贵州师范大学荞麦产业技术研究中心, 贵州 贵阳 550001
荞麦籽粒中富含谷类作物比较缺乏的赖氨酸, 使其不同于其他作物, 具有较高经济价值。 传统氨基酸测定费时且昂贵, 为满足金苦荞育种工作的需要, 选用近红外光谱技术结合人工神经网络的算法建立快速检测金苦荞叶片中氨基酸含量的近红外模型。 使用氨基酸含量差异较大的样品255个, 扫描光谱后测定其化学值。 研究发现样品苏氨酸(Thr)含量范围是5.307~14.374 mg·g-1; 缬氨酸(Val)含量范围是6.137~16.204 mg·g-1; 甲硫氨酸(Met)含量范围是0.308~3.049 mg·g-1; 异亮氨酸(Ile)含量范围是5.259~14.134 mg·g-1; 亮氨酸(Leu)含量范围是9.730~26.061 mg·g-1; 苯丙氨酸(Phe)含量范围是5.936~17.223 mg·g-1; 赖氨酸(Lys)含量范围是6.640~17.280 mg·g-1; 谷氨酸(Glu)含量范围是10.984~27.740 mg·g-1; 天冬氨酸(Asp)含量范围是6.437~17.280 mg·g-1; 丝氨酸(Ser)含量范围是3.467~8.312 mg·g-1; 精氨酸(Arg)含量范围是4.937~14.772 mg·g-1; 丙氨酸(Ala)含量范围是3.329~6.885 mg·g-1; 组氨酸(His)含量范围是1.946~4.798 mg·g-1; 甘氨酸(Gly)含量范围是4.196~9.264 mg·g-1; 脯氨酸(Pro)含量范围是1.024~5.672 mg·g-1; 酪氨酸(Tyr)含量范围是0.176~1.173 mg·g-1; 半胱氨酸(Cys)含量范围是0.422~1.926 mg·g-1。 每次随机选取50个样品建设模型, 以4:1的比例随机分为训练集和测试集。 数据进行归一化处理后, 使用神经网络结构1102-9-1进行模型建设。 利用多次学习的方式建立了较优模型, 其中Arg和Asp近红外模型的仿真测试结果最好, 预测值与真实值的相关系数(R2)均大于0.97, 平均相对误差(RSD)也小于10%; 另外Leu, Val, Tyr, Ile, Ser, Ala, Thr, His, Phe, Gly和Lys模型的R2均大于0.90, 模型仿真测试数据的RSD小于10%, 模型均可用; Met与Cys的模型进行仿真测试时, 其预测值与真实值的R2均大于0.78, 但RSD大于10%, 模型不可用。 结果表明, 金苦荞叶片的氨基酸含量高, 有极高应用价值, 近红外光谱技术结合人工神经网络的分析方法可应用于金苦荞氨基酸含量的预测, 为高品质荞麦育种工作提供了便利。
荞麦 近红外 人工神经网络 氨基酸 模型 Buckwheat Near infrared spectroscopy Artificial neural network Amino acid Model
1 贵州师范大学荞麦产业技术研究中心, 贵州 贵阳 550001
2 贵州省农业科学院蚕业（辣椒）研究所, 贵州 贵阳 550009
为满足多年生苦荞育种工作的需要, 采用近红外光谱分析技术结合定量偏最小二乘法对多年生苦荞叶片蛋白质和γ-氨基丁酸(GABA)含量进行了快速测定研究, 实验使用了222份多年生苦荞材料, 扫描光谱后测定其化学值。 研究发现样品蛋白质含量的平均值、 最大值和最小值含量分别是164, 331和121 mg·g-1; 样品GABA含量的平均值、 最大值和最小值含量分别是2.489, 3.968和1.439 mg·g-1。 蛋白质建模结果: 采用不同光谱区建模时, 建模集的平均决定系数（R2）、 校正标准差（SEP）和平均相对误差（RSD）分别是93.46%, 0.63和3.82%, 检验集的平均R2, SEP和RSD分别是91.77%, 0.88和5.28%。 采用不同比例的建模样品和检验样品时, 建模集的平均R2, SEP和RSD分别是93.55%, 0.63和3.82%, 检验集的平均R2, SEP和RSD分别是92.18%, 0.87和5.20%。 采用4 000～9 000 cm-1光谱范围, 二阶导数（13）预处理光谱, 建模集与检验集的比例为4∶1, 模型最优, 其建模集内部交叉R2, SEP和RSD分别是93.57%, 0.55和3.38%, 检验集内部交叉R2, SEP和RSD分别是93.35%, 0.73和4.40%。 GABA建模结果: 采用不同光谱区建模时, 建模集的平均R2, SEP和RSD分别是86.28%, 0.21和8.30%, 检验集的平均R2, SEP和RSD分别是84.35%, 0.22和8.76%。 采用不同比例的建模样品和检验样品时, 建模集的平均R2, SEP和RSD分别是88.51%, 0.20和8.04%, 检验集的平均R2, SEP和RSD分别是86.80%, 0.21和8.40%。 4 000～10 000 cm-1光谱范围, 原始光谱, 建模集与检验集的比例为4∶1, 模型最优, 其建模集内部交叉R2, SEP和RSD分别是93.28%, 0.15和6.10%, 检验集内部交叉R2, SEP和RSD分别是91.49%, 0.17, 6.68%。 证明了使用近红外光谱技术定量测定多年生苦荞叶片蛋白质和GABA含量的可行性以及模型的稳定性。
近红外光谱 多年生苦荞 模型 蛋白质 γ-氨基丁酸 Near infrared spectroscopy Perennial buckwheat Models Protein GABA 光谱学与光谱分析
2020, 40(8): 2421
1 浙江大学农业与生物技术学院种子科学中心, 浙江 杭州 310058
2 云南省烟草农业科学研究院, 云南 玉溪 653100
作为农业生产最基本的生产资料, 种子质量是影响其种用价值的最重要特征。常用的种子质量检测方法存在检测速度慢、具破坏性、预处理过程复杂等问题, 因此研究简便快速的种子质量检测方法对于种子质量检验具有重要意义。本文综述了近年来近红外光谱技术检测种子内含物、种子活力及贮藏年份、种子病害和虫害等研究现状及存在的问题。对于水分、淀粉、蛋白质、脂肪酸、胡萝卜素等物质含量, 其模型鉴别率较高, 对相对含量较低的微量物质鉴别率较低;因高温高湿致活力下降的种子以及贮藏不同年份的种子可以高效鉴别, 而因冷害所致的活力较低种子无法鉴别;目前可成功鉴别健康种子与感病种子, 并对种子的健康度进行有效的分级, 部分真菌性病害的病原菌也可鉴别;可成功鉴别遭虫蚀种子与健康种子, 进而区分害虫的种类, 但对虫害水平较低的样本和较小幼虫的检测效果不够理想。最后对近红外光谱技术在种子质量检测应用上存在的问题进行了分析与展望, 特别是种子行业特有的单粒检测技术, 其光谱采集配件的标准化将极大的提高其应用性。
种子 质量 检测 成分 近红外 Seeds Quality Testing Constituents NIRS
1 中国农业大学农学与生物技术学院植物遗传育种学系/农业部基因组学与遗传改良重点实验室/北京市作物遗传改良重点实验室, 北京100193
2 中国农业大学信息与电气工程学院, 北京100193
利用近红外光谱分析技术结合定量偏最小二乘法对农大108玉米的纯度进行了定量测定, 首先通过在农大108杂交种子加入不同量的母本178种子, 获得纯度60%～100%范围内的样本123份, 然后测定粉碎后样本的光谱, 根据2: 1的比例划分建模集和检验集。 结果表明: 6 000～10 000 cm-1为适宜的建模光谱范围, 主成分为8时, 建模集内部交叉验证的决定系数达96.61%、 校正标准差(SEC)2.15%, 平均相对误差(RSD)2.04%; 检验集的决定系数达到97.67%, 校正标准差(SEP)1.78%, 平均相对误差(RSD)1.94%。 采用该方法建模时, 采用不同比例的建模样品和检验样品, 建模集平均决定系数为96.21%, 校正标准差2.29%, 平均相对误差为2.81%。 检验集的平均决定系数为95.75%, 预测标准差2.23%, 平均相对误差为2.73%, 进一步证明模型的稳定性。
近红外光谱 杂交玉米 纯度 定量分析 Near-infrared spectroscopy Hybrid maize Purity Quantitative analysis 光谱学与光谱分析
2011, 31(10): 2706
1 中国农业大学农学与生物技术学院植物遗传育种学系/农业部基因组学与遗传改良重点实验室 北京市作物遗传改良重点实验室, 北京100193
2 中国农业大学信息与电气工程学院, 北京100193
采用近红外光谱分析技术结合定性偏最小二乘法对农大108玉米杂交种的纯度进行了鉴别研究, 实验采用农大108杂交种子与母本178种子各100粒进行单粒光谱扫描(建模集与检验集比例为3∶1), 结果表明: 透射孔直径为3 mm时, 所建模型平均鉴别率为99.82%, 显著高于透射孔直径为4.5 mm时所建模型的鉴别率90.96%; 采用胚乳面一次光谱、 胚面两次平均光谱、 胚乳面两次平均光谱和四次平均光谱进行建模, 其平均鉴别率差异不显著, 检验集平均鉴别率均达到99%左右, 略高于胚面一次光谱; 选择透射孔径3.0 mm, 4 000～8 000 cm-1光谱范围, 种子胚乳面单次光谱所建立的农大108玉米杂交种的种子纯度鉴定模型的建模集和检验集的鉴别率均达到100%。
近红外光谱 玉米种子 纯度 单粒鉴定 Near-infrared spectroscopy Maize seed Purity Single seed identification
1 中国农业大学农学与生物技术学院植物遗传育种学系
2 农业部基因组学与遗传改良重点实验室
3 北京市作物遗传改良重点实验室， 北京 100193
4 中国农业大学理学院， 北京 100193
用傅里叶变换近红外漫反射光谱法测定了自然状态下单粒苦豆子与决明子种子的光谱，并结 合定性偏最小二乘法对这两种种子的生活力进行了鉴别研究。研究结果表明，正反面两次平均光谱的建模效果要优于 单次光谱；采用不同样品建模时，苦豆子与决明子模型的鉴别率均在90%以上。该研究为利用近红外光谱技术快速无 损鉴定种子生活力提供了新的途径。
近红外光谱 苦豆子 决明子 自然老化 生活力 near-infrared spectroscopy sophora alopecuroide Cassia tora L seed viability
