高产强筋小麦新品种藁优9618栽培技术

藁优9618是藁城市农科所以自育矮秆高产中筋材料8515为母本,以自育高产强筋品种8901为父本,通过有性杂交、系谱法选择,采用分步定标方法而育成的矮秆、抗倒、高产强筋新品种,于     

人工提高大豆水分近红外活度研究

在建立大豆水分定标模型过程中,样品收集的难度非常大,此研究目的是为定标样品创建一个简捷、有效的收集方法.首先对大豆主要成分蛋白质、脂肪、纤维素等与水分之间的关系进行分析,了解大豆中蛋白分子与水分子的结合原理.其次采用加水润湿大豆的方法,得到了有一定水分含量梯度的均匀分布样品.最后利用此样品进行近红外定标,定标结果预测集决定系数达到0.992,标准误差仅为0.082.结果表明:经人为加湿水分与种子自然水分有同等的近红外活度.因此,可以采用以人为加湿水分的方法进行大豆水分定标样品收集.     

近红外光谱法在土壤有机质研究中的应用

近红外光谱技术(Near Infrared Reflectance Spectroscopy,NIRS)具有快速、低成本、无损等优点。目前利用NIRS获取土壤信息已成为国内外学者研究的重点,但是在我国利用NIRS对土壤成分进行定量分析才刚刚起步。本文简要介绍了近红外光谱分析的基本原理、模型的建立及评价,详细论述了该技术在预测土壤有机质及其组分方面的应用,并对NIRS在我国土壤有机质定量研究方面的应用前景进行了展望。     

电容式谷物水分测定仪的定标与应用分析

以LDS-1A与LDS-1G谷物水分测定仪为例,用大米样品对电容式谷物水分测定仪进行定标校准,并对其测量准确度与测量重复性进行了研究,结果与标准法相比偏差不大,表明了快速水分测定仪经过正确校正并能规范使用,是可以达到国标规定的谷物水分测定要求的。     

粘连大米的碎米率检测技术研究

碎米率是衡量大米的外观品质的一个重要指标。在使用机器视觉技术自动检测碎米率的过程中,大米籽粒粘连的情况常常不可避免。为了分割出单颗大米,提出了一种改进的、基于形态学重建处理的标记分水岭算法,可在分割出的单粒大米的基础上,确定大米的数量,并利用外接矩形来确定米粒的长度,从而检测出碎米率。实验结果表明,在大米粘连程度及含有的碎米量不同的情况下,此方法都具有比较高的检测精度。     

绿茶水分和茶多酚总量近红外分析定标模型的建立与应用

本文以具有良好代表性的绿茶为材料,通过比较多种预处理方法以及不同统计回归方法,建立绿茶中水分和茶多酚总量的近红外定标模型。结果:水分模型以9点卷积平滑(SG9)结合一阶导,以偏最小二乘法(PLS)建模效果最好,内部交叉验证的定标集、验证集的标准差SEE/SEP和相关系数r分别为:0.1486、0.9940、0.1685、0.9925;茶多酚模型以一阶导结合单位长度归一化(Nle),以偏最小二乘法(PLS)建模效果最好,内部交叉验证的定标集、验证集的标准差SEE/SEP和相关系数r分别为:1.086、0.8946、1.093、0.8344。同时以水分为例比较了原始光谱建模和平均光谱建模的效果差异,认为二者无显著差异,但前者模型更稳定。     

付里叶变换近红外漫反射光谱定量分析数学模型的建立与评价

本文在I的研究基础上,根据近红外漫反射光谱定量分析的原理,以谷子、玉米、小麦样品为实验材料,选用近代回归分析的方法,研究了谷子、玉米蛋白质及小麦沉淀值品质分析近红外光谱定量数学模型的建立与评价。     

近红外光谱法测定大米中的淀粉含量

用化学方法测定64个大米样品中的淀粉含量,利用近红外谷物分析仪采集样品的近红外光谱,选择合适的光谱区间和光谱预处理方法。50个定标集样品的近红外光谱经二阶导数及标准多元离散校正(Standard MSC)预处理,结合偏最小二乘法(PLS)建立了大米中的淀粉含量测定的定标模型,其相关系数为0.8780。14个验证集样品用于外部检验,大米中的淀粉含量的模型预测值与化学值之间的相关系数为0.9498。     

水稻籽粒直链淀粉含量非破坏性活体测定方法研究

对533份杂交稻和常规稻材料的糙米和精米直链淀粉含量进行化学分析, 并结合近红外透射光谱数据, 采用改进偏最小二乘法(MPLS)分别建立糙米、精米的直链淀粉含量(AC)预测定标模型, 并对其进行内部和外部验证. 结果表明, 杂交稻糙米及精米模型的定标相关系数(RSQ)分别为0.873和0.922, 常规稻糙米及精米模型的RSQ则分别为0.924和0.939, 定标标准偏差(SEC)分别为1.100,0.956,1.537,1.547; 内部交叉验证预测值和真实值之间的RSQ分别为0.866,0.901,0.892和0.921, 外部验证的RSQ分别为0.9506,0.9352,0.9116,0.9180, 所建模型的相关性较高, 预测值与真实值之间的误差小. 常规稻模型可应用于大量育种材料快速、无损的早代筛选, 杂交稻模型可用于新组合直链淀粉含量的快速鉴定, 促进稻米品质改良, 提高育种效率.     

基于近红外光谱的大豆茎秆化学组分含量检测模型构建与应用

【目的】大豆茎秆化学组分（纤维素、半纤维素、木质素和粗纤维等）与其茎秆抗倒伏能力密切相关,但由于目前大豆茎秆化学组分检测多采用传统的化学分析技术,测定过程操作复杂、耗时耗力、成本昂贵且易造成环境污染,不适合大规模育种应用,因此,通过构建一套低成本、快速、科学、无污染的大豆茎秆化学组分检测方法,为大豆种质资源茎秆组分分布规律及其与大豆生长习性和倒伏性关系的研究提供方法基础。【方法】通过建立一套基于近红外光谱检测技术的大豆茎秆化学组分检测模型,并利用该模型对大豆种质资源茎秆中的中性洗涤纤维（neutral detergent fiber,NDF）、酸性洗涤纤维（acid detergent fiber,ADF）和粗纤维（crude fiber,CF）等化学组分进行检测分析,通过方差分析、多重比较和小提琴图分析,明确大豆茎秆CF含量与其生长习性及抗倒伏性之间的内在关系。【结果】基于构建的大豆茎秆化学组分近红外光谱快速检测模型对茎秆NDF、ADF和CF组分检测数值的校正相关系数（R_C）均在0.90以上。利用16份模型外大豆茎秆样本对模型的有效性进行验证发现,常规化学检测与该模型检测结果之间无显著性差异（P > 0.05）。利用该模型对2017年和2018年种植的393份大豆茎秆CF含量及其生长习性之间的关系进行分析,结果表明,大豆茎秆CF含量符合正态分布规律,在CF含量50.00%以上的材料中,2年数据均表现出直立型（91.67%和86.14%）显著高于蔓生型（8.33%和13.86%）,表明大豆茎秆CF含量与其生长习性呈极显著正相关（P < 0.01）。【结论】构建的近红外光谱模型具有低成本、快速高效、无污染的特点。此外,茎秆中CF含量高的大豆品种植株具有更强的抗弯曲度,可作为大豆抗倒伏育种亲本筛选的重要指标。