共查询到20条相似文献，搜索用时 406 毫秒
1.
基于近红外光谱法快速检测藜麦纤维含量 总被引：1，自引：0，他引：1
[目的]探索一种快速测定完整藜麦籽粒纤维含量的方法。[方法]采集100个藜麦样品的近红外光谱,运用近红外光谱分析技术建立数学模型并进行预测。[结果]在10 000~4 000 cm~(-1)波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗纤维近红外定量模型,校正和预测效果最佳,所得的粗纤维近红外定量模型的交叉验证决定系数为0.884 8,外部验证决定系数为0.876 1。[结论]以完整藜麦籽粒为样品所建立的纤维NITS模型可用于藜麦纤维含量的快速检测。 相似文献
2.
[目的]探索一种快速测定完整藜麦籽粒纤维含量的方法.[方法]采集100个藜麦样品的近红外光谱,运用近红外光谱分析技术建立数学模型并进行预测.[结果]在10 000～4 000cm-1波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗纤维近红外定量模型,校正和预测效果最佳,所得的粗纤维近红外定量模型的交叉验证决定系数(R2cv)为0.884 8,外部验证决定系数(R2val)为0.876 1.[结论]以完整藜麦籽粒为样品所建立的纤维NITS模型可用于藜麦纤维含量的快速检测. 相似文献
3.
为了探索一种快速测定完整藜麦(Chenopodium quinoa Willd)子粒脂肪含量的方法,采集100个藜麦样品的近红外光谱,运用近红外光谱法建立数学模型并进行预测。结果表明,在10 000~4 000 cm-1波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗脂肪近红外光谱定量模型,校正和预测效果最佳,所得的粗脂肪近红外定量模型的交叉验证决定系数(R2cv)为0.939 3,外部验证决定系数(R2val)为0.9235。建立的脂肪近红外光谱模型,可以用于藜麦脂肪含量的快速检测。 相似文献
4.
5.
近红外光谱法快速检测藜麦蛋白含量 总被引：1，自引：0，他引：1
[目的]建立一种藜麦粗蛋白含量快速、无损、简便的测定方法,为藜麦的资源评价和品质育种提供技术支持.[方法]以100份藜麦种质资源为材料,其中80％为校正集,20％为验证集,扫描得到藜麦近红外原始光谱,利用OPUS/QUAN T5.5光谱定量分析软件建立藜麦蛋白质含量的快速检测模型.[结果]采用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法测定数据建立藜麦粗蛋白近红外定量模型,校正和预测效果最好,藜麦粗蛋白近红外定量模型的交叉验证决定系数为0.9182,外部验证决定系数为0.9151.[结论]基于近红外光谱法(NIRS)测定藜麦籽粒的蛋白含量是完全可行的. 相似文献
6.
[目的]建立一种简单、快速、准确且无损的脂肪酸含量的定量检测方法。[方法]应用近红外光谱分析技术快速准确定量检测植物油中3种脂肪酸含量,采用偏最小二乘法PLS建立植物油中3种脂肪酸(油酸、亚油酸、亚麻酸)含量的近红外定量分析模型,并对比分析了10种光谱预处理方法对植物油中3种脂肪酸含量定量分析校正模型结果的影响。[结果]一阶导数(FD)结合多元散射校正(MSC)法的光谱预处理效果最优,经FD+MSC法预处理后采用PLS建立的植物油脂肪酸含量检测的校正模型,对油酸的验证决定系数R2为0.969 3,预测标准差RMSEP为1.3%;对亚油酸的验证决定系数R2为0.960 6,预测标准差RMSEP为1.66%;对亚麻酸的验证决定系数R2为0.973 1,预测标准差RMSEP为0.479%。[结论]研究表明,所建模型可较好地检测植物油中油酸、亚油酸、亚麻酸含量。 相似文献
7.
燕麦蛋白质近红外定量模型的创建及其在育种中的应用 总被引：3，自引：0，他引：3
[目的]研究利用近红外光谱分析法定量分析燕麦完整籽粒粗蛋白含量的可行性,探讨不同地区种植的同一燕麦品种蛋白质含量的变化,以期为燕麦的营养品质育种提供参考依据。[方法]收集蛋白质含量变幅较大的124份代表性燕麦样品,利用近红外谷物品质分析仪进行光谱扫描,采用常规化学分析方法(GB/T 5009.5—2010)测定样品蛋白质含量,借助近红外定标软件Win ISI,采用偏最小二乘法(PLS)建立燕麦粗蛋白含量的定标模型。利用定标模型对14个地区219份(17个品种)燕麦完整籽粒粗蛋白含量进行测定,分析不同地区、不同类型燕麦样本间的差异。[结果]124份燕麦籽粒样品的粗蛋白含量为15.49%~23.77%,分布范围较广,具有较好的代表性。成功建立了燕麦蛋白质含量的定标模型,决定系数较高,标准误差较小,回归方程具有较高的准确性。因此,利用近红外光谱分析技术检测燕麦籽粒中粗蛋白含量是可行且可靠的,可替代化学测定方法。[结论]近红外光谱分析技术为检测燕麦籽粒粗蛋白质含量提供了一种新方法。 相似文献
8.
[目的]利用近红外漫反射光谱建立小麦抗旱性鉴定体系。[方法]2006-2007年有针对性地选择36份抗旱性不同的小麦材料,通过利用小麦抗旱性鉴定评价技术体系规范(GBT21127-2007)进行抗旱性鉴定分类分级,同时利用FOSSNIRSystems5000型近红外谷物品质分析仪(全光谱分析仪),对收获后的小麦籽粒样品进行光谱采集,并建立预测回归方程。[结果]经过建库和验证,初步得到判别方程。经比较,水分胁迫下的方程参数RSQ(检验决定系数)=0.8460、I-VR(交互检验决定系数)=0.7818,品种的抗旱性和光谱特征的一致性较好,小麦籽粒近红外慢反射光谱与小麦的抗旱性具有较好的相关性。[结论]在水分胁迫的情况下,通过近红外漫反射光谱技术扫描小麦籽粒样品建立一套简单、快速、无损的小麦抗旱性鉴定体系是可行的。 相似文献
9.
《西北林学院学报》2017,(4)
探讨了运用可见/近红外光谱分析技术建立巴山木竹蛋白质定量分析模型的可行性。运用传统方法实测了样品蛋白质含量,并运用光谱分析软件建立了样品蛋白质含量与光谱数据的PLS与PCR校正模型。基于主要性能指标对不同光谱预处理与建模方法进行评价,筛选出最优校正模型并使用验证集样品对校正模型的预测能力进行了验证。巴山木竹竹叶与竹秆蛋白质最优校正模型的决定系数(R_c~2)分别为0.935和0.862,交叉验证均方差(RMSEC)分别为0.351和0.172;经外部验证,预测模型决定系数(R_p~2)分别为0.916和0.874,验证集样品的相对分析误差(RPD)分别为3.562和2.840。表明应用可见/近红外光谱分析技术可以实现巴山木竹蛋白质含量快速检测。 相似文献
10.
近红外透射光谱技术测定黍稷蛋白含量的研究(英文) 总被引：1，自引：0，他引：1
[目的]探索快速测定完整黍稷籽粒蛋白含量的方法。[方法]采用近红外光谱分析技术建立数学模型并进行预测,比较原始透射光谱经导数处理结合不同回归算法对模型的影响。[结果]分别经一阶和二阶导数处理后利用偏小二乘法和改进的偏小二乘法,4 种方法的分析效果相近,最优的是一阶导数结合改进的偏最小二乘回归法,黍稷蛋白定标模型的定标相关系数(RSQ)为0.880 6,定标标准误差(SEC)为0.342 4,交互定标标准误差(SECV)为 0.375 1,外部预测标准误差(SEP)为 0.454。[结论]以完整黍稷籽粒为样品所建立的蛋白 NITS 模型,可以用于黍稷蛋白含量的快速检测。 相似文献
11.
[目的]得到一种快速检测叶片含水量和叶绿素含量的定量估计模型。[方法]选取88片赣南脐橙叶片作为研究对象,运用近红外光谱技术检测叶片含水量和叶绿素含量2个指标。通过6种不同预处理方法(SG/MSC/1st D/2nd D/SNV/Baseline)在全波段4 000~12 000 cm-1范围内建立了叶片含水量和叶绿素含量的PLS、PCR和LS-SVM定量检测模型。[结果]试验得出,在预测叶片含水量的模型中,PLS、PCR和LS-SVM预测效果整体相差不大,其最优的预测模型是使用PLS建模,其中RP=0.985,RMSEP=0.023。在预测叶片叶绿素含量的模型中,3种方法预测效果相差不大,最优预测模型是MSC-LS-VSM,其中RP=0.933,RMSEP=0.23。[结论]研究表明,应用近红外光谱技术对赣南脐橙叶片含水量和叶绿素含量的快速检测具有可行性。 相似文献
12.
13.
《郑州牧业工程高等专科学校学报》2020,(1)
选取154批次青贮样品为研究对象,利用化学分析法测定营养成分的含量,采用近红外光谱仪对其采集光谱数据,应用化学计量学软件中的偏最小二乘法(PLS)建立青贮饲料化学成分的定标模型,并探讨定标模型的可行性。定标模型的决定系数(R2)分别为0.913,0.854,0.992,0.808,0.884,0.870;标准偏差(SEC)分别为0.322,0.215,0.230,1.909,2.785,2.275。验证化学分析值与预测值之间的决定系数r2分别为:0.9544,0.779,0.9604,0.8031,0.8539,0.8227。结果表明,近红外光谱分析技术可用于青贮中粗蛋白、水分、淀粉、中性洗涤纤维、酸性洗涤纤维含量的定量检测分析。 相似文献
14.
15.
[目的]利用近红外光谱技术,快速判断香砂胃苓丸中间体的混合终点。结合高效液相色谱分析方法,建立中间体的近红外光谱模型,实现香砂胃苓丸中间体质量的快速评价。[方法]采用声光可调-近红外光谱(AOTF-NIR)技术,通过主成分分析法和移动窗标准偏差法判断中间体的混合终点。采用高效液相色谱法,检测35批香砂胃苓丸中间体中橙皮苷的含量,即得化学值。利用SNAP光谱软件进行光谱采集,以一阶导数法和平滑滤波系数法进行光谱预处理。采用The Unscrambler分析软件,将近红外光谱图与含量化学值相关联,以偏最小二乘法(PLS)和交叉-验证法(cross-validation)建立香砂胃苓丸中间体中橙皮苷含量的定量校正模型。[结果]香砂胃苓丸中间体在40 min时基本达到混合终点,且近红外光谱预测值与化学值混合终点的结果一致。香砂胃苓丸中间体中橙皮苷定量模型内外部验证相关系数均大于0.90,校正均方根偏差(RMSEC)为0.132 9,预测均方根偏差(RMSEP)为0.155 3,定量模型的外部验证结果相对标准偏差(RSD)均小于5%,表明橙皮苷含量预测值准确性较高。[结论]声光可调-近红外光谱技... 相似文献
16.
近红外光谱法对巴戟天药材中水分含量的快速测定 总被引：1，自引：0，他引：1
建立了巴戟天(Morinda officinalis How.)药材中水分含量的近红外定量模型,可快速测定巴戟天中水分含量.按照《中华人民共和国药典》(2010版)规定采用烘干法测定166批巴戟天药材的水分含量,采集并用多元散射校正法、二阶导数法预处理近红外光谱,结合偏最小二乘法建立了近红外水分定量分析模型.所建立的校正模型的内部交叉验证决定系数为0.985 5,内部交叉验证均方差为0.402 7,校正均方差为0.169,预测均方差为0.180.结果表明,该近红外水分定量模型稳定、准确,可快速进行巴戟天药材中水分含量的测定. 相似文献
17.
大麦籽粒总淀粉含量近红外快速无损检测模型的构建 总被引：1，自引：0，他引：1
在通过标准化学方法测定大麦籽粒总淀粉含量的基础上,利用近红外光谱仪采集了大麦籽粒的近红外光谱数据,并将大麦籽粒的近红外光谱数据与总淀粉值进行了相关性分析,创建了大麦籽粒淀粉含量近红外光谱分析校正模型。该模型的校正决定系数达0.878 3,校正标准差为0.715,交叉验证决定系数达0.690 8,交叉验证标准差为1.120,相关性达极显著水平。由此可见,本研究采用的分析模型可靠,且具有分析速度快、效率高、成本低、对环境不造成任何污染等特点,可替代传统方法对大麦籽粒总淀粉含量进行快速无损检测。 相似文献
18.
以123份加工型辣椒的果实样品为材料。采用无损近红外光谱技术方法,分析了辣椒果实样品的近红外扫描光谱和辣椒素、粗脂肪与粗纤维含量的定标预测模型及样品的检测值,并运用无损色差技术方法,分析了辣椒样品色度值L*、a*、b*及色差值E*ab,同时,研究了辣椒无损品质检测方法与传统理化性状2组指标间的典型相关关系。结果表明,本研究所建立的加工型辣椒果实样品辣椒素、粗脂肪和粗纤维的近红外定标预测模型,其定标决定系数（RSQ）、交叉验证决定系数（1-VR）及外部预测决定系数均大于0.8,而交叉验证标准偏差（SECV）和定标标准偏差（SEC）保持在低水平,说明所建模型对辣椒果实的辣椒素、粗脂肪和粗纤维含量的检测具有稳定性和准确性;色价与色度值L*、a*、b*及E*ab均表现出极显著正相关关系（P<0.01）,说明色差值可从不同角度完成对辣椒果实色泽品质的量化评价;通过典型相关性... 相似文献
19.
《特产研究》2015,(3)
建立一种利用近红外光谱技术快速测定人参产品中总皂苷、水分、灰分等指标的新方法。依据人参产品分等质量标准中总皂苷、水分、灰分含量测定方法,测定人参产品中总皂苷、水分、灰分等成分的含量,运用偏最小二乘法建立NIRS光谱与3种成分化学参考值之间的多元校正模型,对未知样品进行含量预测。结果表明,建立的定量模型准确性好,总皂苷、水分、灰分的内部交叉验证均方差分别是0.413、0.788、0.202;决定系数分别是0.9610、0.9529、0.8981;相对分析误差分别是5.06、4.63、3.13;对外部验证集样品进行外部验证,预测值与化学参考值的决定系数分别是0.9624、0.9475、0.8740;预测回收率是101.50%、95.60%、101.16%。近红外光谱法对人参产品中总皂苷、水分、灰分含量预测结果较好,为人参产品流通过程的快速、无损定量分析提供了依据。 相似文献
20.
近红外反射光谱测定玉米完整籽粒蛋白质和淀粉含量的研究 总被引：31，自引：3，他引：31
以128份常用普通玉米自交系及杂交种的混合籽粒样品为材料,采用偏最小二乘(PLS)回归法,对近红外反射光谱(NIRS)测定玉米完整籽粒蛋白质、淀粉含量的可行性和方法进行了研究。结果表明,采用一阶导数+多元散射校正预处理、谱区为10000～4000cm-1和一阶导数+直线扣减预处理、谱区为9000～4000cm-1,分别建立的蛋白质、淀粉含量的校正模型,其校正和预测效果最佳。其校正决定系数(R2cal)均大于0.97,交叉验证和外部验证决定系数(R2cv、R2val)为0.92～0.95,各项误差(RMSEE 相似文献