首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   10篇
  免费   0篇
化学   1篇
综合类   1篇
物理学   8篇
  2022年   1篇
  2020年   1篇
  2019年   2篇
  2016年   1篇
  2015年   1篇
  2011年   1篇
  2009年   1篇
  2002年   1篇
  2001年   1篇
排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
甜菜糖蜜酒精废液含有大量的有机物,pH值低,BOD、CDO值高,直接排和会造成环境的严重污染,又损失了一些有机物,在此废液中可直接接入酵母菌,使其大量繁殖,生产出的菌体粗蛋白含量达41.7%,CDO值降低了20%以上,减轻了环境污染。  相似文献   
2.
该文构建了玉米秸秆粗蛋白定量分析模型,并对光谱特征波段选取方法进行探讨及验证。首先对107个样本进行预处理,剔除两个异常样本后采用DB2小波缺省阈值4层分解方式进行光谱重构,预处理后粗蛋白模型交互验证决定系数R2CV从0.788 9提高至0.920 8,采用间隔偏最小二乘(IPLS)及其改进型方法后向区间间隔偏最小二乘(BIPLS)、组合间隔偏最小二乘(SIPLS)进行特征波段选取,并对比主成分分析、竞争性自适应重加权采样法、相关系数法、遗传算法、移动窗口最小二乘等结果,发现基于IPLS及其改进型BIPLS、SIPLS均可有效、准确定位特征波段区间,其中采用SIPLS 30 波段间隔在10 128~10 398 cm-1与11 196~11 462 cm-1时具有最优模型,验证集相关系数(rp)为0.978 4,验正集决定系数(R2P)为0.957 2,验正集均方误差根(RMSEP)为0.221 1,相比于其他波段选取方法表现出较好的实时准确性,该方法可为玉米秸秆氨碱化最优条件判定提供重要的数据支撑。  相似文献   
3.
饲料是畜牧生产的物质基础,饲草原料和饲料产品营养价值的检测与评估是饲料生产中的重要环节,面对饲草资源中粗蛋白含量低和大量依靠进口饲料的局面,大豆作为优质的高蛋白豆科饲草是畜牧业生产利用的重要资源。不同青饲大豆及其不同刈割期的饲用品质参数可以评价青饲大豆的饲用性能,但目前主要以化学方法进行检测,过程繁琐,试验周期长、易造成人为操作误差,且青饲大豆主要饲用品质指标的光谱快速检测尚属空白,亟待开发和利用。鉴于近红外光谱快速分析技术在检测领域及饲料分析中的广泛应用,利用近红外光谱分析技术在950~1 650 nm范围内收集不同大豆品种不同刈割时期的全株样品光谱,对样品的主要饲用品质参数粗蛋白(CP)含量、中性洗涤纤维(NDF)含量和酸性洗涤纤维(ADF)含量三个指标按国家标准或行业标准的化学方法进行检测,得到的150份样品的品质数据按3∶2分为校准集和验证集。通过一阶求导(NW1st)、二阶求导(NW2nd)、标准正态变量变换方法(SNV)、去趋势算法(DE-trending)4种不同光谱预处理方法中的一种或多种处理的组合,结合偏最小二乘(PLS)回归算法建立了青饲大豆三个主要品质参数CP,NDF和ADF含量的预测模型。通过比较回归模型中的校准集和验证集中决定系数(R2)和均方根误差(RMSE)得出,NW1st+DE-trending+SNV+PLS处理后所建立的模型效果最好,青饲大豆CP含量模型中的校准集的R2C和验证集的R2P分别为0.96和0.95,NDF含量模型中的R2CR2P分别为0.90和0.89,ADF含量模型中的R2CR2P分别为0.94和0.93。通过验证集对预测模型的检验分析进一步证实了该模型的准确性和稳定性,形成了一种便于青饲大豆品质检测的近红外光谱(NIRS)快速分析法。随着青饲大豆品质参数数据量的增加,将不断完善青饲大豆品质检测模型,该方法不但扩大了近红外光谱仪对饲草资源品质的检测类别与范围,而且准确高效,有利于高蛋白优质饲草资源的开发和有效利用。  相似文献   
4.
紫花苜蓿粗蛋白和粗纤维近红外分析模型的建立   总被引:2,自引:0,他引:2  
采用近红外漫反射光谱技术,结合偏最小二乘法(PLS),以152个来源不同的紫花苜蓿样品建立了粗蛋白和粗纤维含量的近红外定量分析校正模型.在近红外光谱范围内(950~1 650 nm)对紫花苜蓿样品采集光谱数据时,分别设置了粗磨样、细磨样两种样品的状态和1,2,5 nm三种光谱扫描间隔,对建立的模型进行准确性和重复件的验证,比较其优劣.结果显示:光谱扫描时样品为细磨样,光谱扣描间隔为2 nm时所建立的粗蛋白和粗纤维含量的校正模型最佳,其相关系数(R_(cal)~2)分别是0.97和0.94,最佳因素数时的定标标准差(SECV)分别是0.42和0.78.所建近红外定量分析模型对独立检验集样品粗蛋白和粗纤维含最的预测值与化学值的相关系数(R_(val)~2)分别为0.96和0.92,预测标准差(SEP)分别为0.43和0.79.该研究结果表明:利用近红外漫反射光谱法测定紫花苜蓿内在主要品质性状是可行的,为紫花苜蓿粗蛋白和粗纤维含量的检验提供了新的方法模式.  相似文献   
5.
革质红菇营养成分分析   总被引:10,自引:0,他引:10  
对革质红菇中的氨基酸、灰分、粗蛋白、粗脂肪、粗纤维等进行了测定。结果表明,革质红菇中含有17种氨基酸,氨基酸总含量为26.53%。而且含有Zn、Fe、Si、Cu、Mn、Ni、Cr等7种人体所必需的矿物质。粗蛋白、粗脂肪、粗纤维、灰分、碳水化合物的含量分别为28.17%、3.90%、10.21%、8.45%、48.73%。  相似文献   
6.
蛋白饲料原料粗蛋白含量近红外光谱模型转移研究   总被引:2,自引:0,他引:2  
建立良好的蛋白饲料近红外光谱定量分析模型及实现在不同仪器间的模型共享,能极大提高模型的利用效率,满足饲料行业快速发展的需要。针对蛋白饲料原料粗蛋白含量近红外分析模型适用性问题,首次采用光谱差值转移、直接校正和分段直接校正法进行了三台不同类型的近红外光谱仪之间的模型转移研究。实验样品为四种蛋白饲料原料:玉米蛋白粉、菜粕、酒糟和鱼粉。实验仪器包括MATRIX-Ⅰ傅里叶变换型近红外光谱仪(主仪器),Spectrum 400傅里叶变换型近红外光谱仪(从仪器1)和SupNIR-2750光栅扫描型近红外光谱仪(从仪器2)。研究表明,同一样品体系在主仪器和从仪器2上所得光谱数据的差异性相对较小,且均与从仪器1所得光谱数据的差异性相对较大。除分段直接校正法对玉米蛋白粉从仪器2的预测结果无促进作用之外,其他模型的预测均方根误差和系统偏差均明显低于转移前。玉米蛋白粉、菜粕和酒糟样品采用三种方法转移后的模型预测相对分析误差(RPD)均大于3.0,预测效果良好。鱼粉样品模型转移后的预测RPD均大于2.5,预测效果较好。三种方法对于蛋白饲料原料不同仪器间的光谱差异进行了有效校正。该研究结果对于蛋白饲料品质近红外快速分析模型的广泛应用具有重要意义。  相似文献   
7.
虉草粗蛋白近红外定量分析模型的建立   总被引:1,自引:0,他引:1  
虉草(Phalaris arundinacea L.)为多年生冷季型禾本科高产牧草,粗蛋白(CP)是评价饲草品质的关键指标,但目前的化学分析方法存在诸多缺点,寻求高效、快速、准确、安全的虉草CP测定方法是现代草地畜牧业发展和草原生态恢复急需解决的实际问题。本研究旨在利用近红外光谱(NIRS)建立虉草CP的定量分析模型,为快速测定虉草CP提供有效方法。试验采集不同品种(品系)、生育期、栽培条件、干燥方式、生长年限、部位以及刈割次数的虉草样品454份,采用瑞士Buchi公司的傅里叶近红外光谱仪和Operator软件采集原始光谱,应用K-S算法剔除具有相似光谱的样品,筛选出210份用于建模和模型评价。通过凯氏定氮法测定210份样品的粗蛋白含量并在Management console软件中对光谱进行赋值,再采用软件NIRcal 5.4按照6∶3的比例将样品随机分为校正集和验证集,并剔除异常样品,运用不同的光谱预处理、回归算法、建模波段和主成分数建立8个虉草CP含量的近红外定量分析模型,通过外部验证表明8个模型均可以进行实际测定。最后比较不同的统计学参数获取最佳模型。结果表明,采用4 000~10 000 cm-1的建模光谱波段、sa3+ncl+db1(3点平滑+趋近归一化+一阶导数处理)的预处理方法、8/1-4的初/次级主成分数和偏最小二乘法(PLS)所建的模型为最佳模型,其校正决定系数(R2cal)为0.982 1,验证决定系数(R2val)为0.980 2,均大于0.98,表明预测性能优秀;校正标准差(SEC)和验证标准差(SEP)分别为0.780 2和0.783 2,均较小且非常接近,表明模型的分析精度很高并具有很好的适应性;残差(BIAS)为-0.000 5,接近于0,说明模型的稳定性很高,对外界因素不敏感;预测相关系数(r)为0.99,可见样品化学值与定标模型预测值的相关度极高;相对分析误差(RPD)为7.37,RPD>4.0表明模型能够很好地进行定量分析。综上,该试验在国内首次建立了虉草CP近红外定量分析模型,该模型样品来源多、数量大、分布范围广,预测精度和准确度高,适用范围大,为快速测定虉草粗蛋白提供了有效方法,在虉草品质分析、育种、家畜日粮配置以及草产品评价流通等方面具有应用前景。  相似文献   
8.
方彦 《光谱实验室》2011,28(3):1050-1053
以玉米粉末样品为研究对象,探讨了光谱散射预处理和数学预处理因素对建模效果的影响.结果表明采用一阶导数+SNV+Mean Center建立粗蛋白含量的校正模型效果最佳.  相似文献   
9.
基于高光谱成像的牧草粗蛋白含量检测研究   总被引:1,自引:0,他引:1  
粗蛋白(CP)是评价牧草营养价值和品质参数的关键指标。快速、准确地对牧草中粗蛋白含量进行评估在畜牧业生产研究中具有重要意义。为确定牧草粗蛋白含量的高光谱特征波段及最优检测模型,研究分别于2017年5月至9月间在黑龙江省杜尔伯特自治区的人工牧草场(羊草)内每月随机选取35个样本,5个月共采集175个样本。采样时在样本点处放置1 m×1 m的样方,将样方内所有牧草全部齐地面收割采集后称重并冷藏保存。将样本带回实验室后,立即进行牧草叶片高光谱图像采集,同时采用凯氏定氮法对采集的牧草样本进行粗蛋白化学值测定,以此建立牧草粗蛋白含量高光谱数据集。研究首先通过Savitzky-Golay卷积平滑(SG)、多元散射校正(MSC)、变量标准化(SNV)、一阶导数(1-Der)和直接正交信号校正(DOSC)方法5种预处理方法对高光谱数据进行处理后分别建立偏最小二乘回归(PLSR)检测模型,从中确定最优预处理方法。利用最优预处理结果,分别采用连续投影算法(SPA)和随机蛙跳算法(RF)进行牧草粗蛋白含量的特征波段选择,并利用选择结果分别进一步建立PLSR模型,以此确定适合粗蛋白含量的特征波段选择方法,确定最优高光谱检测模型。结果表明,在五种高光谱预处理方法中,基于SNV方法预处理后所建立的高光谱PLSR模型表现最优(R2-P=0.929,RMSE-P=6.344 mg·g-1,RPD=4.204)。利用连续投影算法筛选的粗蛋白含量特征波长为30个,分布于530~700和940~1 000 nm范围内。经随机蛙跳算法确定的粗蛋白含量特征波段为6个,分别为826.544,827.285,828.766,971.012,972.494和973.235 nm。因此,该研究中牧草粗蛋白含量最优高光谱检测模型为SNV-RF-PLSR(R2-P=0.933,RMSE-P=6.034 mg·g-1,RPD=4.322),模型精度较高。该研究结果为牧草粗蛋白含量的高光谱检测提供了最优模型和理论基础,同时为指导草业生产开拓了新的技术思路。  相似文献   
10.
近红外光谱法测定老芒麦营养价值   总被引:2,自引:0,他引:2  
老芒麦(Elymus sibiricus L.)是青藏高原地区主要禾本科牧草,对该区畜牧业具有重要作用。粗蛋白(CP)、酸性洗涤纤维(ADF)、中性洗涤纤维(NDF)和体外干物质消化率(IVDMD)是影响牧草营养价值高低的主要参数。基于近红外光谱技术(NIRS)结合偏最小二乘法建立了老芒麦CP,ADF,NDF和IVDMD的近红外预测模型。所建CP,ADF,NDF和IVDMD模型校正决定系数(R2cal)分别为0.994 5,0.949 9,0.9133和0.982 2,校正标准差(SEC,%DM)分别为0.329 9,0.779 9,1.343 0和1.376 2;验证决定系数(R2val)分别为0.993 8,0.944 9,0.890 7和0.979 0,验证标准差(SEP,%DM)分别为0.362 1,0.787 8,1.385 2和1.430 3。预测相关系数(r)大于0.943 8,相对分析误差(RPD)为3.02~12.63,表明NIRS能够对老芒麦CP,ADF,NDF和IVDMD进行准确分析。  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号