基于在线近红外光谱快速检测玉米籽粒主要品质参数的研究

发布时间：2019-09-29 05:39

【摘要】：本试验旨在探讨利用在线近红外对玉米籽粒主要品质参数进行在线快速预测的可行性。以全国范围内收集的171个饲用玉米籽粒为研究对象,利用试验室自主搭建的在线近红外平台扫描样品的动态光谱,通过CARS(Competitive Adaptive Reweighted Sampling)方法筛选出与品质参数密切相关的变量,并结合偏最小二乘方法建立在线定量分析模型,为玉米籽粒质量的判别提供一种快速有效的方法。结果表明:利用在线近红外光谱技术得到的玉米籽粒中水分、粗蛋白、粗灰分和总能的定量分析模型校正集相关系数分别为0.90、0.92、0.78和0.92,预测集的相关系数分别为0.76、0.89、0.72和0.83,相对分析误差RPD分别为2.41、3.04、1.80和2.42,表明粗蛋白在线近红外定量分析模型可用于实际检测;水分和总能可用于定量分析,但模型精度有待于进一步提高;粗灰分的定量模型效果较差,需要进一步优化。
【图文】：

频率分布直方图,化学,玉米籽粒,定量分析模型

2017年第53卷第1期ScienceandTechnology·科学技术-107-白的吸收峰；2330、2349nm分别为C-H伸缩振动和变形振动，在2230~2250nm区域吸收峰与玉米中纤维成分有关。2.2玉米籽粒化学值分析玉米样品化学值的分布范围、平均值和标准偏差如表2所示。由图3可知，样品各指标基本呈正态分布。由于玉米籽粒样品在全国范围内采集，涉及地域范围较广，且受到气候、土壤等条件的影响化学值范围较宽，变异性较大。采用浓度梯度分集方法获得的校正集和验证集中各成分的分布范围、平均值和标准偏差基本一致，，另外各成分的化学值分布均为正态分布，整体分布较为合理，说明样品的收集具有较好的代表性，满足了建立近红外定量分析模型的条件。2.3基于全谱的定标模型的建立与预测分析近红外定量分析模型的建立是通过偏最小二乘算法将光谱与化学值之间进行回归分析，构建两者之间的相关关系。基于原始光谱构建的玉米籽粒的水分、粗蛋白、粗灰分和总能的近红外定量分析模型表3结果显示，水分、粗蛋白、粗灰分和总能的校正集的相关系数Rc2分别是0.82、0.86、0.76和0.85，校正集的RMSEC分别为0.67%、0.26%、0.09%和0.11MJ/kg，预测集的相关系数RP2分别为分别是0.77、0.80、0.48和0.75，预测集RMSEP分别为0.72%、0.30%、0.12%和0.14MJ/kg，相对分析误差RPD分别为2.30、2.23、1.50和2.07，表明利用原始在线近红外光谱建立定量分析模型对玉米籽粒的水分、粗蛋白和总能进行定量分析是可行的，但不能用于实际检测，模型精度有待进一步提高；粗灰分的定量模型需要进一步优化。2.4基于CARS的变量筛选及定标模型优化为提高模型的精度和适用性，使用CARS法对玉米籽粒中的水分、粗蛋白、粗灰分和能量模型中的光谱变量进行筛选，经过多次筛选最?

频率分布直方图,玉米籽粒,近红外光谱

多次筛选最终分别选取25、79、35、90个波长点，利用所选的波长点结合建立定量分析模型，结果如表4所示。由表4可知，经变量图3玉米样品化学值频率分布直方图成分校正集（n=129）验证集（n=42）范围平均值标准偏差范围平均值标准偏差水分,%7.16～16.4212.331.778.09～15.6512.351.66粗蛋白,%5.44～10.767.940.795.48～9.587.950.67粗灰分,%0.74～1.611.010.190.77～1.551.110.18总能,MJ/kg15.94～17.4216.590.3015.99～17.1916.580.29表2玉米籽粒样品的化学值统计分析结果水分,%粗蛋白,%粗灰分,%总能,MJ/kg图2玉米籽粒的近红外光谱图波长,nm光度吸品数量样品数量样品数量样品数量样
【作者单位】：中国农业大学工学院;中国农业科学院农业质量标准与检测技术研究所国家饲料质量监督检验中心;
【基金】：国家科技支撑计划资助(2014BAD08B11-2) 国家重大科学仪器设备开发专项课题(2014YQ47037705)
【分类号】：S513;O657.33

【相似文献】