对误差（ARE）分别为4.11%和3.30%。内部交叉验证和外部验证结果证明，糙米粒和糙米粉NIRS数学模型均具有较高的预测准确性，可应用于稻米营养品质改良实践。     

用近红外光谱检测银杏叶中的黄酮含量

介绍了近红外光谱检测技术对银杏叶黄酮含量进行测定的实验研究。实验表明：应用傅立叶变换近红外光谱对银杏叶黄酮含量进行测定是可行的，该法相对偏差小，若样品的化学测定值精度高，近红外光谱的预测值则可接近真值。