桑树叶片的叶绿素值检测与光谱特征分析方法

为了探索一种基于光谱技术的快速、无损且准确的桑树叶片叶绿素值(SPAD)检测方法,对6个桑树品种叶片的叶绿素值与可见-近红外光谱(Vis-NIR)反射率进行了测定与分析。同一叶片因测量部位不同,SPAD值也不同;同一植株自上而下的叶片SPAD值呈上升趋势。采用偏最小二乘法(PLS)建立了6个桑品种叶片的SPAD与叶片的可见-近红外光谱反射率定量分析模型,校正相关系数均达到0.80以上,预测相关系数均达到0.79以上,表明利用可见-近红外光谱分析法能较好地检测桑树叶片的叶绿素值。     

应用手持式近红外光谱仪检测桑椹可溶性固形物含量的偏最小二乘回归模型建立

可溶性固形物含量(SSC)是评价桑椹鲜果品质的重要指标,利用近红外光谱分析技术建立快速、实时无损地检测桑椹鲜果中可溶性固形物的方法。首先用手持式Micro NIR1700型近红外光谱仪采集桑椹的近红外光谱,对光谱进行预处理后,应用偏最小二乘回归(PLS)法建立桑椹鲜果SSC预测模型,并用随机蛙(Random-frog)和自适应重加权采样(CARS)2种方法筛选出最优波长变量,提高PLS模型预测精度。经过1阶求导(1stDer)、标准正态变量变换(SNV)和均值中心化(MNCN)相结合预处理后的全波长光谱PLS模型的预测效果最好,校正集与验证集的相关系数平方(R2)分别为0.916 1和0.925 0,均方根误差分别为0.985 8°Brix和0.654 3°Brix。相较于Random-frog法,用CARS方法优选出19个波长变量,所建PLS模型的预测效果更好,校正集与验证集的R2分别为0.933 2和0.943 4,均方根误差分别为0.782 0°Brix和0.582 8°Brix。研究结果表明,利用手持式Micro NIR 1700型近红外光谱仪结合化学计量学方法,能够用于现场对桑椹鲜果SCC的快速无损检测。     

近红外反射光谱分析技术鉴别对四种毛绒纤维的研究

由于近红外光谱检测快速、无损的特点,在检测领域已经被广泛应用。本文应用近红外漫反射光谱对细羊毛、地毯用羊、粗羊毛、山羊绒4个类型共200个样品进行了定性鉴别研究,通过采用主成分-马氏距离聚类判别分析法,主成分回归分析技术结合多元离散校正,建立了定性鉴别模型并用于预测,预测性能较好,说明利用近红外漫反射光谱技术对不同类型毛绒纤维定性检测是可行的。     

基于近红外预测羊草水分含量的特征光谱模型研究

水分是牧草最为重要的品质属性,水分含量的多少直接影响牧草品质的变化。羊草（Leymus chinensis）因富含重要的维生素、蛋白质、中性洗涤纤维、酸性洗涤纤维、脂肪等家畜必需营养成分,在收获和储藏过程中极易受到生长地的水、土、气等的影响而发生营养成分损失或变质,因此为了有效降低冗余无信息变量,提高羊草水分含量近红外模型的预测精度和稳定性,本研究采用4种光谱特征区间选择方法,包括间隔偏二乘法（Interval partial least-squares regression,iPLS）、向后区间偏最小二乘法（Backward interval PLS,BiPLS）、联合区间偏最小二乘法（Synergy interval PLS,SiPLS）、和连续投影算（Successive projections algorithm,SPA）建立羊草水分含量的预测模型。结果表明：SiPLS方法最适合用于羊草水分含量特征波长的筛选,其次为BiPLS方法,最差的方法为iPLS,同时,相对分析误差（Residual predictive deviation,RPD）=2.648>2.50。这表明SiPLS的近红外光谱模型在预测羊草水分含量的应用上完全可行,预测精度在96.13%以上。     

蜂蜜中果糖含量近红外光谱试验研究

以68份蜂蜜样品为材料,利用傅立叶变换近红外光谱技术（NIR）结合偏最小二乘法（PLS）,建立了蜂蜜中果糖含量的近红外光谱数学模型,并对模型预测结果进行评价。结果表明,选择11065．36cm^-1～7857．90cm^-1波数范围内的光谱,进行SG预处理方法,用8个主成分建立的蜂蜜果糖含量模型效果最好,模型相关系数、校正均方差和预测均方差分别为0．9259、1．21和1．64。该方法具有快速、准确、成本低等特点。     

基于光谱技术的种蛋受精早期检测研究

为在鸡种蛋孵化早期（0～5胚龄）筛除无精蛋，试验采用透射光谱技术对种蛋受精情况进行无损检测研究。试验采集518个鸡种蛋的孵化前和孵化1～5 d的鸡蛋光谱数据，通过矢量归一化方法、二阶导等算法对数据进行预处理，对预处理后数据分别采用竞争性自适应重加权采样法（Competitive adaptive reweighted sampling,CARS）和连续投影法（Successive projection algorithm,SPA）提取特征波长，建立极限学习机（Extreme learning machine,ELM）和支持向量机（Support vector machine,SVM）两种种蛋受精检测模型，并进行测试集准确性的比较。结果显示，支持向量机模型对孵化前经SPA筛选后数据和孵化第5天全波段数据的测试集准确率分别为97.44%和99.37%。表明使用SVM模型进行鸡种蛋受精预测最为精确，且运行结果稳定，未来可用于生产。     

基于光谱技术和模式快速鉴别家蚕品种的初探

初步研究了基于可见-近红外光谱技术和模式识别快速鉴别家蚕品种的方法。采用偏最小二乘法(PLS)进行模式特征分析,完成特征提取后,将获得的主成分作为神经网络的输入变量,建立了三层反向传播人工神经网络(BPANN)。试验采取4个品种的蚕种,应用所建立的PLS-BP模型对样本进行分析预测,准确率接近100%。     

基于高光谱参数的柑橘园土壤水分动态监测

摘要：土壤水分是提高柑橘产量和品质的关键因素,为了高效、无损、精准的获取柑橘园土壤水分动态变化,利用ASD光谱仪选取了适宜的响应波段（350~1075nm）的数据作为试验光谱反射率,采用多元线性逐步回归分析（SMLR）对提取的特征波段反射率及9种光谱的转换形式的数据进行计算和分析,并利用实测柑橘根系0~60cm的土壤含水率进行验证,建立了预测柑橘园土壤含水率的高光谱模型。结果表明：土壤含水率在0~20cm的深度条件下变化最为明显,有助于提高模型的预测精度;光谱的微分处理较非微分处理,与波长的关系曲线波动更大且反演精度显著上升;柑橘园的试验样本水分的特征波段在700~760nm以及950nm左右是进行建模优先考虑的特征波段;光谱对数（1gR）的一阶导数和倒数的对数（lgR-1）的一阶导数对土壤水分的拟合精度较高,两种拟合方式的决定系数（R2）均达到0.876以上,均方根误差（RMSE）均达2.19%,相对分析误差（RPD）均达7.107;其中光谱对数（1gR）的一阶导数为预测柑橘园土壤含水率的最优模型,在进一步验证中实测值和模型计算值拟合的相关系数高达0.992。因此,基于光谱对数（1gR）的一阶导数构建的模型可实现对柑橘园土壤水分的精确监测。     

建立近红外特征波长模型快速测定羊草常规营养成分的研究

本研究采用近红外光谱法快速测定羊草（Leymus chinensis）中的常规营养成分,利用无信息变量消除法（unknown variable elimination,UVE）、随机蛙算法（random frog algorithm,RF）结合偏最小二乘法（partial least squares,PLS）建立了羊草品质测定模型,有效降低了冗余无信息变量,提高了模型的测量精度和稳定性。研究发现利用UVE-PLS筛选建立的羊草品质测定模型优于全光谱PLS和RF-PLS筛选建立的模型;UVE-PLS模型显著降低了交叉验证均方根误差和预测均方根误差,提高了校正集决定系数、交叉验证决定系数及预测集决定系数。研究表明UVE-PLS模型在测定羊草中的水分、粗蛋白、酸性洗涤纤维和中性洗涤纤维是可行的,校正集决定系数和预测集决定系数95%~98%。     

近红外模型转移技术在饲料生产中的应用

研究建立应用于饲料生产线上的近红外预测模型,该模型同时应用于实验室的离线近红外检测。以豆粕和玉米粉为例,获取37个豆粕和49个玉米粉样品的离线光谱,并获取其中22个豆粕和26个玉米粉样品的在线光谱,建模方法采用偏最小二乘法(Partial least squares, PLS),首先用离线光谱和在线光谱分别建立近红外定量分析模型,之后基于光谱共享法的模型转移技术,建立光谱共享模型,将三种模型的建模结果进行比较。结果表明,光谱共享模型预测效果最好,其中,豆粕水分和粗蛋白模型的验证集相关系数(Correlation coefficient of validation set, R_P)分别为0.942和0.959,模型改善率(Model improvement rate, R_i)为17.4%和68.4%,预测残差绝对值的方差S~2为0.075和0.003;玉米粉水分和粗蛋白模型R_P分别为0.944和0.994,R_i为0.6%和80.9%,S~2为0.042和0.011。根据结果可知光谱共享法对模型的优化效果明显,预测效果、稳定性和通用性最优。     

近红外光谱法与常规化学分析法苜蓿营养成分的对比研究

选取20个不同来源的苜蓿样品作为研究对象,分别使用近红外光谱法和常规化学分析法检测苜蓿样品中水分、粗蛋白、粗脂肪、粗灰分、酸性洗涤纤维和中性洗涤纤维的含量,验证近红外光谱分析法与常规化学分析法检测的符合程度。试验结果表明：与常规化学分析法比较,苜蓿近红外光谱预测模型更适用于苜蓿样品中粗蛋白、粗脂肪、粗灰分、酸性洗涤纤维和中性洗涤纤维含量的检测,但并不适用于苜蓿水分含量的检测,因此,需要对已有的近红外预测模型进行调整和优化。     

近红外光谱技术测定苜蓿蛋白质含量的研究

采用近红外光谱分析技术，结合改进最小二乘回归法（MPLS），以63个不同来源的苜蓿饲料为样品，建立苜蓿蛋白质含量分析预测模型。结果显示：预测模型的内部交叉验证标准误差（SECV）为0.433 5，交叉验证相关系数（1-VR）为0.920 1，外部验证的预测标准误差（SEP）为0.264 0，表明近红外光谱分析技术可以准确检测苜蓿中蛋白质的含量。     

近红外光谱结合线性判别快速无损鉴别婴幼儿和中老年奶粉

应用近红外光谱分析技术(NIRS)并结合线性判别,对中老年和婴幼儿2种不同年龄阶段奶粉品种进行鉴别。对奶粉样本的原始光谱进行一阶微分处理后,采用Kennard-Stone法对80个样本进行挑选,选出60个作为训练集,剩余的20个作为预测集。采用留一交叉验证评价算法,选取最优主成分数2建立模型,并对测试集进行预测,正确率为100%。说明提出的方法具有很好的分类和鉴别作用,为婴幼儿奶粉的品种快速无损鉴别提供了一种新方法。     

乳酸菌发酵玉米秸秆条件的优化

以玉米秸秆为材料,采用L9(33)正交试验设计,秸秆含水量、温度、接种量为主要影响因素,以发酵7 d、12 d、17 d后玉米秸秆中的粗蛋白和粗纤维含量为指标,确定乳酸菌发酵玉米秸秆的最佳发酵条件。试验结果表明:秸秆的含水量为65%、温度为37℃、接种量为0.125 g/kg秸秆时发酵12 d最优。     

小型饲料搅拌机和平模颗粒机组合使用制备颗粒饲料的工艺研究

[目的] 研究JB-300型精饲料搅拌机和300型平模颗粒机组合使用制备牛羊精补料颗粒饲料的最佳工艺参数。[方法] 测定不同搅拌时间、装载系数对饲料混合均匀度的影响;确定搅拌混合工艺参数的基础上,测定不同玉米粉碎粒度、水分含量对颗粒饲料成型率的影响。以模孔直径、玉米粉碎粒度和水分含量为测定因素,以成型率和硬度的综合加权评分值为指标,确定制备颗粒饲料的最优组合参数。[结果] 搅拌时间为10 min、20 min的变异系数均显著（P<0.05）低于搅拌5 min和15 min。装载系数为80%时,变异系数显著（P<0.05）低于装载系数为70%和60%。玉米粉碎粒度为2 mm和4 mm时,颗粒饲料成型率显著（P<0.05）高于玉米粉碎粒度为6 mm和8 mm。水分含量为10%和13%时,颗粒饲料成型率显著（P<0.05）高于水分含量为16%和19%。影响正交试验综合加权平均分值的模孔直径、玉米粉碎粒度、水分含量的极差分别为18.76、1.64和3.47。[结论] JB—300型精饲料搅拌机混合饲料最佳参数：装载系数为80%、搅拌时间为10 min;300型平模颗粒机制作精补料颗粒饲料最佳参数：模孔直径为4 mm（压缩比为6）、玉米粉碎粒度为4 mm、水分含量为13%。     

晾晒时间和青贮时间对青贮玉米发酵品质的影响

目的 探究不同晾晒时间和青贮时间对全株青贮玉米发酵品质的影响。方法 以玉米（Zea mays L.）青贮品种“曲辰9号”为试验材料,将乳熟末期的青贮玉米全株收获粉碎后,在阴凉处分别晾晒0（对照,CK）、1、2、3、4 d,然后在塑料桶（5 L）中分别进行青贮,待青贮60、90、120 d时进行发酵品质的评定。结果 青贮玉米的含水量随着晾晒时间的增加而降低,在晾晒2、3、4 d后含水量显著（P<0.05）低于CK;用晾晒2、3、4 d的全株青贮玉米原料进行青贮,pH值显著（P<0.05）高于CK,晾晒2 d青贮120 d处理除外。晾晒时间对乳酸、丁酸、中性洗涤纤维（NDF）和酸性洗涤纤维（ADF）含量均产生显著（P<0.05）影响,青贮时间仅对乳酸、丁酸产生显著（P<0.05）影响,其中,乳酸含量随着青贮时间的延长而增加,丁酸含量在原料晾晒之后明显增加。CK处理中,青贮90、120 d的NDF含量显著（P<0.05）高于青贮60 d处理。利用氨态氮、乙酸、丙酸、丁酸开展V-Score分析,晾晒导致青贮玉米发酵品质降低,试验中品质较优的青贮为原料粉碎后未经晾晒的处理（CK）。结论 在未经晾晒处理下进行青贮60 d的青贮玉米,综合品质较高。在青贮玉米原料含水量为74%时,不建议粉碎之后通过晾晒降低含水量再青贮。