紫苏种子品质的近红外光谱分析

为加快紫苏优质育种进程,采用近红外光谱(NIRS)技术,结合线性偏最小二乘法(PLS),以250份全国范围内收集的紫苏资源为研究材料,分别较好的建立其种子中含油量,棕榈酸(C16∶0),硬脂酸(C18∶0),油酸(C18∶1),亚油酸(C18∶2),a-亚麻酸(C18∶3)含量的六个近红外光谱校正模型。结果显示,六个模型的校正决定系数(RSQ1)分别为：0.98,0.91,0.92,0.92,0.85,0.93;交叉验证决定系数(1-VR)分别为：0.97,0.89,0.89,0.91,0.85和0.91;外部验证相关系数(RSQ)分别为：0.98,0.91,0.89,0.90,0.80和0.89,且定标标准误差(SEC)分别为0.99,0.21,0.1,0.94,0.81,0.92;交叉验证标准误差(SECV)分别为1.16,0.23,0.11,1.05,0.92,1.02和预测标准误差(SEP)分别为0.97,0.21,0.11,1.12,0.99,1.14。结果表明,此六个校正模型质量均较高。这些首次建立的快速无损的近红外分析模型,可为紫苏资源开发提供指导,对紫苏油分品质育种具有重要意义。     

利用近红外光谱法分析玉米籽粒脂肪酸含量的研究

采用傅里叶近红外漫反射光谱技术,结合偏最小二乘法,以294份中选的普通和高油玉米自交系以及高油玉米重组自交系为样品建立了玉米籽粒四种主要脂肪酸(软脂酸、硬脂酸、油酸和亚油酸)含量和含油量的近红外光谱(NIRS)校正模型。其中,油酸、亚油酸和含油量的校正模型质量较高,交叉验证决定系数分别为0.89,0.88和0.91,外部验证决定系数分别为0.86,0.84和0.92,相对分析误差(RSP(C))均大于2.5。软脂酸和硬脂酸的校正模型不够精确,交叉验证决定系数和外部验证决定系数均小于0.80,相对分析误差(RSP(C))均小于2.5。通过实际预测进一步验证了油酸、亚油酸和含油量NIRS模型的准确性和可靠性。这些模型可应用于玉米籽粒脂肪酸含量及油分含量大批量快速测定,对玉米油分的品质育种具有重要意义。     

稻米淀粉崩解值的近红外透射光谱法测定

以203份稻米为样品,近红外透射光谱分析仪,对样品进行光谱扫描,并用快速粘度分析仪测定稻米淀粉崩解值.采用改进的偏最小二乘法进行定标模型的建立,得到了稻米淀粉崩解值测定的近红外分析模型的定标标准偏差(SEC)、交叉检验标准误差(SECV)和定标决定系数(RSQ)分别为:10.62、10.8和0.984,内部交叉验证的经校正的工作标准差(SEP)、检验偏差(BIAS)和交叉检验相关系数(1-VR)分别为:6.139、-0.362和0.939,相关性达极显著水平.内部交又验证和外部验证结果表明近红外定量分析崩解值有很高的准确度.近红外透射光谱技术为快速准确无损测定黏滞特性指标提供了一条新途径.     

近红外光谱法的甜菜糖度快速测定

为了实现甜菜依据含糖量定等分级,甜菜收购环节的按质论价,促进甜菜制糖行业的良好健康发展,应用近红外光谱技术对甜菜糖度的快速检测进行了系统研究,确定了一种快速、无损、准确的测量甜菜糖度的方法。采集具有代表性的28个甜菜品种,820个甜菜样品作为校正集,70个样品作为预测集,扫描得到甜菜校正集样品的近红外原始光谱,选择合适的光谱预处理方法,采用偏最小二乘法建立甜菜糖度的定量预测数学模型,以校正模型的内部交互验证均方根误差(RMSECV)、决定系数(R2)和外部预测标准误差(SEP)为指标对模型的性能进行评价,并对模型的预测效果进行了比较。采用一阶导数和标准正态变量变换对光谱进行预处理并结合偏最小二乘法所建立的定量预测数学模型的预测能力较好。甜菜糖度定量校正数学模型的模型决定系数为0.908 3,内部交互验证预测均方根误差为0.376 7。用此数学模型对预测集70个样品进行预测,预测值与实测值的相关系数达到0.921 4,预测标准误差为0.439,预测值和实测值之间不存在显著性差异(p＞0.05)。结果表明：近红外光谱法作为一种简单、快速、无损、环保的检测方法,能够良好的评价甜菜的糖度。建立的模型具有很高的精确性,可以满足甜菜糖含量测定的需要,该方法可以实现甜菜收购环节的定等分级和按质论价。     

近红外漫反射光谱法定量分析连翘药材

利用近红外漫反射光谱技术和偏最小二乘法定量分析了连翘药材中连翘苷与连翘酯苷的含量。所建立校正模型内部交叉验证均方差(RMSEC)分别为0.327、0.273,交叉验证决定系数分别为0.968、0.978。利用该模型对10份未知样品进行预测,预测值和参考值之间的相关系数分别为0.929、0.986,预测均方差(RMSEP)分别为0.421、0.260,该法具有准确、快速、不破坏样品等优点。     

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。     

近红外光谱用于杉木木材强度分等的研究

利用近红外光谱技术对木材强度分等进行了研究.选择 1000～1400 nm波段,结合偏最小二乘法,在木材强度和近红外光谱数据间建立了校正模型,校正模型的相关系数(r)为0.89,校正标准误差(SEC)为6.30 MPa.利用校正模型对35个未知样品的强度进行预测,根据近红外预测值和实测值分别对木材样品进行分等,A级预测...     

近红外光谱法快速测定毛竹Klason木质素的含量

研究了用近红外漫反射光谱法对毛竹Klason木质素含量的快速预测。选取了代表不同竹龄、不同高度和横向不同位置的54个竹材粉末样品,用常规实验室方法测定了54个样品的Klason木质素含量,用近红外光谱仪漫反射方式在350～2500 nm范围内采集相应样品的光谱,利用多变量统计分析软件建立样品木质素含量和光谱数据之间的相关性模型。结果表明,对原始光谱进行二阶导数预处理后,选择1 011～1675 nm和1930～2488 nm波长区间,用偏最小二乘法(PLS1)和完全交互验证方式建立了的校正模型和预测模型的相关系数分别为0.99,和0.97,校正标准误差SEC＝0.36％,预测标准误差SEP=0.59％,说明毛竹Klason木质素含量和近红外光谱之间存在非常好的相关性,用近红外光谱技术可以实现对竹材样品中Klason木质素含量的快速预测。     

花生籽仁黄酮含量近红外分析检测方法

黄酮是影响花生籽仁营养价值的重要指标,常用的分光光度法及色谱法测定黄酮含量费时费力,不适于育种过程中大批量的检测。构建其近红外测定模型可为快速检测籽仁黄酮含量提供重要的技术保障。该研究以290份不同黄酮含量的花生种质为材料,Al³⁺显色法测定的黄酮含量在46.96～140.18 mgRT(RT:rutin)·(100 g)^-1之间。使用瑞典波通DA7250型号的近红外分析仪(950～1 650 nm)扫描和采集花生籽仁的近红外光谱值,选用全波长光谱范围内偏最小二乘回归法(PLSR),对比单一和复合不同的预处理方法,比较不同模型的相关系数和误差来预测最佳模型,确定黄酮含量近红外光谱定标模型的最佳光谱预处理方法为“Savitzky-Golay Derivative+Baseline+De-trending”,校正集相关系数(R_c)为0.884,标准误差(RMSEC)为4.998。模型构建过程中,采用含有Savitzky-Golay Derivative的组合光谱预处理方法可以显著提高模型预测的相关系数。利用50份花生样品对该...     

径向基函数神经网络和近红外光谱用于大黄中有效成分的定量预测

采用近红外光谱(NIRS)法和人工神经网络定量预测大黄样品中４种有效成分的含量,包括：蒽醌及其单糖甙类、水溶性蒽甙类、芪芪甙类、鞣质及其有关化合物。在1 100～2 500 nm波长范围内扫描大黄粉末样品,采用径向基函数神经网络(RBFNN)建立了近红外光谱与HPLC分析值之间的校正模型。上述四类化合物的交叉验证均方差(RMSECV)分别为2.572,0.442,2.794,9.438;预测均方差(RMSEP)分别为4.598,8.657,0.458 6,5.106。该方法快速,无损,结果令人满意,可作为中药材复杂体系中化学组分定量测定的方法。