陈锋[1]2003年在《近红外透射光谱技术在小麦品质测试中的应用》文中认为品质育种对分析技术的基本要求是快速、准确、操作简便、费用少、适用范围广等，其中以快速和准确最为重要。本研究所采用的近红外光谱技术则具有测试速度快，操作简单和可对多种成分同时分析及无需使用任何化学药品等诸多优点，与品质育种工作的基本要求十分吻合。为探索近红外光谱技术在小麦品质测试中的应用，寻找一种快速的品质测试方法，试验Ⅰ以2001和2002年来自全国各地的426份小麦品种为材料，利用近红外光谱透射仪(NITS)分析了小麦籽粒和面粉中的12个性状，如籽粒水分、蛋白质含量以及SDS和Zeleny沉降值，面粉的水分、蛋白质含量、干面筋含量、湿面筋含量、灰分含量、Zeleny沉降值以及粉制仪参数和拉伸仪参数等指标，根据定标集样品常规化学法分析测试数据和所收集的吸收光谱建立了定标模型，并选用了一批预测集样品对定标模型进行了预测，其中籽粒水分和蛋白质预测集决定系数均为0.95，籽粒干面筋、湿面筋及SDS和Zeleny沉降值决定系数分别为0.81、0.89、0.67和0.79，面粉水分和蛋白质预测集决定系数分别为0.94和0.95，面粉干面筋、湿面筋、灰分和Zeleny沉降值决定系数分别为0.85、0.79、0.72和0.62。同时还对粉制仪参数和拉伸仪参数进行了预测分析。粉制仪参数中除了吸水率预测集决定系数为0.84以外，其余性状预测集决定系数相对较低，形成时间和稳定时间分别仅为0.63和0.57，但标准误差也相对较小，分别为0.66和1.65，因此在育种早代对其进行快速估测仍是可以接受的。而拉伸仪参数预测能力较差，最大抗延阻力、拉伸面积和延伸性预测集决定系数分别仅为0.46、0.60和0.56，标准误差却分别高达62.0、24.1、1.5。总之，本研究表明，近红外光谱技术用于测试小麦品质是可行的，有些性状如水分和蛋白质与常规化学方法相差很小，而其它性状也能用于育种的早代选择。 籽粒硬度是重要的小麦品质指标，它通过影响出粉率、面粉颗粒度大小、润麦加水量及破损淀粉粒数量，最终决定小麦磨粉品质和加工品质，因此籽粒硬度是国内外小麦市场分类和定价的重要依据之一，也是重要的育种目标性状。但传统的测试方法，需要破坏小麦籽粒，这在育种早代种子量较少的情况下，往往是不能接受的。而近红外光谱法则是测试硬度的理想方法。同时在目前应用较为广泛的各种数学算法中，为了寻找一种相对较为理想的算法建立定标模型，并寻求一种较好的光谱处理方法，消除吸收光谱的非线－性问题，本试验 11又以 2001和 2002年两年度 583份材料（与试验。I中试验材料部分相同）小麦样品为材料，用NITS对小麦籽粒硬度＿进行了分析，建立了定标模型，并比较了目前应用较为广泛的偏最小二乘法和多元线性回归两种算法和未经导数处理、一阶导数处理、二阶导数处理叁种常用的光谱处理方式。结果表明，两种算法中偏最小二乘法优于多元线性回归算法，叁种处理方式中一阶导数＿处理效果最好，其定标集和预测集决定系数明显高于其它两种处理方式，而标准误差低于其它两种处理方式。经一阶导数处理后采用偏最小二乘法建立的定标模型相对较为理想，定标集和预测集决定系数分别为 0．81和 0．75，但定标集和预测集标准误差也较大，分别为 11．47和 11 86，这样的精度很难用于样品的直接测试，但用该模型对小麦样品进行分级时，可以达到理想的分级效果。试验＊对312份小麦样品进行了硬度分级，硬麦、软麦和混合型麦分级准确率分别为90兄83％和63丸 这有助于品质快速检测和育种早代的品质筛选，同时又为应用不同算法建立定标模型提供了一种较为可＿靠的比较方法。
汤守鹏[2]2009年在《基于近红外光谱技术的小麦叶片氮素营养及籽粒蛋白质含量监测研究》文中提出作物氮素营养的快速、无损估测对提高产量和改善品质具有重要意义。近红外光谱为作物无损监测和信息的准确获取提供了有效手段。本研究的目的是以不同年份、不同品种、不同施氮水平的小麦田间试验为基础,基于傅立叶近红外光谱仪获取小麦主要生育时期鲜叶、干叶及其成熟期籽粒的光谱信息,运用偏最小二乘法(PLS)、BP神经网络(BPNN)和小波神经网络(WNN),分析并量化其与叶片全氮含量、糖氮比、籽粒蛋白质含量的关系,以实现小麦生长和品质信息的近红外快速预测模型。首先运用多种光谱预处理技术,对鲜叶在1155～1803 nm和2118～2500 nm光谱区间,干叶在2046～2155 nm、2297-2339 nm和2343～2378 nm光谱区间,用PLS、BPNN和WNN方法分别确立了小麦叶片氮含量的定量监测模型。结果显示,鲜叶和干叶的最优光谱预处理方法分别为MSC+Savitzky-Golay二阶导数和MSC+Norris一阶导数。对于鲜叶样品,PLS模型的预测均方根误差(RMSEP)和决定系数(R2)分别为0.216%和0.841；BPNN模型的RMSEP和R2分别为0.175%和0.894；WNN模型的RMSEP和R2分别为0.169%和0.901。对于粉末状干叶样品,PLS模型的RMSEP和R2分别为0.147%和0.910；BPNN模型的RMSEP和R2分别为0.101%和0.960；WNN模型的RMSEP和R2分别为0.094%和0.978。从模型精度和稳健性来看,神经网络法相对优于PLS法；粉末状干叶模型优于鲜叶模型。采用上述类似方法建立了小麦鲜叶和干叶糖氮比预测模型。结果显示,鲜叶光谱模型预测性能不佳；干叶在1655～2378 nm谱区范围内采用MSC+Norris一阶导数光谱预处理方法构建模型,表现较好；基于PLS、BPNN和WNN方法构建的糖氮比估算模型,其预测均方根误差(RMSEP)分别为0.332%、0.292%和0.288%,决定系数(R2)分别为0.853、0.865和0.870。进一步基于小麦籽粒近红外漫反射光谱构建了整粒小麦蛋白质含量预测模型。结果表明,对光谱进行多元散射校正并结合Norris一阶导数在1242～2230 nm谱区构建模型,表现较好；检验结果显示,PLS模型的RMSEP和R2分别为0.848%和0.794,BPNN模型的RMSEP和R2为0.770%和0.814,WNN模型的RMSEP和R2为0.761%和0.816；神经网络回归效果好于偏最小二乘法。最后探讨了同时估测小麦鲜叶和干叶可溶性总糖和全氮含量的可行性。结果表明,PLS、BPNN和WNN叁种方法均不能准确的同时测定小麦鲜叶的全氮和总糖含量,但所构建的干叶WNN模型预测效果较好,其预测均方根误差(RMSEP)分别为0.101%和0.089%,决定系数(R2)分别为0.957和0.941；并且,在收敛速度和预测精度上,WNN模型均明显优于BPNN和PLS模型,其光谱预处理方法为：鲜叶为MSC+Savitzky-Golay二阶导数；干叶为MSC+Norris一阶导数；建模谱区为1100～2500nm。
谢新华[3]2007年在《稻米淀粉物性研究》文中研究表明在商业淀粉中,发现稻米淀粉具有特殊的应用,这是由于稻米淀粉是谷物中颗粒最小的淀粉以及稻米淀粉中剩余的蛋白的低过敏性,进而在世界范围内形成了对稻米淀粉进行有效开发利用的研究热点,因而为了开发出附加值较高的稻米淀粉产品,就需要对稻米淀粉的物性进行系统研究。本研究首先利用碱法、表面活性剂(SDS)、碱性蛋白酶和中性蛋白酶与超声波结合去除米粉中的蛋白质,获得较纯的稻米淀粉;随后研究了直链淀粉含量不同的稻米样品之间的黏滞性差别,以及稻米淀粉黏滞性和质构性的相关性;蛋白质作为稻米中的第二大成分,测定其对稻米淀粉黏滞性的影响;研究稻米淀粉中直链淀粉与脂肪酸形成的复合物对稻米淀粉复合指数、水溶性、碘吸收和流变性的影响;用DSC分析了米粉和稻米淀粉在热力学上的差异;碱在食品中是一个很重要的添加剂,测定了其对稻米淀粉黏滞性的影响,以及单糖和双糖对稻米淀粉黏滞性的影响;最后建立了用近红外透射光谱测定稻米淀粉RVA特征值的定标模型。主要结论如下:(1)用四种方法分别去除稻米中的蛋白质,结果表明,碱法能很好的去除稻米中的蛋白质,所得稻米淀粉中蛋白质含量最低,不过在清洗过程中要消耗大量的水;SDS也能去除稻米中一定量的蛋白质,但是所得稻米淀粉中剩余蛋白质含量较高,不能达到商业淀粉的要求;碱性蛋白酶酶解蛋白质达到降低蛋白质含量的目的,但是在酶解的过程中,酶解时间较长;中性蛋白酶与超声波结合去除稻米中的蛋白质,所得淀粉中蛋白质含量基本能达到应用要求,并且破损淀粉少。(2)用快速粘度仪测定不同直链淀粉含量(AC)的稻米淀粉的黏滞谱,结果显示根据RVA谱的主要特征值消减值和崩解值,可以区分出稻米样品的的AC高低,就是AC相仿的品种之间的粘滞特性的差异也可区分开,并且这种差异与稻米食用品质有密切的关系,因而可根据RVA谱黏滞特性判断稻米样品食用品质的优劣。按测定稻米淀粉黏滞谱的过程制作稻米淀粉凝胶,用质构仪测定淀粉凝胶的质构性,相关性分析表明稻米淀粉中直链淀粉含量与黏滞性和质构性指标之间的相关性均达到极显着水平。淀粉凝胶的硬度和粘性的下降和上升趋势与RVA谱中的崩解值和消减值的变化趋势相似,消减值越大,凝胶就越硬,粘性就越小。(3)选择六个稻米样品用RVA测定了稻米中蛋白质对稻米淀粉黏滞谱特征值的影响。结果显示糙米和精米在去除蛋白质前后黏滞谱的差别基本是一致的,蛋白质去除后稻米淀粉黏滞谱下降;用还原剂二硫苏糖醇打破蛋白质中的二硫键,测定其对精米及储藏精米淀粉黏滞性的影响,结果显示精米的谱线总体是下降的,而储藏样品中低直链淀粉含量的两个样品的谱线是下降,高直链淀粉含量的两个样品谱线是上升的。用丙醇优化能很好的提取出稻米中的醇溶蛋白,测定其对淀粉黏滞性和质构性的影响,醇溶蛋白能使RVA特征值中的峰值粘度、最终粘度和消减值降低,崩解值升高,能使硬度、粘性、粘附性降低。另外还选择两个稻米样品研究施氮量对稻米淀粉黏滞性的影响,随着施氮量的增加稻米中蛋白质含量增加,而稻米淀粉的RVA谱线下降越低,在糙米和精米中结果表现一致。(4)选择四种饱和脂肪酸添加到稻米淀粉中,测定四种饱和脂肪酸对淀粉糊化性质的影响。结果显示,随着脂肪酸量的增加复合指数增加,并且月桂酸使复合指数增加的最多;直链淀粉-脂肪酸复合物使碘光谱最大吸收值下降,相比月桂酸使碘光谱最大吸收值下降的最多;由于月桂酸与直链淀粉形成复合物的能力强,使吸收比率下降的也最显着。选择两个稻米样品在淀粉悬浊液中加入月桂酸和棕榈酸,测定脂肪酸对稻米淀粉流变性的影响。结果显示,两种脂肪酸与直链淀粉结合限制了稻米淀粉颗粒的膨胀,使得淀粉TG′增加,淀粉峰值G′降低,月桂酸使两个样品淀粉的峰值G′下降比较大;淀粉凝胶在4℃下冷藏,两个稻米淀粉凝胶脱水随着冷藏时间的延长而增加,添加脂肪酸,淀粉脱水增加,并且月桂酸使两种淀粉糊脱水比棕榈酸增加。(5)用DSC测定了六个直链淀粉含量不同的稻米样品的米粉和淀粉在热力学上的差异,以及水与米粉和淀粉按不同比例混合后,稻米淀粉热力学性质的差别。结果显示,随着六个样品中直链淀粉含量的增加,米粉和淀粉的起始温度和凝胶温度增加,热焓降低。米粉和淀粉的热焓都随着水分含量增加而增加,在不同水分含量下淀粉的热焓总体比米粉的热焓高,二者都表现出糯米的热焓高于其它非蜡质淀粉,并且在米粉中糯米比其它样品热焓达到恒定值要早;同样米粉和淀粉的起始温度随水分含量的增加而增加,凝胶温度随着水分含量的增加而降低。(6)选择六个直链淀粉含量不同的稻米淀粉样品,测定分别在稻米淀粉中加入1.00% Na2CO3和NaOH,比较二者对淀粉RVA谱的影响,以及加入不同量的Na2CO3对稻米淀粉的影响;在稻米淀粉中加入单糖和双糖对稻米淀粉黏滞谱的影响,以及阴离子使稻米淀粉糊化的温度和浓度。结果显示,与原淀粉相比加入Na2CO3和NaOH后淀粉黏滞谱线显着下降,并且NaOH使谱线的下降更大,都达到了显着水平;在六个稻米样品淀粉中添加不同浓度的Na2CO3,结果显示随着Na2CO3浓度的增加,也就是随着pH值的增加,黏滞谱线逐渐下降。在Na2CO3达到一定浓度后,pH值的增加缓慢,在对RVA特征值影响上也趋于稳定,对六个样品的影响基本是一致的;选择的单糖和双糖添加到淀粉中,都使淀粉的特征值有所下降;阴离子使稻米淀粉糊化的规律是:根据阴离子碱性的强弱而显示出使稻米淀粉糊化的快慢,使淀粉糊化的顺序是:OH—>HOC6H4COO—>SCN—>I—>Br—>CL—>SO62—。(7)收集164份稻米样品建立了精米直链淀粉含量、胶稠度和淀粉黏滞谱特征值的近红外透射光谱定标模型。结果显示直链淀粉含量数学模型在测定精米直链淀粉含量是可行的;胶稠度近红外定标模型能达到间接测定胶稠度的要求;所建立的稻米淀粉黏滞谱特征值定标模型都能达到测定精米淀粉峰值粘度、热浆粘度、崩解值、消减值、最终粘度和回复值的要求。这为稻米品质测定提供了一个快速无损的检测技术。
王菲[4]2015年在《利用近红外光谱技术测定小麦粉溶剂保持率的研究》文中认为在小麦粉品质评价方面,近年来发展较快的是溶剂保持率法(SRC)。溶剂保持率是通过建立面粉对水、蔗糖、碳酸钠和乳酸这4种溶剂的保持能力的特性与面粉理化指标或面制品性状之间的相关关系来实现对面粉理化指标或面制品性状的预测。但是在小麦育种和专用粉生产过程中,受到样品量、测定时间和检测成本的限制,溶剂保持率法并不能很好的用于小麦育种和对专用粉生产过程的实时监测和指导。近红外光谱技术以其简单、快速、绿色、高效、可实现无损检测等特点为其在谷物品质检测方面的应用提供了条件。本文系统介绍了小麦粉溶剂保持率的研究进展、近红外光谱分析技术的原理和在谷物品质检测方面的应用。着重探讨了近红外光谱仪的扫描次数、样品的装样厚度和温度等光谱采集参数对光谱采集的影响,并通过改变波长范围、光谱预处理方法、主因子数等试验条件,以所建立模型的定标集的相关系数(Rc2)和验证集样品的相关系数(Rv2)越大,定标集预测均方根误差(SEC)和定标集预测均方根误差(SEP)越小为原则,采用偏最小二乘法分别建立了小麦粉水保持率(WSRC)、蔗糖保持率(SUSRC)、碳酸钠保持率(SCSRC)、乳酸保持率(LASRC)4种溶剂保持率近红外定量分析模型。最终建立的小麦粉WSRC、SUSRC、SCSRC、LASRC 4种溶剂保持率近红外定量分析模型定标集相关系数(Rc2)分别为0.9862、0.9586、0.9793、0.9223,定标集预测均方根误差(SEC)分别为1.1975、2.7810、2.4887、6.8698,验证集相关系数(Rv2)分别为0.9854、0.9480、0.9757、0.9026,验证集预测均方根误差(SEP)分别为1.2410、3.1577、2.6992、7.6570。本研究为小麦粉溶剂保持率的快速检测提供了一种新的技术手段。
刘玲玲[5]2013年在《小麦品质近红外光谱分析系统关键技术研究》文中研究指明本文针对自研的小麦品质近红外光谱分析系统在实际应用中存在的问题,重新设计了仪器的光源控制系统,并结合实际应用进行了小麦品质质量的试验研究与分析。本文的主要研究内容如下：(1)本文简述了小麦品质近红外光谱分析系统的系统结构、针对小麦光谱信息和波长特点,选择波长范围为900-1700nm的CCD探测器,介绍了工作原理、设计特点以及近红外光谱分析法的关键算法；(2)本文针对原有仪器光源控制方案的不足,提出了通过测量光强来控制光源电流的方案,设计了基于反馈控制理论的光源控制系统,包括针对光源的光强控制系统和针光强探测器的温度控制系统；文中分别设计了电源控制模块、光强控制模块、温度控制模块、串口通信模块、主控核心模块,温度控制部分通过实时测量采集温度信号,并以此作为反馈信号,通过PID控制算法执行对制冷片的电流控制,达到制冷及稳定温度的目的；光强控制部分则设计了一种双闭环控制的光源校准方法,内环以电流为控制量,外环以光强信号为控制量,以光源的电流为控制对象,采用PID算法保证流过光源电流的稳定性,提高光源光强的稳定,最终达到提高光谱仪性能的目的；(3)试验部分包括光源控制系统的温度和光强试验、仪器改进前后的对比分析实验和与MPA傅里叶型近红外光谱仪的对比分析实验。试验结果表明,温度控制系统约在500s之内达到-10℃,能保证系统的工作温度在-10℃,误差为±0.1℃。光强控制系统的到达稳态时间约为20s,长时间工作电流标准差为3.2032*10-4A。光源控制系统的光强响应速度快,稳定性较好,长时间的工作精度保持在4*10-4A以内。改进后仪器的预测性有了一定的提高,其重复性和稳定性良好,可以应用于小麦品质的定量检测与分析。
李静[6]2015年在《玉米籽粒品质近红外测定方法及遗传研究》文中指出玉米是重要的粮食作物之一，随着深加工的迅速发展和市场需求，其品质的遗传改良越来越受到玉米育种工作者的重视。品质改良过程中，如何快速简便地测定玉米品质含量已成为提高育种效率的关键问题。本研究首先以125份主要品质成分含量变幅较大的玉米自交系为材料，采用偏最小二乘回归法，通过不同光谱预处理和数学处理相结合，对全光谱段进行分析，分别建立了玉米粉的蛋白质、淀粉和油分含量的近红外光谱校正模型。然后用已建成的近红外模型测定玉米3个组合的P1、P2、F1、B1、B2、F2六世代群体材料的蛋白质、淀粉和油分含量，用植物数量性状主基因+多基因混合遗传模型分离分析方法，探讨品质含量的遗传规律。结果表明：1玉米3个品质含量模型的导数处理间隙点和平滑处理波长点为4时效果较好。利用不同光谱预处理和数学处理方法相结合选择各品质的最优模型，蛋白质含量以2阶导数+加权多元散射校正的效果较好，淀粉含量适合2阶导数+标准正常化+去散射处理方式，油分含量以1阶导数+去散射处理的效果最好。用另一组材料对玉米3个品质校正模型进行验证，预测相关系数分别为0.985、0.946和0.952。2蛋白质含量组合I和组合Ⅲ均为E-1模型。两个组合都以主基因遗传为主，其主基因均为负向超显性，上位性累计为负向，组合I的多基因为负向超显性，组合Ⅲ的多基因表现为部分显性。主基因+多基因遗传率组合I在F2代较高，组合Ⅲ在B2代较高。组合Ⅱ为C-0模型，不存在主基因遗传，在F2代多基因遗传率较高。多基因表现为正向超显性，上位性累计为负向。环境对蛋白质含量有一定影响。淀粉含量组合I和组合Ⅲ均为E-1模型。两个组合均以主基因遗传为主，均在F2代主基因+多基因遗传率较高。淀粉含量组合I的两个主基因表现为正向超显性，多基因表现为负向超显性，上位性效应累计为负向效应。组合Ⅲ的一对主基因均表现为正向超显性，另一对表现为负向超显性，上位性效应累计为负向，多基因表现为正向超显性。组合Ⅱ淀粉含量为D-2模型。在B1世代没有检测到多基因，B2和F2以多基因遗传为主，在F2代主基因+多基因遗传率较高。主基因的加性效应为正向，多基因表现为负向超显性。玉米3个组合油分含量均符合D-2模型。组合I以多基因遗传为主，在F2代主基因+多基因遗传率较高。主基因的加性效应为正向，多基因为负向部分显性。组合Ⅱ油分含量在B1代没有检测到主基因，B2代没有检测到多基因，在F2代主基因+多基因遗传率较高。主基因的加性效应为正向，多基因表现为正向超显性。组合Ⅲ油分含量以多基因遗传为主，在F2代主基因+多基因遗传率较高。主基因的加性效应为正向，多基因为负向超显性。
石云[7]2010年在《近红外分析技术在水稻蒸煮和营养品质育种中的应用》文中提出稻米是我国主要的粮食作物之一,目前水稻育种工作的重点在产量的基础上转向品质育种。稻米蒸煮品质和营养品质包括直链淀粉含量、胶稠度、蛋白质含量等性状。已有研究为NIR技术在水稻品质育种中的应用打下了一定的基础。但尚存在着不少问题,如样品来源较为单一、大多为单年份的试验材料、定标集样本数目偏少、所构建的模型实际适用性还不够理想,且目前定标模型分析所需要样品量较大,不适合于单株样品量很少的育种中间材料选择。更重要的是,绝大部分用于构建分析研究模型的样品为稳定的品种或品系,这与育种中间材料常处于分离状态不相符合,而样品状态对于NIRS分析是非常重要的。本研究选用蒸煮品质和营养品质差异较大、生育期基本一致的9个水稻品种(Z03-423、辐137、浙辐0515、G04-44、浙508、浙南3号B、浙农大104、晒酥和浙农952)作亲本,于2005～2008年期间获得育种品系的种子构成近红外反射光谱(NIR)分析原始群体。利用Foss NIRSystems5000-C近红外分析仪对稻米直链淀粉含量、胶稠度和蛋白质含量等蒸煮品质和营养品质性状进行测定和定标研究,试图为水稻育种的品种资源鉴定、早代育种中间材料的筛选寻找一种准确、简便和有效的测定方法,为加快育种进程、遗传研究与应用提供参考。主要研究结果如下:1.通过CENTER程序界定群体,经SELECT程序筛选出1176个蒸煮品质及364个蛋白质含量样品作为定标样品集,建立了可用于稻米直链淀粉含量、胶稠度、蛋白质含量品质性状测定的NIR分析模型。研究结果表明,在测定化学组分时,可以采用主成分分析(PCA)的方法来选择样本,选择适当邻居距离(NH)值的样品组成校正集以减少化学分析的工作量。在不同的样品中应用时需根据所用样品的实际情况加以比较选择。2.不同光谱预处理对相关组分近红外校正模型创建的效果有明显的差异。在稻米直链淀粉含量和胶稠度2种蒸煮品质性状的近红外校正模型中,利用联合光谱散射校正共同进行样品近红外光谱预处理以1阶导数处理效果最好;其次为2阶导数的方法。3.整个光谱范围(1100～2500nm)内直链淀粉含量和胶稠度的光谱相关性均呈负相关,这说明了两个性状是由相同的化学成分共同控制。其中有六个波长点对胶稠度呈很高的相关性,分别为1510nm、1700nm、2100nm、2226nm、2276nm和2378nm,基团在2096-2106nm波长点处有合频吸收。4.糙米和精米的NIR分析效果优于谷粒,可用来分析上述品质性状;谷粒则可用于直链淀粉含量、蛋白质含量的分析。3g和0.5g糙米的光谱建模均以直链淀粉含量和蛋白质含量的建模效果较好,胶稠度则略差。而以3g精米或更小用量的精米粉样(0.5g)进行建模分析,其结果表明建模的决定系数提高,各类标准误下降,构建的NIR模型具有很高的应用价值。5.不同的群体检验效果差异较为明显,年份间差异对于稻米蒸煮食味品质的NIR模型分析会产生一定的影响;同时,不同的组分也存在较大的差异。年份间NIR分析误差可以通过增加样本的变异性来消除或降低到最低程度。
徐璐璐[8]2013年在《基于近红外光谱技术的小麦品质分类方法研究》文中研究表明小麦是我国主要粮食作物之一，其品质的好坏是老百姓非常关注的问题，许多粮食加工生产企业、科研院所、检测机构都希望可以快速、准确地对小麦品质做出检测。因此，如何高效快速地对小麦的品质做出分类识别成为科研人员研究的重点课题。国外发达国家在小麦产业方面对小麦品质的区划和分类日趋完善，但我国农业产业受装备和技术的限制，整体技术水平、商品化处理率还比较低，相关研究较少，尤其利用近红外光谱技术进行小麦品质分类还鲜有报道。因此，利用近红外光谱分析技术的快速、无损等特性建立小麦品质分类识别模型，具有重要理论意义和实用价值。针对目前存在的问题，在参考大量国内外相关文献的基础上，本文从理论和实践两个方面对基于近红外光谱的小麦品质分类方法进行了系统、深入研究和详细阐述，并开发了相应的实用系统。为了提高后续模型的准确性、代表性和稳健性，从样品选择、集合划分和特征选取方法等方面进行了研究。研究基于马氏距离剔除光谱异常的样品；从决定分类值的众多物化指标中选取一个重要指标结合光谱数据采用SPXY（Sample SetPartitioning Based on Joint X-Y Distance）算法进行集合划分；应用连续投影算法提取特征波长点作为神经网络的输入层神经元。研究了优化的RBF神经网络小麦品质分类模型。将RBF神经网络作为主要建模方法建立小麦品质分类模型，运用粒子群算法（PSO）来优化RBF神经网络的隐层聚类中心和输出权值，并针对PSO算法存在的容易早熟收敛和惯性权值设置过于机械的不足，提出了相应的改进措施，并通过实验数据验证模型的实用性和优越性。针对实际应用中的需要，开发设计了小麦品质评价软件系统。将建好的模型编译成可独立运行的Console程序，采用Windows管道技术同C++Builder程序通信。最后，本文指出了该研究目前存在的一些不足，有待于日后改进和完善。
田海清[9]2006年在《西瓜品质可见/近红外光谱无损检测技术研究》文中指出水果品质在线检测与分级处理是农业工程界的重要研究课题，对于满足消费者对水果安全的要求，提高水果产品的市场价值与竞争力，增加农民收入都具有重大意义。西瓜是人们喜爱的水果之一，世界上有90多个国家广泛种植，我国西瓜年总产量在3500万吨以上，居世界首位，但出口量在世界贸易中的份额甚小，基本属于自产自用，西瓜在外贸出口方面尚存在巨大潜力。影响西瓜出口贸易的一个重要因素是我国对出口的西瓜没有科学的手段可以保证质量，另外，随着人们生活水平的不断提高，消费者在选购西瓜时越来越对其内部品质，如口感、甜度和其它营养成分挑剔。表征西瓜品质的主要指标是可溶性固形物含量(与甜度有关)，另外口感沙脆(与坚实度有关)、内部组织是否疏散、有空洞(与密度有关)也是人们所关心的指标。西瓜常见的无损检测方法仍是以人工挑选为主，由主观因素带来的影响是不可避免的，采用技术上可行、经济上适用的无损检测方法非常迫切，本文在这一背景下开展西瓜品质可见／近红外光谱无损检测技术研究，主要研究内容如下：1．阐述了用于西瓜品质检测的几种方法，分析了这些方法在技术实现上和经济适用性上存在的局限性。利用密度法进行检测、利用声学和振动学特性进行检测和利用核磁共振成像技术进行检测是西瓜品质无损检测中常见的几种方法，本文综述了这些方法的研究概况，并对这些方法在技术实现上和经济适用性上存在的局限性进行了分析；2．构建了适合西瓜内部品质无损检测的光源装置和光谱采集系统。根据西瓜内部组织成分分布不均匀、果型大且果皮厚的特点，对比分析了常见的几种可见／近红外光谱检测方式，选用漫透射作为西瓜光谱检测方式，并构建了适合西瓜内部品质无损检测的光源装置和光谱采集系统；3．研究了果型差异对建模结果与预测结果的影响，并提出叁种方法消除或减小这一影响因素。针对西瓜果型大且差异显着的特点，研究果型差异对可见／近红外光谱以及建模与预测结果的影响，并提出叁种方法消除或减小这一影响因素，分别是分级消除法、体积平均法和基于体积的正则化(或正规化)方法，其中基于体积的正则化(或正规化)方法，更适合在线生产应用，该方法使果型大小差异明显样品的原始光谱、一阶微分光谱、二阶微分光谱在对可溶性固形物含量检测时，采用偏最小二乘法的建模与预测结果由原来的校正相关系数r分别为0.716、0.793、0.848提高到r分别为0.789、0.858、0.947，均方根校正标准偏差RMSEC由原来的0.678、0.592、0.515分别降为0.596、0.499、0.313，均方根预测标准偏差RMSEP由原来的0.825、0.764、0.714分别降为0.606、0.686、0.413；4．研究了果皮对西瓜漫透射光谱与建模结果的影响。针对西瓜果皮较厚的特点，对去皮西瓜与带皮西瓜进行对比试验研究，发现果皮对光谱的影响主要集中在可见光部分(650-750nm)，对可溶性固形物含量采用偏最小二乘法进行分段建模并没有有效消除果皮的影响，对比研究去皮西瓜与完整西瓜光谱在650-950nm范围内的建模结果，完整西瓜二阶微分光谱校正模型相关系数r为0.949，RMSEC为0.292，去皮西瓜校正模型相关系数r为0.973，RMSEC为0.214，果皮对建模结果的影响并不严重，完整西瓜的建模结果可以满足检测要求；5．试验研究光照强度对光谱与建模结果的影响。针对西瓜实现可见／近红外光谱无损检测需要较高能量光源的特点，采用不同光照强度(600W，1000W)观察西瓜漫透射光谱的变化，分析光照强度对建模结果的影响，发现在不损伤西瓜表皮的前提下，恰当的增加光照强度，不仅有助于采集到较为平滑的光谱，而且有助于改善建模效果；6．试验研究光谱采集部位对光谱和建模结果的影响。为了在对西瓜的光谱采集中选择最合适的光谱采集部位，并根据西瓜纵径先发育完毕后，再横向增重发育的特点，分别选择花萼部位、靠近花梗部位和赤道部位作为光谱采集部位对“麒麟”瓜和“早春红玉”瓜进行光谱采集，考察采集部位不同光谱的变化和对建模结果的影响。试验结果表明，上述各部位采集的光谱都可以取得较好的建模结果，并没有明确规律表明，具体在某个采集部位采集到的光谱可以建立更好的预测模型；7．试验研究可见／近红外光谱技术对西瓜物理指标的检测。密度和坚实度是西瓜的两个重要物理指标，坚实度与西瓜的口感是否沙脆有关，密度与西瓜内部组织是否有空洞有关，试验研究表明二阶微分光谱采用偏最小二乘法对密度的建模与预测结果分别为校正相关系数r为0.910，RMSEC为0.015，RMSEP为0.018，二阶微分光谱正则化处理后，采用偏最小二乘法对坚实度的建模与预测结果分别为校正相关系数r为0.916，RMSEC为0.308，RMSEP为0.515；8．对未经乙烯处理和经乙烯处理的西瓜进行了基于可见，近红外漫透射光谱的分类试验研究。针对国内常有瓜农采摘远离成熟期的西瓜，采用高浓度乙烯处理，诱导其快速成熟的现象，对未经乙烯处理和经乙烯处理的西瓜进行了基于可见／近红外漫透射光谱的分类试验研究，在判别分析中，提出一种简单的透过率之比判别分析法，对未经乙烯处理样品的误判率为32.5％，经乙烯处理样品的误判率为20％；采用马氏距离判别分析和偏最小二乘法判别分析都可以取得理想的判别结果，一阶微分光谱经Norris微分滤波处理后，利用马氏距离判别，判别结果为未经乙烯处理样品校正集误判率1.67％，预测集、经乙烯处理样品校正集、预测集均没有出现误判的情况；二阶微分光谱利用偏最小二乘法判别，没有误判情况发生；9．研究不同建模方法在西瓜品质指标检测中的建模与预测效果。对比分析了实际应用中常见的几种可见／近红外光谱建模方法(经典最小二乘法、逐步多元线性回归、主成分回归和偏最小二乘法)对西瓜光谱和品质指标的建模效果和预测效果，结果表明偏最小二乘法是最适合的建模方法；10．构建运动西瓜光谱采集系统，分析运动引起的噪声对光谱的影响，对光谱的平滑消噪方法进行研究。为使可见／近红外漫透射光谱技术用于西瓜品质的在线检测，改造本实验室自行设计加工的运动西瓜光谱采集系统使之适合运动西瓜的光谱采集，并进行静态及运动西瓜样品光谱采集，通过对比两种状态下西瓜的光谱及建模与预测结果，分析由于运动引起的噪声对光谱的影响，并分别采用最小二乘拟合法、Norris微分滤波以及小波变换等方法进行了光谱的平滑消噪处理，分析这些方法对光谱的平滑消噪效果和建模与预测结果，发现Norris微分滤波更适合本系统采集到的西瓜光谱的平滑消噪处理，改善了光谱的平滑性，提高了建模与预测精度；建立了运动西瓜的可溶性固形物含量和密度等品质指标与可见／近红外光谱的相关关系模型，校正相关系数分别为0.865、0.918，均方根校正标准偏差RMSEC分别为0.536、0.016，均方根预测标准偏差RMSEP分别为1.030、0.021；11．开展西瓜可溶性固形物含量在线无损检测试验研究。将本实验室开发的可见／近红外光谱水果内部品质在线检测软件与上述运动西瓜光谱采集系统组合组成水果内部品质在线无损检测实验台，根据可见／近红外光谱在线检测的工作原理和流程，简单的光谱预处理方法、可见／近红外光谱的建模方法，开展西瓜可溶性固形物含量的在线无损检测试验研究，试验结果表明，该试验平台已基本具备西瓜在线检测的要求，但仍有部分功能尚未完善，需要在进一步的研究中不断完善和改进。
鞠昌华[10]2008年在《利用地—空高光谱遥感监测小麦氮素状况与生长特征》文中研究表明作物氮素状况的有效监测是作物精确施肥和管理调控的信息基础。遥感技术可以快速获取农田作物氮素营养状况和生长状态的实时信息,为实施精确农业提供重要的技术支撑,实现高产、高效、优质的农业生产目标。高光谱遥感具有波谱连续的特点,可显着增强对绿色植被生物理化参数的探测能力和监测精度。星载高光谱成像仪Hyprion的问世使高光谱的规模化空间应用成为可能。本研究的目的是通过多年多点不同氮素处理的小麦田间试验,利用卫星高光谱遥感影像与高光谱地面光谱辐射仪获取多平台小麦植株的反射光谱特征,与同步田间取样测试方法相结合,运用遥感图像处理技术和光谱分析技术及数理统计分析等手段,探索和筛选出与小麦氮素营养指标相关的特征光谱参数,建立基于反射光谱特征的小麦氮素营养及相关生长参数监测模型,从而形成利用地面和空间高光谱技术进行小麦氮素营养和生长状况实时监测的关键技术。作物叶片叶绿素素状况是评价植株光合效率和营养胁迫的重要指标,叶片及冠层叶绿素状况的实时无损监测是作物生长诊断与氮素监测的基础。本章以不同施氮水平和小麦品种的田间试验为基础,利用高光谱辐射仪(350～2500 nm)获取小麦叶片及冠层的高光谱反射率,定量分析小麦叶片叶绿素含量与叶片及冠层高光谱参数的关系,建立小麦叶片叶绿素含量的监测模型。通过分析不同叶绿素水平的小麦叶片及冠层一阶导数光谱,提取出特征参数红边对称度来反映叶绿素水平的变化。不同光谱参数的比较显示,红边参数与叶片叶绿素含量关系密切且表现稳定,红边对称度能够有效的监测小麦叶片及冠层水平的叶绿素含量。用ASD高光谱辐射仪窄波段拟合常用机载高光谱辐射仪AVIRIS及EO-1卫星搭载的高光谱辐射仪Hyperion的相近波段,进一步计算红边对称度,并用拟合的红边对称度与叶绿素含量作相关分析,与窄波段得到的红边对称度的结果十分相近。表明用AVIRIS和Hyperion相近宽波段计算红边对称度估测叶绿素含量是可行的,从而为进一步利用Hyperion影像数据进行小麦氮素营养的监测提供了理论依据和技术支持。作物氮素状况是评价土壤肥力和作物长势的重要指标,叶片氮素状况的实时无损估测对合理氮素管理,提高产量和改善品质具有重要意义。本研究综合分析小麦叶片氮含量与冠层高光谱参数的关系,比较多种高光谱参数估算叶片氮含量的效果,从而确立小麦叶片氮素状况的定量监测模型。以多个小麦品种在不同施氮水平下的大田试验为基础,在不同生育时期获取小麦冠层的高光谱反射率及叶片氮含量,建立两者之间的定量关系,结果表明,群体叶片氮含量的敏感波段主要存在于近红外平台和可见光区,其中,红边区域表现最为显着。进一步分析叶片氮含量和常用光谱参数间相关关系,同样表明红边区域的参数与叶片氮含量相关较好。本研究还利用红边双峰特征构造新的红边位置拟合算法—简化线性外推法,结果显示该算法监测小麦叶片氮含量有较好优势。独立数据的检验表明,该算法的检验结果较理想。研究表明,利用星载Hyperion高光谱影像数据可以对小麦叶片氮素状况进行精确监测。叶面积指数(LAI)是描述作物长势的重要参数,LAI的实时动态监测对小麦生长诊断和管理调控具有重要意义。为分析多种高光谱参数估算小麦LAI的效果,建立小麦LAI的定量监测模型,本研究采用不同小麦品种进行不同施氮水平的两年大田试验,于小麦不同生育期采集田间冠层高光谱数据并测定LAI。试验结果显示,小麦LAI随施氮水平的提高而增加。小麦LAI与可见光光波段和近红外波段光谱反射率相关性都较好,尤其是在近红外,两者相关系数较高。基于DVI(810,680)、DVI(810,560)、FD750、R762.6-R742.25等光谱参数的方程拟合LAI效果较好。研究也表明窄波段高光谱参数与宽波段光谱参数,如GVI(AVHRR)、TC3相比,在监测小麦LAI方面并没有表现出明显的优势。实时Hyperion影像反演的结果表明,利用高光谱数据进行大面积准确可靠的小麦LAI监测是可行的。叶干重是反映作物生长特征的重要参数,小麦叶干重的实时动态监测对小麦生长诊断和管理调控具有重要意义。本研究采用不同小麦品种进行不同施氮水平的两年大田试验,于小麦不同生育期采集田间冠层高光谱数据并测定叶干重。试验结果显示,小麦叶干重随施氮水平的提高而增加,小麦叶干重与冠层光谱反射率相关关系较好,但是地上部干重与冠层光谱反射率相关关系较差。小麦叶干重与光谱反射率间相关性较好的区域主要位于近红外波段。分析了大量高光谱参数与小麦叶干重的相关关系,结果表明,基于RVI(810,680)等光谱参数的方程拟合叶干重效果较好,在此基础上建立了小麦叶干重的定量监测模型。进一步用空间高光谱传感器Hyperion的相关波段信息得到RVI(813.48,681.2),并反演得到小麦叶干重。不同的大气校正结果对小麦叶干重反演的影响较大,经验线性法获得的预测值与实测值相对误差约为16%,基本达到小麦生物量监测的需求,但是用FLAASH模块获得的预测值与实测值相对误差达40%以上,偏离严重。RVI、SARVI(MSS)、GEMI(AVHRR)等宽波段光谱参数与小麦叶干重相关系数也较高,表明对于生物量监测,利用宽波段多光谱参数监测生物量也是可行的。籽粒蛋白质含量是小麦品质性状的重要指标,无损快速准确预报籽粒蛋白质含量对于优质专用小麦生产的管理调控及品质分级具有重要意义。本研究定量分析小麦籽粒蛋白质含量、叶片氮素营养指标、冠层高光谱参数的相互关系,建立小麦籽粒蛋白质含量的适宜光谱参数和定量预测模型。在不同小麦品种和不同施氮水平的3个大田试验条件下,于小麦不同生育期采集田间冠层高光谱数据并测定植株氮素含量和籽粒蛋白质含量。结果分析显示,不同品种小麦的籽粒蛋白质含量随施氮水平的提高而增加,可以通过开花期叶片氮含量进行可靠的估测,研究显示不同蛋白质类型的品种的籽粒蛋白质含量与叶片氮含量相关关系不太一致。基于REP (SLE)的叶片氮含量监测模型,具有可靠的预测性和适用性。根据特征光谱参数-叶片氮素营养-籽粒蛋白质含量这一技术路径,通过模型链接建立基于开花期高光谱参数的小麦籽粒蛋白质含量预测模型,检验结果表明,以参数REP (SLE)为变量建立成熟期籽粒蛋白质含量预报模型均给出较好的表现。此外,本研究还进一步利用实时的Hyprion影像进行了试验区小麦籽粒蛋白质含量的预测。
参考文献：
[1]. 近红外透射光谱技术在小麦品质测试中的应用[D]. 陈锋. 河南农业大学. 2003
[2]. 基于近红外光谱技术的小麦叶片氮素营养及籽粒蛋白质含量监测研究[D]. 汤守鹏. 南京农业大学. 2009
[3]. 稻米淀粉物性研究[D]. 谢新华. 西北农林科技大学. 2007
[4]. 利用近红外光谱技术测定小麦粉溶剂保持率的研究[D]. 王菲. 河南工业大学. 2015
[5]. 小麦品质近红外光谱分析系统关键技术研究[D]. 刘玲玲. 中国农业机械化科学研究院. 2013
[6]. 玉米籽粒品质近红外测定方法及遗传研究[D]. 李静. 河南科技学院. 2015
[7]. 近红外分析技术在水稻蒸煮和营养品质育种中的应用[D]. 石云. 浙江大学. 2010
[8]. 基于近红外光谱技术的小麦品质分类方法研究[D]. 徐璐璐. 黑龙江大学. 2013
[9]. 西瓜品质可见/近红外光谱无损检测技术研究[D]. 田海清. 浙江大学. 2006
[10]. 利用地—空高光谱遥感监测小麦氮素状况与生长特征[D]. 鞠昌华. 南京农业大学. 2008