近红外光谱法田间快速估测新鲜紫花苜蓿品质

田间快速估测苜蓿品质对于适时刈割具有重要意义。试验共采集来自不同地域、不同品种、不同生育期和不同茬次的新鲜紫花苜蓿样170份,经便携式近红外光谱仪(1 100～1 800 nm)扫描得到近红外光谱,利用偏最小二乘法(PLS)在国内首次建立基于紫花苜蓿新鲜样品的干物质(DM)、粗蛋白(CP)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)化学分析值的近红外校正模型,探讨利用近红外漫反射光谱技术(NIRS)在田间快速估测紫花苜蓿品质的可行性,摸索设备选择和制样方法。四项指标所建模型的交互验证决定系数(R2CV)分别为0.831 4,0.597 9,0.803 6和0.786 1;交互验证均方根误差(RMSECV)为1.241 1,0.261 4,0.990 3和0.830 6;外部验证决定系数(R2_V)为0.815 0,0.401 1,0.784 9和0.752 1,外部预测均方根误差(RMSEP)分别为1.06, 0.31, 0.95和0.80。对于苜蓿鲜样来说,DM,NDF和ADF的近红外模型可以进行粗略的定量分析,CP的建模效果较差,但因苜蓿中的粗蛋白含量一般都能满足家畜需求,DM,NDF和ADF是在适时刈割中最关键的估测指标,DM,NDF和ADF模型可以满足田间快速估测苜蓿品质的要求。     

近红外光谱技术(NIRS)在干草品质检测中的研究与应用

干草品质对动物的生产性能、牧草价值和最终盈利有着最直接的影响,检测干草品质的方法也在不断改进,近红外光谱技术(NIRS)这种快速、 高效而无破坏性的现代检测技术已在饲草料中广泛应用。文章阐述了应用NIRS分析干草品质的可行性和高效性,详细介绍了NIRS用于检测牧草营养成分、真菌侵染程度、内生真菌产生的有毒物质以及一些难于用化学方法检测的微量成分等重要指标的研究成果。指出NIRS用于分析干草品质突破了过去常规化学方法的复杂、耗时、成本高等缺陷,是干草品质分析方法的一个重大进步,并期待着NIRS在牧草品质中的应用研究工作继续完善和发展,建立更精确的定标模型以及更系统的分析软件,促进畜牧业的快速发展。     

基于遗传算法的近红外光谱橄榄油产地鉴别方法研究

提出了一种应用近红外光谱技术快速无损鉴别橄榄油产地的新方法。采用近红外光谱仪获取三种不同产地的橄榄油各30个样本的光谱漫反射特征曲线,利用全局搜索算法-遗传算法提取特征波长,即从光谱751个波长数据提取9个特征波长数据,并将其作为主成分分析法的输入变量,运用主成分分析法建立分析校正模型。结果表明,主成分1和2累计可信度已达99.130%,对不同产地的橄榄油有很好的聚类作用,同时也说明遗传算法抽取特征波长方法正确。将提取到的六种主成分作为BP神经网络的输入变量,品种类型作为神经网络的输出变量,建立3层人工神经网络模型,对30个未知橄榄油产地进行预测,预测结果准确率达100％。该方法能快速无损地检测橄榄油产地,同时也为其他油类产地鉴别提供了一种新方法。     

基于FTIR指纹光谱的牛肉产地溯源技术研究

在中国牛肉4个产区吉林省榆树市、贵州省安顺市、宁夏自治区同心县、河北省张北县屠宰场采集了58个肉牛牛肉样品,进行脱脂、干燥、粉碎。利用近红外光谱分析技术,对牛肉样品的近红外光谱进行主成分分析、聚类分析、判别分析,建立了判别牛肉产地来源的傅里叶变换红外光谱定性分析模型。分析结果显示4个产区的牛肉的平均近红外光谱存在有差异,牛肉样品的主成分空间分布也位于不同的区域。根据光谱距离,对样品进行聚类分析,初步判定了牛肉的产区,其中贵州的牛肉光谱比较复杂,与河北牛肉样品的光谱距离很近,存在一定交叉。利用来源于4个产区的18个独立样品对模型进行了验证,正确识别率为100％。说明应用近红外光谱分析技术可准确、快速、低廉地追溯牛肉的产地来源。     

基于近红外光谱的商品玉米品种快速鉴别方法

现有的玉米种子品种鉴别方法检测时间长,费用高,不易大批量快速鉴别。提出了一种基于近红外光谱数据快速鉴别商品玉米品种的新方法。先使用傅里叶变换近红外光谱仪获得从4 000到12 000 cm-1波段范围的37个商品玉米品种籽粒的漫反射光谱数据。对原始光谱进行矢量归一化预处理以消除噪声干扰,为了找到玉米品种籽粒的光谱特征波段,提出一种基于标准差的方法,进而对寻找到的玉米籽粒特征波段光谱做主成分分析(PCA),取能反映玉米品种 99.98％ 光谱信息的前10个主成分。最后使用仿生模式识别 (BPR)方法建立了37个玉米品种鉴别模型,对于每个品种的25个样本,随机挑选15个样本作为训练样本,其余10个样本作为第一测试集,其他品种共900个样本作为第二测试集。该鉴别模型对于37个玉米品种的平均正确识别率为94.3%。该方法的进一步研究有利于建立以近红外光谱为基础的物理指纹品种鉴别技术。     

近红外反射分析法测定水稻可能再转流物质的研究

为了探讨应用近红外反射分析法测定水稻可能再转流物质的可行性,以种植于海南儋州的7个水稻品种为试验材料,在淀粉酶处理结合中性洗涤纤维法分析的基础上,应用近红外反射分析法建立预测水稻茎叶部和穗部可能再转流物质含量的校正模型。结果表明：采用偏最小二乘法回归(PLS1)建立的校正模型的预测效果较好,光谱预处理对改进校正模型没有显著效果;采用不做预处理+PLS1建立的茎叶部和穗部校正模型都具有较高的预测准确度,校正模型的外部验证结果茎叶部的决定系数为0.991 2、均方根误差为0.008 1,穗部的决定系数为0.961 1、均方根误差为0.022 6。     

近红外空间分辨光谱技术及其对新生猪脑缺氧缺血的检测

近红外光谱(NIRS)技术作为一种无创的组织氧检测手段,近年来在脑缺氧缺血的检测方面日益受到重视。文章介绍了自行研制的NIRS仪器(TSAH-100近红外组织血氧无损监测仪)的基本原理及用于新生猪脑氧检测时如何实现传感器与待测脑组织的最佳耦合。检测了28例新生猪在不同氧合状态下的脑组织氧饱和度(regional cerebral oxygen saturation, rSO₂),在缺氧结束后进行了有创的动脉氧饱和度及生理参数的检测。结果表明,NIRS无创测得的脑rSO₂与血气分析有创测得的动脉血氧饱和度(SaO₂)有很好的相关性(p<0.001),并且脑rSO₂与缺氧程度及缺氧后生理参数的变化一致。因此NIRS无创测得的脑rSO₂能直接判断脑氧合状态,可在一定情况下替代有创血气分析,帮助临床无创、简便地诊断脑缺氧缺血。     

近红外光谱分析技术及其在牧草种子质量监督检验上的应用前景

近红外光谱(NIRS)的分析技术是一项高效、快捷检测样品中某种物质成分的分析新方法,近年来在农业、食品、医药、化工、纺织、环保等领域得到了广泛的应用。 文章简要介绍了NIRS技术产生和探测的基本原理、方法和技术特点,回顾了其在植物种子研究方面的应用情况,然后从种子品种鉴定、种子纯净度鉴定、种子发芽率测定、种子水分含量和生活力测定等四个方面阐述了NIRS分析技术应用于牧草种子质量监督检验的意义和潜在价值。 最后得出结论应用NIRS技术能降低种子检验成本、提高检验效率,还有助于扩大常规种子检验的范围和用途,因此NIRS应用于牧草种子质量检验有着重要的理论和实际意义。     

Use of near-infrared reflectance spectroscopy in predicting nitrogen,phosphorus and calcium contents in heterogeneous woody plant species

Near-infrared reflectance spectroscopy was applied to determine nitrogen (N), phosphorus (P) and calcium (Ca) content in leaf samples of 18 woody species. A total of 183 samples from mountain, riparian and dry areas from the Central–Western Iberian Peninsula were collected for this purpose. The wide intervals of variation observed in nutrient concentrations (6.6–45.0 g kg^–1 for N, 0.24–2.97 g kg^–1 for P, and 1.00–20.06 g kg^–1 for Ca) were due to the great heterogeneity of the samples. To develop calibration equations, multiple linear regression, and partial least-squares regression (PLSR) were used. In both cases, three mathematical transformations of the data were applied: log1/R and first and second derivatives. The best calibration statistics were obtained using PLSR and derivative transformations (second derivative for N and first derivative for P and Ca). The following coefficients of multiple determination (R²) and standard errors of cross validation were obtained: 0.99 and 0.93 for N, 0.94 and 0.15 for P, and 0.95 and 0.88 for Ca. In the external validation the standard errors of prediction obtained were 0.76 (N), 0.11 (P) and 0.60 (Ca).