共查询到20条相似文献，搜索用时 437 毫秒
1.
利用付里叶近红外漫反射光谱技术快速测定玉米子粒中蛋白质的含量 总被引：6，自引：1，他引：5
利用付里叶近红外漫反射光谱技术和PLS算法相结合,对玉米子粒样品中蛋白质的含量进行分析,预测样品相关系数Rp＝0.982,预测标准差SEP＝0.587%。该技术可以用于农作物品质快速分析中。 相似文献
2.
以230份玉米自交系为样本,采用旋光法与一阶导数及去一条直线的光谱预处理法,构建玉米粉样淀粉含量的近红外分析（NIRS）模型。研究标明,该模型可显著提高子粒淀粉含量预测的准确性。该模型的定标标准偏差（RMSEE）、交叉验证标准偏差（RMSECV）、外部验证标准偏差（RMSEP）、定标相关系数（Rcal2）、交叉验证相关系数（Rcv2）、外部验证相关系数（Rcv2）分别为0.609、0.722、0.738、0.909、0.864和0.854。建立的玉米粉样NIRS模型可将预测值与化学值偏差控制在1.7%内,能够准确定量分析玉米子粒淀粉含量,应用于育种材料早期筛选及群体水平粗淀粉分析。 相似文献
3.
4.
探讨了利用近红外光谱法测定水稻土全氮含量的可行性,利用Nicolet公司生产的傅里叶变换近红外透射光谱仪测定129个水稻土样品的近红外光谱值,通过几种不同的光谱前处理,采用偏最小二乘回归(PLSR)法把测得的水稻土光谱值与实验室法测得的全氮数值拟合建立定标模型,经分析得出利用标准化处理的光谱数据与全氮含量之间建立的模型稳定性最好,模型相关参数为:预测标准差SEP=0.010 9,校正相关系数RCAL=0.98,内部交叉验证相关系数RVAL=0.86,校正标准差SEE=0.031 6。结果表明:近红外法测定结果与常规方法具有很好的相关性,可以快速、无损、准确地测定水稻土全氮含量。 相似文献
5.
6.
7.
为实现向日葵育种材料的品质性状快速预测，选取154份向日葵籽仁样品，结合化学测定值和近红外光谱，利用化学计量学手段建立向日葵籽仁品质指标的近红外模型，评估其在向日葵籽仁粗蛋白、粗脂肪、油酸、亚油酸等重要品质性状测定中的可行性。结果表明，改进偏最小二乘法建模效果最佳，其粗脂肪、粗蛋白、油酸、亚油酸、饱和脂肪酸及不饱和脂肪酸的定标相关系数分别为0.975、0.950、0.973、0.951和0.913，交叉验证相关系数分别 为0.969、0.939、0.915、0.927和0.711。用检验集对模型进行验证，粗脂肪、蛋白质、油酸、亚油酸、饱和及不饱和脂肪酸的外部检验相关系数（R2）分别为0.959、0.950、0.937、0.906和0.930。本研究建立的模型质量较高，能够满足向日葵籽仁品质成分的快速测定，可为向日葵品质育种前期大量、快速的筛选提供技术支持。 相似文献
8.
《中国油料作物学报》2016,(6)
本研究以290份芝麻核心种质为研究对象,采用近红外光谱技术,建立了芝麻含油量和蛋白质含量的近红外测定分析模型,采用该模型对4个环境分别种植收获的700份芝麻核心种质材料的含油量和蛋白质含量进行检测。结果表明:外部验证结果显示模型值和化学精测值间的相关系数分别为0.970 2和0.975 6,说明所建立模型具有很好的预测能力,近红外光谱技术可用于芝麻含油量和蛋白质含量的快速检测;芝麻的含油量由北向南逐渐降低,蛋白质则是由北向南逐渐升高;含油量和蛋白质含量均呈正态分布,变异丰富,变异系数分别为4.92%和6.25%,多样性指数分别为1.98和2.08;芝麻含油量和蛋白质含量与种皮颜色呈极显著负相关,随着种皮颜色变浅含油量和蛋白质含量均呈上升趋势;筛选出含油量58%以上的种质15份,蛋白质含量24%以上的种质20份。本研究将为芝麻重要品质性状改良提供技术和材料。 相似文献
9.
以306份甘蓝型油菜种子为研究材料,通过计算机图像处理技术筛选出最能反映油菜籽粒色变化的RGB色彩空间参数,并随机选择246份材料对粒色信息中的R（红色)值建立近红外光谱分析模型。在油菜粒色数字信息中,R值最能体现油菜籽粒色性状的变化情况,不同粒色等级对应样品的R值为：0级小于55、1级在55~100之间、2级在100~125之间、3级在125~140之间、4级在140~150之间、5级大于150。对R值构建NIRS分析模型,12种数学及光谱处理组合中最优模型的内部交叉检验相关系数为0.900;外部检验相关系数为0.831,检验偏差为2.147。说明利用RGB色彩空间下的R值构建粒色近红外光谱分析模型是可行的,该模型具有较高的稳定性和准确性,可以作为油菜种子粒色的定性和定量分析的依据。 相似文献
10.
11.
应用现代近红外光谱分析技术,对156份绿茶样品直接进行光谱扫描,采用偏最小二乘法（PLS）建立了茶多酚含量的定标模型,并讨论了不同的散射处理、导数处理和平滑处理等光谱预处理方法对模型的影响,最后对最优模型的预测性能进行了验证。原始光谱在经过多元散射校正、二阶导数和8点平滑光谱预处理下的模型较优,其定标标准差（SEC）为1．33％,定标相关系数（RC）为0．932,预测标准差（SEP）为1．61％,预测相关系数（RV）为0．913,预测偏差（Bias）仅为0．375％。结果表明,应用近红外光谱法可以实现绿茶中茶多酚含量的快速无损检测,建立的定标模型能够达到实际应用中的精度要求。 相似文献
12.
《中国麻业》2020,(3)
苎麻壳是原麻剥制后残留的表皮层,有重要的用途。为高效准确测定苎麻壳中木质纤维素组分和重金属镉含量,提高苎麻壳的利用效率,研究将近红外光谱技术与苎麻壳木质纤维素组分、镉(Cd)含量化学测定值相结合,采用定量偏最小二乘法(QPLS),运用不同的预处理和化学计量学方法建立了苎麻壳的校正模型,验证并筛选出最佳模型。结果表明:苎麻壳半纤维素、木质素、纤维素和Cd含量用散射校正预处理方法最佳,相关系数分别为0.9817、0.9864、0.9966、0.9922;果胶用中心化光谱预处理最佳,相关系数为0.9989。果胶、半纤维素、木质素、纤维素和Cd含量预测模型分别为y=0.9977x+0.0074,y=0.964x+0.3654,y=0.9936x+0.1767,y=0.9932x+0.3056,y=0.9851x+0.039。果胶、Cd、半纤维素的预测值和化学值的绝对误差分别在0.06、0.09、0.50左右,误差小,故可以选择该模型对苎麻的果胶、半纤维素和Cd含量等进行快速准确预测。 相似文献
13.
为优化油用亚麻营养品质检测方法,提高育种效率,利用无损近红外光谱分析法定量分析亚麻籽粒蛋白
质、亚麻酸和木酚素含量,初步探讨蛋白质、亚麻酸和木酚素含量相关性。以具有代表性的200份亚麻籽为研究对
象,采集近红外光谱,使用偏最小二乘法和净分析信号光谱预处理建立了蛋白质、亚麻酸和木酚素含量近红外模
型。结果表明：亚麻籽蛋白质、亚麻酸和木酚素含量建模标准偏差分别为0.7526、0.5943和0.1483;建模相关系数分
别为0.9784、0.9969和0.9943;预测平均偏差分别为-0.2441、1.2271和0.0521;预测标准偏差分别为2.7896、8.2459
和1.0163;外部检验相关系数分别为0.9207、0.8885和0.9659;200份亚麻种质蛋白质、亚麻酸和木酚素含量符合正
态性检验;相同环境木酚素与亚麻酸含量均呈现正相关、木酚素与蛋白质含量均呈现负相关、亚麻酸与蛋白质含量
呈现负相关。使用模型,从863份亚麻种质资源库中筛选出亚麻酸70%以上种质12份,蛋白质含量低于10%以下
种质8个,木酚素含量高于10%种质11份。本研究将为亚麻重要品质性状改良提供技术和材料。 相似文献
14.
东北地区大豆主栽品种油份蛋白含量的关联分析 总被引：3，自引：0，他引：3
为探寻与大豆油份含量、蛋白含量相关的关键位点,本研究选取中国东北地区92份大豆主栽品种及常用种质资源品种群体基于蛋白含量和油份含量的Meta分析,进行基于数学模型的类群划分评价,估测样本群体的结构,应用简单线性模型分析与大豆油份含量、蛋白含量相关的的位点。结果表明,通过多次迭代测试,当K=5时,即该资源群体可以分为5个亚群时,为最稳定的分类结果,并在显著水平下（p<0.05）,贡献率大于1%的标记中,得到与大豆油份含量相关标记有Sat_412,Sat_195,Satt317,Sat_187,Sat_195,Satt255,Satt713,Satt468,Satt267,Satt686,Sat_294和AZ302047,对油分含量的总贡献率为39.54%。蛋白质含量相关标记有Satt683,Sat_311,Satt578,Satt181,Satt317,Satt700,Satt713,Satt255,Sat_242和Satt720对蛋白质含量总贡献率为48.39%。这些重要的标记位点为大豆油份含量和蛋白含量的分子辅助育种提供重要基础。 相似文献
15.
16.
以200份玉米自交系作为试验材料,利用近红外反射光谱技术建立3种茎秆组分的近红外光谱模型,研究更快速、准确地测定玉米茎秆中木质素、纤维素和半纤维素的含量的方法。结果表明,在4 017.94～8 053.28、4 017.94～8 067.89和4 027.08～8 928.20谱区内建立的测定玉米茎秆木质素、纤维素和半纤维素含量的近红外光谱模型效果最好。利用偏最小二乘回归法建立校正模型,木质素、纤维素和半纤维素的校正相关系数分别为0.932 9、0.925 1和0.926 5,校正标准差分别为1.57、1.68和1.18。选取30份玉米茎秆样品作为检验集对模型进行验证,木质素、纤维素和半纤维素的外部相关系数分别为0.938 9、0.891 1和0.905 0,其预测标准差分别为1.57、2.14和1.49。同样选取30份茎秆样品对模型进行交叉验证,其相关系数分别为0.897 3、0.944 2和0.891 8,交叉验证标准差分别为1.87、2.32和1.43。研究结果表明,所建模型质量较好,能快速、准确测量玉米茎秆木质素、纤维素和半纤维素含量。 相似文献
17.
基于SPAD值的木薯叶绿素含量预测模型 总被引：1，自引：0，他引：1
为了探讨木薯叶绿素含量的非破坏性快速测定方法,在测量叶片SPAD值、比叶面积和叶绿素含量的基础上构建通过SPAD值预测总叶绿素含量的数学模型。结果表明,叶绿素a对于SPAD值的贡献率大于叶绿素b;比叶面积和叶位显著影响SPAD值与总叶绿素含量的关系,在SPAD值预测总叶绿素含量的模型中导入比叶面积和叶位2个自变量可提高预测总叶绿素含量的精度;基于SPAD值、比叶面积、叶位预测总叶绿素含量的模型为C=-4.51+0.092 5 Spv+0.039 9 Sa+0.145 0（Lp）。 相似文献
18.
为研究食味仪测定的稻米食味值与理化指标之间的关系,用日本佐竹公司生产的食味仪（RCTA-11A）测定了48份粳稻稻米的食味值,利用DPS统计分析软件,对稻米食味值与理化指标之间的关系进行了分析。研究结果表明,食味值与糙米率、精米率、整精米率、垩白粒率、垩白度、透明度、蛋白质含量、质量指数之间的简单相关系数以及食味值与精米率、长宽比、透明度、直链淀粉含量、蛋白质含量之间的偏相关系数均达到显著水平,其中以食味值与蛋白质含量的简单相关系数和偏相关系数最大,分别为-0.795＊＊和-0.788＊＊。食味值与理化指标之间的回归方程为Y=78.46＋0.29X2＋2.79X4-10.97X5-1.52X8＋0.61X11-3.84X12（X2、X4、X5、X8、X11、X12分别为精米率、粒长、长宽比、透明度、直链淀粉含量、蛋白质含量）。通径分析表明,蛋白质含量对稻米食味值的影响最大,其次为透明度和长宽比。并对粳稻稻米食味的遗传改良和选择策略进行了讨论。 相似文献
19.
20.
以3个高油大豆品种(绥农14、红丰9、东农47)为试验材料,在2003—2004不同年份探讨高油大豆品种 蛋白质和脂肪积累的变化规律。结果表明:高油大豆品种在不同年份间,脂肪含量的相对排序保持不变。油分含 量高的品种,蛋白质含量年份间变异较小;油分含量低的品种,则变异较大。高油大豆的蛋白质含量积累呈现出 “高—低—高”趋势,并且种子成熟后的蛋白质含量要小于初期测量时的含量;高油大豆脂肪含量积累呈现了“低— 高—低”趋势,并且种子成熟后的脂肪含量要高于初期测量时的含量。 相似文献