麻疯树种子含油量近红外光谱定标模型的建立

目的本研究旨在建立麻疯树种子含油量的近红外光谱定标模型, 为近红外光谱技术应用于麻疯树种子含油量的测定提供依据。方法利用瑞典波通DA7200型近红外光谱成分分析仪采集了125份麻疯树种子样品的光谱数据, 通过样品化学值测定、光谱数据预处理以及回归统计方法建立了麻疯树含油量的近红外光谱定标模型, 并利用10份未知含油量的种子样品对模型的准确性进行了检验。结果本研究建模所选125份样品的含油量范围为25.23%~39.73%, 平均值为33.91%±2.64%, 中位数为34.31%, 基本覆盖了当前麻疯树的主要品种, 在种子油含量上具有一定的代表性。二阶导数联合标准正态变量转换法为建立麻疯树种子含油量近红外光谱定标模型的最佳预处理方法, 偏最小二乘法为最佳的回归方法。模型验证结果显示, 样品的化学测定值与近红外光谱定标模型预测值极显著相关, 且相关系数达0.9556, 预测标准偏差为0.6536。结论检验结果说明该模型具有较高的可靠性, 可应用于后期麻疯树种子油分含量的大批量快速测定。      

近红外分析技术在稻米淀粉RVA谱特征值测定中的应用

采用近红外光谱分析技术和化学计量方法建立了稻米淀粉RVA谱3项(BDV、SBV、CSV)与稻米其它品质相关显著的特征值的近红外分析模型,并对模型进行了预测准确性评价。结果显示BDV、SBV和CSV的模型校正决定系数Rc2分别为0.9707,0.9966和0.9943,校正标准差RMSEE分别为4.12,2.41和1.72;内部交叉检验的决定系数Rcv2分别为0.942,0.9942和0.9913;标准差RMSECV分别为5.4,2.87和1.99。验证决定系数除DBV外均达到0.99以上,模型准确性较高,具有实用价值。     

近红外反射光谱技术测定甜玉米总多糖和淀粉含量的研究

结合酶法测定了104份甜玉米种质总多糖和淀粉的含量,利用近红外光谱分析仪采集了相应的光谱信息,分别建立了甜玉米完整种子的总多糖和淀粉含量的近红外光谱定标模型。结果表明:最优光谱处理方式总多糖的为标准正常化+去散射处理,淀粉的为标准多元散射校正;最优的导数处理总多糖的为3阶导数,淀粉的为2阶导数。总多糖和淀粉定标模型的交互验证相关系数分别为0.680和0.734,交互验证标准偏差分别为2.537和2.406;外部验证集总多糖和淀粉的预测相关系数分别为0.834和0.783,说明所建立的总多糖和淀粉的预测模型具有较好的预测性,可应用于甜玉米种质资源筛选。     

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。     

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。     

PLS回归法建立适应温度变化的近红外光谱定量分析模型

研究了近红外光谱定量分析模型对于样品温度的适应性。以42个不同品种的大豆为实验材料，用2台光谱仪分别独立测定了样品在5种温度下的近红外光谱。对于2台光谱仪测定的光谱，均依据光谱信息选择部分光谱，采用PLS回归法对大豆样品的粗蛋白质和粗脂肪含量分别建立了近红外光谱定量分析模型。并以剩余样品对模型进行预测检验。4个模型的预测结果均表明：超过94％的检验样品的预测相对误差小于5％．说明了预测样品处于5～40℃时，模型都有较好的预测效果。     

不同成熟时期骏枣糖度近红外光谱模型的建立

该研究对采摘于新疆阿克苏十团枣园的9月、10月、11月份3个月的骏枣进行了近红外光谱测定和总糖测定。结果表明,阿克苏骏枣总糖含量的测定采用PLS所建模型预测效果最佳,但最佳预处理方法不同;白熟期骏枣糖含量的最佳模型是经一阶导数处理后对骏枣糖度预测效果最优,校正相关(Rc)为0.985 8,RM-SEC为0.650,RMSEP为2.01,预测相关系数(RP)为0.903 4;脆熟期、完熟期骏枣糖含量的最佳模型都是经二阶微分处理后对骏枣糖度预测效果最优,校正相关系数(Rc)分别0.961 3、0.972 4,RMSEC分别为0.801、1.30,RMSEP分别为0.944 2、1.000 0,预测相关系数(RP)分别为2.90、1.56。该试验所建近红外PLS校正模型具有较好的稳定性,能满足红枣总糖含量的检测要求。     

付里叶变换近红外漫反射光谱定量分析数学模型的建立与评价

本文在I的研究基础上,根据近红外漫反射光谱定量分析的原理,以谷子、玉米、小麦样品为实验材料,选用近代回归分析的方法,研究了谷子、玉米蛋白质及小麦沉淀值品质分析近红外光谱定量数学模型的建立与评价。     

近红外光谱法同时分析油菜9种品质参数的研究

应用近红外光谱技术(NIRS)对油菜种子9种主要品质参数进行了分析研究,并建立了数学模型。内部交叉验证结果表明,油菜种子油酸、亚油酸、亚麻酸、芥酸和饱和脂肪酸的决定系数R2分别为98．97％, 93．02％,86．49％,99．53％和84．78％,均方差分别为2．20,1．12,0．46,1．51和0．29;油菜种子含水量、含油量、硫苷和蛋白质含量的R2分别为99．64％,98．91％,82．46％-98．40％和89．32％,均方差分别为0．23,0．39,2．59- 13．50和0．74。对于含量较小而极差较大的硫苷采用分段建模,可提高分析结果的准确性。外部检验结果表明:各参数近红外预测值和标准方法之间的相关系数高达0．883-0．992;平均相对误差较小,为2．62％-8．19％;t测验差异不显著。研究表明NIRS技术具有检测快速、结果准确、制样简便、无污染和无损伤等优点,已经应用于油菜种子品质分析,并且分析参数还可以扩展。     

稻米表观直链淀粉含量近红外光谱测定技术校正设置的优化

以 精米粉为样品,研 究了不同光谱预处 理和回归 统计方法 在用近红 外反射光谱 分析稻米 表观直链淀粉含量（ Ａ Ａ Ｃ）时,对建立回 归方程的影响⒚结果 发现,光谱预处理对 校正结果影响较 小,不同光谱数学处理以一级衍生值较好,但“波段”和“间隙”长短对结果影响不大⒚回归统计方法对建立回归方程的影响最为明显,其中以修正的部 分最小平方法（ Ｍ Ｐ Ｌ Ｓ）建立的回归方 程效果最好⒚因此,在 建立以精米粉为样本进行稻 米 Ａ Ａ Ｃ 近红 外分析时,“光谱散 射校正／数学处理／回归统 计方法”组合以“标准正态变量转 换／１,５,５,１／ Ｍ Ｐ Ｌ Ｓ”最佳⒚用此组合建 立的回归方程测 定稻米 Ａ Ａ Ｃ 时,检验工作标准误 （ Ｓ Ｅ Ｐ）可小至 ０．８４,而决定系数可高达 ９４％ ⒚     

羊口疮病毒ORFV/GD-QY/01 株的分离鉴定

利用MDBK细胞对广东清远某羊场的痂皮病例进行病毒分离,获得一株ORFV,命名为ORFV/GD-QY/01。参考NCBI羊口疮病毒(Orf virus)保守基因B2L序列,设计一对特异性引物进行PCR扩增后测序;运用序列分析软件对获得的羊口疮病毒株B2L基因核苷酸序列与其他羊口疮毒株进行多序列比对,构建系统发育进化树。结果表明:接种病料悬液的MDBK细胞出现细胞病变,扩增出ORFV B2L基因,该毒株与台湾山羊株(EU935106、DQ904351)相似性最高(均为99.2%),亲缘关系最近。     

烟草石油醚提取物近红外光谱检测模型的建立

应用傅立叶交换近红外漫射光谱仪,从贵州省各地初烤烟叶中挑选出具有代表性的149个烟草样品建立了近红外光谱与烟草中石油醚提取物成分含量间的数学模型,对10个烟样进行预测,结果表明:近红外预测值与实测值之间的平均绝对误差、平均相对误差绝对值分别为0.075%和1.449%,且预测值与实测值间不存在显著性差异.认为近红外光谱分析技术可初步用于烟草部分香气成分的快速定量分析,且具有简便、快速、低成本、无污染以及样品的非破坏性等优点.     

近红外光谱分析法预测小叶章营养价值的研究

试验探讨近红外光谱分析法应用于预测小叶章营养价值的可行性,利用TQ Analyst分析软件采用偏最小二乘回归(PLS)方法建立小叶章营养成分的定量检测模型。结果表明,小叶章粗蛋白(CP)、粗脂肪(EE)、中性洗涤纤维(NDF)和酸性洗涤纤维(ADF)含量的相对分析误差RPD值(SD/RMSEP)均大于3,校正模型外部验证决定系数R2均大于0.95;近红外光谱法能同时检测小叶章中CP、EE、NDF和ADF含量,检测误差小、结果准确可靠,与化学分析方法无明显差异且重现性好,可应用于小叶章营养价值快速定量检测。     

基于近红外光谱技术的茶鲜叶海拔高度判别模型建立

以不同海拔高度的茶鲜叶为研究对象,扫描获取其近红外光谱(NIRS)并筛选特征光谱区间后,分别应用逐步多元线性回归法(SMLR)、主成分回归法(PCR)和联合区间偏最小二乘法(Si-PLS)建立茶鲜叶海拔高度预测模型。结果表明,在5 542.41~6 888.48cm-1区间内,对原始光谱进行一阶导数+3点Norris平滑预处理后,建立的SMLR模型预测集相关系数和预测均方差分别为0.800 5和0.486;在4 929.16~6 965.62cm-1区间内,当主成分数为3时,对原始光谱进行一阶导数+3点Norris平滑预处理后,建立的PCR模型预测集相关系数和预测均方差分别为0.803 6和0.472;当将光谱划分为18个子区间、因子数为13时,选用[5 8 11 17]4个子区间建立的Si-PLS模型预测集相关系数和预测均方差分别为0.944 3和0.295。经比较,Si-PLS模型预测结果最佳。     

基于近红外光谱技术苹果尺寸差异对糖度模型适用性的影响

为消除水果自身尺寸差异对其糖度预测模型的不利影响，进一步提高水果分选模型精度，应用近红外光谱在线检测装置采集不同果径苹果的近红外光谱，对光谱进行多种预处理后，分别建立苹果可溶性固形物的偏最小二乘法模型，再用苹果果径75~85 mm组中的建模集预测苹果果径分别为65~75、85~95 mm组中的预测集样品，最后用果径组65~75、75~85、85~95 mm中的建模集和预测集，分别作为混合苹果尺寸糖度预测模型的建模集和预测集，并利用特征光谱选择算法对模型进行简化，建立苹果糖度通用预测模型。结果显示：与建模集和预测集果径不同时所建立的苹果糖度预测模型最优组相比，其相关系数R_p由0.805提高至0.943，预测集均方根误差值RMSEP由0.778减小至0.480，RPD由0.96增加至3.05，再对建立的通用模型进行简化，可以降低苹果尺寸对苹果糖度模型的影响，提高模型预测性能。     

基于近红外光谱的天然牧草CNCPS组分分析与预测

从青海省河南县高山嵩草草地采集天然牧草样品66个,研究近红外光谱技术测定天然牧草净碳水化合物和净蛋白质体系(CNCPS)组分的可行性。选用修正的偏最小二乘法(MPLS)建模,筛选最佳的光谱和数学处理方法,建立了天然牧草中粗蛋白质(CP)、可溶性蛋白质(SP)、非蛋白氮(PA)、快速降解真蛋白(PB1)、中速降解真蛋白(PB2)、慢速降解真蛋白(PB3)、结合粗蛋白(PC)和中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、酸性洗涤木质素(ADL)、总碳水化合物(CHO)、非结构性碳水化合物(CNSC)、糖类(CA)、淀粉和果胶(CB1)、可利用纤维(CB2)、不可利用纤维(CC)等的近红外定量分析模型。结果显示,CP、PC、NDF、ADF、CHO、CNSC、CA的交叉验证决定系数(1-VR)分别为0.989、0.870、0.975、0.932、0.964、0.966、0.846,交叉验证相对分析误差(RPDCV)分别为9.336、2.913、6.353、3.758、5.306、5.521、2.603,其他指标的1-VR均小于0.9,RPDCV均小于2.5。可见,近红外技术可以用于天然牧草CNCPS组分快速测定,CP、PC、NDF、ADF、CHO、CNSC、CA含量预测模型的预测能力较好,PA、PB1、PB2、PB3、CB1、CB2、CC含量预测模型需要进一步研究以提高精度。     

蒙古栎木材MOR与MOE的近红外光谱预测模型分析

蒙古栎是重要的结构用材,对其抗弯强度(MOR)与抗弯弹性模量(MOE)进行快速准确的无损检测是具有工程应用价值的科学问题。为实现蒙古栎木材MOR与MOE的快速无损检测,以900~1 700 nm的便携式近红外光谱仪为检测手段,提出一阶导数与S-G卷积平滑处理相结合的数据预处理方法,采用木材径切面与弦切面2个切面近红外光谱的平均值作为建模数据,利用Isomap-PLS算法建立预测模型估计木材的MOR、MOE。试验采用135个300 mm20 mm20 mm的无疵小试样为样本,其中90个组成校正集,45个组成预测集。结果表明:一阶导数处理能够消除光谱背景平缓区域干扰,S-G卷积处理能滤除高频噪声;采用径切面与弦切面光谱的平均值,比采用单一切面建模效果好,校正相关系数大,校正标准误差小;Isomap-PLS模型优于PLS、iPLS、MWPLS、CSMWPLS、BiPLS、LLE-PLS模型,MOR预测相关系数为0.89,预测标准误差(SEP)为11.43,相对分析误差(RPD)为2.552.5;MOE预测相关系数为0.88,SEP为2.73,RPD为2.582.5。可见,所建近红外模型可以完成蒙古栎无疵木材快速有效的无损检测。      

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。