为实现对多样本小米硒含量的快速检测,以93份遗传背景不同的小米样品为研究对象,将样品分为校正建模集(样本容量n=51)和外部验证集(n=42),利用丹麦生产的NIRSTMDS2500台式近红外光谱仪采集光谱信息,通过标准正态变化(SNV)、卷积平滑(Detrend)等光谱预处理方法和偏最小二乘法(PLSR)建模方法建立脱壳谷子-小米总硒含量的测定模型,用工作流调用模型实现小米总硒含量的快速检测;采用国家标准规定的方法分别测定小米总硒含量,以此作为小米总硒含量预测模型的化学参比值。结果表明:小米总硒含量内部交叉验证的相关系数为84.5%;校正集均方根误差和验证集均方根误差分别为0.039 6和0.089 2,说明小米总硒含量的近红外预测值接近化学参比值;性能偏差比为5.478,大于美国谷物化学家协会和国际谷物科技协会等提出的质量控制标准,本研究建立的模型中预测集和建模集标准误差的比值为1.073 0;因此采用PLSR建立模型具有较高的预测精度且稳健程度较高,可实现对小米总硒含量的快速检测。

在甘肃省民勤县采集227份青贮玉米(Zea mays)样品,采用改良偏最小二乘的化学计量学方法,用3种导数处理和10种光谱散射处理相结合的方法,建立青贮玉米原料不同部位(组织)的干物质、有机物、粗蛋白、粗脂肪、中性洗涤纤维(neutral detergent fiber, NDF)、酸性洗涤纤维(acid detergent fiber, ADF)和酸性洗涤木质素(acid detergent lignin, ADL)等养分含量的近红外预测模型,旨在利用近红外光谱技术建立青贮玉米不同部位(组织)养分含量的近红外预测模型。结果表明:1) ADF含量预测模型的决定系数(coefficient of determination for validation, RSQV)和外部验证相对分析误差(ratio of performance to deviation for validation, RPD)均高于其他成分,而NDF、粗蛋白和有机物含量的RSQV和RPD均低于ADF;ADF、NDF、粗蛋白和有机物这4个指标的RSQV均大于0.9,且其RPD均大于2.5,能用于实际生产中准确分析;2)粗脂肪含量的RSQV和RPD分别为0.701和1.838,建立的模型只能用于样品的粗略预测;3)干物质、ADL含量的RSQV和RPD分别为0.525和1.549、0.631和1.602,这2种营养成分的预测模型不能用于实际生产中的检测,模型还需要进一步优化。综上所述,本试验初步建立了青贮玉米不同部位(组织) ADF、NDF、粗蛋白和有机物含量这4种营养成分近红外预测模型,能够应用于生产实际。

以147份南方籼稻品种或组合的稻米为供试材料,利用偏最小二乘法(PLS),通过不同波长和不同预处方式建立稻米直链淀粉含量的近红外分析模型。结果表明:全谱段(950～1 650 nm)建模效果最好,其相关系数(R)、预测标准差(SEP)、校准标准差(SEC)分别为0.947 7,1.162 3、0.700 2;采用多元散射校正法(MSC)法对全谱图进行预处理的效果较好,优化后的模型相关系数(R)、预测标准差(SEP)、校准标准差(SEC)分别为0.981 9、0.100 9、0.6831,其相对分析误差(PRD)为3.6;将稻米直链淀粉含量的近红外光谱预测值与化学值进行配对T检验,P=0.356>0.05(置信区间为95%),表明近红外光谱法与化学分析法得到的检测结果无显著差异,即应用近红外光谱快速检测稻米直链淀粉含量是可行的。

糖原直接影响牡蛎的风味和营养品质，常作为评价牡蛎品质质量的重要标准。近红外光谱模型可以实现糖原含量的快速准确检测。本研究以近江牡蛎(Crassostrea ariakensis)为研究对象，采用微量蒽酮法、近红外技术分别获取了外套膜、鳃、闭壳肌、肝胰腺、唇瓣、性腺等6个组织及全部软体部混样共909份样品的糖原含量及光谱数据，结合最小二乘法建立了近江牡蛎6个组织及全软体部的糖原含量预测模型，并对该模型进行了外部验证和交叉验证。结果显示，所测样品光谱数据经一阶求导、乘法散射校正及平滑预处理后，建立的模型最优；所建立的7个模型的建模相关系数(R_(C))为0.9716～0.9963，其外部验证相关系数(R_(EV))以及交叉验证相关系数(R_(CV))分别为0.9490～0.9908和0.9694～0.9969，且模型交叉验证和外部验证的RPD值均大于2.5，表明所建立的模型能准确预测近江牡蛎相应组织样品的糖原含量。本研究建立的近江牡蛎糖原含量NIR分析模型，不仅丰富了牡蛎糖原含量检测方法的研究资料，还为实现近江牡蛎糖原成分的快速、准确测定提供了技术支撑，在近江牡蛎品质性状改良等领域具有重要的应用价值。

[目的]建立火炬松针叶儿茶素含量近红外预测模型,为选育高生物活性成分火炬松良种奠定基础。[方法]以102个火炬松单株的针叶为试验材料,利用液相色谱-质谱联用技术(LC-MS)测定其儿茶素含量。使用近红外成分分析仪采集样品的近红外光谱信息,对采集的光谱信息采用不同的方式(一阶导数(FD)、标准正态变量转换法(SNV)、平滑算法、乘积分散校正法(MSC)和标准化预处理以及FD+SNV、MSC+FD)进行预处理,结合偏最小二乘法建立回归模型,比较不同预处理方法建立的回归模型参数,选择最佳光谱预处理方法,建立火炬松针叶儿茶素含量近红外预测模型,并对模型的预测准确性进行验证。[结果]FD+SNV为最佳的近红外光谱信息预处理方法;建立了火炬松针叶儿茶素含量的近红外预测模型,该模型的主成分数为14,校正集相关系数(R_C)为0.969 6,校正集均方根误差(RMSE_C)为1.308 4,交互验证集相关系数(R_V)为0.8171,交互验证集均方根误差(RMSE_V)为3.1052。经过外部验证,验证集火炬松针叶样品的儿茶素含量实测值与预测值有显著相关性(R=0.880 7)。[结论]建立了火炬松针叶儿茶素含量近红外预测模型,该模型可以准确、高效地预测火炬松针叶的儿茶素含量。

[目的]建立火炬松针叶儿茶素含量近红外预测模型,为选育高生物活性成分火炬松良种奠定基础。[方法]以102个火炬松单株的针叶为试验材料,利用液相色谱-质谱联用技术(LC-MS)测定其儿茶素含量。使用近红外成分分析仪采集样品的近红外光谱信息,对采集的光谱信息采用不同的方式(一阶导数(FD)、标准正态变量转换法(SNV)、平滑算法、乘积分散校正法(MSC)和标准化预处理以及FD+SNV、MSC+FD)进行预处理,结合偏最小二乘法建立回归模型,比较不同预处理方法建立的回归模型参数,选择最佳光谱预处理方法,建立火炬松针叶儿茶素含量近红外预测模型,并对模型的预测准确性进行验证。[结果]FD+SNV为最佳的近红外光谱信息预处理方法;建立了火炬松针叶儿茶素含量的近红外预测模型,该模型的主成分数为14,校正集相关系数(R_C)为0.969 6,校正集均方根误差(RMSE_C)为1.308 4,交互验证集相关系数(R_V)为0.8171,交互验证集均方根误差(RMSE_V)为3.1052。经过外部验证,验证集火炬松针叶样品的儿茶素含量实测值与预测值有显著相关性(R=0.880 7)。[结论]建立了火炬松针叶儿茶素含量近红外预测模型,该模型可以准确、高效地预测火炬松针叶的儿茶素含量。

为比较空气和纯水背景的模型效果，扫描5个（2、3、5、8和10 mm）不同光程的红茶汤近红外光谱，应用排列组合原理和偏最小二乘法(PLS)建立2种背景下单光程和多光程组合茶多酚近红外预测模型，并用t-test检验模型预测效果。结果表明:单光程模型中，纯水背景与空气背景模型预测结果间无显著性差异；多光程组合模型中,空气背景模型要全部优于纯水背景模型，并且最佳组合模型（（5+8） mm）具有比单光程模型更好的预测精度。空气背景茶多酚模型要优于纯水背景茶多酚模型。

为比较空气和纯水背景的模型效果,扫描5个(2、3、5、8和10 mm)不同光程的红茶汤近红外光谱,应用排列组合原理和偏最小二乘法(PLS)建立2种背景下单光程和多光程组合茶多酚近红外预测模型,并用t-test检验模型预测效果。结果表明:单光程模型中,纯水背景与空气背景模型预测结果间无显著性差异;多光程组合模型中,空气背景模型要全部优于纯水背景模型,并且最佳组合模型((5+8)mm)具有比单光程模型更好的预测精度。空气背景茶多酚模型要优于纯水背景茶多酚模型。

【背景】牛奶中钠（sodium,Na）、钾（potassium,K）和镁（magnesium,Mg）含量的准确检测有助于奶牛的健康养殖，同时也是稳定乳制品质量的前提。但目前检测牛奶中矿物质含量的常规方法昂贵且耗时，因此需要一种低成本且快速检测牛奶Na、K和Mg含量的方法。【目的】利用中红外光谱（mid-infrared spectroscopy,MIRS）预测中国荷斯坦牛牛奶中Na、K和Mg含量的潜力，为测定牛奶中Na、K和Mg含量提供快速检测技术，为牛群饲养管理和奶牛遗传育种提供大量表型数据支撑。此外，比较不同特征波段选择算法改进预测牛奶中Na、K和Mg含量的MIRS定量预测模型的能力。【方法】以来自华北地区的255份健康中国荷斯坦牛牛奶样本为研究对象。首先，使用Milko Scan TMFT+收集牛奶样本的MIRS数据，并使用电子耦合等离子体发射光谱法测定牛奶样本中Na、K和Mg含量的真实值。随后，以MIRS数据为预测变量，Na、K和Mg含量的真实值为因变量，利用4种光谱预处理算法（一阶导数、二阶导数、SG平滑和标准正态变换）、4种特征选择算法(无信息变量消除（uninformative variable elimination,UVE）、竞争性自适应重加权算法（Competitive adaptive reweighted sampling,CARS）、遗传算法（Genetic Algorithm,GA）及最小角回归算法（Least Angle Regression,LAR）)和9种建模算法（偏最小二乘回归、支持向量机、随机森林和弹性网络等），分别建立预测牛奶中Na、K和Mg含量的MIRS定量预测模型，并选出最优模型组合（特征选择算法+光谱预处理算法+建模算法）。【结果】CARS特征波段选择算法对Na、K和Mg含量预测模型的改进效果优于UVE、GA和LAR算法。基于CARS特征选择算法、一阶导数预处理和弹性网络建模算法开发的Na含量预测模型效果最好，该模型预测集决定系数（coefficient of determination of prediction set,R _p²）=0.72，预测集均方根误差（root mean squared error of prediction,RMSEp）=63.28 mg·kg^-1，预测集平均绝对误差（mean absolute error of prediction set,MAEp）=49.03 mg·kg^-1，性能偏差比（ratio of performance to deviation,RPD）=1.90；基于CARS特征选择算法、原始光谱和支持向量机建模算法开发的K含量预测模型效果最好，该模型R _p²=0.57,RMSEp=141.49mg·kg^-1,MAEp=116.24 mg·kg^-1,RPD=1.57；基于CARS特征选择算法、原始光谱和偏最小二乘回归建模算法开发的Mg含量预测模型效果最好，该模型R _p²=0.51,RMSEp=12.08 mg·kg^-1,MAEp=9.84 mg·kg^-1,RPD=1.30。【结论】利用MIRS预测中国荷斯坦牛牛奶中Na和K含量的方法可行，可以较准确地预测Na含量，近似地定量预测K含量（用于区分低浓度K和高浓度K样品）。在建模之前利用CARS算法提取特征波段提高了MIRS预测模型的准确性，并大大减少了运算时间，可提高MIRS模型预测表型数据的效率。

【目的】土壤有机质含量是反映土壤肥力的重要特征,利用高光谱技术对有机质(OM)含量进行定量化反演为土壤信息化管理和资源评价提供了重要的依据。【方法】利用ASD2500高光谱仪在室内条件下测定了风干土壤样品的可见—近红外光谱,分析了不同区域范围土壤光谱反射率曲线形状变化和土壤有机质含量的变化特点,并针对东北地区以黑土为主的土样光谱反射率不同变换形式与有机质含量进行了相关性分析。【结果】结果表明,有机质含量较高的黑土的光谱曲线与其它土壤类型的光谱曲线在形状上有很大差异,即在600～900nm附近,以黑龙江土样为代表的东北黑土表现为直缓上升,而河南和山东的潮土则表现为曲陡上升。相关分析结果表明,土壤...

利用近红外光谱(NIRS)技术,建立玉米秸秆磷含量的快速定量分析模型,有利于植物养分利用效率和遗传育种研究。本研究选取了来源广泛的200份玉米自交系秸秆样品,结合近红外光谱仪在4 000～10 000cm~(-1)波段处测量的秸秆样品的光谱数据和钼锑抗比色法测量的样品磷浓度,分别用偏最小二乘(PLS)、最小绝对值收敛和选择算子(LASSO)、支持向量机(SVM)和回归树(RT)的方法,建立了玉米秸秆磷含量的近红外定量分析模型。5折交叉验证结果显示,PLS为最优建模方法,测试集预测值和真实值的相关系数(r_(test))为0.80±0.05,训练集的拟合相关系数(r_(training))为0.97±0.03。将PLS与不同的光谱预处理方法结合来优化模型,在11种预处理方法中,归一化以及平滑化的预处理方法效果最好,r_(test)均为0.80±0.05,与原始光谱数据相比相关性并未显著提高。随着训练集个体的增加,预测准确性不断提高,当训练集和验证集比例为8∶2时,预测相关系数为0.80,与留一法的预测相关系数(0.81)相当。综上,PLS建立的玉米秸秆磷含量的近红外定量分析模型预测准确性较高,可用于育种或者遗传学研究中磷含量的测定。

【目的】采用近红外光谱(Near-infrared spectroscopy,NIRS)分析技术对食醋中的总酸和还原糖进行快速定量分析,为食醋品质的检测提供技术支持。【方法】用近红外透射光谱法采集食醋的光谱信息,用Savitzky-Go-lay一阶导数和小波导数(Wavelet derivative,WD)对采集到的食醋光谱进行预处理,采用连续投影算法(Successiveprojections algorithm,SPA)的波长筛选方法对食醋的总酸以及还原糖定量分析模型进行优化。【结果】食醋光谱经小波导数预处理和基于SPA的波长优选后,总酸和还原糖含量分析精度得以提高,模型得到简化。总酸的预...

【目的】探索建立基于近红外光谱技术的土壤微量元素监测技术。【方法】采集三峡库区(重庆)主要加工甜橙基地果园背景土壤样品168个,随机选取100个作为建模样本,其余为检验样本;测定所有样本的近红外反射光谱和土壤Fe、Mn、Zn全含量;运用最佳光谱预处理方法和偏最小二乘法(partial least square method,PLS)及内部交叉验证方法建立校正模型,并进行模型精度检验。【结果】变量标准化(standard normal variables,SNV)为土壤Fe、Mn、Zn含量近红外光谱预测的最佳光谱预处理方法;运用SNV光谱预处理和偏最小二乘法(PLS)及内部交叉验证法建立的土壤F...

【目的】高粱是酿酒和饲料的主要原料之一,其籽粒直链淀粉含量与支链淀粉含量的比值大小与白酒品质及饲料质量密切相关。传统的高粱成分化学检测方法已不适合高通量测试,采用改进最小二乘法(modified PLS)对高粱样品的近红外光谱图进行光谱预处理、得分处理和结果监控建立高粱籽粒直链淀粉、支链淀粉含量的预测模型,旨在得到一种快速高效低成本的检测方法,为高粱的遗传改良及品质分析提供依据。【方法】从450份高粱资源中筛选出112份代表品种作为校正集和验证集,通过双波长法测定112份高粱品种籽粒中直链淀粉、支链淀粉含量的化学值,并收集波长为850—1 048 nm的近红外光谱,对光谱进行扫描数据矩阵和化学数据计算得分(PL1)处理解释光谱间差异,剔除马氏距离(GH)大于3的超常品种以减小建模误差。采用Modified PLS回归技术建模,通过不同散射处理和导数处理等方法建立不同的定标模型。根据交叉验证标准偏差(SECV)、交叉验证相关系数(1-VR)确定最佳模型,并进行结果监控和非参数检验评估模型的预测性能。【结果】直链淀粉的近红外预测模型SECV是2.7732,1-VR是0.9503,相关系数(RSQ)是0.9688。Bias=0.2290.05;P=0.992>0.05)。【结论】所建立的近红外模型精准度高,稳定性好,能准确快速地检测高粱籽粒中直链淀粉、支链淀粉的含量,可用于高粱的遗传改良及高粱品质的检测。

以白茶、乌龙茶和红茶为研究对象，力求同时实现对3类茶的定性鉴别和主要内含物含量的预测。采用因子化法建立定性预测模型，该模型能够正确识别全部独立验证集样品；采用偏最小二乘法结合主成分分析建立茶叶中含水量、茶多酚和咖啡碱的定量校正模型，并用相关系数、交互验证均方差和预测均方差对模型进行评价。验证集中含水量、茶多酚和咖啡碱3个内含物成分定量预测模型的相关系数分别为0.991 3、0.905 7和0.974 3。结果表明，预测模型能实现同时对3类茶叶的定性分类和主要内含物含量预测的目的，也达到了降低近红外预测模型成本的目的。