利用近红外反射光谱快速测定大豆籽粒蛋白质、脂肪和部分氨基酸含量

利用固定滤光片式近红外反射光谱仪测定大豆籽粒中的蛋白质、脂肪含量，只要用３～４个滤光片就可获得较高的精度。其定标和预测相关系数都在０．９５以上。测定天门冬氨酸、谷氨酸、赖氨酸和精氨酸各组分的含量则需要５～７个滤光片，其定标和预测相关系数在０．８６以上。表明该方法测定蛋白质、脂肪与部分氨基酸含量是可行的。     

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。     

非破坏评价黄瓜的营养成分

用近红外光谱法非破坏分析黄瓜中的维生素Ｃ、还原糖、干物重三种成分，与国际法相比，其相关系数分别为０．９９３２、０．９９３０、０．９８１６，标准误差为０．３６８ｍｇ／１００ｇ、０．０６８％和０．０８５％，说明两种方法有着相似的准确性和精密度，而近红外光谱法分析效率可提高上百倍，且不需要任何前处理，也不用化学试剂，分析后的黄瓜样品仍可食用或作商品出售。既适用于大批量样品的分析测定，又为品质育种和种质资     

近红外光谱分析技术在鲜鸡肉快速检测分析中的应用研究

应用傅立叶变换近红外光谱分析技术建立鲜鸡肉快速定量检测方法.共收集到9个鸡种的148个鲜肉样品,采用其中111个样品分别建立脂肪、蛋白质和水分的定量分析模型,模型的相关系数(R)分别为0.993、0.994和0.979,校正均方差(RMSEC)分别为0.126、0.198和0.232;对其余37个验证样品进行预测分析,与化学分析值配对t检验,两者差异不显著.研究结果表明,傅立叶变换近红外光谱分析方法准确、可靠,且分析快速简便,有望在鲜鸡肉质量检测中得到广泛应用.     

基于多光谱图像的土壤有机质含量检测系统与APP研究

受到土壤种类、水分等客观因素的干扰,基于图像预测土壤有机质(Soil organic matter, SOM)含量与传统方法在检测精度上仍存在差距,限制了相关技术的推广和普及。为提升基于图像预测SOM含量的精度,本研究提出N＿DenseNet网络模型,在DenseNet169基础上加入多尺度池化模块,通过获取更多的维度特征提升模型的性能,并结合Android端开发SOM实时检测应用程序(APP),通过内网透射实现PC端与手机端数据的及时传输。以黑龙江省友谊县、北京市昌平区、山东省泰安市3地的350份土样为基础,通过手机以及多光谱无人机获取原位土壤的高清图像,R波段、红边波段与近红外波段图像,以丰富数据信息,并通过室内胁迫的方式拍摄土壤样品在不同水分梯度下的图像缓解水分对图像造成的影响。对比不同深度学习模型,基于多光谱图像数据训练的N＿DenseNet表现最好,整体表现优于DenseNet169,测试集R²为0.833,RMSE为3.943 g/kg,R²相比于可见光数据提升0.016,证明了训练过程加入R波段与红边和近红外波段图像后有助于提升...     

近红外光谱技术在饲料品质检测中的应用

介绍了近红外光谱分析技术在饲料原料、配合饲料及奶牛全混合日粮检测中的应用及前景.     

近红外光谱技术可准确评估家禽饲料原料的植酸磷含量

为确定常规家禽饲料成分中的总磷和植酸磷含量,巴基斯坦、美国、丹麦的大学和饲料公司联合进行的一项研究中采用了近红外光谱技术(NIRS)进行检测。研究人员从美国和加拿大的家禽生产商采集了8种植物来源的饲料原料样品:玉米、豆粕、DDGS、烘焙副产品、小麦、小麦粗粉、菜籽粕、小麦次粉。样品采用标准湿化学技术检测总磷和植酸磷含量。他们发现大多数原料成分存在较大的变化。总磷的实验室检测值与     

独立分量分析在近红外光谱定量分析中的应用

采用独立分量分析(ICA)方法,对玉米样品的近红外光谱进行分解,得到统计上独立的各成分光谱;然后用多元回归方法建立基于ICA成分的玉米粗蛋白质、粗淀粉和粗脂肪含量的定量分析模型,3种成分建模集和预测集的化学值和近红外预测值之间的相关系数都较高,且平均相对误差都较低。结果表明,ICA方法建立的玉米样品3个主要成分的近红外模型预测准确度都较高,可应用于玉米育种中大批样品的快速品质分析。     

基于形态学梯度的细胞图像自动分割

提出一种自动分割细胞图像的方法,利用数学形态学梯度运算对图像边缘进行锐化。再利用判别分析法自动确定梯度图像阈值,经后处理,可得单像素宽度细胞图像边缘。该边缘可描述医学图像中细胞的有效区域,实现细胞图像自动分割。为验证该方法的有效性,对30幅实际细胞图像进行分割试验。结果表明,该方法对细胞图像分割有较好的适应能力。