基于近红外光谱技术的白茶3种典型感官滋味特征属性定量评价模型研究

针对不同产地、不同类型及不同年份的白茶的感官滋味品质特征、滋味特征属性进行深入剖析及基于近红外光谱技术的滋味属性预测评价研究。研究显示甘甜度与醇爽度是白茶滋味品质特征表现的必要评价指标,相同原料及前期工艺条件下陈化度提高可显著提升滋味甘甜度及醇爽度。利用NIRS-PLS法对滋味特征总分、甘甜度、醇爽度及陈化度分别建模,模型定标集校正相关系数R_c为0.837~0.987,预测相关系数R_p为0.748~0.888,均具有较高预测能力,表明利用近红外光谱技术能够实现白茶感官滋味特征属性的快速预测评价。     

基于近红外光谱大豆蛋白质、脂肪快速无损检测模型的优化构建

为实现大豆蛋白质、脂肪含量的快速无损检测,采集350～2 500 nm光谱范围内的大豆近红外光谱。运用经典Kennard-Stone算法选取建模样本及验证样本,对近红外原始光谱进行卷积平滑(savitzky and golay, SG)+一阶微分、变量标准化(standard normal variate, SNV)+去趋势算法(de-trending,DT)、正交信号校正(orthogonal signal correction,OSC)处理;然后通过竞争性自适应重加权采样方法(competitive adaptive reweighted sampling,CARS)筛选出特征波长,比较偏最小二乘法(partial least squares,PLS)、BP神经网络法所建模型,最终获得对于大豆蛋白质、脂肪含量的快速、无损检测的最佳模型。结果表明:(1)经CARS特征波段挑选后,波长的变量个数由1 981个减少为100个以下,变量压缩率大于94.95%;(2)CARS波段选择能够提高建模精度,基于挑选的特征波段所建立模型的决定系数均0.9;(3)OSC+CARS+PLS与OSC+CARS+BP该类数据处理组合方式在一定程度上能够实现大豆蛋白质、脂肪的快速、无损检测。优化构建的该模型能够精准快速无损的检测大豆蛋白质、脂肪含量,对大豆品质评估以及作物改良具有重要意义。     

绿茶茶多酚含量近红外光谱快速无损检测方法研究

应用现代近红外光谱分析技术,对156份绿茶样品直接进行光谱扫描,采用偏最小二乘法（PLS）建立了茶多酚含量的定标模型,并讨论了不同的散射处理、导数处理和平滑处理等光谱预处理方法对模型的影响,最后对最优模型的预测性能进行了验证。原始光谱在经过多元散射校正、二阶导数和8点平滑光谱预处理下的模型较优,其定标标准差（SEC）为1．33％,定标相关系数（RC）为0．932,预测标准差（SEP）为1．61％,预测相关系数（RV）为0．913,预测偏差（Bias）仅为0．375％。结果表明,应用近红外光谱法可以实现绿茶中茶多酚含量的快速无损检测,建立的定标模型能够达到实际应用中的精度要求。     

基于机器学习算法的冬小麦不同生育时期生物量高光谱估算

为探索适用于冬小麦不同生育时期的高光谱估算方法,基于4年大田试验,以江苏省主要冬小麦品种为材料,以8种对常用生物量敏感的高光谱指数为基础,分别采用偏最小二乘算法、支持向量回归算法、随机森林算法在冬小麦4个主要生育时期(抽穗期前、抽穗期、开花期和灌浆期)进行了高光谱生物量估算和预测能力比较。结果表明,在冬小麦不同生育时期,高光谱估算生物量精度差异显著;利用随机森林构建的生物量估算模型在4个生育时期均表现出很好的效果,决定系数(r^2)和均方根误差(RMSE)在抽穗期前分别为0.79和44.82 g·m^-2,在抽穗期分别为0.71和62.07 g·m^-2,在开花期分别为0.70和97.63 g·m^-2,在灌浆期分别为0.71和106.98 g·m^-2;随机森林模型在4个生育时期的预测能力都高于或接近于支持向量回归模型,高于偏最小二乘回归模型,r^2和RMSE在抽穗期前分别为0.60和72.54 g·m^-2,在抽穗期分别为0.60和75.07 g·m^-2,在开花期分别为0.68和109.9 g·m^-2,在灌浆期分别为0.61和127.93 g·m^-2。这说明随机森林算法在冬小麦不同生育时期生物量高光谱遥感估算方面具有较高的精度和稳定性。     

基于连续投影算法和光谱变换的冬小麦生物量高光谱遥感估算

为探索基于全波段冠层高光谱以及变换光谱的冬小麦地上部生物量的遥感估算方法,以2016、2017年冬小麦田间试验为基础,通过对冠层光谱和地上部生物量的相关性分析,筛选拔节期、抽穗期的冬小麦冠层光谱、一阶导数光谱、对数变换光谱和连续统去除光谱对地上部生物量的敏感波段,并结合偏最小二乘法(PLS)分别建立拔节期和抽穗期基于SPA算法的冬小麦地上部生物量估测模型,再与基于任意两波段组合的最佳归一化光谱指数、比值光谱指数、差值光谱指数和已报道光谱指数的冬小麦地上部生物量估测模型进行比较。结果表明：(1)SPA算法较好地利用了全波段冠层光谱信息,并显著降低了光谱维度,不同变换光谱的地上部生物量敏感波段个数在4~14之间;(2)拔节期和抽穗期冠层光谱与地上部生物量的相关性高于开花期和灌浆期,各生育时期一阶导数光谱与地上部生物量之间的相关性优于连续统去除光谱、对数变换光谱和光谱指数;(3) 利用抽穗期一阶导数光谱敏感波段建立的预测模型和验证模型达到了较高的精度,其预测模型的决定系数和均方根误差分别为0.78和0.87 t·hm^-2,验证模型的决定系数和均方根误差分别为 0.84和0.69 t·hm^-2,预测相对偏差为2.74。这说明,抽穗期是估算地上部生物量的最佳生育时期,且基于冠层一阶导数变换光谱,结合连续投影算法和偏最小二乘回归方法所构建抽穗期地上部生物量估算模型具有最优的精度和预测能力,可用于地上部生物量的定量估算。     

近红外光谱分析技术在茶叶品质属性甄别中的应用

利用近红外光谱分析技术,结合不同的化学计量学方法(偏最小二乘法、标准法),对茶叶进行快速无损检测,从而判定类别。结果表明,基于提取的茶叶近红外     

基于PROSAIL模型和无人机高光谱数据的冬小麦LAI反演

为及时准确高效监测小麦叶面积指数(leaf area index, LAI),获取了冬小麦挑旗期和开花期地面实测光谱与无人机高光谱遥感影像数据,并基于查找表建立PROSAIL辐射传输模型得到冬小麦冠层模拟光谱数据,利用数学统计回归模型与偏最小二乘回归法分别构建冬小麦LAI单变量、多变量预测模型,以实测LAI数据对预测结果进行精度评价,将最佳预测模型应用于无人机高光谱影像以分析LAI空间分布情况。结果表明,冬小麦各生育时期的预测模型均具有较高的预测精度,单变量预测模型和多变量预测模型的决定系数分别为0.598～0.717和0.577～0.755,其中以基于植被指数的多变量预测模型表现最优,其在开花期的验证精度最高,RMSE和MAPE分别为0.405和12.90%。在LAI空间分布图中,开花期预测效果优于挑旗期,各试验小区的LAI分布较为均匀。     

基于近红外光谱的芒果采后品质与贮放潜力预判的无损检测模型

可溶性固形物含量（soluble solids content, SSC）和pH是决定芒果内在品质的关键因素,贮放潜力是果商进行芒果销售决策时首要的参考指标。本研究以海南省三亚市代表性的芒果品种‘台农’为材料,利用NIRMagic2400型近红外光谱仪,连续采集果实从采摘到完熟过程中在600~1100 nm波长的近红外吸收光谱,以经典方法实测果实SSC和pH,建立芒果采摘后SSC、pH变化和贮放潜力预判的无损检测模型。结果表明：在600~670 nm的波长范围内,采摘后未后熟的芒果对近红外光的吸光度随波长的增加而增加,并在670 nm达到峰值,随后吸光度快速降低,在725 nm左右达到谷值;采摘后达到完熟的芒果在600-700 nm波长范围内吸光度持续下降,并在700 nm处达到谷值。受果皮颜色差异等影响,不同芒果个体在704~746 nm区域的吸光度出现较大的分离,之后在725~1025 nm整体呈缓慢上升的趋势,在1025 nm左右达到第二个峰值。实测结果显示SSC在芒果采摘后0~5 d快速增,第6和第7天变化较小,期间的前4 d的pH保持稳定增加,之后迅速提升。使用Kennard-Stone算法将芒果样本的SSC和pH实测数据划分为校正集和预测集,测试多元散射校正、标准正态变换、SG卷积导数、SG卷积平滑等9种对近红外光谱数据进行预处理的方法,发现矢量归一化最适合SSC光谱数据的处理,多元散射校正最适合pH光谱数据的预处理,建立的SSC和pH的最佳偏最小二乘法（PLS）模型的校正相关系数分别为0.952和0.936,校正均方根误差分别为1.055和0.184,预测相关系数分别为0.959和0.918,预测均方根误差分别为0.974和0.202;采用偏最小二乘法建立的芒果贮放潜力预判模型的正确率为96.9%。以上结果表明,基于近红外光谱所建立的芒果无损检测模型能够较可靠地检测芒果采摘后的SSC、pH动态变化及贮放潜力。研究结果对提升基于内在品质的芒果分级与选品能力,预测芒果的最佳销售时间及选择销售市场等都具有重要意义。     

基于Dualex植物多酚-叶绿素仪的冬小麦叶绿素含量高光谱估算

为探讨基于Dualex植物多酚-叶绿素仪和高光谱遥感技术反演小麦叶绿素含量的可行性,利用Dualex植物多酚-叶绿素仪,测定不同生育时期冬小麦叶片叶绿素含量(Chl),同时进行叶片光谱测定,以对Chl敏感的1个一阶导数波段、3个三边参数和3个植被指数作为自变量,利用偏最小二乘法(PLS)和支持向量回归(SVR)构建估测模型,并利用验证样本对各生育时期估测模型进行精度检验,同时与传统的单因素模型进行了比较。结果表明,冬小麦反射光谱曲线在不同生育时期有所不同,且随着叶绿素含量的增加,可见光波段的光谱反射率不断降低;在以一阶导数光谱敏感波段、三边参数以及植被指数构建的冬小麦Chl单因素估算模型中,基于各生育时期显著相关的植被指数构建的模型精度最优;以7个参数作为自变量,利用偏最小二乘法(PLS)和支持向量回归(SVR)构建的模型在各生育时期均表现出较好的拟合性及预测精度,尤其利用SVR建立的模型建模决定系数在0.8以上,预测决定系数在0.7以上,是进行冬小麦叶片Chl估测的最优模型。     

基于Sentinel-2多光谱数据和机器学习算法的冬小麦LAI遥感估算

为了丰富大田尺度下冬小麦叶面积指数的遥感估算方法并提高估算精度,以关中地区冬小麦为对象,基于Sentinel-2多光谱卫星数据与地面同步观测的冬小麦叶面积指数样点数据,应用偏最小二乘回归(PLSR)、反向传播神经网络(BPNN)和随机森林(RF)法构建冬小麦叶面积指数估算模型,进行区域冬小麦叶面积指数遥感反演.结果表明...     

Discrimination of Transgenic Rice Based on Near Infrared Reflectance Spectroscopy and Partial Least Squares Regression Discriminant Analysis

Near infrared reflectance spectroscopy(NIRS), a non-destructive measurement technique, was combined with partial least squares regression discrimiant analysis(PLS-DA) to discriminate the transgenic(TCTP and mi166) and wild type(Zhonghua 11) rice. Furthermore, rice lines transformed with protein gene(Os TCTP) and regulation gene(Osmi166) were also discriminated by the NIRS method. The performances of PLS-DA in spectral ranges of 4 000–8 000 cm-1 and 4 000–10 000 cm-1 were compared to obtain the optimal spectral range. As a result, the transgenic and wild type rice were distinguished from each other in the range of 4 000–10 000 cm-1, and the correct classification rate was 100.0% in the validation test. The transgenic rice TCTP and mi166 were also distinguished from each other in the range of 4 000–10 000 cm-1, and the correct classification rate was also 100.0%. In conclusion, NIRS combined with PLS-DA can be used for the discrimination of transgenic rice.     

湖南红茶特征滋味化学成分研究

为全面了解湖南红茶特征滋味化学成分,本研究选取了湖南红茶代表性样品和典型外省样品,采用电子舌及高效液相色谱法等技术对红茶样品滋味进行评定及化学成分检测,并通过主成分分析（PCA）、正交偏最小二乘判别分析（OPLS-DA）可视化模式识别方法比较了不同嫩度等级和不同滋味类型湖南红茶化学成分的特征差异。结果表明：（1）糖组分总量、葡萄糖、麦芽糖、茶多酚、茶褐素、氨基酸组分总量、鲜味氨基酸、茶氨酸、茶黄素等含量可作为区分湖南红茶和外省红茶的主要滋味成分,其中糖组分总量、葡萄糖、麦芽糖、茶黄素等含量湖南红茶显著高于外省红茶。（2）一级湖南红茶茶汤中滋味化合物含量普遍较低,除氨基酸、茶褐素外,其他主要滋味成分均显著低于二级茶样;二级湖南红茶茶汤中滋味化合物在水浸出物、茶多酚、咖啡碱、氨基酸、茶黄素、茶红素等含量上表现突出;三级湖南红茶以儿茶素组分总量、糖类化合物、茶黄素、茶红素等成分含量相对较高,以茶多酚、氨基酸、茶褐素等成分含量相对较低。（3）“甘鲜味”茶汤中咖啡碱、儿茶素组分总量、非酯型儿茶素、EGC、茶黄素显著低于“略苦（浓）”茶汤。该研究结果可为湖南红茶产品的分类鉴别和滋味品质评价提供参考。     

Proximal sensing of the seasonal variability of pasture nutritive value using multispectral radiometry

The nutritive value of pasture is an important determinant of the performance of grazing livestock. Proximal sensing of in situ pasture is a potential technique for rapid prediction of nutritive value. In this study, multispectral radiometry was used to obtain pasture spectral reflectance during different seasons (autumn, spring and summer) in 2009–2010 from commercial farms throughout New Zealand. The analytical data set (n = 420) was analysed to develop season‐specific and combined models for predicting pasture nutritive‐value parameters. The predicted parameters included crude protein (CP), acid detergent fibre (ADF), neutral detergent fibre (NDF), ash, lignin, lipid, metabolizable energy (ME) and organic matter digestibility (OMD) using a partial least squares regression analysis. The calibration models were tested by internal and external validation. The results suggested that the global models can predict the pasture nutritive value parameters (CP, ADF, NDF, lignin, ME and OMD) with moderate accuracy (0·64 ≤ r² ≤ 0·70) while ash and lipid are poorly predicted (0·33 ≤ r² ≤ 0·40). However, the season‐specific models improved the prediction accuracy, in autumn (0·73 ≤ r² ≤ 0·83) for CP, ADF, NDF and lignin; in spring (0·61 ≤ r² ≤ 0·78) for CP and ash; in summer (0·77 ≤ r² ≤ 0·80) for CP and ash, indicating a seasonal impact on spectral response.     

Amino acid profile of the quinoa (Chenopodium quinoa Willd.) using near infrared spectroscopy and chemometric techniques

The high content of amino acids of the quinoa, especially essential amino acids (higher than other cereals) makes a food increasingly demanded by consumers. A total of twelve amino acids (arginine, cystine, isoleucine, leucine, lysine, phenylalanine, proline, serine, threonine, tryptophan, tyrosine and valine) were analyzed in quinoa samples from Chile by near infrared spectroscopy (NIR) with direct application to the samples of a remote fiber-optic reflectance probe. The calibration results using modified partial least squares (MPLS) regression satisfactorily allowed the determination of the concentrations of this amino acid group with high multiple correlation coefficients (RSQ = 0.97–0.71) and low standard prediction errors (SEPC = 0.07–0.20). The prediction capacity (RPD) for the arginine, the cystine, the isoleucine, the lysine, the serine, the threonine, the tryptophan, the tyrosine and the valine ranged between 2.6 and 5.2, for the rest of amino acids were higher to 1.8, indicating that the NIRS equations obtained were applicable to unknown samples. It has confirmed that NIRS technology is a method that may be useful to replace the traditional methods for routine analysis of some amino acids.     

橡胶树叶片镁素含量高光谱估算

镁素与橡胶树生长和产胶密切相关,快速、准确测定橡胶树叶片镁素含量,对橡胶树叶片镁素营养状况评价和实施配方施肥具有重要意义。本研究采集多区域、多品种、多割龄的橡胶树成熟鲜叶,旨在获得涵盖缺、正常、丰富等不同镁素含量等级的叶片样品,利用FieldSpec4和化学方法同步获取叶片样品的光谱反射率和镁含量数据,对光谱反射率进行噪声波段去除和重采样后,采用Kennard-Stone(KS)算法将样本集划分为校正集和验证集。对叶片光谱反射率进行Savitzky-Golay(SG)微分变换,基于全波段的不同变换模式下的微分光谱与镁含量数据,采用偏最小二乘法（PLS）及留一交叉验证方法建模,通过筛选,得到最佳微分变换模式为：微分阶数为2,滤波窗口大小为71,多项式次数为2或3。通过PLS回归系数特征波长优选得到23个最佳微分光谱特征变量,基于最佳微分光谱特征变量和镁含量数据,采用PLS方法建立了橡胶树叶片镁素含量高光谱估算模型。结果表明,相比原始光谱反射率,基于微分光谱特征变量构建的模型预测效果明显提升,R²从0.666提升到0.805,RMSE从0.475 g/kg减小到0.372 g/kg,RPD从1.739提升到2.217。SG微分光谱变换和PLS回归系数特征波长优选能够明显提升模型估算精度,RPD位于2.0~2.5之间,模型估算能力良好。     

基于主成分分析和随机森林回归的冬小麦冠层叶绿素含量估算

为提高冬小麦冠层光谱对叶绿素含量的估算精度,以陕西省乾县冬小麦为研究对象,利用SVC-1024i光谱仪和SPAD-502型叶绿素仪实测了冬小麦冠层反射率和叶绿素含量,分析了一阶导数光谱、10种特征参数和9种植被指数与叶绿素含量的相关性,并利用主成分分析(PCA)对叶绿素敏感的可见光波段(390～780 nm)一阶导数光谱进行降维,将特征值大于1的主分量结合特征参数和植被指数形成不同的输入变量,用偏最小二乘回归和随机森林回归构建冬小麦冠层叶绿素估算模型,并利用独立样本对模型进行验证。结果表明,小麦冠层叶绿素含量与一阶导数光谱在751 nm处的相关性最高(r=0.71),特征参数中红边蓝边归一化(SDr-SDb)/(SDr+SDb)与叶绿素含量的相关性最高(r=0.66),植被指数(VI)中修正归一化差异指数(mND705)相关性最高(r=0.74)。在输入变量相同的情况下,基于随机森林(RF)回归的预测模型均优于偏最小二乘回归(PLSR)模型,其中PCA-VI-RF模型的各精度指标均达到最优(r²=0.94,RMSE=1.05,RPD=3.70),是冬小麦冠层叶绿素...