近红外光谱法快速测定羊草干草品质的研究

试验共采集我国北方不同区域、不同生育期、不同干燥方式的羊草干草150份,利用近红外漫反射光谱(NIRS)技术,采用偏最小二乘回归算法(PLS),在国内首次建立了适配范围广的羊草干草的粗蛋白(CP)、中性洗涤纤维(NDF)和酸性洗涤纤维(ADF)的校正模型,并对模型的预测能力进行了验证.结果表明,所建模型的预测结果与常规...     

SPAD及FT-NIR光谱法快速筛选白三叶种质蛋白质性状

白三叶营养丰富,蛋白质含量高,是最重要的牧草之一.文章对SPAD及FT-NIR光谱法筛选白三叶种质蛋白质性状进行了探讨.采用ChlorophyIl Meter SPAD-502,测定白三叶叶片SPAD值,从而评估其蛋白质含量.在营养生长期内,叶片蛋白质含量与SPAD值呈正相关(y=0.422x+4.984,R2=0.737);在开花期内,两者之间呈负相关(y=-0.345x+37.50,R2=0.711).应用傅里叶变换近红外(FT-NIR)光谱技术,用偏最小二乘法建立了白三叶蛋白质的预测模型,并对模型进行了交叉验证和外部验证.结果表明,用NIRs法得到的预测值与用凯氏定氮法得到的测定值间的交叉验证决定系数Rcv2为0.904,交叉检验标准误差RMSECV为0.988(%DM),外部验证的相关系数为0.987.所建立的近红外模型具有良好的准确性和预测能力.FT-NIR法较SPAD法能更准确的评估白三叶蛋白质状况.NIRS作为一种白三叶粗蛋白质快速分析的技术是可行的,在白三叶蛋白质品质育种中,可快速进行种质资源筛选,提高育种效率.     

FT-NIR法测定烟草中的镁

应用傅里叶变换近红外光谱分析技术,采用偏最小二乘法建立了近红外光谱与烟草中镁含量的数学模型。经检验,近红外测定值与化学测定值间的平均相对误差为9.09%。该技术简捷、快速、精密度高,可用于烟草中镁的快速测定。     

FT-NIR光谱法测定烟草中绿原酸、芸香苷、莨菪亭及总多酚含量

研究应用傅里叶变换近红外光谱法快速测定烟草中绿原酸、芸香苷、莨菪亭及总多酚含量的可行性。使用偏最小二乘法(PLS)为建模方法, 选择7 500～4 000 cm-1谱段,采用二阶导数和Norris滤波法进行光谱预处理,建立了烟草中绿原酸、芸香苷、莨菪亭及总多酚的近红外预测模型。组分最佳PLS预测模型的相关系数r分别为0.976 6,0.941 9,0.957 1和0.966 6,SEP均小于1.2倍的SEC,验证集样本的标准偏差(SD)/SEP均大于2。交叉检验的均方差(RMSECV)分别为1.938 9,1.046 2,0.047 9和2.745 2。实验验证了模型偏差的显著性,将近红外光谱技术与常规标准检测方法相比较。结果表明:两种方法测得值在显著水平0.05时,不存在显著性差异,近红外光谱技术可以准确地定量分析烟草中绿原酸、芸香苷、莨菪亭及总多酚。     

基于NIRS快速测定苜蓿青干草品质成分

品质性状的化学测定操作繁琐且存在破坏性和耗时较长等不足的问题，光谱测定具有高效、快速、成本低等优点，但测定准确度受到不同仪器以及不同机型的影响。为了建立和优化快速测定苜蓿样品的粗蛋白(CP)、粗脂肪(EE)、酸性洗涤纤维(ADF)和中性洗涤纤维(NDF)近红外漫反射光谱的模型，更好的测定苜蓿品质性状。选取了25份苜蓿材料147份试验样品，采用傅里叶变换近红外光谱技术(NIRS)扫描，获得扫描光谱范围4 000～10 000cm^-1的光谱值，软件TQ Analyst v9选用偏最小二乘法(PLS)和OPUS7.0选用定量2方法建立定量模型并优化，并进一步交叉验证和外部检验评估模型效果。结果表明利用2种软件建立的模型都能很好的预测CP的含量，建模决定系数(R²_cal)分别达到0.999 9和0.984 8，交叉验证的均方根误差(RMSECV)分别为2.121和0.471，外部验证决定系数(R²)都大于0.97，残留预测偏差(RPD)值大于6.0。EE应用TQ Analyst v9所建立的模型效果更好，R...     

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。     

近红外光谱技术测定紫花苜蓿青贮鲜样的发酵品质

及时了解青贮饲草的发酵品质,如青贮饲草中氨态氮(NH₃-N),乳酸(LA), 乙酸(AA),丁酸(BA)含量,对畜牧业生产具有重要意义。应用偏最小二乘回归法(PLS)、傅里叶变换近红外光谱技术和液氮冷冻制样技术,建立了适合不同品种,不同生育期,不同茬次和不同青贮方法即时测定青贮苜蓿鲜样中氨态氮,乳酸,乙酸,丁酸的近红外校正模型,以期对NIRS在测定紫花苜蓿青贮样品中这些物质的可行性进行分析。所建模型的交叉检验决定系数(R2_CV)为0.602 4～0.949 7,交叉检验标准误(RMSECV)为0.559～3.78 g·kg-1鲜重。用检验集样品对模型进行外部检验,预测相关系数(r)为0.882 6～0.985 3,预测标准误为0.571～3.15 g·kg-1鲜重。结果表明,采用适当的样品处理方法和光谱分析技术可以实现近红外光谱技术对苜蓿青贮样品发酵品质的评定。     

FT-NIR光谱仪测定烟草化学成分不同谱区范围对数学模型影响的研究

应用傅里叶近红外技术建立快速定量分析烟草化学成分的数学模型 ,使用BrukerOptics公司的MPA型傅里叶变换近红外光谱仪 ,谱区扫描范围 12 0 0 0～ 4 0 0 0cm- 1 ,选择不同的谱区范围对烟碱、总糖和总氮三种组分的数学模型进行优化 ,结果显示不同谱区范围对同一组分数学模型影响有明显的差异 ,而且不同组分所选择的最佳建模谱区范围是不一样的 ,说明在模型优化过程中选择最佳谱区范围是非常关键的 ,烟碱、总糖和总氮三种组分模型的最佳谱区范围分别是 95 0 0～ 4 2 31 2cm- 1 ,75 0 2 1～ 4 2 4 6 7cm- 1 ,75 0 2 1～4 5 97 7cm- 1 ,三种组分最佳模型交叉检验的均方差 (RMSECV)分别为 0 0 815 ,0 80 8,0 0 5 6。     

近红外光谱法测定紫花苜蓿青贮鲜样的营养价值

应用近红外光谱技术(NIRS)直接分析新鲜饲草的营养价值,如饲草中干物质(DM),粗蛋白(CP),中性洗涤纤维(NDF),酸性洗涤纤维(ADF)含量,对畜牧业生产具有重要意义。鲜草中由于含有较多的水分,不易制备均一的样品和进行光谱中有用信息的提取,因此难于进行近红外光谱分析。本试验应用偏最小二乘回归法(PLS)、傅里叶变换近红外光谱技术和液氮冷冻制样技术,建立了适合于不同品种,不同生育期,不同茬次和不同青贮方法即时测定青贮苜蓿鲜样中DM,CP,NDF,ADF的模型,以期对NIRS在测定紫花苜蓿青贮鲜样品这些成分测定的可行性进行分析。所建DM,CP,NDF和ADF模型的交叉检验决定系数(R2_cv)为0.884 6～0.989 8,交叉检验标准误(RMSECV)为3.9～9.7 g·kg-1鲜重。用50个样品对模型进行外部检验,预测相关系数(r)为0.939 7～0.994 9,预测标准误为1.9～8.3 g·kg-1鲜重。结果表明： 采用适当的样品处理方法和光谱分析技术可以实现近红外光谱技术对苜蓿青贮鲜样的营养价值评定。     

基于FT-NIR的微生物快速鉴定方法研究

微生物细胞的傅里叶变换近红外光谱(Fourier transform near infrared spectroscopy,FT-NIR)反映了细胞成分的分子振动信息,具有的高度特异性,为寻求一种基于FT-NIR的微生物快速鉴定方法提供了可能。文章通过采集1株酵母和5株细菌标准菌株的近红外漫反射光谱,采用主成分分析法对光谱数据进行了分析,构建了基于FT-NIR的微生物快速鉴定模型。分析结果表明:①光谱鉴别指数Dy1y2值范围为1.61±1.05～10.97±6.65,重现性良好;②建立的基于线性判别分析模型的鉴定准确率为100%,基于人工神经网络模型的预测结果平均相对误差为5.75%,预测准确率高。研究结果证实该方法可以实现基于FT-NIR结合多元数学统计方法的微生物快速鉴定,并具有广阔的产业应用前景。     

近红外光谱法测定苜蓿中的叶含量

叶含量是一项对苜蓿的营养价值和家畜采食量、消化率都很重要的指标,目前常用的手工茎叶分离后测定叶含量的方法非常费时费力。利用近红外光谱分析技术(NIRS)对人工配制叶含量为15%～55%的41个苜蓿样品, 建立了苜蓿中叶含量的预测模型。用15,25, 35个定标样品分别建立的3个模型的RMSEP分别为1.02, 1.97, 0.51,RPD依次为5.50,2.85,25.93,外部验证的决定系数r2为0.978 9,0.984 4,0.998 9。结果表明,15个定标样品已经能够建立准确测定苜蓿叶含量的近红外预测模型,且模型的准确性随着数量增加而升高。     

近红外反射光谱法测定苜蓿干草主要纤维成分的研究

采集不同生育期、不同品种和不同干燥方式（烘干、阴干、晒干）的苜蓿干草样品60份,研究了利用近红外反射光谱法分析苜蓿干草中纤维素、半纤维素和木质素含量的可行性。实验结果显示,纤维素的交互验证相关系数（R_CV）、外部验证决定系数（r2）以及验证集样品标准差（SD）与预测残差均方根（RMSEP）的比值（RPD）分别为0.97,0.97,4.44,木质素为0.94,0.94,4.08,表明利用NIRS技术可以准确分析苜蓿干草中纤维素和木质素的含量。半纤维素的R_CV,r2,RPD分别为0.29,0.12,1.09,说明该模型不能进行半纤维素的实际预测。利用近红外反射光谱法准确测定纤维素和木质素含量的结果,对苜蓿生产加工中的质量评价,以及苜蓿育种等研究中纤维品质的快速分析都具有重要意义。     

傅里叶变换近红外反射用于鸡蛋蛋品质的研究

鸡蛋的无损检测技术一直以来都是蛋品质检测领域的重要研究课题,建立相应的检测技术对蛋鸡育种和蛋品质监测具有实际意义.文章利用近红外光谱仪测定保存时间不同的鸡蛋,探讨了蛋白高度、哈氏单位、气室直径、气室高度近红外模型的可行性,并运用无偏最小二乘法建立了鸡蛋蛋白高度、鸡蛋气室直径、气室高度的近红外测定模型,蛋白高度、气室直径与气室高度的测定模型的决定系数R2分别为0.867,0.821,0.865,RMSECV分别为0.476,0.014与0.479.对33个鸡蛋样品的模型验证的R2分别为0.873,0.861,0.895.鸡蛋新鲜度主要指标的预测值与实际值间的差异不显著(P＞0.05),所建模型具有较好的准确性与预测能力,能够满足蛋品新鲜度快速无损检测的要求.     

利用近红外漫反射光谱法预测紫花苜蓿茎组分营养价值的研究

研究旨在探讨利用全株紫花苜蓿(Medicago sativa L.)样品的近红外漫反射光谱信息,建立能够预测其茎组分营养价值的校正模型的可行性.将66份不同年份、品种、茬次和生育期的紫花苜蓿全株样品徒手分离茎叶后,按一定的茎叶比重新混合成198份实验样品(建模样品138份,检验样品60份).采用傅里叶变换近红外漫反射光谱技术(FT-NIRS),结合偏最小二乘法(PLS),建立了茎组分粗蛋白(CP)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、粗灰分(CA)和体外可消化干物质(IVDDM)含量的预测模型.除NDF含量的预测模型外,其他4个指标预测模型的建模效果和实际预测均较好,交叉检验相关系数(rCV)为0.852 3～0.900 7,交叉检验标准误差(RMSECV)为0.72%～3.96%,检验样品的预测值与化学值的相关系数(r)为0.925 5～0.951 2.而NDF含量预测模型的RCCv,RMSECV,r分别为0.821 4,3.70%和0.902 0,模型只可用作粗略估测.     

近红外漫反射光谱法预测紫花苜蓿草颗粒营养价值

研究旨在探讨利用紫花苜蓿草颗粒样品的近红外漫反射光谱信息,建立能够预测其营养价值的校正模型。采集22份全株草颗粒、19份茎颗粒、19份叶颗粒共60份紫花苜蓿草颗粒样品,其中建模样品45份,检验样品15份。利用傅里叶变换近红外漫反射光谱技术(FT-NIRS)采集各实验样品的近红外漫反射光谱,运用偏最小二乘法(PLS)建立了紫花苜蓿草颗粒粗蛋白(CP)、中性洗涤纤维(NDF)和酸性洗涤纤维(ADF)含量的预测模型。3个预测模型的校正模型建模效果均较好,其交叉检验相关系数(R_CV)为0.964 10～0.968 87,交互验证的残差均方根(RMSECV)为0.80%～2.59%。用15个检验样品对模型进行外部检验,预测相关系数(r)为0.966 9～0.974 3,外部验证的残差均方根(RMSEP)为0.85%～2.07%。所建模型的交叉检验和外部检验RPD均大于3,表明近红外光谱分析技术可以准确地预测紫花苜蓿草颗粒的营养价值。     

近红外漫反射光谱法测定玉米秸秆NDF与ADF含量

应用主成分空间和傅里叶变换近红外光谱技术,采用偏最小二乘回归法(PLS),在国内首次建立了适合不同品种类型、不同生长发育时期和不同部位且适配范围广的近红外漫反射光谱(NIRS)测定玉米秸秆中性洗涤纤维(NeutralDetergentFiber,NDF)和酸性洗涤纤维(AcidDetergentFiber,ADF)含量的稳定校正模型。结果表明,采用一阶导数 矢量归一化预处理和一阶导数 多元散射校正预处理,谱区均为7502～5450cm-1和4601～4247cm-1,所建立的NDF与ADF校正模型,其校正和预测效果最佳。其校正决定系数(R2cal)均大于094,交叉验证和外部验证决定系数(R2cv,R2val)为092～096,各项误差(RMSEE,RMSECV和RMSEP)为149%～181%。该结果对青贮玉米秸秆材料快速鉴定和筛选具有重要的意义。     

水果坚实度的近红外光谱检测分析试验研究

应用傅里叶漫反射近红外光谱技术探讨了水果坚实度无损检测的方法。利用偏最小二乘法建立了坚实度与漫反射光谱的无损检测数学模型,同时对不同光谱预处理方法和不同建模波段范围对模型的预测性能进行了对比分析。结果表明：利用傅里叶变换光谱仪采集的原始光谱的平滑预处理对结果并没有太大影响;原始光谱在800～2 500 nm范围的模型得到了最好的预测结果：校正集样本的相关系数r为0.869,校正均方根误差RMSEC为3.88 N;预测集样本的相关系数r为0.840,预测均方根误差RMSEP为4.26 N。 通过本研究得出：应用近红外漫反射光谱检测水果坚实度是可行的,为今后快速无损评价水果成熟度提供了理论依据。     

近红外漫反射光谱法测定玉米秸秆体外干物质消化率

以不同生态环境、不同年份,不同品种和自交系类型、不同生长发育时期以及不同部位的600个样品中选出161份玉米秸秆为材料,应用傅里叶变换近红外光谱技术,采用偏最小二乘回归法(PLS),通过比较不同光谱范围和光谱预处理方法,在6 101.7～5 773.8 cm-1和4 601.3～4 246.5 cm-1谱区内,建立了适合不同品种类型、不同生长发育时期和不同部位且适配范围广的近红外漫反射光谱(NIRS)测定玉米秸秆体外干物质消化率(in vitro dry matter digestion,IVDMD)的稳定校正模型。其交叉验证和外部验证决定系数(R2_cv,R2_val)分别为0.907 3和0.906 6,预测标准偏差为2.08%, 预测值与化学值间的相关系数(r)达0.956。结果表明, 近红外光谱技术可以用于快速、准确测定玉米秸秆IVDMD,该结果对青贮玉米育种过程中的秸秆材料快速鉴定和筛选具有重要的意义。