培育优质高产水稻品种是当前水稻育种的重要任务之一; 胶稠度是稻米蒸煮食味品质最重要的指标之一。 传统的化学法测定稻米胶稠度, 前处理复杂、 过程繁琐、 试剂消耗多, 难以满足大批量水稻品种(组合)胶稠度快速无损检测的需求。 近红外光谱分析能快速、 无损、 无污染地分析检测。 以137份南方稻区主栽或新育成的籼稻品种(组合)为供试材料, 用传统化学法测定其稻米胶稠度并收集其近红外光谱, 以建立南方籼稻米胶稠度近红外光谱分析模型, 并对模型进行校正、 检验。 用偏最小二乘法(PLS)分别经20种数学预处理和6种波长段(或组合)建立各自的近红外分析模型。 通过比较模型评价指标确定了平滑预处理为最佳预处理方式, 波长段1 100~1 650 nm为最优建模波长段。 平滑处理模型评价指标: 校准相关系数(R)、 检验相关系数(r)、 相对百分比偏差(RPD)分别为0.970 0, 0.964 2和3.780 5; 波长段1 100~1 650 nm模型评价指标: R, r和RPD分别为0.969 4, 0.963 8和3.758 6; 经平滑处理后在1 100~1 650 nm波长段建立了稻米胶稠度最优近红外分析模型, 其模型评价指标: R, r和RPD分别为0.979 0, 0.974 1和4.419 4; 再用30份验证集样本对所得的最优模型进行外部验证, 结果表明: 近红外检测值和化学值绝对误差在0.198 6~6.502 4 mm, 对其进行配对T检验, p=0.726>0.05, 表明该近红外模型的检测值与化学值无显著差异, 即应用此近红外模型快速无损检测稻米胶稠度是可行的。 本研究结果为优质水稻品种(组合)早世代材料的快速筛选及稻米胶稠度的批量快速分析检测提供了技术支持。
籼稻米 胶稠度 近红外模型 偏最小二乘法 Indica rice Gel consistency Near-infrared model Partial least squares 光谱学与光谱分析
2021, 41(8): 2432
陕西省杂交油菜研究中心, 国家油料作物改良中心陕西分中心, 陕西 大荔 715105
为了提高近红外模型的精确度与准确度, 需要定期地对原模型进行修正。常用的方法是在原模型中添加一些包含新信息的新样品, 因此, 样品的选择成为模型维护过程中的关键因素之一。以利用近红外光谱分析法测定油菜籽含油量为例, 向原模型中添加不同偏差的样品建立独立的近红外模型, 并设计相应的验证集对各模型的预测性能进行全面评价。结果表明: 不同偏差的样品对模型预测性能的改善效果有差异, 只有当新样品的偏差与原模型的预测偏差相匹配时, 添加的新样品才能更有效地对原模型进行修正。依据偏差选择样品的新思路为近红外模型的维护提供了一条有效地途径。
近红外模型 含油量 偏差 near infrared model oil content deviation
以相思树聚戊糖含量为例, 通过用不同精确度的数据建立的近红外模型预测性能, 讨论了不同精确度的数据对近红外模型准确性的影响。 结果表明, 建模原始数据的精确度在一定程度上影响着近红外模型的预测性能, 精确度越高, 建立的模型越好。 但对于精确度较小的的样品, 所建立的模型预测性能也能较好的预测未知样品。
近红外模型 实验误差 聚戊糖 Near infrared Noise Hemicelluloses 光谱学与光谱分析
2011, 31(5): 1216
