用近红外反射光谱测定小样本糙米粉的品质性状

比较了用近红外反射光谱技术直接测定为０．５ｇ糙粉粉和约３ｇ精米粉样本的表观直链淀粉含量、糊化温度和蛋白质含量的效果。结果发现,用精米粉和糙米粉样本测定蛋白质含量均有很好效果,建模时标准误很小而决定系数高,校正标准误、（ＳＥＣ）、检验工作标准误（ＳＥＰ）、校正决定系数（Ｒ＾２）以及检验决定系数（ＲＳＱ）依次分别为０．１１和０．１９,０．２０和０．２１,０．９９５和０．９３２以及０．９９和０．９１。在     

糙米粉与精米粉的淀粉粘滞性比较分析

研究针对育种中株系种子量少,难加工成精米,用精米粉测淀粉粘滞性难的问题,选用淀粉粘滞性有一定差异的41个水稻品种(组合、系)为材料,分析用糙米粉和精米粉测定的淀粉粘滞性。结果表明,糙米粉与精米粉的特征值有一定差异,糙米粉测定峰值粘度、回复值、崩解值、消减值普遍小于精米粉,决定系数分别为0.565、0.572、0.455、0.639,糙米粉糊化温度大于精米粉,两者之间的决定系数为0.366,糙米粉和精米粉总体趋势的规律性是基本稳定的。在育种的中、早世代的单株选择中,可以用糙米粉测定稻米淀粉粘滞性作为参考进行单株选择。研究结果为水稻育种中、早代的单株的品质直接鉴定选择提供了依据。     

糙米粉代替精米粉测定直链淀粉含量研究初报

选用汕优63等58个籼稻品种(组合)为材料,分别用糙米粉和精米粉测定了直链淀粉含量,分析了用糙米粉代替精米粉测定直链淀粉含量的效果。结果表明:糙米粉的直链淀粉含量比精米粉低,且随着直链淀粉含量的增加差值呈增大趋势,表现趋势总体上基本稳定。两者之间换算系数在0.67左右,且随直链淀粉含量的增加,换算系数略有增大。两者之间以指数关系和直线关系的决定系数较大,分别为0.9246和0.9125。由试验结果可见用糙米粉代替精米粉测定直链淀粉含量作为早代单株材料的鉴定和选择依据是可行的。     

近红外光谱分析法（NIRS）测定棉籽粉中油分含量的研究

选用棉花的不同品种（包括各种特色棉）材料248份，进行常规成分的定标和校验。定标结果表明，采用改进的偏最小二乘法（ModifiedPLS）和（3，5，5，1）的数学转换的方法得到的定标效果最好，其定标决定系数（RSQ＝0．9335）和可解释的变异（1－VR＝0．9131）最高，定标标准误差（SEC＝0．7905）和交互 校验标准误差（SECV＝0．9024）最小。预测结果表明，其决定系数（RSQ＝0．9780）也明显高于其它方法，同时具有最低的预测误差（SEP＝0．508）和校准偏差的预测误差（SEP（C）＝0．4910）。同此可见，用近红外光谱法测定棉籽粉的油分具有与化学法相近的准确性和精确性，可以在实践中应用。     

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。     

应用近红外透射光谱法测定水稻种子直链淀粉含量的初步研究

 以124份水稻种子为样本，利用FOSS-Tecator公司的Infratec1255型近红外谷物品质分析仪，对样本进行光谱扫描，并利用化学法测定了直链淀粉含量。借助于近红外定标软件(WinISI)，采用多种计量数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，得到了小样本量水稻种子直链淀粉含量测定的近红外分析定标数学模型。其定标标准偏差（SEC）、交叉检验标准误差（SECV）和定标决定系数（RSQ）分别为1.489、1.761和0.885。     

水稻籽粒直链淀粉含量非破坏性活体测定方法研究

对533份杂交稻和常规稻材料的糙米和精米直链淀粉含量进行化学分析,并结合近红外透射光谱数据,采用改进偏最小二乘法（MPLS）分别建立糙米、精米的直链淀粉含量（AC）预测定标模型,并对其进行内部和外部验证.结果表明,杂交稻糙米及精米模型的定标相关系数（RSQ）分别为0.873和0.922,常规稻糙米及精米模型的RSQ则分别为0.924和0.939,定标标准偏差（SEC）分别为1.100,0.956,1.537,1.547;内部交叉验证预测值和真实值之间的RSQ分别为0.866,0.901,0.892和0.921,外部验证的RSQ分别为0.9506,0.9352,0.9116,0.9180,所建模型的相关性较高,预测值与真实值之间的误差小.常规稻模型可应用于大量育种材料快速、无损的早代筛选,杂交稻模型可用于新组合直链淀粉含量的快速鉴定,促进稻米品质改良,提高育种效率.     

近红外漫反射光谱法对粮油作物品质无损分析的研究

用傅立叶变换近红外漫反射光谱法,非破坏性测定水稻糙米粒直链淀粉含量和完整油菜籽含油量、油酸和硫甙。结果表明,该方法与常规方法有类似的准确性和精确性,其定标方程的决定系数R^2分别为0．9908,0．9924,0．9942和0．9841,相对误差RE（％）分别为2．60,0．69,0．76和4．32,相对校正标准误RSEC分别为0．5515,0．3662,0．1888和3．4430;预测相关系数RSQ分别为0．9377,0．9810,0．9646和0．9817,预测相对误差RE（％）分别为5．64,1．30,1．56和7．73,相对检验标准误RSEP分别为1．5499,0．6171,0．3362和6．0583。NIRS分析法完全可用来快速、无破坏测定育种材料,作为粮油作物品质育种的辅助手段。     

近红外光谱技术测定水稻直链淀粉含量研究

以298份水稻种子为样本,用常规法测定直链淀粉含量,采用偏最小二乘法(PLS),优化建立精米直链淀粉含量近红外光谱预测校正模型.模型校正决定系数RC为0.95;校正标准差SEC为1.58;内部交叉检验决定系数RP为0.91,标准误差SEP为1.92.利用20个样品进行外部检验,预测值与真实值之间差异不显著,其相关系数达95%以上.定标模型预测性能较好,可以替代化学分析法快速测定水稻直链淀粉含量.     

水稻籽粒直链淀粉含量非破坏性活体测定方法研究

对533份杂交稻和常规稻材料的糙米和精米直链淀粉含量进行化学分析, 并结合近红外透射光谱数据, 采用改进偏最小二乘法(MPLS)分别建立糙米、精米的直链淀粉含量(AC)预测定标模型, 并对其进行内部和外部验证. 结果表明, 杂交稻糙米及精米模型的定标相关系数(RSQ)分别为0.873和0.922, 常规稻糙米及精米模型的RSQ则分别为0.924和0.939, 定标标准偏差(SEC)分别为1.100,0.956,1.537,1.547; 内部交叉验证预测值和真实值之间的RSQ分别为0.866,0.901,0.892和0.921, 外部验证的RSQ分别为0.9506,0.9352,0.9116,0.9180, 所建模型的相关性较高, 预测值与真实值之间的误差小. 常规稻模型可应用于大量育种材料快速、无损的早代筛选, 杂交稻模型可用于新组合直链淀粉含量的快速鉴定, 促进稻米品质改良, 提高育种效率.     

基于近红外光谱分析的绿茶水分无损检测模型建立

收集代表性绿茶样品158个,直接对新鲜样品进行近红外光谱扫描,运用改进偏最小二乘法(MPLS)在4种不同的光谱数据预处理方式下进行水分含量建模,并用验证集对最优模型进行检验.结果显示,光谱数据在散射处理方式SNV Detrend下经过一阶导数处理后的预测结果最优,其定标标准差(SEC)为0.32%,样品预测值和实测值之间的决定系数(RSQ)为0.861,预测标准差(SEP)为0.5%,偏差(Bias)为-0.1%.说明应用近红外光谱分析技术实现绿茶中水分含量的无损检测是可行的,并可得到较为满意的预测效果.     

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。     

云南水稻直链淀粉含量近红外模型的创建研究*

 收集云南有代表性的水稻品种（系）210份,用常规法测定直链淀粉含量,采用偏最小二乘（PLS）法建立直链淀粉含量近红外光谱分析预测的校正模型,并对模型进行了预测准确性评价。结果表明AAC的模型校正决定系数Rc²为 0.962 2 ;校正标准差RMSEE为1.329;内部交叉检验的决定系数Rcv²为 0.925 6 ,标准差RMSECV为1.320。模型的检验相关系数达到90％以上,对云南水稻品质育种及种子资源相关研究具有实用价值。     

稻米直链淀粉含量近红外检测模型的建立

以147份南方籼稻品种或组合的稻米为供试材料,利用偏最小二乘法(PLS),通过不同波长和不同预处方式建立稻米直链淀粉含量的近红外分析模型。结果表明:全谱段(950～1 650 nm)建模效果最好,其相关系数(R)、预测标准差(SEP)、校准标准差(SEC)分别为0.947 7,1.162 3、0.700 2;采用多元散射校正法(MSC)法对全谱图进行预处理的效果较好,优化后的模型相关系数(R)、预测标准差(SEP)、校准标准差(SEC)分别为0.981 9、0.100 9、0.6831,其相对分析误差(PRD)为3.6;将稻米直链淀粉含量的近红外光谱预测值与化学值进行配对T检验,P=0.3560.05(置信区间为95%),表明近红外光谱法与化学分析法得到的检测结果无显著差异,即应用近红外光谱快速检测稻米直链淀粉含量是可行的。     

甘蓝型油菜茎秆纤维组分含量和木质素单体G/S 近红外模型构建

【目的】探索近红外光谱分析技术在甘蓝型油菜茎秆纤维组分含量及木质素单体G/S测定中应用的可能性。【方法】采集近红外光谱,根据马氏距离GH（Global H）筛选出103份纤维组分含量材料和75份木质素单体G/S材料作为定标样品,采用Van Soest法和GC-MS法对茎秆纤维组分含量和木质素单体比例进行测定,统计结果表明定标样品化学测定值变异范围较大,3次重复差异较小,可用于近红外模型构建。运用不同光谱预处理方法和化学计量学方法建立校正模型,对比各模型性能参数,筛选出最优定标模型并用检验集对模型进行验证。【结果】采用修正偏最小二乘法（MPLS）建立模型最佳。中性洗涤纤维（neutral detergent fiber,NDF）、酸性洗涤纤维（acid detergent fiber,ADF）、酸性洗涤木质素（acid detergent lignin,ADL）与木质素单体G/S的交叉验证相关系数（1-VR）分别为0.864、0.861、0.872和0.920,定标相关系数（RSQ）分别为0.892、0.891、0.907和0.953。用检验集对模型进行验证,NDF、ADF、ADL及木质素单体G/S模型的外部检验相关系数（RSQ）分别为0.837、0.818、0.870和0.935,其预测标准差（SEP）为0.680、0.636、0.348和0.054。【结论】试验所建模型质量较好,能快速测量茎秆纤维组分含量和木质素单体G/S,可为油菜抗病抗倒伏育种研究提供技术支持。     

稻米蛋白质含量快速活体测定的定标研究

应用近红外透射光谱技术(NITS),采用偏最小二乘法(PLS)建立重庆地区稻米活体蛋白质含量(PC)定量分析数学模型。结果表明,糙米和精米蛋白质含量预测数学模型的定标标准误偏差(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(1-VR)分别为0.252、0.247;0.256、0.278;-0.953、0.946;0.951、0.940;近红外预测值与化学值误差范围分别为-0.61~0.18、-0.39~0.46,相关系数分别为0.984、0.978,均达到极显著相关。利用该模型能够对育种材料的蛋白质含量进行快速非破坏性活体测定,可大大提高育种选择效率。     

利用近红外光谱法测定玉米籽粒含油量的研究

用近红外光谱(NIRS)分析技术和偏最小二乘法(PLS)建立了玉米籽粒含油量分析数学模型,并对模型预测结果的准确性进行了评价。结果表明,定标集、检验集的预测值与化学测定值间均呈极显著正相关,相关系数分别为0.958和0.957,定标标准差和预测标准差分别为0.757和0.745。利用该技术能测定玉米籽粒含油量。