香稻种质稻米淀粉RVA谱特征分析

采用粘度速测仪分析了42份来自不同国家的香稻种质资源的稻米淀粉粘滞性谱(RVA谱)和特征值间的相关性.结果表明,香稻种质稻米淀粉RVA谱特征值差异显著,谱线分化明显,各个特征值与稻米直链淀粉含量的高低也具有较好的相关性.因此.在测定直链淀粉含量的基础上辅以RVA谱特征,可以用来评价稻米的蒸煮与食用品质和筛选优质水稻品种.     

不同地点南粳9108稻米直链淀粉含量及RVA谱特征值分析

以2014年、2015年分别在江苏省18个地区种植的南粳9108稻谷为材料,测定其稻米直链淀粉含量和快速黏度仪(apid visco-analyzer,简称RVA)谱特征值,对不同地点南粳9108稻米直链淀粉含量和RVA谱特征值的变异及相关性进行分析。结果表明,2年不同地点种植的南粳9108稻米直链淀粉含量的差异明显。纬度最高的东海地区其直链淀粉含量最高,纬度最低的南京地区其直链淀粉含量最低,其他地区的均在10%左右。RVA谱特征值分析结果表明,RVA谱特征值在不同地点和不同年份间也存在差异,2015年RVA谱特征值的变异系数除糊化温度外均明显高于2014年。不同地点RVA谱各特征值变化不一致,糊化温度和峰值时间基本比较稳定,差异较小,其他特征值差异均较大,消减值的变异系数最大,2014年变异系数从大到小依次为消减值、回复值、崩解值、最低黏度、最终黏度、峰值黏度、糊化温度、峰值时间,2015年的排序为消减值、最低黏度、最终黏度、崩解值、回复值、峰值黏度、峰值时间、糊化温度。2年36个地点种植的南粳9108稻米AC与RVA谱特征值的相关性分析结果表明,直链淀粉含量与糊化温度呈极显著负相关,与回复值、峰值时间呈显著正相关,与峰值黏度、最低黏度、最终黏度、消减值等呈正相关,与崩解值呈负相关,但均未达显著水平。     

国标优质籼稻的稻米品质与淀粉RVA谱特征研究

【目的】了解国标优质籼稻的米质特点.【方法】以广东省最近育成的水稻品种粤晶丝苗2号等为研究材料,对稻米碾磨品质、外观品质、蒸煮食味品质、营养品质和淀粉RVA谱进行了测定和相关分析.【结果和结论】国标优质籼稻具有整精米率较高、粒型窄长、腹心白少、透明度好、直链淀粉含量适中和长胶稠度等优点;蛋白质含量品种间差异不大,脂肪酸含量品种间的差异较大,粤秀占、巴太香1号、粤晶丝苗2号的脂肪酸含量较高;国标优质籼稻的RVA谱具有高崩解值、低消减值的特点,食味品质优于非国标优质籼稻,其中粤晶丝苗2号的崩解值和消减值符合公认的优质食味指标值,是一个食味品质优良的籼稻品种.直链淀粉、胶稠度与RVA谱的冷胶黏度、崩解值和消减值密切相关,在水稻品质育种中增加RVA谱测定,尤其是将直链淀粉、胶稠度的选择与崩解值、碱消值分析相结合,可有效地提高水稻食味品质选择的准确性.     

近红外光谱技术预测胡麻饼营养成分的定标模型建立及验证

【目的】探讨近红外光谱技术用于胡麻饼营养价值评定的可行性.【方法】以不同来源的胡麻饼为试验材料,在波长400~2 498nm,以改进最小二乘法搭配不同光谱预处理建立胡麻饼水分、粗灰分、粗蛋白、粗脂肪和总能的近红外定标模型.【结果】各指标模型交叉验证相关系数(1-VR)均在0.88以上,内部交叉验证集验标决定系数(RSQ)值均在0.92以上,外部验证集验标决定系数(RSQ)值均在0.85以上.【结论】近红外光谱技术能够快速无损测定胡麻饼营养成分,可以使胡麻饼更好地应用于动物饲料中.     

稻米淀粉RVA谱的基因型×环境互作效应分析

 用包括基因型×环境互作效应的种子性状遗传模型研究了稻米淀粉粘滞性谱（ＲＶＡ谱）的３个特征参数（最高粘度、热浆粘度和冷胶粘度）的遗传基础。结果表明．ＲＶＡ谱的遗传变异主要受遗传主效应控制，另外还受到基因型与环境互作效应的影响。基因型×环境互作效应主要表现为胚乳基因型×环境和母体基因型×环境互作，而不存在细胞质× 环境互作。ＲＶＡ谱的遗传力在 ６５．３％～７４．８％之间．其中胚乳遗传力比母体遗传力和细胞质遗传力之和都大。不同亲本遗传效应的线性对比表明直链淀粉含量对稻米ＲＶＡ谱的影响很大。     

稻米表观直链淀粉含量近红外光谱测定技术校…

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上链淀粉含量（ＡＡＣ）时，对建立回归方程的影响。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。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（ＭＰＬＳ）建立的回归方程效果最好。在建立以精米粉为样本进行稻米ＡＡＣ近红处分析时，“光谱散射     

近红外光谱技术在稻米品质分析中的应用

稻谷是我国主要的粮食作物之一,其产量占粮食总产量的1／3左右。稻米是我国人民的主要食物,全国约有2／3的人口以大米为主食。随着人们生活水平的不断改善,对稻米的品质要求愈来愈高,因此,有关部门和企业对稻米品质的快速、准确检测技术的需求日益强烈。近红外光谱分析技术是20世纪80年代以来发展最快、最引人注目的高效和快速的现代分析技术,它综合运用了计算机技术、     

不同类型水稻品种稻米淀粉RVA谱对外源硒肥的响应

以籼稻品种泰选1号和粳稻品种粳选1号为材料,采用完全随机设计,在较高海拔山区试验田(800 m以上)进行不同施用量硒处理试验,对收获后的稻米淀粉RVA谱进行测定。结果表明:泰选1号的峰值黏度、冷浆黏度、回复值、崩解值以及峰值时间均高于粳选1号,而热浆黏度低于粳选1号,糊化温度并无明显差异。在硒肥施用量为3.00 g/hm2时,峰值黏度、热浆黏度和冷浆黏度出现降低的情况,而6.00~15.00 g/hm2出现上升的趋势;而回复值、崩解值和峰值时间相对于对照出现了增加,但对于泰选1号的各项指标并未产生显著影响,只对粳选1号的热浆粘度和回复值有显著影响。硒肥的使用与RVA谱的糊化温度呈极显著正相关,相关系数为0.71534。     

环境条件对稻米RVA谱的影响研究

通过对DH群体以及籼稻和粳稻品种RVA谱的测定,研究了异地种植、不同年份和不同播期种植及不同贮藏期对稻米RVA谱的影响,结果表明：（1）同一品系,海南种植的稻米RVA谱特征值比扬州种植的多数要高,并且同一杂交组合的不同基因型后代对异地种植的反应不同;（2）不同年份及不同播期种植对稻米RVA谱的影响因品种而异,在多数特征值上籼稻比粳稻更敏感;（3）大部分水稻品种经长期贮存后稻米RVA谱特征值中的BDV下降,SBV上升,从而导致米饭变硬,品质下降。     

辽宁滨海稻区水稻品种淀粉RVA谱特征的测定及应用

以食味品质好的日本品种作为对照,测定150个盘锦地区水稻(Oryza sativa L.)品种(系)的淀粉RVA谱及营养食味品质,并分析淀粉RVA谱特征值在品质育种方面的运用。结果表明,盘锦品种(系)直链淀粉、蛋白质及消减值均高于日本品种,而崩解值低于日本品种。按食味值把品种(系)分为低、中、高3部分,其中直链淀粉、蛋白质、崩解值及消减值在不同食味值区间内存在差异;食味值较高的品系其直链淀粉、蛋白质及消减值均较低;而崩解值较高。t检验显示,可以通过直链淀粉及蛋白质分析选择中、高食味值品系;而崩解值及消减值可以区分中、低食味值品系。     

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     

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。     

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。     

基于近红外光谱技术的大米掺伪定量判别

针对现在市场上常见的两种大米掺伪现象,利用近红外光谱技术结合化学计量学方法分别建立了大米中掺入低档米和掺入矿物油的定量分析模型。制配不同掺伪比例的大米样品,采集其近红外光谱,并选用标准正态变量变换、最大最小归一化、平滑和一阶导数4种方法对原始光谱进行预处理,分别结合偏最小二乘法建立PLS定量分析模型。通过对比建模结果选出的最优预处理方法是最大最小归一化,建立的掺低档米模型的校正集和预测集相关系数分别为0.9698和0.9845,均方根误差分别为8.66和6.46;掺矿物油米模型的校正集和预测集相关系数分别为0.9739和0.9888,均方根误差分别为0.106和0.0698。模型的预测精度和稳定性均很好,实现了对两种掺伪大米快速、准确的定量判别,为大米的品质监控提供了一种新的方法思路。     

毛竹、杉木木质素的近红外光谱法快速分析

该文用近红外光谱法对毛竹和杉木的木质素含量进行了快速测定.首先依据常规湿化学方法测定了54个毛竹和48个杉木样品的木质素含量,用近红外光谱仪采集相应的光谱,对原始光谱进行平滑预处理和二阶微分处理后,用偏最小二乘法和完全交互验证方式建立了相应的校正模型和预测模型.结果表明,毛竹和杉木木质素含量预测模型的相关系数R分别为0·97和0·90;预测标准误差SEP分别为0·65和0·28·将毛竹和杉木样品混合,建立的混合分析模型,R为0·98,SEP为0·83·结果表明,近红外光谱法可以快速预测杉木和毛竹中的木质素含量.     

基于近红外光谱法的水稻秸秆可溶性糖快速检测

采集并制备不同地域、不同品种的水稻秸秆样本288个,根据浓度梯度法,按照31的比例划分校正集与验证集。采用蒽酮硫酸比色法测定试验样本中可溶性糖含量,并采集在近红外全波段(10 000~4 000cm-1)范围内样本的近红外光谱信息。采用多元散射校正(MSC)、标准正态变量变换(SNV)、导数、S-G平滑及其组合方法对光谱进行预处理,分别运用逐步多元线性回归(SMLR)、偏最小二乘回归(PLS)和主成分回归(PCR)化学计量学算法,建立基于近红外光谱的逐步多元线性回归(SMLR)、偏最小二乘回归(PLS)和主成分回归(PCR)定量分析模型。通过比较分析,对光谱进行一阶导数预处理,建立的PLS模型效果最优,校正集实测值与预测值之间的决定系数R2C达到0.880 6,交互验证决定系数(R2CV)和验证集决定系数(R2V)分别为0.771 1、0.857 8,均方根差RMSEC、RMSECV、RMSEP分别为0.318%、0.440%、0.404%,校正集相对分析误差(RPDC)和验证集相对分析误差(RPDV)均大于2.5。结果表明,采用近红外光谱法建立的PLS模型基本可以实现水稻秸秆中可溶性糖含量的快速检测。     

近红外反射光谱法测定厚朴酚类物质

为了建立厚朴Magnolia officinalis药材品质快速有效的评价方法,采用近红外反射光谱技术测定厚朴酚及和厚朴酚的质量分数。通过在全波长条件下,运用不同数学预处理、光谱散射校正和统计方法对来发展定标回归方程,其中统计方法包括偏最小二乘法(PLS)、修正的偏最小二乘法回归分析法(MPLS)和主成分回归法(PCR)。在对比分析的基础上,得到最佳的数学方法为"3,6,6,1"组合,光谱散射校正方法为SNV D或SNV,统计方法为MPLS,厚朴酚类物质的定标决定系数RSQ均达到了0.97以上。该定标模型的外部独立检验相关系数也均达0.95以上。用近红外反射光谱技术测定厚朴药材酚类物质质量分数具有与化学法相近的准确性,可在实践中应用。图2表5参11     

基于近红外光谱的不同建模方法检测土壤有机质和速效P含量的研究

【目的】采用近红外光谱和不同建模方法测定土壤中的有机质和速效P含量。【方法】分别采集江西不同地区的土样240个,采集土壤样品的近红外漫反射光谱,以对光谱数据进行主成分分析得到的前6个主成分(PCs)和偏最小二乘回归(PLSR)建模得到的6个潜在变量(LVs),分别作为反向传播神经网络(BPNN)和偏最小支持向量机(LS-SVM)的输入变量,共建立6个模型,分别为主成分回归(PCR)、PLSR、BPNN-PCs、BPNN-LVs、LS-SVM-PCs和LS-SVM-LVs,并对这些建模方法预测土壤有机质和速效P含量的结果进行评价,从中筛选出最佳模型。【结果】在预测土壤有机质和速效P含量时,LS-SVM-LVs模型的预测效果优于PCR、PLSR、BPNN-PCs、BPNN-LVs和LS-SVM-PCs模型。用LS-SVM-LVs模型得到的有机质、速效P预测集的决定系数(R2)和均方差(RMSE)分别为0.873 4,0.780 1mg/kg和2.92g/kg,4.97mg/kg。【结论】将近红外漫反射光谱和LS-SVM、PLSR相结合可用于测定土壤有机质和速效P含量。     

基于近红外光谱法预测杨木的综纤维素含量

为快速测定人工林杨木的综纤维素含量,按国家标准测定了42 个杨木木材样品的综纤维素含量,并用近红 外光谱仪测定相应的光谱。在350 ~ 2 500、1 300 ~ 2 050、2 050 ~ 2 500 nm 3 个不同的光谱区域,采用未处理、 Baseline、一阶导数、二阶导数等光谱预处理方法,再用PLS1、PLS2、PCR 3 种不同建模方法建立相应的校正模型与 交互验证模型。结果表明:当光谱区域为1 300 ~2 050 nm、光谱数据未进行预处理、采用PLS1 的建模方法、主成分 数为8 时,建立的校正模型有最佳预测效果;采用建立的模型对未参与建模的样本进行预测,预测结果与实测结果 间的相关系数为0.818 8。