马铃薯直链淀粉含量近红外模型的建立

为了快速高通量测定马铃薯淀粉中直链淀粉含量,缩短品质检测时间,进而加速育种进程,使用InfraXact Lab型近红外光谱分析仪测定马铃薯淀粉的近红外光谱值,并用常规化学分析方法测定样品淀粉中直链淀粉含量,将两者拟合建立定标模型。结果表明:直链淀粉含量定标方程的SECV值为1.415,而1-VR值为0.822,直链淀粉含量的验证参数SEP(C)值为0.406, RSQ值为0.836,证明定标的预测能力较好,可以用来进行马铃薯育种材料直链淀粉含量的粗略测定。     

近红外光谱法非破坏性测定玉米子粒粗淀粉含量的研究

采用偏最小二乘回归法,对近红外光谱法测定玉米完整子粒粗淀粉含量的可行性进行研究。结果表明,定标集和检验集的预测值与化学测定值间均达极显著正相关,相关系数分别为0.9610和0.9820,并具有较小的定标标准差和预测标准差,分别为0.707和0.666。所建立的校正模型具有较高的预测精度。     

应用IA450型分析仪测定大麦蛋白质和总淀粉含量的研究

大麦蛋白质和总淀粉含量的高低,是衡量品质优劣的主要指标,通常采用化学方法测定,操作繁琐、费时、消耗试剂、对环境有一定的污染,很难适应大批样品测试的需要。而近红外漫反射光谱定量分析法预先只需要用一批(数十个)标准样品进行定标,其     

棉子油分近红外光谱测定技术研究

以近红外光谱分析技术无损、快速和高效等优点,建立棉籽油分含量的近红外分析模型,进行棉籽油分快速大批测定,提高分析水平和效率。218份陆地棉的脱绒光籽为定标样品,通过不同的光谱数学预处理和光谱反射方式,优化棉子含油量近红外光谱法所建立的回归方程。结果表明,采用(2,4,4,1)光谱数学预处理和散射校正(SNV)得到的回归方程效果最好,回归决定系数(RSQ=0.9773)和验证决定系数(1-VR=0.9646)最高,回归标准误差(SEC=0.6977)和交互验证标准误差(SECV=0.8714)最小。对30份验证样品的化学测定值和近红外光谱预测值相关系数高达0.9882,平均偏差0.65%,回归标方程具有很好的预测效果,可以在实践中应用。长江流域棉花杂交种棉子含油量平均值为28.05%,含油量在26.50%~30.05%区间的品种居多,具有很大的改良潜力。     

玉米直链淀粉近红外模型的建立

为提高玉米直链淀粉含量育种效率,加速育种进程,本研究使用210份玉米材料,利用近红外谷物分析仪,建立玉米直链淀粉含量快速检测模型。结果表明:采用改进偏最小二乘法回归分析技术(MPLS),同时采用"SNV+Dtrend"的散射处理,加"1.4.4.1"的参数处理所得的结果最好,其定标标准偏差(SEC)是0.388,交叉检验误差是(SECV)是1.465,定标决定系数(RSQ)是0.963。验证结果表明:利用该模型的近红外检验结果和化学测定结果绝对误差均在1%以内,表明所建立的定标模型预测能力良好,可用于玉米材料直链淀粉含量的快速测定。     

利用VIS/NIR反射光谱快速检测柿饼加工中水分含量

水分是柿饼的重要组成成分,也是影响柿饼制作过程的重要因素。利用可见/近红外反射光谱对柿饼制作过程中的水分含量进行检测。首先,获取柿饼在不同加工阶段的可见/近红外反射光谱(400～1 000 nm),采用烘干法测定柿饼水分含量。然后,对光谱进行Mean smoothing (MS)平滑、多元散射校正(MSC)和一阶导数(1-D)预处理。最后,对不同预处理光谱,结合样本水分含量,使用Samples set partitioning based on joint x-y distance (SPXY)方法划分校正集和验证集,基于SPA方法选择特征波长,建立多元线性回归(MLR)预测模型。结果表明,反射光谱经过MS处理后,确定的9个最优波长组合建立水分检测模型的预测结果最好:预测相关系数(Rp)为0.969 0,预测标准残差(SEP)为3.472 9%,可见/近红外反射光谱技术可以较好地预测柿饼制作过程中的的水分含量。研究可为柿饼加工过程中的品质快速检测提供一定的技术支撑。     

基于近红外光谱的冷藏期番茄果实质地定量分析模型

以番茄样本为研究对象,建立基于近红外光谱的冷藏期果实质地定量分析模型。采用SPXY方法对样本集进行划分,经过不同光谱预处理方法比较后,在780~2 500,920~2 500,1 100~2 500 nm 3个波段范围内建立番茄果实质地定量偏最小二乘回归模型,根据相关系数以及预测标准差(RMSEP)分析得出最优模型。结果得出780~2 500 nm波段预测效果最佳,果肉平均硬度预测集相关系数为0.761,RMSEP为0.173;果皮破裂力预测集相关系数为0.809,RMSEP为0.820;果皮脆度预测集相关系数为0.803,RMSEP为0.831;果皮韧性预测集相关系数为0.764,RMSEP为0.427;预测集相关系数均达到0.760以上,RMSEP均小于0.850,模型效果比较好。结果表明,番茄果实质地的近红外无损检测可行,果实质地与近红外漫反射光谱具有显著相关性。     

大米蛋白质含量近红外光谱检测模型研究

探索建立一种有效的大米蛋白质含量近红外光谱检测模型,并寻找1100~2500nm波段中预测大米蛋白质含量的有效波长。采用面积归一化（Area Normalization）方法进行光谱预处理。用主成分回归方法建立回归模型,用Martens不确定性检验方法选择有效波长。发现利用主成分分析可以较好地区分出不同种类的米粉,样品在主成分上的得分可以作为鉴别米粉种类及品质的依据。基于全部波长建立的回归模型,训练集r=0.9923,RMSE=0.0747。交叉验证的结果r=0.9399,RMSE=0.2103。预测集r=0.9364,RMSE=0.1607。基于有效波长建立的回归模型,训练集r=0.9899,RMSE=0.0854。交叉验证结果r=0.9437,RMSE=0.2004。预测集r=0.9079,RMSE=0.1796。使用近红外光谱分析技术检测大米蛋白质含量是可行的,采用Martens不确定性检验方法选择有效波长,并利用有效波长预测大米蛋白质含量也是可行的。     

基于化学计量学的近红外光谱法检测白酒中酯含量研究

为实现快速检测白酒中4种主要酯类物质的含量,采用化学计量学方法对模拟白酒样品的近红外光谱数据进行模型构建,并用白酒样品进行验证试验。结果表明,模型预测值与实际值的相关系数均大于0.97。使用白酒样品进行验证试验,预测值与测定值无显著差异。说明采用近红外光谱进行白酒中酯类物质检测可以实现快速、无损、多参数、多指标检测。     

近红外光谱法测定玉米秸秆纤维素和半纤维素含量

为了解玉米秸秆资源可转化碳水化合物物质基础,建立了玉米秸秆中纤维素及半纤维素近红外分析模型。利用傅里叶变换近红外漫反射光谱(NIRS)技术和化学计量学软件,结合偏最小二乘法(PLS),通过光谱采集,进行了近红外光谱模型预测及验证。探讨了不同预处理方法对玉米秸秆纤维素和半纤维素含量的NIRS模型影响,获得理想分析模型,相关系数(R)≥0.909。实验结果表明模型对纤维素、半纤维素含量预测平均相对误差为2.34%和2.13%,预测值与化学值误差较小。说明该模型可准确、快速并大量检测玉米秸秆中纤维素和半纤维素含量,提高秸秆生物质资源利用率,促进生物质转化工艺过程。     

一种林地土壤氮磷钾含量快速测定的新方法

为实现林地土壤肥力的快速监测,笔者提出一种基于可见/近红外光谱技术,同时进行杉木林土壤全氮、全磷与全钾测定的新方法。以FieldSpec?3地物光谱仪采集杉木林土壤48份,随机分成校正集（32份）和检验集（16份）。光谱采用S.Golay实现平滑去噪与标准归一化进行背景去除后,选取350~2350 nm的反射光谱,以偏最小二乘算法（PLS）建立回归模型。结果表明,3种肥力指标测定模型均具有较高的精度,其校正集R2与预测模型R2分别在0.892与0.884以上。说明以可见/近红外光谱实现土壤中全氮、全磷与全钾的同时测定可行,从而为林地土壤肥力的快速监测提供了一种新方法。     

应用近红外反射光谱法整粒测定小样品油菜籽含油量的研究

以完整油菜籽为样品,通过光谱预处理和回归统计方法来优化油菜籽含油量的近红外反射光谱法所建立回归方程,同时采用三种不同用量的样品杯进行近红外扫描分析.结果表明,光谱预处理对较正结果影响较大,不同光谱数学处理以3级导数处理较好,综合考虑定标组和检验组的效果,采用"2,3,3,1"、 "2,6,6,1"和"3,3,3,1"的三种处理组合较好     

Investigating the effects of simulated transport vibration on tomato tissue damage based on vis/NIR spectroscopy

Visible and near infrared (vis/NIR) spectroscopy combined with chemometrics were investigated to evaluate the effects of simulated transport vibration levels on damage of tomato fruit. A total of 280 tomato samples were randomly divided into 5 groups; each group was subjected to vibration at different acceleration levels. A total of 230 samples (46 from each group) were selected as a calibration set; whereas 50 samples (10 from each group) were selected as a prediction set. Raw spectra, differentiation (the first derivative) spectra, extended multiplicative scatter correction (EMSC) processed spectra and standard normal variant combined with detrending (SNV–DT) processed spectra were used for calibration models. SNV–DT processed spectra had the best performance using for partial least squares (PLS) analysis. The PLS analysis was implemented to calibrate models with different wavelength bands including visible, short-wave near infrared (SWNIR) and long-wave near infrared (LWNIR) regions. The best PLS model was obtained in the vis/NIR (600–1600 nm) region. Using a grid search technique and radial basis function (RBF) kernel, four least squares support vector machine (LS–SVM) models with different latent variables (7, 8, 9, and 10 LVs) were compared. The optimal model was obtained with 9 LVs and the correlation coefficient (r), root mean square error of prediction (RMSEP) and bias for the best prediction by LS–SVM were 0.984, 0.137 and 0.003, respectively. The results showed that vis/NIR spectroscopy could be applied as a reliable and rapid method for predicting the effect of vibration levels on tissue damage of tomato fruit.     

烟叶化学成分协调性的近红外光谱检测模型研究

对烟粉全部近红外光谱数据采取不同的预处理方法来探究烟叶化学成分协调性（施木克值、糖碱比、氮碱比）,基于有效波长光谱数据建立相应的近红外光谱的检测模型,并利用偏最小二乘法(PLS)通过训练集的交叉验证建立回归模型。通过全部波长数据中值滤波平滑处理后建立施木克值的回归模型,预测集r=0.9861、RMSE=0.0548;通过全部波长数据卷积平滑二阶求导处理后建立糖碱比的回归模型,预测集r=0.9498、RMSE=0.9095;在对光谱数据处理较优的Norris一阶导数数组基础上选取30个有效波长建立氮碱比的回归模型,预测集r=0.9202、RMSE=0.6947。结果表明：利用近红外光谱可以较好地预测烤烟施木克值、糖碱比和氮碱比。     

应用近红外光谱技术分析稻米蛋白质含量

以稻谷、米粒、米粉3种形态的样品，应用近红外光谱技术(NIRS)和偏最小二阶乘法(PLS)，建立了6个稻米蛋白质含量近红外光谱数学模型，并对模型预测结果的准确性进行了评价。结果表明，糙米蛋白质含量的稻谷、糙米粒和糙米粉近红外光谱预测模型校正决定系数(R_C²)分别为0.893、0.971和0.987，校正标准差(RMSEC)分别为0.507、0.259和0.183；精米蛋白质含量的稻谷、精米粒和精米粉近红外光谱预测模型R_C²分别为0.897、0.984和0.986，RMSEC分别为0.497、0.186和0.190。模型内部交叉验证分析表明，预测糙米蛋白含量的稻谷、糙米粒和糙米粉模型内部交叉验证决定系数(R_CV²)分别为0.865、0.962和0.984，内部验证标准差(RMSECV)分别为0.557、0.290和0.205；预测精米蛋白含量的稻谷、精米粒和精米粉的模型R_CV²分别为0.845、0.951和0.979，RMSECV分别为0.594、0.316和0.233。模型外部验证分析表明，预测糙米蛋白含量的稻谷、糙米粒和糙米粉近红外光谱模型外部验证决定系数(R_V²)分别为0.683、0.801和0.939，外部验证标准差(RMSEV)为0.962、0.799和0.434；预测精米蛋白含量的稻谷、精米粒和精米粉近红外光谱的模型R_V²分别为0.673、0.921和0.959，RMSEV为0.976、0.513和0.344。用米粉建立的近红外光谱预模型准确性最高，米粒次之，基于稻谷的预测模型准确性相对较低；内部交叉验证和外部验证表明，近红外光谱分析技术与化学分析方法一致性较好，且能保证样品的完整性，在水稻优质育种和稻米品质分析中具有广泛的应用价值。     

近红外快速测定干辣椒中辣度的研究

以干辣椒为对象,采用近红外快速测定方法检测其辣度。首先,使用高效液相色谱法对8种干辣椒中辣椒碱类物质含量进行准确测定,确定了定量指标辣度。然后,采集干辣椒粉样品的近红外光谱数据,利用偏最小二乘法(PLS)建立检测模型,并对检测波长范围及模型主因子数进行了筛选。结果表明,使用PLS进行模型的建立,校正集方程相关系数0.987 1,验证集方程相关系数0.870 4;校正均方根误差2 870,交叉验证均方根误差9 476,主因子数为8。最终得到的检测模型能够满足对干辣椒中辣度的快速检测要求,且具有较好的准确度。     

基于近红外光谱与SIMCA和PLS-DA的水稻品种鉴别

以垦粳5号、垦粳6号、垦粳9号和鸿育001-1共4个水稻品种为研究对象,采用近红外光谱技术分别结合SIMCA和偏最小二乘法判别分析法（PLS-DA）对4个水稻品种进行鉴别。采用SIMCA分类法,实现了4个水稻品种100%的区分;采用PLS-DA方法对校正样本建立判别模型,其校正集结果和参考值之间的相关系数最小值为0.95,验证集结果与参考值之间的相关系数最小值为0.94,对验证集中4个水稻品种的识别率为100%。试验结果表明,应用近红外光谱技术结合SIMCA分类法和PLS-DA法均可实现对水稻品种的快速鉴别。     

近红外光谱无损检测石榴中花色苷含量研究

以全国不同地区的97个石榴为样本,研究近红外光谱无损检测石榴中花色苷的含量,探讨了不同数据处理和回归方法对建模效果的影响。结果表明,对原始光谱进行一阶微分、标准多元离散校正法处理后,采用偏最小二乘法建立的石榴花色苷含量预测模型,预测偏差为0.148,预测标准差(SEP)为1.47,相关系数为0.829,模型预测良好,说明近红外光谱无损检测石榴的品质是可行的。     

基于冠层光谱的早籼稻籽粒粗蛋白含量估测

利用2019年长江中下游早籼稻早中熟组种质资源为材料,分析主要生育期冠层光谱反射率与籽粒粗蛋白含量的关系,筛选出可用于早籼稻籽粒粗蛋白含量预测的敏感生育期和敏感波长,建立了基于敏感波长和光谱参数的籽粒粗蛋白的一元线性、多元线性、指数和多项式预测模型,用决定系数（R ²）、均方根误差（RMSE）和相对误差（RE）对模型精度进行评价,以期找到估测早籼稻籽粒粗蛋白含量的最适模型。研究发现,在孕穗期514、580、638和695nm波长处冠层一阶微分光谱反射率与籽粒粗蛋白含量相关性达到极显著水平;在基于敏感波长的估测模型中,四元线性模型估测效果最佳,其建模集R ²、RMSE和RE分别为0.566、0.342%和2.874%,验证集R ²、RMSE和RE分别为0.518、0.154%和1.303%;在基于光谱参数构建的估测模型中,DSI(R′₅₁₄和R′₆₃₈)为自变量构建的多项式模型估测效果较优,其建模集R ²、RMSE和RE分别为0.638、0.312%和2.639%,验证集R ²、RMSE和RE分别为0.581、0.230%和2.307%。