CN101893566B - 一种油菜叶片异亮氨酸含量快速检测方法 - Google Patents
一种油菜叶片异亮氨酸含量快速检测方法 Download PDFInfo
- Publication number
- CN101893566B CN101893566B CN 201010219018 CN201010219018A CN101893566B CN 101893566 B CN101893566 B CN 101893566B CN 201010219018 CN201010219018 CN 201010219018 CN 201010219018 A CN201010219018 A CN 201010219018A CN 101893566 B CN101893566 B CN 101893566B
- Authority
- CN
- China
- Prior art keywords
- nanometers
- rape
- isoleucine content
- rape leaves
- leaves
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种油菜叶片异亮氨酸含量快速检测方法,包括以下步骤:将油菜叶片杀青、烘干后粉碎,得到叶片粉末;分别采集波长1424、1498、1670、1700、1528、1590、1190、1450、1914、2292、1106、2366、1776、1890和1944nm光波所对应的油菜叶片粉末的反射率;将各反射率分别代入多元线性回归方程,计算得到油菜叶片异亮氨酸含量。本发明通过少数特征波长进行多元线性回归分析,快速准确检测油菜叶片中异亮氨酸含量,大大缩短了检测的时间,减少了环境污染,降低了检测成本。
Description
技术领域
本发明涉及油菜检测领域,尤其涉及一种油菜叶片异亮氨酸含量快速检测方法。
背景技术
油菜是我国主要的油料作物和蜜源作物之一,油菜的种植面积占全国油料作物总面积的40%以上,产量占全国食用植物油总产量的60%以上,居世界首位。油菜不同时期的生长状况关系到油菜籽的产量和质量。油菜叶片中的氨基酸含量是油菜生长过程中一项非常重要的生理指标,对油菜叶片生理和有机物积累等生理过程有重要意义。因此可以通过检测油菜叶片中的氨基酸含量,得到油菜的生长状况。近年来,由于农村劳动力的减少,油菜种植中使用了大量的除草剂。有些除草剂是一种生长抑制剂,例如丙酯草醚,可以阻止直链氨基酸的生物合成,具有对油菜安全、杀草谱较广、除草活性高、持效期长,且低毒、低残留,与环境相容等特点。对油菜叶片中异亮氨酸含量的检测,可以反映出某些除草剂对油菜生理和有机物积累的影响,对实现油菜生长状况的大田检测和连续监测,提高油菜籽的产量和质量有重要意义。
传统的检测方法是根据GB/T5009.124-2003,采用万分之一天平准确称取粉样0.05g置于10ml体积的安培瓶中,加入5ml 6M HCL,用循环真空泵抽真空并在酒精喷灯上封口后置于110℃烘箱中消解24h;将冷却后的消解液完全转移到50ml容量瓶中定容、摇匀;吸取5ml上清液置于圆底磨口锥形瓶中,在旋转蒸发仪上(60~70℃)抽真空15min左右蒸干盐酸;重新加入0.02M HCl(pH 2.2)10ml,超声波充分溶解后用一次性针筒吸出,经0.22μm的一次性滤头过滤至氨基酸分析专用样品瓶中,4℃黑暗保存,用日立L-8900自动氨基酸分析仪(日本)分析测定异亮氨酸含量。该方法样本预处理过程和测量过程费时、费力、化学消耗品昂贵,且对环境造成一定污染。因此,急需研究一种简单、快速、无损的油菜叶片异亮氨酸含量检测方法和技术。
可见/近红外光谱可以反映物质内部的有机成分,特别是C-H、O-H、N-H等基团的倍频和合频吸收,可用于定量测定物质有机物质的含量。光谱技术已广泛应用于农业、食品、石油化工、制药、饲料等行业。在植物生命信息快速检测研究中具有广泛的应用潜力。
发明内容
本发明提供了一种油菜叶片异亮氨酸含量快速检测方法,解决了现有检测方法费时、费力、操作复杂、成本高、污染环境等问题。
一种油菜叶片异亮氨酸含量快速检测方法,包括以下步骤:
(1)将油菜叶片杀青、烘干后粉碎,得到叶片粉末;
(2)分别采集波长1424nm、1498nm、1670nm、1700nm、1528nm、1590nm、1190nm、1450nm、1914nm、2292nm、1106nm、2366nm、1776nm、1890nm和1944nm光波所对应的油菜叶片粉末的反射率;
(3)将各反射率分别代入多元线性回归方程:y=170.332λ1-103.957λ2-134.657λ3+110.488λ4+103.523λ5+111.354λ6-131.597λ7-124.505λ8-61.061λ9-18.281λ10+60.688λ11+16.575λ12-87.693λ13+67.211λ14+22.686λ15+0.08403,计算得到油菜叶片异亮氨酸含量;
方程中y为油菜叶片异亮氨酸含量,单位为mg/100mg DW;λ1~λ15分别为波长1424nm、1498nm、1670nm、1700nm、1528nm、1590nm、1190nm、1450nm、1914nm、2292nm、1106nm、2366nm、1776nm、1890nm和1944nm光波所对应的油菜叶片粉末样本的反射率。
步骤(1)中,叶片粉末为40~80目,杀青温度为95~115℃,杀青时间为20~40min。该杀青温度和杀青时间适宜,有利于油菜叶片中主成分的保留,特别是异亮氨酸。步骤(1)中,烘干温度为70~90℃,将叶片烘干至恒重,该烘干温度适宜,不会烤焦叶片。
因为油菜叶片粉末样本是非透明介质,当光波照射在其表面时,除部分被吸收外,其余均发生反射,而光波吸收的多少(或者反射率)是跟油菜叶片内部化学物质含量是相关的,而针对异亮氨酸含量这类具体物质仅仅跟少数某些特征波长光波的反射率相关。
应用连续投影算法在1100~2500nm波长范围内进行特征波长的选取,得到这些特征波长分别为1424nm、1498nm、1670nm、1700nm、1528nm、1590nm、1190nm、1450nm、1914nm、2292nm、1106nm、2366nm、1776nm、1890nm和1944nm。将上述波长的反射率值作为多元线性回归模型的输入变量,实际测量的异亮氨酸含量作为输出变量,计算得到上述多元线性回归方程。
本发明通过少数特征波长进行多元线性回归分析,快速准确检测油菜叶片中异亮氨酸含量,大大缩短了检测的时间,减少了环境污染,降低了检测成本。
附图说明
图1为本发明建模集样本预测结果散点分布图;
图2为本发明预测集样本预测结果散点分布图。
具体实施方式
随机收集248片油菜叶片,为使所采集的油菜叶片样本更具有代表性和多样性,所采集的248片叶片中不仅包括正常生长状态下的油菜叶片(共62片),还包括喷施过不同浓度(100,500,1000mg/L)丙酯草醚除草剂的油菜叶片186片(100,500,1000mg/L每个浓度梯度采集油菜叶片62片),喷洒时间为五叶一心期,喷洒方式为叶面喷施。丙酯草醚除草剂是一种异亮氨酸抑制剂,对油菜叶片异亮氨酸具有抑制作用,可以使油菜叶片中的异亮氨酸含量具有更大的范围,使得所建模型具有更好的适应性和鲁棒性。
将248片油菜叶片放在105℃烘箱中杀青30分钟后于80℃下烘干至恒重,再用研钵将烘干后的油菜叶片样品磨成粉末,并过60目筛,在室温下测定油菜叶片粉末样本在波长1424nm、1498nm、1670nm、1700nm、1528nm、1590nm、1190nm、1450nm、1914nm、2292nm、1106nm、2366nm、1776nm、1890nm和1944nm处的反射率值(Foss NIR Systems 5000),同时利用背景技术所提及的传统方法测量所有叶片的异亮氨酸含量。然后随机选择186个样本作为建模集样本,其余62个作为预测集样本,以建模集样本186片油菜叶片的各特征波长的反射率值作为输入变量,以相应的测量的异亮氨酸含量作为输出变量,利用多元线性回归法(Multiple linearregression,MLR)得到如下多元线性回归方程:
y=170.332λ1-103.957λ2-134.657λ3+110.488λ4+103.523λ5+111.354λ6-131.597λ7-124.505λ8-61.061λ9-18.281λ10+60.688λ11+16.575λ12-87.693λ13+67.211λ14+22.686λ15+0.08403,计算得到油菜叶片异亮氨酸含量。
方程中y为油菜叶片异亮氨酸含量,单位为mg/100mg DW;λ1~λ15分别为波长1424nm、1498nm、1670nm、1700nm、1528nm、1590nm、1190nm、1450nm、1914nm、2292nm、1106nm、2366nm、1776nm、1890nm和1944nm光波所对应的油菜叶片粉末样本的反射率。
然后利用上述多元线性回归方程对建模集和预测集油菜叶片样本的异亮氨酸含量进行预测,并对预测结果进行评价。评价指标中相关系数和斜率越接近于1,均方根误差、偏差的绝对值和截距的绝对值越小,说明模型预测性能越好。预测值评价结果如下表所示:
对建模集和预测集进行预测,油菜叶片异亮氨酸含量的预测值与真实化学方法测量值之间的相关系数均大于0.95,获得了满意的预测精度。对建模集和预测集样本预测结果的散点分布图如图1和图2所示,图中样本靠近分布于回归直线两侧,具有很好的线性预测效果。上述结果说明应用本发明的方法能够快速准确地实现油菜叶片异亮氨酸含量的检测。
Claims (4)
1.一种油菜叶片异亮氨酸含量快速检测方法,包括以下步骤:
(1)将油菜叶片杀青、烘干后粉碎,得到叶片粉末;
(2)分别采集波长1424nm、1498nm、1670nm、1700nm、1528nm、1590nm、1190nm、1450nm、1914nm、2292nm、1106nm、2366nm、1776nm、1890nm和1944nm光波所对应的油菜叶片粉末的反射率;
(3)将各反射率分别代入多元线性回归方程:y=170.332λ1-103.957λ2-134.657λ3+110.488λ4+103.523λ5+111.354λ6-131.597λ7-124.505λ8-61.061λ9-18.281λ10+60.688λ11+16.575λ12-87.693λ13+67.211λ14+22.686λ15+0.08403,计算得到油菜叶片异亮氨酸含量;
方程中y为油菜叶片异亮氨酸含量;λ1~λ15分别为波长1424nm、1498nm、1670nm、1700nm、1528nm、1590nm、1190nm、1450nm、1914nm、2292nm、1106nm、2366nm、1776nm、1890nm和1944nm光波所对应的油菜叶片粉末样本的反射率。
2.根据权利要求1所述的油菜叶片异亮氨酸含量快速检测方法,其特征在于:所述的叶片粉末为40~80目。
3.根据权利要求1所述的油菜叶片异亮氨酸含量快速检测方法,其特征在于:步骤(1)中,杀青温度为95~115℃,杀青时间为20~40min。
4.根据权利要求1所述的油菜叶片异亮氨酸含量快速检测方法,其特征在于:步骤(1)中,烘干温度为70~90℃。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010219018 CN101893566B (zh) | 2010-07-05 | 2010-07-05 | 一种油菜叶片异亮氨酸含量快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010219018 CN101893566B (zh) | 2010-07-05 | 2010-07-05 | 一种油菜叶片异亮氨酸含量快速检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101893566A CN101893566A (zh) | 2010-11-24 |
CN101893566B true CN101893566B (zh) | 2012-04-18 |
Family
ID=43102827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010219018 Expired - Fee Related CN101893566B (zh) | 2010-07-05 | 2010-07-05 | 一种油菜叶片异亮氨酸含量快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101893566B (zh) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009156764A (ja) * | 2007-12-27 | 2009-07-16 | Mitsubishi Rayon Co Ltd | 異物の判別方法 |
CN101706421B (zh) * | 2009-11-19 | 2011-02-02 | 浙江大学 | 基于特征波段的黑木耳蛋白质含量快速检测方法和装置 |
-
2010
- 2010-07-05 CN CN 201010219018 patent/CN101893566B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN101893566A (zh) | 2010-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yi et al. | Estimation of leaf water content in cotton by means of hyperspectral indices | |
Feng et al. | Remote detection of canopy leaf nitrogen concentration in winter wheat by using water resistance vegetation indices from in-situ hyperspectral data | |
Campillo et al. | Solar radiation effect on crop production | |
Zhang et al. | Advances in estimation methods of vegetation water content based on optical remote sensing techniques | |
CN102426153B (zh) | 一种基于冠层高光谱指数的小麦植株水分监测方法 | |
Li et al. | Discriminating varieties of tea plant based on Vis/NIR spectral characteristics and using artificial neural networks | |
Pullanagari et al. | Proximal sensing of the seasonal variability of pasture nutritive value using multispectral radiometry | |
Suarez et al. | Hyperspectral sensing to detect the impact of herbicide drift on cotton growth and yield | |
CN107561032A (zh) | 基于太赫兹吸收系数光谱检测油菜叶片水分状态的方法 | |
Tung et al. | Evaluation of water potentials of leafy vegetables using hyperspectral imaging | |
CN101900677B (zh) | 一种油菜叶片缬氨酸含量快速检测方法 | |
Zhao et al. | Estimation of the net primary productivity of winter wheat based on the near-infrared radiance of vegetation | |
CN101893567B (zh) | 一种油菜叶片氨基酸总量快速检测方法 | |
CN101900679B (zh) | 一种油菜叶片脯氨酸含量快速检测方法 | |
CN101893566B (zh) | 一种油菜叶片异亮氨酸含量快速检测方法 | |
CN101900678B (zh) | 一种油菜叶片亮氨酸含量快速检测方法 | |
CN101900676B (zh) | 一种油菜叶片乙酰乳酸合成酶活力快速检测方法 | |
CN105803070A (zh) | 一种小麦叶片内条锈病菌dna相对含量测量方法 | |
CN101900680B (zh) | 一种油菜叶片可溶性蛋白含量快速检测方法 | |
Zhang et al. | Remote estimation of leaf water content using spectral index derived from hyperspectral data | |
Li et al. | Chlorophyll assessment and sensitive wavelength exploration for tea (Camellia sinensis) based on reflectance spectral characteristics | |
de Menezes Freitas et al. | Hyperspectral characterization and estimation models for agronomic parameters of coffee cultivars after pruning | |
Gao | Canopy chlorophyll estimation with hyperspectral remote sensing | |
CN107576631A (zh) | 基于太赫兹透射率光谱检测油菜叶片水分状态的方法 | |
Xu et al. | Remote estimation of ecosystem water-use efficiency of irrigated and rainfed maize croplands with modis data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120418 Termination date: 20200705 |