蕨菜采集加工过程中过氧化物酶活性的变化

采用愈创木酚法对蕨菜鲜样及加工过程中各阶段的蕨莱样品过氧化物酶(POD)活性进行测定.结果显示,蕨莱由鲜样王成品的POD活性分别是:U1=6 889.796 U/g·min.U2=946.938 8 U/g·min,U3=653·061 2 U/g·min,即鲜样POD活性>盐渍前期样品POD活性>盐清后期样品POD活性.     

血液FTIR/ATR光谱分析的数学模型

利用傅立叶变换红外光谱(FTIR)结舍衰减全反射(ATR)技术和单点回归方法建立人体血液血红蛋白定量分析的数学模型.以预测均方根偏差(RMSEP)和测相关系数(RP)为目标进行模型优选.结果表明:最优单点模型的RMSEP.RP值分别达到5.40、0.859,为FTIR/ATR光谱技术应用于人体血红蛋白的定量分析提供优秀稳定的数学模型.     

基于近红外与拉曼光谱的甲醇汽油定量分析

利用近红外和拉曼光谱法定量分析了甲醇汽油中甲醇的含量,采用偏最小二乘法(partial least squares,PLS)建立甲醇的定量模型.近红外光谱法测定甲醇定量模型的预测集相关系数RP为0.998,预测均方根误差(RMSEP)为0.289%;拉曼光谱法测定甲醇定量模型的预测集相关系数RP为0.982,预测均方根误差(RMSEP)为1.141%.实验表明,近红外与拉曼光谱技术均可用于甲醇汽油中甲醇含量的快速检测.     

宝鸡市不同小麦品种水培叶片抗性指标差异分析

目的了解宝鸡市不同小麦品种的抗逆性,筛选该区适合种植的小麦品种。方法选取11个冬小麦品种的种子为研究对象,以丙二醛(MDA)含量、过氧化物酶(POD)活性和超氧化物歧化酶(SOD)活性为抗逆性指标进行分析,最后对这几个指标进行相关分析。结果 (1)不同品种小麦叶片MDA含量差异显著(F=32.29,P0.01),以宝研85叶片的MDA含量最高,为22.95 mmol·g~(-1)FW,以周麦27和荔高2号MDA含量较低,分别为4.91和4.86mmol·g~(-1) FW;(2)不同品种小麦叶片过氧化物酶(POD)活性之间达到极显著差异(F=77.78,P0.01),其中,周麦27叶片的POD活性最强,为32.67U/min·g FW,宝研85叶片的POD活性最弱,为11.53U/min·g FW;(3)不同品种小麦叶片超氧化物歧化酶(SOD)活性也达到极显著差异(F=15.83,P0.01),以周麦27叶片的超氧化物歧化酶活性最强,其值为43.76U/g FW,活性值最低的品种是宝研85,其值为39.21U/g FW;(4)不同品种间MDA含量与POD及SOD活性均呈现显著的负相关关系,相关系数分别为-0.75和-0.83,POD与SOD呈现显著的正相关关系,相关系数为0.68。结论宝鸡市主栽的11个小麦品种以周麦27的抗性最强,宝研85抗性较弱。     

基于可见/近红外光谱技术的新鲜茶叶叶片含水率快速测定

提出了利用可见/近红外光谱技术检测新鲜茶叶叶片中含水量的方法.首先采集350~2500nm波段范围内177个新鲜茶叶叶片的光谱反射率信息,作为X变量.将不同预处理后的光谱数据建立偏最小二乘(partial least squares,PLS)模型,再利用回归系数法(regression coefficients,RC)提取全波段光谱中的特征波长并建立基于特征波长的预测模型.结果显示,利用全谱段光谱信息建立的模型中,未经预处理建立的模型最优,建模集和预测集中决定系数(coefficient of determination,R~2)分别是0.9039和0.8856,均方根误差(root mean square error,RMSE)分别是0.0092和0.0120,剩余预测偏差(residual predictive deviation,RPD)是2.9659;基于特征波长的模型中,也是未经预处理建立的模型最优,建模集和预测集中R~2分别是0.9070和0.8199,RMSE分别是0.0107和0.0151,RPD是2.3701.结果表明,可见-近红外光谱技术结合特征波长提取进行新鲜茶叶叶片中含水率检测是可行的.     

NIR光谱法快速预测小麦籽粒干物质含量

通过采集百农201、百农207、百农307、百旱207、AK-58、冠麦1号、周麦18等7个不同品种完整小麦籽粒的近红外光谱(900～1700 nm)信息,经高斯滤波平滑(Gaussian Filtering Smoothing,GFS)、标准化校正(Normalization Correction)和卷积平滑(Savitzky-Golay Convolution Smoothing,SGCS)三种预处理后,利用偏最小二乘回归(Partial Least Squares Regression,PLSR)算法寻找光谱信息与小麦籽粒干物质含量之间的定量关系。结果显示,经GFS预处理的近红外光谱(100个波长)构建的全波段PLSR模型(PLSR)预测相关系数(RP)为0.952,预测误差(RMSEP)为0.158%,RMSEC与RMSEP绝对值差(ΔE)为0.082,预测效果优于其他两种预处理光谱。从GFS光谱中经PLSR-β法筛选获得17个最优波长,构建的优化模型(O-PLSR)RP为0.928,RMSEP为0.191%,ΔE为0.049,其预测效果接近于PLSR模型。试验表明,利用900～1700 nm光谱可被潜在用于快速无损预测小麦籽粒干物质含量。     

乙醇水溶液体积分数和温度的近红外激光拉曼光谱研究

为了研究乙醇水溶液近红外激光拉曼光谱随体积分数和温度的变化,首先通过便携式近红外激光拉曼光谱仪测得0~100%乙醇水溶液在10~30℃的拉曼光谱,然后将温度和拉曼光谱值一起用于建立体积分数预测模型,以提高其预测精度.结果表明:带有温度值的PLS模型相关系数(Rc)为0.997 6,校正均方根误差(RMSEC)为1.94,预测模型相关系数(Rp)均达到0.995 0以上,建立的乙醇水溶液联合模型性能较稳定,能够满足不同温度下乙醇水溶液体积分数的测定,满足实际在线检测的需要.进一步研究温度与乙醇水溶液的近红外拉曼光谱的关系,在体积分数0~100%每隔10%建立一个近红外拉曼光谱的温度PLS模型,得到11个模型的相关系数,R值在0.734 4和0.954 7之间,并且随着乙醇体积分数变大,R值越来越大.     

基于高光谱图像技术和波长选择方法的羊肉掺假检测方法研究

针对肉类掺假的定量检测问题,建立了基于高光谱图像技术结合波长选择方法以及偏最小二乘(PLS)法的羊肉掺假无损检测方法.试验搭建了羊肉-猪肉的高光谱图像采集系统,对选取的99个样本进行高光谱图像(390~1040nm)采集并提取感兴趣区域光谱.比较了多种预处理方法对全波长模型的影响,标准正态变量校正(SNV)为最优光谱预处理方法,校正决定系数R2CV达到0.93,预测决定系数R2P达到0.96,校正均方根误差RMSECV为8.33%,预测均方根误差RMSEP为6.18%.采用多种波长选择方法对光谱全波段520个变量进行变量选择,最终确定基于竞争性自适应重加权算法(CARS)的简化模型最优,其R2C=0.96,R2CV=0.94,R2P=0.96,RMSEC=6.55%,RMSECV=7.66%,RMSEP=6.10%.高光谱图像技术结合CARS能够对掺假羊肉进行准确的定量检测,可为羊肉掺假的在线无损检测提供理论依据.     

基于偏最小二乘法的土壤有机碳高光谱预测研究

对86个土壤样品高光谱数据进行平滑去噪、一阶微分变换以及多元散射校正处理,在此基础上,建立土壤有机碳含量的偏最小二乘法(PLS)反演模型.结果表明,获得的五种PLS模型均具有较高的模型精度.其中,主成份个数为10时,R+MSC的PLS模型效果最好.校正模型的决定系数R2=0.95,校正均方根误差RMSEC=0.95.验证模型的决定系数R2=0.78,预测均方根误差RMSEP=2.03.利用PLS模型对预测集进行预测,实测值与预测值的决定系数R2=0.83,预测均方根误差RMSEP=1.71,预测标准差SEP=1.73.PLS模型可以对土壤有机碳含量进行预测.     

基于AIRF-CARS波段选择算法的橡胶树叶片氮含量定量研究

以橡胶树叶片的近红外光谱信息为分析对象,运用由粗放到细致的多分辨率特征提取思想,提出了一种融合自适应间隔随机蛙与竞争自适应重加权采样(AIRF-CARS)的算法提取橡胶树叶片的光谱特征信息,从而实现了橡胶树叶片氮含量的定量分析.实验结果表明,AIRF-CARS算法有效的压缩了光谱特征的数量,通过算法选择的特征波长为22个,使得定量分析模型的预测均方根误差(RMSEP)和决定系数(R~2)分别为0.136 4%和0.959 6.因此,本文算法可以有效地提取信息量较大的波长特征,应用于近红外光谱检测的定量分析中,并为便携式田间多波段光谱仪的研发提供理论支撑.     

高光谱成像技术快速预测冷鲜鸡胸肉的嫩度

本试验研究了基于近红外(900~1700 nm)高光谱成像技术快速预测不同冷藏时长(0~6天)的鸡胸肉嫩度.通过对原始光谱信息进行S-G卷积平滑及Baseline基线校正预处理,并采用偏最小二乘回归算法(PLSR)构建光谱信息与嫩度参考值之间的定量关系.结果显示,全波段原始光谱及预处理光谱构建的PLSR校正模型和预测模型相关系数R均大于0.90,预测效果良好.经回归系数法,从原始光谱、S–G卷积平滑预处理光谱及Baseline基线校正预处理光谱中分别筛选出20、20和19个最后波长,构建优化的RC-PLSR模型,预测相关系数分别为0.91、0.89及0.93,均方根误差分别为2.33、2.45及2.03.相比之下,经S-G卷积平滑预处理构建的PLSR模型和RC-PLSR模型预测效果均最优.研究表明,近红外高光谱成技术结合PLSR可实现对鸡肉嫩度的快速无损预测.     

近红外光谱结合蚁群算法检测花茶花青素含量

花青素是花茶中的主要质量指标,为了快速准确的检测花茶中花青素的含量,提出一种基于蚁群算法(ACO)结合区间偏最小二乘法(iPLS)的近红外光谱检测方法.原始近红外光谱经过预处理采用ACO-iPLS优选花青素含量对应的特征子区间.当全光谱划分为12个子区间时,ACO-iPLS优选出第1,9,10共3个子区间,在此基础上建立的近红外光谱模型最佳.模型对校正集和预测集相关系数分别为0.901 3和0.864 2;交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.160 0 mg·g-1和0.202 0 mg·g-1.研究结果表明:与常规的iPLS相比,ACO-iPLS不但可以有效选择近红外光谱特征谱区,而且建立的模型具有更高的精度和鲁棒性.     

基于近红外技术快速检测青金桔果粉中β-胡萝卜素含量

以青金桔原粉为研究对象,采集不同时间热处理的青金桔果粉近红外光谱(900～1700nm)信息,经不同预处理,运用偏最小二乘回归(partial least square regression,PLS)法建立β-胡萝卜素含量的预测模型,实现靑金桔果粉中β-胡萝卜素含量的快速无损检测。试验结果显示,经标准正态变换(standard normal variate,SNV)预处理在1300～1700 nm范围内光谱信息构建的PLS模型,预测效果较好,模型均方根误差(RMSEC)、交叉验证均方根误差(RMSECV)、预测均方根误差(RM-SEP)分别为0.08、0.14和0.05,校正集决定系数(R2c)、交叉验证集决定系数(R2cv)和预测集决定系数(R2p)分别为0.95、0.87和0.95。由此表明,利用近红外光谱技术可潜在实现对青金桔果粉中β-桔胡萝卜素含量的快速检测。     

基于BP-Adaboost的近红外光谱检测固态发酵过程pH值

为了实现固态发酵过程参数pH值的快速检测,提出基于近红外光谱技术的固态发酵过程参数pH值检测新方法.首先获取140个固态发酵过程产物样本在10 000 ～4 000 cm-1范围内的近红外光谱;然后利用酸度计测得近红外光谱预测模型的参考测量值;最后运用Adaboost(AdaptiveBoosting)算法来构建由10个弱预测器(BP神经网络)组成的BP-Adaboost强预测模型.试验结果显示:该模型的预测均方根误差(RMSEP)和预测集相关系数(R)分别为0.072 6和0.981 1;与BP模型结果相比,该模型具有较好的预测精度.     

基于GA-BP神经网络算法的马铃薯晚疫病预测模型

应用基于遗传算法的BP神经网络构建马铃薯晚疫病预测模型,对原始样本进行归一化处理,应用遗传算法优化BP神经网络的结构、初始权值、阀值,通过BP神经网络训练构建马铃薯晚疫病预测模型,利用遗传算法来改善BP神经网络算法本身的缺陷,提高学习精度,预测准确度.仿真结果表明,GA-BP神经网络模型预测准确度较高,误差率较低,稳定性较好.实践证明,将GA-BP神经网络算法应用于马铃薯晚疫病预测模型中是可行的,能够实现晚疫病流行程度的快速预测.     

抗褐变与褐变安梨叶片的酶活性比较

为了探寻抗褐变安梨品系燕安3叶片中相关酶活性与果实抗褐变之间的关系,以燕安3和不抗褐变的对照品种燕安1,燕安2的叶片为材料,测定了POD,CAT,PPO,SOD等酶活性。结果表明:燕安3叶片中POD,CAT活性分别为(48.36±3.27)U/(g.min)和(122.65±8.34)U/(g.min),均显著高于两个对照品种;且3个安梨品种(系)叶片中POD,CAT,PPO活性由大到小的排序均为:燕安3,燕安1,燕安2;而安梨叶片中SOD活性则与果实褐变度不相关。     

用近红外光谱法实时监测蛹虫草发酵中胞内多糖的质量浓度

应用近红外光谱(NIR)结合偏最小二乘法(PLS)建立一种实时监测蛹虫草发酵中胞内多糖质量浓度的新方法.对39个批次的蛹虫草在3个不同条件的5L发酵罐中进行蛹虫草深层发酵,发酵过程中间隔一定时间取样,采集样品的近红外光谱,并按常规方法测定样品中胞内多糖质量浓度,再采用PLS法建立样品的近红外光谱与胞内多糖质量浓度间的模型,所建模型经过选择最适光谱预处理方法和最适隐变量数进行优化,其留一交互验证预测值与化学测定参考值间的相关系数R=0.8750,交互验证均方根误差RMSECV=0.3052.采用最优PLS模型对样品中胞内多糖质量浓度进行预测,校正集预测均方根误差RMSEC=0.1670,预测集预测均方根误差RMSEP=0.3650,表明模型的稳健性和预测性能较好。     

基于长波近红外光谱快速无接触评估小麦籽粒含水率

利用长波近红外光谱(900～1700 nm)联用偏最小二乘(Partial Least Squares,PLS)算法快速评估小麦水分含量。通过采集7个不同品种小麦籽粒(百农201、百农207、百农307、百旱207、AK-58、冠麦1号、周麦18)的近红外反射光谱信息,经高斯滤波平滑(Gaussian Filtering Smoothing,GFS)、多元散射校正(Multiplicative Scatter Correction,MSC)和标准正态变量变换(Standard Normal Variable Correction,SNV)三种预处理后,分别利用偏最小二乘法(Partial Least Squares,PLS)挖掘光谱信息与小麦水分之间的定量关系。结果显示,经GFS预处理的近红外光谱(100个波长)构建的全波段PLS回归模型(F-PLS)的预测相关系数(RP=0.927)、预测误差(RMSEP=1.596%)和鲁棒性(ΔE=0.064)均优于另外两种光谱。采用Regression coefficient算法筛选最优波长优化F-PLS模型,以提高预测效率。结果显示,从GFS预处理光谱筛选的29个最优波长构建的O-PLS回归模型预测精度及鲁棒性均较好(R_P=0.909,RMSEP=0.229%,ΔE=0.078)。本试验表明,利用长波近红外光谱技术来快速无接触评估小麦籽粒含水率的潜力巨大。     

基于稻种糙米近红外光谱分析技术的发芽率检测方法

针对传统稻种发芽率检测操作复杂,耗时长,稻种外壳污染物干扰光谱检测等问题,提出一种基于稻种糙米近红外光谱检测实现稻种发芽率快速检测的新方法.将192份糙米样品的光谱分为校正集144份和预测集48份,通过不同预处理方法和化学计量学建模方法,分析不同老化时间糙米的光谱差异,建立糙米发芽率的预测模型.结果表明:在全波段570~1 848 nm采用二阶导数+SNV and Detrend的预处理并结合偏最小二乘法(PLS)建立的模型最优,其校正集决定系数RC与标准偏差SEC分别为0.976和1.244,预测集相关系数RP与标准偏差SEP分别为0.951和1.935.采用近红外光谱分析技术对稻种糙米发芽率进行测定是可行的,所建模型在稻种糙米发芽率预测方面有较好的预测能力.     

外源5-氨基乙酰丙酸(ALA)及一氧化氮供体硝普钠(SNP)对干旱胁迫下金荞麦幼苗生理特性的影响

采用20%的聚乙二醇对金荞麦幼苗进行干旱胁迫处理,并通过添加不同体积质量分数的外源5-氨基乙酰丙酸(ALA)及一氧化氮供体硝普钠(SNP),研究外源ALA和外源NO处理对干旱胁迫下金荞麦幼苗叶片的叶绿素质量分数、可溶性糖质量分数、丙二醛(MDA)质量分数以及超氧化物歧化酶(SOD)、过氧化物酶(POD)、过氧化氢酶(CAT)活性等生理指标的影响.结果显示PEG-6000(20%)胁迫下的金荞麦幼苗生长受到显著抑制,但是经过不同体积质量分数的ALA或SNP处理后,均提高了幼苗可溶性蛋白的质量分数,降低了叶片的MDA质量分数和可溶性糖质量分数,显著地提高了SOD,POD和CAT 3种酶的活性和叶绿素a、叶绿素b、总叶绿素、叶绿素a/b的水平.50mg/L的ALA处理后SOD的活性达到最大值(0.039U/(mg·min));75mg/L的ALA处理后POD的活性达到最大值(2.359U/(mg·min));0.10mmol/L的SNP处理后CAT的活性达到最大值(0.052U/(mg·min)).然而,75mg/L的ALA比50mg/L的ALA处理后,金荞麦幼苗叶片的MDA质量分数少.因此,适宜体积质量分数的ALA和SNP能够有效地减缓干旱胁迫对金荞麦幼苗产生的伤害,提高幼苗的抗干旱能力.