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。     

不同漫反射样品池间近红外数学模型的转移

研究用斜率/截距(Slope/Bias)校正法来实现傅里叶变换近红外光谱仪上两种漫反射样品池间数学模型的转移。结果表明:普通漫反射样品池与积分球样品池上的模型可以相互转移,且两种样品池上不同粒度样品的数学模型也可以转移。     

近红外光谱法测定玉米品质指标的研究

应用近红外光谱法(Near infrared spectroscopy,NIRS)和偏最小二乘法(Partial least squares,PLS)建立玉米粗蛋白质、粗脂肪和粗淀粉定量分析的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:近红外预测模型的内部交叉验证决定系数(R2cv)分别为:0.9778,0.9666和0.9927;交叉证实标准差(RMSECV)分别为:0.38,0.40和1.51;模型外部验证决定系数(Rv2al)分别为0.9391,0.9651和0.9875;外部验证标准差(RMSEP)为0.41,0.35和1.31。实际样品的常规分析结果得出玉米粗蛋白质、粗脂肪和粗淀粉的NIRS数学模型具有较高的预测准确性,可应用于玉米育种工作中的大批样品的品质分析。