乌拉尔甘草单粒种子硬实特性的近红外光谱分析

以乌拉尔甘草种子为材料,采用近红外光谱结合定性偏最小二乘法对244粒种子(硬实种子和非硬实种子比例为1∶1)的硬实性进行了鉴别研究,并特制一样品杯用于单粒种子的光谱采集,以降低人为误差。研究结果表明,4次重复平均光谱所建模型鉴别率显著高于单次光谱所建模型,光谱范围采用4 000～8 000 cm-1时模型效果较好,校正集、检验集、预测集样本的鉴别率分别为95.53%,95.94%和94.53%,采用不同建模样品所建模型其预测准确率均在90%以上,硬实种子和非硬实种子的预测准确率分别为92.50%和96.56%。种子大小和颜色均会影响模型的鉴别率,种子颜色的影响相对更大。     

近红外光谱技术的结缕草种子发芽率研究

根据收获的年份和地点的差异收集37份结缕草种子,其发芽率分布在58.5%～92%的范围,并按照3∶1的比例将其划分为校正集和检验集,使用近红外光谱技术和定量偏最小二乘法分析其发芽率。结果表明,采用的光谱范围为6 000～7 000 cm-1,主成分个数取6时,校正集的决定系数为90.73%,相关系数为0.986 6,平均绝对误差为7.64%,标准差为9.80,而检验集则分别为91.80%,0.987 2,6.98%和9.47。使用不同的建模样品来检验该方法建模的准确性,两组样品集决定系数均超过90%,校正标准差和预测标准差控制在10.00附近,平均绝对误差达到8.00%的水平。     

应用近红外光谱技术定量分析杂交玉米纯度的研究

利用近红外光谱分析技术结合定量偏最小二乘法对农大108玉米的纯度进行了定量测定,首先通过在农大108杂交种子加入不同量的母本178种子,获得纯度60%~100%范围内的样本123份,然后测定粉碎后样本的光谱,根据2:1的比例划分建模集和检验集。结果表明:6 000~10 000 cm-1为适宜的建模光谱范围,主成分为8时,建模集内部交叉验证的决定系数达96.61%、校正标准差(SEC)2.15%,平均相对误差(RSD)2.04%;检验集的决定系数达到97.67%,校正标准差(SEP)1.78%,平均相对误差(RSD)1.94%。采用该方法建模时,采用不同比例的建模样品和检验样品,建模集平均决定系数为96.21%,校正标准差2.29%,平均相对误差为2.81%。检验集的平均决定系数为95.75%,预测标准差2.23%,平均相对误差为2.73%,进一步证明模型的稳定性。     

应用近红外光谱技术快速鉴别玉米杂交种纯度的研究

采用近红外光谱分析技术结合定性偏最小二乘法对农大108玉米杂交种的纯度进行了鉴别研究,实验采用农大108杂交种子与母本178种子各100粒进行单粒光谱扫描(建模集与检验集比例为3:1),结果表明:透射孔直径为3 mm 时,所建模型平均鉴别率为99.82%,显著高于透射孔直径为4.5 mm 时所建模型的鉴别率90.96%;采用胚乳面一次光谱、胚面两次平均光谱、胚乳面两次平均光谱和四次平均光谱进行建模,其平均鉴别率筹异不显著,检验集平均鉴别率均达到99%左右,略高于胚面一次光谱;选择透射孔径3.0 mm,4 000～8 000 cm1 光谱范围,种子胚乳面单次光谱所建立的农大108玉米杂交种的种子纯度鉴定模型的建模集和检验集的鉴别率均达到100%.     

近红外光谱技术在小麦条锈病菌和叶锈病菌定性识别和定量测定中的应用

利用近红外光谱技术结合定性偏最小二乘法(DPLS)和定量偏最小二乘法(QPLS)分别实现了小麦条锈病菌和叶锈病菌的定性识别和定量测定。获取两种锈菌单一夏孢子样品各50个以及条锈病菌纯度为2.5%~100%的混合样品120个。采集样品光谱后,将两类样品均按2∶1的比例分为建模集和检验集,在4 000~10 000cm-1内采用内部交叉验证法建模。散射校正预处理方法下、主成分数为3时,定性识别模型的建模集和检验集识别准确率均为100.00%。"极差归一+散射校正"预处理方法下、主成分数为6时,定量测定模型建模集的决定系数(R2)、校正标准差(SEC)、平均相对误差(AARD)分别为99.36%,2.31%,8.94%,检验集的R2、预测标准差(SEP)、AARD分别为99.37%,2.29%,5.40%。结果表明,利用该方法对这两种锈菌定性和定量分析是可行的。本研究为植物病原菌的定性识别和定量分析提供了一种基于近红外光谱技术的新方法。     

NIRS法定量分析多年生苦荞叶片蛋白质与GABA含量

为满足多年生苦荞育种工作的需要,采用近红外光谱分析技术结合定量偏最小二乘法对多年生苦荞叶片蛋白质和γ-氨基丁酸(GABA)含量进行了快速测定研究,实验使用了222份多年生苦荞材料,扫描光谱后测定其化学值。研究发现样品蛋白质含量的平均值、最大值和最小值含量分别是164, 331和121 mg·g~(-1);样品GABA含量的平均值、最大值和最小值含量分别是2.489, 3.968和1.439 mg·g~(-1)。蛋白质建模结果:采用不同光谱区建模时,建模集的平均决定系数(R~2)、校正标准差(SEP)和平均相对误差(RSD)分别是93.46%, 0.63和3.82%,检验集的平均R~2, SEP和RSD分别是91.77%, 0.88和5.28%。采用不同比例的建模样品和检验样品时,建模集的平均R~2, SEP和RSD分别是93.55%, 0.63和3.82%,检验集的平均R~2, SEP和RSD分别是92.18%, 0.87和5.20%。采用4 000～9 000 cm~(-1)光谱范围,二阶导数(13)预处理光谱,建模集与检验集的比例为4∶1,模型最优,其建模集内部交叉R~2, SEP和RSD分别是93.57%, 0.55和3.38%,检验集内部交叉R~2, SEP和RSD分别是93.35%, 0.73和4.40%。GABA建模结果:采用不同光谱区建模时,建模集的平均R~2, SEP和RSD分别是86.28%, 0.21和8.30%,检验集的平均R~2, SEP和RSD分别是84.35%, 0.22和8.76%。采用不同比例的建模样品和检验样品时,建模集的平均R~2, SEP和RSD分别是88.51%, 0.20和8.04%,检验集的平均R~2, SEP和RSD分别是86.80%, 0.21和8.40%。4 000～10 000 cm~(-1)光谱范围,原始光谱,建模集与检验集的比例为4∶1,模型最优,其建模集内部交叉R~2, SEP和RSD分别是93.28%, 0.15和6.10%,检验集内部交叉R~2, SEP和RSD分别是91.49%, 0.17, 6.68%。证明了使用近红外光谱技术定量测定多年生苦荞叶片蛋白质和GABA含量的可行性以及模型的稳定性。     

不同硬实率紫花苜蓿种子的近红外光谱分析

紫花苜蓿是我国北方重要的栽培牧草,由于其种子硬实率高达20%~80%,在播种时无法快速辨别硬实种子而影响其种用价值,对实际生产造成了直接影响。为研究出快速无损分选苜蓿硬实种子和非硬实种子的方法,选取不同产地、不同收获年份、不同品种的紫花苜蓿种子样品121份,同时经人工配比获得不同硬实比率的紫花苜蓿种子样品共31份,利用近红外光谱技术,采用偏最小二乘法,对其硬实率进行了分析,建立紫花苜蓿种子硬实率的近红外光谱分析模型,为紫花苜蓿硬实种子的快速检测和识别技术进行探索性研究。结果表明,最终获得的光谱模型建模相关系数(R2cal)为0.981 6,交叉检验标准误差(RMSECV)为5.32,相对标准误差(RPD)为3.58,模型的预测能力相对较好,能够应用于紫花苜蓿种子硬实率的估测,为种子硬实率的无损检测提供了一种新方法。模型的建立为研究出快速无损确定种子硬实特性方法提供技术指导,促进种子硬实特性的深入研究。     

鱼粉中掺杂豆粕的可见和近红外反射光谱分析研究

探讨了基于可见和近红外反射光谱分析技术检测鱼粉中是否掺有植物饼粕的可行性。收集了我国常用的鱼粉和豆粕,将豆粕按不同浓度掺杂到鱼粉中制备试验样本,分别进行了定性和定量分析研究。定性分析用206个样本作为校正集,103个样本作为检验集,选择合适的光谱预处理方法和光谱范围建立了定性判别分析模型,模型对外部检验集的正确判断率为96.12％。定量分析用掺杂有豆粕的130个鱼粉样本作为校正集,65个鱼粉样本作为检验集,采用偏最小二乘法(PLS)建立了定量分析模型。以变量标准化处理(SNV)与二阶导数(2, 4, 4, 1)相结合处理效果最佳,其预测值和测量值的决定系数R2和标准差SEC分别为0.989 0和1.539 0;检验集进行外部验证的决定系数R2和标准差SEP分别为0.988 8和1.786 0,RPD为8.61。结果表明,利用近红外光谱分析技术可以成功检测鱼粉中豆粕的存在和含量。     

初烤完整烟叶总植物碱的近红外光谱测量方法研究

为了探讨近红外光谱分析技术检测完整烟叶化学成分的可行性,利用近红外光谱分析技术,对初烤完整烟叶的光谱采集方式及总植物碱定量分析建模方法进行了研究。以云南省昆明市不同乡镇、不同品种的初烤烟叶为研究对象,分别采用烟叶的叶尖、叶中、叶基光谱及其平均光谱建立初烤完整烟叶总植物碱近红外偏最小二乘法(PLS)定量分析模型以选择出代表完整烟叶信息的建模光谱;分别用KS和SPXY方法对样品的校正集进行选择,采用向后区间偏最小二乘法(BiPLS)、无信息变量消除法(UVE)、竞争适应性重加权采样法(CARS)等选择特征变量,对模型进一步优化。研究结果表明,采用叶尖、叶中、叶基3个部位的平均光谱建立的模型相比单独每个部位光谱所建立模型的预测精度提高了8.5%~9.5%,与全光谱建模相比,用KS-BiPLS建立模型能明显改善模型的预测能力,模型的预测精度约提高了10%,模型的校正集决定系数和均方根误差分别为0.917 4和0.226 1,检验集决定系数和预测均方根误差分别为0.902 0和0.200 7。本研究方法适用于完整的初烤烟叶,无需对样品进行预处理,对于大量的初烤烟叶,能够快速、无损测定烟叶总植物碱含量,可以节省大量的时间。同时,该研究为初烤烟叶分级、提高原料的品质提供技术支持,也将为卷烟生产的过程控制提供科学依据。     

棉籽油分含量近红外无损检测分析模型与应用

棉花是一种重要的油料作物。建立快速、无损检测棉花种子含油量的方法,对于棉花油分育种工作中的材料鉴定、筛选具有重要意义。利用近红外光谱仪采集118份不同油分含量棉花种籽的近红外漫反射光谱,结合化学方法测定验证,建立了棉籽油分含量快速无损检测的近红外模型。光谱预处理方法采用一阶导数＋多元散射校正(MSC),光谱范围5 446～8 848 cm-1,主成分维数为5,以基本覆盖陆地棉棉籽含油量范围的106份试验材料为校正样品集,利用偏最小二乘法(PLS)建立了棉籽仁油分含量近红外反射光谱(NIR)校正模型。校正模型决定系数R2=0.975,校正标准差SEC=0.67。用外部验证样品集进行外部验证,对所建模型的实际预测能力进行检验。结果表明,油分含量预测值与化学值相关系数r=0.978,预测结果误差范围0.1%～1.7%,建立的模型具有很好的预测性。利用建立的模型对784份育种材料进行了油分含量预测,结果显示,该模型应用可以加快棉花育种材料的油分鉴定。     

基于无机元素特征的甘草药材分型研究

产地和生产方式是判断药材质量的重要依据,采用电感耦合等离子体原子发射光谱法(ICP-AES)和电感耦合等离子体质谱(ICP-MS)法测定了不同产地、不同生产方式甘草药材样本中16种无机元素的含量。通过总体分布分析、特征元素聚类、元素逐一分析的三级分析方法,根据K,Na,Sr,Mo等元素含量的高低分布状态建立了甘草药材相关的无机元素指纹图谱;以主成分分析选定的特征元素进行的聚类分析结果与甘草样品的生长方式相一致;逐一比较不同样品间元素差异结果表明,Mo和Sr元素的组合不仅可以作为甘草样品生长方式的分类依据,还可以作为甘草产地区分的判断标准,Na/P,K/Ca两对元素比可以作为评价不同生产方式的参考依据,初步揭示了无机元素在这几种甘草类型间的差异规律。     

Bioactive characterization of ultrasonicated ginger (Zingiber officinale) and licorice (Glycyrrhiza Glabra) freeze dried extracts

Ginger (Zingiber officinale) and Licorice (Glycyrrhiza glabra L.) are one of the most popular spices having a wide range of bioactive compounds that have varied biological and pharmacological properties. The study was aimed to extract polyphenols from Himalayan medicinal herbs ginger and licorice in different solvents using ultra-sonication technique. The extraction efficiency (EE) was determined, and the extracts were characterized for physical properties (particle size, colour values), total phenolics, flavonoids, antioxidant properties, and structural and morphological features. Ultra-sonicated ginger in aqueous phase had the highest EE of polyphenols (15.27%) as compared to other solvents. Similar trend was observed in licorice with EE of 30.52 % in aqueous phase followed by ethanol: water (50: 50), and methanol: water (50:50) with 28.52% and 26.39%, respectively. The preliminary screening showed the presence of tannins, phenolics, flavonoids, saponins and carbohydrates, steroids and alkaloids in all the extracts. The phenolic and flavonoid content of dried ginger was found higher in ethanolic extracts compared to fresh ones as revealed by HPLC. Similarly, for licorice, the ethanolic fractions had the highest polyphenolic content. The representative samples of ginger (ethanol: water 75:25 and ethylacetate: water 75:25) and licorice (ethanol: water 70:30 and methanol: water 50:50) were studied for FESEM and particle size. The results showed the agglomerated extract micro-particles with a diameter of 0.5–10 µm and increased particle size (ginger: 547 and 766 nm), and (licorice: 450 and 566 nm). The findings could be beneficial for the advancement of ginger and licorice processing, for the comprehension of these herbs as a source of natural antioxidants in different food formulations.     

基于近红外光谱的杂交水稻种子发芽率测试研究

现阶段水稻种子发芽率测试仍然按照传统的农作物种子发芽技术规定进行发芽试验,此方法存在试验周期长、成本高、专业性要求高等缺点,本研究提出一种基于近红外光谱技术的快速、无损测试杂交水稻种子发芽率的新方法。采用人工老化方法在温度45 ℃、湿度100%的条件下分别老化处理2个品种杂交水稻种子0,24,48,72,96,120,144 h;用近红外光谱仪分别采集2个品种不同老化时间段杂交水稻种子光谱数据共280份,随机分成校正集(168份)和检验集(112份);测试不同老化时间段的水稻种子发芽率;以偏最小二乘算法(PLS)建立了回归模型,分析不同光谱波段和比较不同光谱预处理方法对模型精度的影响。2个品种的水稻种子光谱数据采用全波段和标准化＋正交信号校正预处理时模型最优,模型校正集决定系数(R_C)与验证集相关系数(R_P)分别为0.965和0.931,校正标准误差(SEC)与预测标准误差(SEP)分别为1.929和2.899,验证集预测值与真实值之间的相对误差在4.2%以内。研究结果表明利用近红外光谱分析技术进行杂交水稻种子发芽率的快速无损检测是可行的。     

A novel THz spectroscopy recognition method for transgenic organisms based on APSO combined with SVM

Currently, the transgenic products detection methods are mostly based on visible/near-infrared light spectrum. In addition, it is hard to set up the parameters in the support vector machine (SVM) model and there is a large amount of calculation on spectrum data. To solve these problems, this paper proposed an algorithm based on terahertz (THz) spectrum and SVM using adaptive particle swarm optimize (APSO-SVM) for building up the classifications of transgenic cotton seed. To conduct the transgenic cotton seed classification, within the wavelength region 150 μm—3 mm, the THz spectrums are first sampled from 165 samples of three newest transgenic cotton seeds. Then, the 165 transgenic cotton seeds are recognized based on the APSO-SVM. Experiment results indicate that the total recognition rate is up to 97.3%, which prove that the THz spectrum combined with APSO-SVM can provide a reliable, rapid, simple and nondestructive detection method for transgenic cotton seed.     

基于主动学习的玉米种子纯度检测模型更新

种子纯度反映种子品种在特征特性方面典型一致的程度,提高种子纯度检测的准确性和可靠性对保证种子的质量具有重要的意义。高光谱图像技术可以同时反映种子的内部特征和外部特征,在农产品无损检测中已经得到广泛应用。利用近红外高光谱图像实现农产品无损检测的实质就是建立光谱信息与农产品品质参数之间的数学模型关系。但光谱信息易受环境、时间的影响,当待测样本的产地或者年份发生改变时光谱信息也随之改变,导致建立的模型的稳定性变差、泛化能力减弱。针对这一问题,采用主动学习算法选择具有代表性的待测样本,最终以添加最少最优的样本数来扩大原模型的样本空间,从而实现模型的快速更新,提高模型的稳定性,同时与基于随机选择算法（RS）和Kennard-Stone算法(KS)的模型更新效果进行比较。实验结果表明：在不同样本集划分比例下（1∶1, 3∶1, 4∶1）,利用主动学习添加40个新样本更新后的2010年的玉米种子纯度检测模型对2011年新样本的预测精度由47%,33.75%,49%提高到98.89%,98.33%,98.33%;利用主动学习添加56个新样本更新后的2011年的玉米种子纯度检测模型对2010年新样本的预测精度由50.83%,54.58%,53.75%提高到94.57%,94.02%,94.57%;同时基于主动学习算法的模型更新效果明显优于RS和KS。因此基于主动学习算法实现玉米种子纯度检测模型的更新是可行的。     

The use of fast field cycling to evaluate the time domain relaxation of starches from tropical fruit seeds

ABSTRACT

A proton NMR relaxation study of the molecular dynamics in flour samples of ‘Eugenia uniflora’ (‘Pitanga’), ’Citrus reticulate’ (‘Tangerine’), ‘Prunus persica’ (‘Peach’), ‘Vitis vinifera’ (‘Grape’), and ‘Cucumis melo’ (‘Honeydew melon’) seeds is presented. The spin–lattice relaxation time was obtained over a broad frequency range from 100?kHz to 100?MHz using both conventional and fast field-cycling NMR techniques. This relaxometry study made possible a comparison between the molecular dynamics behaviour of starch from different fruit seeds and from potatoes. I was possible to conclude that the spin–lattice dispersion presents slightly differences for all samples, in particular at low frequencies. All relaxation dispersions could be well interpreted in terms of power-law relaxation models and domains with different power-law relaxation exponents. For the Peach seeds flour the relaxation dispersion at low frequencies was very similar to that observed for potato’s starch incorporated with 5% organoclay Viscogel B8 nanoparticles.     

太赫兹成像技术对玉米种子的鉴定和识别

利用太赫兹时域光谱(THz_TDS)测试技术及透射式太赫兹逐点扫描成像技术分别对几种玉米种子DNA和胚的样品进行了光谱和成像测量;利用空间图样成份分析(component spatial pattern analysis)方法对得到的THz像进行识别运算。实验结果表明,几种样品在THz波段都有不同的吸收特性,但都没有明显的吸收峰,不能利用“特征指纹谱”进行识别。用基于THz扫描成像的空间图样成份分析方法能很好地实现不同玉米种子DNA样品的鉴定和识别。与现有的THz图像识别方法相比,这个方法只需要THz像的实验数据和样品的吸收谱信息,不需要样品的其它特征。这项研究为进一步利用THz成像技术实现无损检测、安全检查、质量监测等提供了依据,具有实际应用价值。     

基于近红外光谱分析的高丹草种子发芽率检测研究

高丹草中粗蛋白质以及碳水化合物的含量丰富,适合青贮处理。优质的高丹草种子是发展畜牧业十分重要的前提,发芽率是检验种子质量最常规的指标之一,播前种子发芽率检测与筛选十分必要。现阶段采用发芽试验法进行种子发芽率的检测,周期长、成本高。基于此,提出利用近红外光谱对高丹草种子进行发芽率的快速、无损检测。选择适量的高丹草种子样品,采集近红外漫反射光谱,进行一阶导和二阶导预处理以及对比分析R2_c,R2_p,RESEC和RMSEP。采用支持向量机（SVM）建模,使用MATLAB中调用的LIBSVM软件包来实现SVM训练和检测过程,以检测不同发芽率的高丹草种子。对来自不同省份的100组高丹草种子先剔除种子内的杂物、破损以及不能满足试验条件的种子后,用人工气候培养箱进行种子发芽试验,获得100组种子样本的发芽率,其发芽率分布在41%~64%的范围。采用美国Unity Scientific 2600XT近红外光谱仪对样本进行光谱扫描。随机分成校正集70份和检验集30份。分别采用一阶导和二阶导进行了高丹草种子光谱的预处理,将预处理之后的数据采用支持向量机的方法建模,并对其参数进行了分析和讨论。结果表明,近红外光谱预测模型训练集相关系数（R2_c）和测试集相关系数（R2_p）分别为0.94和0.92,校正均方根误差（RMSEC）、预测均方根误差（RMSEP）分别为0.21和0.25,两个产地的高丹草种子数据采用一阶导预处理时模型最优。支持向量机的方法建模采用Rbf核函数,当支持向量机惩罚因子c=2 896.309 4和核函数g=0.5时,测试集种子发芽率的检测准确率为96.666 7%（29/30）。该模型预测种子发芽率是可行的,可以作为初步检测高丹草种子发芽率快速无损检测的手段之一,能够有效的促进种子生产。