利用近红外透射光谱技术建立大豆品质定标模型的研讨.pdfVIP

利用近红外透射光谱技术建立大豆 品质定标模型的研究* 姚鑫淼王乐凯戴常军顾晓红高春霞 (农业部谷物及制品质量监督检验测试中心，哈尔滨1513086) 豆样品的蛋白质、脂肪耆量进行分析。比较了偏最小二乘法(PI,S)、改进的俯最小二乘法 (MPLs)、主成分回归法(VCR)3种数学统计方法以及不同光谱数据预处理方法对建立的定标模型 的结果影响。结果表明．以改进的偏最小二乘法(MPLS)经(2．2，2．2)数学处理得到的定标效 果优于其他方法结果。此模型对大豆品质的预测明显优于人工神经网络方程的预测性能，具有 很强的区域适应性，完奎可以满足东北大豆质量普查的需要。 关键词近红外透射光谱；定标模型；大豆蛋白；大豆脂肪 近红外光谱技术是利用有机物质在近红外光谱区的振动吸收而快速测定样品中多种化学 根据透射与入射光强的比例关系来获得物质在近红外区的吸收光谱，电磁波谱范围是850— 1050rim，为分子振动吸收的二级和三级倍频吸收区。测量得到的吸收光谱符合比尔定律。同 反射技术相比，透射谱区的近外光在样品的穿透最大可达30mm，因此适合整粒或原状样品 分析。是完全的无损分析技术幢J。 提高大豆含油量和蛋白质含量始终是大豆品质育种的主要目标。近红外透射光谱技术具 有样品无需预处理、无损耗、准确快速、重现性好、多成分同步分析、成本低、无试剂污染等特 点。是一种高效、快速的现代分析技术。利用优化近红外透射光谱分析定标模型，可以从大豆 样品的近红外光谱来快速检测大豆的粗蛋白质含量和粗脂肪含量，大大提高品质测试效率。 品的蛋白质、脂肪含量进行分析。比较了偏最小二乘法(PLS)、改进的偏最小二乘法 模型的结果影响。建立一套能够推广使用的近红外透射定标模型，为近红外透射光谱技术在 我国大豆品质分析中的应用提供参考。 1材料与方法 1．1试验材料 )Z2004、2005年度黑龙江、吉林、辽宁、内蒙古四省区大豆普查的样品中，分别选出 能够代表东北四省大豆品种品质情况、含量梯度分布均匀的代表性样品89份(蛋白质)、58 *课题来源：2005国家良种大豆推广补贴项目。 364 肪)；同时从未参与定标的样品中选出26份(蛋白质)、16份(脂肪)作为第一预测集样品； 另外以独立于定标样品范围的2005年黑龙江省品种审定的89份样品作为第二预测集样品。 1．2化学分析测定方法 大豆粗蛋白含量的测定采用凯氏定氮法M4一1982【31； 大豆粗脂肪含量的测定采用索氏提取法NY／T3一1982【4J。 1．3定标模型建立 1．3．1光谱采集 所有样品采用F0”公司生产的1241型近红外透射光谱仪扫描样品，扫描温度控制在 子样品数为lO，每个子样品扫描100次，取平均值储存于系统中，然后将其平均光谱转入计 算机中用WINISI软件处理。大豆蛋白质、脂肪在近红外透射谱区吸收谱带图分别见图1和 图2。 日垦皇8u ∞c2Ⅳ=占 Wavelenqths 图1大豆蛋白质在近红外透射谱区吸收谱带图 图2大豆脂肪在近红外透射谱区吸收谱带图 1．3．2光谱散射校正 为解决光谱吸光度与样品性状间吸收非线性问题，采用标准正态变量转换法(Standard Normal 等方法对光谱进行进一步优化。 1．3．3定标样品选择方法 先根据化学分析值按梯度分布均匀的原则选出定标样品，然后将这些样品的化学分析值 输人定标软件WINISI，取NH(Nei—lM00dH)=3．0，GH(GlobalH)=10．0剔除不合格样品， 经交互验证处理后，选择最大光谱变异样品为最终定标样品。 1．3．4数据处理和统计方法 不同的光谱处理建立大豆粗蛋白质和粗脂肪含量的定标模型。通过评估不同的数学处理方法 和散射校正方法对定标模型的影响，以交互验证标准偏差(SECV)低，交互验证决定系数 (1一vR)高的原则来确定最佳定标模型。并对该方程进行预测评价，将预测集所得的近红外 分析结果与化学分析结果进行统计分析，必要时进行截距调整，提高其预测性能，并与Foes 1241近红外人工神经网络方程的预测性能进行对比。 1．3．5方程评价指标