CN104316492A - 近红外光谱测定马铃薯块茎中蛋白质含量的方法 - Google Patents
近红外光谱测定马铃薯块茎中蛋白质含量的方法 Download PDFInfo
- Publication number
- CN104316492A CN104316492A CN201410639575.8A CN201410639575A CN104316492A CN 104316492 A CN104316492 A CN 104316492A CN 201410639575 A CN201410639575 A CN 201410639575A CN 104316492 A CN104316492 A CN 104316492A
- Authority
- CN
- China
- Prior art keywords
- sample
- protein content
- spectrum
- potato
- analysis
- 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.)
- Pending
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种近红外光谱测定马铃薯块茎中蛋白质含量的方法。该方法包括以下步骤(1)收集具有代表性的马铃薯样品;(2)对样品进行光谱扫描;(3)对扫描光谱后的样品进行精确的化学分析并将分析结果输入到光谱文件中;(4)确定定标样品集;(5)定标模型的建立;(6)定标模型的验证。本方法避免了对样品进行复杂的前处理过程,可以快速准确、无污染的测定马铃薯中蛋白质含量。该方法快速、所需的劳动量小、可靠及实用,对以后马铃薯蛋白质含量的测定方法选择有一定的参考价值。
Description
技术领域
本发明涉及一种检测马铃薯块茎中蛋白质组分含量的方法,具体涉及一种采用近红外光谱测定马铃薯块茎中蛋白质含量的方法。
背景技术
马铃薯在全世界范围内一直是重要的粮食作物之一,随着人们生活水平的提高,对马铃薯的品质要求也越来越高,蛋白质含量是研究马铃薯品质中重要的指标之一。传统测试蛋白质含量的方法一般采用凯式定氮法,凯式定氮法作为一种国际通用的测试方法虽然比较成熟,但也有其不足:该方法需要前处理,实验时间太长(至少需要2h才能完成),工作量较大,处理起来费工费时,所用试剂具有腐蚀性,对环境污染大。因此,需要找到一种快速和准确检测马铃薯蛋白质组分含量的方法,为马铃薯蛋白质组分含量的评价提供依据。
近红外光谱分析技术具有无需预处理、分析速度快、不损坏样品、同时测定多个成分、无污染等优点,在许多领域特别是在农业领域得到了广泛的应用,已成为粮食品质分析的重要手段。但国内外还未见近红外技术在马铃薯蛋白质组分含量分析测试方法或建立相关模型方面的报道。
发明内容
为解决上述问题,本发明的目的是提供一种准确、快速、无需预处理测定马铃薯块茎中蛋白质含量的近红外光谱方法。
本发明提供一种近红外光谱测定马铃薯块茎中蛋白质含量的方法,具体步骤如下:
1)收集具有代表性的马铃薯样品。
2)对收集的样品进行光谱扫描。
3)对扫描光谱后的样品进行精确的蛋白质含量分析并将分析结果输入到光谱文件中。
4)去除超常和过剩样品,确定定标样品集。
5)用校正方法将红外谱图与组分的化学测定值相关联建立定标模型。
6)用一组没有参与定标的样品集对模型的预测性能进行验证。
步骤1)所述马铃薯样品数量至少500个,包括不同地域、不同品种、不同年份等。
步骤2)所述对收集的样品应立即进行光谱扫描,采用福斯公司生产的近红外分析仪Infraxact对样品进行光谱扫描,波长范围:570-1848nm,每份样品重复三次,取平均光谱。
使用主成分分析技术(聚类分析技术)将光谱数据压缩并分解为主成分和得分矩阵数据。然后利用得分矩阵数据,比较各样品光谱间的差异及某样品与主组群品组间的差异,从而确定参与定标的最好样品。首先利用光谱文件创建得分文件,计算出数据的平均值和每一个样品到平均值的距离.边界是数据集的3倍标准偏差.然后我们从剔除超常样品后的光谱文件中选择代表性样品,即剔除过剩样品。过剩样品剔除限是0.6,0.6的定义为以某一样品为中心,半径0.6以内的样品将被认为和此样品为相似的样品,其光谱的性质不能增加定标集样品的变异范围,即为过剩样品,这些样品将不参加定标样品集。
用MPLS(改进最小二乘法回归)法建立蛋白质含量的近红外分析模型,预处理方法None(无散射处理)和SNV+Detrend(标准正常化+散射处理),观察统计数据列1-VR(交叉验证相关系数)和SECV(交叉验证误差),找出1-VR值最高的,而SECV值最低的即为最佳定标模型,这两组数据基本能反应定标模型对其它未知样品的预测性能。
在定标方程建立后,用验证样品集对方程的预测性能进行验证。用化学方法测定结果和 NIR预测结果进行比较,检验两种方法的差异显著性,差异不显著的说明该模型可以取代传统方法。
本发明具有积极有益的效果 :
本发明不仅可以大大缩短品质育种工作中的材料筛选时间,而且可以节省大量的人力、物力和财力,并且减少了很多工序,提高了工作效率,降低了有害气体的污染和对实验操作人员的伤害。
以本发明建立起的近红外定标模型快速测定马铃薯块茎中蛋白质含量通过预测未知样品,结果可靠、理想,检测精度高、重复性好。因此,可以将该技术进行推广。
附图说明
图 1 为马铃薯块茎的近红外原始光谱图。
图 2 为验证集蛋白质NIR预测值与真实值之间的相关图。
具体实施方式
具体操作步骤如下:
(1)样品收集
按不同年份、地域、生长季节等条件收集有代表性的马铃薯样品,将新鲜样品切碎,放在105℃的恒温箱内杀青30分钟,然后将温度调到70.5℃,继续烘14-16h,使样本材料至恒重,将样品粉碎至30-40目,密封保存。
(2)样品扫描
采用福斯公司生产的近红外分析仪Infraxact对样品进行光谱扫描,波长范围:570-1850nm,每份样品重复三次。然后使用WinISI软件对光谱进行平均生成平均光谱文件(见图1)。
(3)蛋白质含量的测定
用传统的凯氏定氮法测定样品中蛋白质含量。
(4)确定定标样品集
采用主成分分析PCA法,根据马氏距离或相关性去除超常样品和过剩样品,超常样品剔除限是3.0,过剩样品剔除限是0.6。最终确定定标样品集为411份,随机选取100份样品组成验证集,其余311份自动生成定标集。定标样品集及验证集见表1。
表1 蛋白定标集及验证集化学分析数据
组分 | 最小值 | 最大值 | 均值 | 标准差 | 样本数 |
定标集 | 6.77 | 23.21 | 12.29 | 2.20 | 311 |
验证集 | 7.16 | 19.54 | 12.52 | 2.19 | 100 |
(5)定标模型的建立
将测定的样品化学值输入到定标集的光谱文件中,用MPLS(改进最小二乘法回归)法建立蛋白质含量的近红外分析模型,预处理方法None(无散射处理)和SNV+Detrend(标准正常化+散射处理),找出1-VR(交叉验证相关系数)值最大的,而SECV(交叉验证误差)值最小的即为最佳定标模型。所得模型结果如表2所示。
表2 马铃薯蛋白质定标模型参数
Constituent | N | Mean | Est.Max | SEC | SECV | 1-VR |
Protein | 295 | 12.315 | 18.692 | 0.566 | 0.632 | 0.912 |
(6)定标模型的验证
在定标方程建立后,用验证样品集对方程的预测性能进行验证。验证样品集样品应具有很好的代表性,其成分应覆盖一定的范围,其传统实验室参考数据必须准确可靠,以便结出合理的验证结果。定标验证工作通过WinISI软件的Monitor Program程序进行,得到预测结果与常规方法测定结果及其偏差见表3以及马铃薯蛋白质预测值与真实值相关图(见图2)。结果表明近红外预测马铃薯蛋白质含量与传统方法结果无显著差异,所建的模型用于马铃薯蛋白质含量检测是准确可靠的。
表 3 蛋白质 NIR 预测值与传统方法实测值结果比较
样品号 | 实测值 | 预测值 | 绝对误差 | 系统偏差 | 样品号 | 实测值 | 预测值 | 绝对误差 | 系统偏差 |
1 | 10.315 | 10.815 | -0.500 | -0.487 | 51 | 13.653 | 12.850 | 0.803 | 0.817 |
2 | 11.403 | 11.690 | -0.288 | -0.274 | 52 | 7.689 | 7.697 | -0.007 | 0.006 |
3 | 12.265 | 12.587 | -0.322 | -0.308 | 53 | 8.444 | 8.954 | -0.511 | -0.497 |
4 | 14.572 | 14.962 | -0.389 | -0.375 | 54 | 10.465 | 10.198 | 0.267 | 0.281 |
5 | 14.247 | 14.526 | -0.279 | -0.265 | 55 | 10.399 | 11.651 | -1.251 | -1.237 |
6 | 9.324 | 9.828 | -0.503 | -0.489 | 56 | 10.127 | 10.331 | -0.204 | -0.190 |
7 | 13.693 | 14.081 | -0.389 | -0.375 | 57 | 12.356 | 12.784 | -0.428 | -0.414 |
8 | 12.453 | 12.106 | 0.347 | 0.361 | 58 | 18.550 | 18.028 | 0.522 | 0.536 |
9 | 10.139 | 11.573 | -1.434 | -1.421 | 59 | 13.269 | 13.776 | -0.507 | -0.493 |
10 | 14.638 | 14.973 | -0.335 | -0.321 | 60 | 9.227 | 8.425 | 0.801 | 0.815 |
11 | 14.377 | 14.843 | -0.466 | -0.452 | 61 | 9.527 | 9.627 | -0.101 | -0.087 |
12 | 10.987 | 11.904 | -0.918 | -0.904 | 62 | 14.247 | 14.163 | 0.084 | 0.098 |
13 | 11.932 | 11.823 | 0.108 | 0.122 | 63 | 15.486 | 15.938 | -0.453 | -0.439 |
14 | 12.714 | 12.909 | -0.195 | -0.181 | 64 | 13.278 | 12.895 | 0.382 | 0.396 |
15 | 13.497 | 14.234 | -0.737 | -0.723 | 65 | 11.590 | 11.441 | 0.149 | 0.163 |
16 | 13.691 | 13.151 | 0.540 | 0.554 | 66 | 14.769 | 15.525 | -0.757 | -0.743 |
17 | 14.291 | 14.433 | -0.142 | -0.128 | 67 | 11.574 | 11.531 | 0.042 | 0.056 |
18 | 13.466 | 13.651 | -0.185 | -0.172 | 68 | 14.703 | 14.205 | 0.498 | 0.512 |
19 | 13.106 | 13.051 | 0.055 | 0.069 | 69 | 12.601 | 11.816 | 0.785 | 0.799 |
20 | 11.965 | 12.501 | -0.536 | -0.522 | 70 | 9.414 | 10.429 | -1.015 | -1.001 |
21 | 11.215 | 10.775 | 0.440 | 0.454 | 71 | 13.986 | 13.583 | 0.403 | 0.417 |
22 | 11.801 | 11.972 | -0.171 | -0.157 | 72 | 12.716 | 11.878 | 0.838 | 0.852 |
23 | 10.432 | 10.545 | -0.113 | -0.099 | 73 | 11.365 | 10.438 | 0.927 | 0.941 |
24 | 10.314 | 9.502 | 0.812 | 0.826 | 74 | 11.248 | 11.797 | -0.549 | -0.535 |
25 | 14.931 | 14.680 | 0.251 | 0.265 | 75 | 7.164 | 6.161 | 1.004 | 1.017 |
26 | 14.181 | 15.135 | -0.954 | -0.940 | 76 | 10.540 | 10.777 | -0.237 | -0.223 |
27 | 11.671 | 12.025 | -0.353 | -0.339 | 77 | 8.740 | 9.250 | -0.510 | -0.496 |
28 | 14.366 | 13.792 | 0.574 | 0.588 | 78 | 12.421 | 11.860 | 0.561 | 0.575 |
29 | 11.440 | 10.819 | 0.621 | 0.635 | 79 | 13.241 | 11.561 | 1.680 | 1.694 |
30 | 15.649 | 15.514 | 0.135 | 0.149 | 80 | 11.118 | 11.659 | -0.542 | -0.528 |
31 | 12.552 | 14.256 | -1.704 | -1.690 | 81 | 12.258 | 12.818 | -0.560 | -0.546 |
32 | 16.054 | 15.124 | 0.929 | 0.943 | 82 | 13.595 | 14.215 | -0.620 | -0.606 |
33 | 10.987 | 11.216 | -0.229 | -0.215 | 83 | 13.166 | 13.228 | -0.063 | -0.049 |
34 | 12.356 | 12.874 | -0.518 | -0.504 | 84 | 9.865 | 10.498 | -0.633 | -0.619 |
35 | 12.041 | 10.823 | 1.218 | 1.232 | 85 | 19.542 | 15.893 | 3.650* | 3.664 |
36 | 15.154 | 13.930 | 1.224 | 1.238 | 86 | 16.463 | 16.777 | -0.314 | -0.300 |
37 | 15.454 | 14.689 | 0.765 | 0.779 | 87 | 11.403 | 11.074 | 0.328 | 0.342 |
38 | 17.083 | 17.234 | -0.151 | -0.137 | 88 | 10.653 | 10.307 | 0.346 | 0.360 |
39 | 9.976 | 10.615 | -0.639 | -0.625 | 89 | 12.127 | 14.919 | -2.792* | -2.778 |
40 | 15.844 | 15.464 | 0.380 | 0.394 | 90 | 9.227 | 10.123 | -0.896 | -0.882 |
41 | 9.940 | 10.317 | -0.377 | -0.363 | 91 | 14.591 | 14.623 | -0.032 | -0.018 |
42 | 14.103 | 14.250 | -0.147 | -0.133 | 92 | 13.954 | 14.486 | -0.533 | -0.519 |
43 | 13.203 | 13.250 | -0.047 | -0.033 | 93 | 13.429 | 13.343 | 0.086 | 0.100 |
44 | 10.954 | 11.021 | -0.066 | -0.053 | 94 | 12.528 | 12.455 | 0.073 | 0.087 |
45 | 13.041 | 11.282 | 1.758 | 1.772 | 95 | 12.487 | 11.949 | 0.538 | 0.552 |
46 | 12.678 | 11.924 | 0.754 | 0.768 | 96 | 10.563 | 10.761 | -0.198 | -0.184 |
47 | 12.978 | 12.685 | 0.293 | 0.307 | 97 | 13.353 | 13.412 | -0.059 | -0.045 |
48 | 13.053 | 12.515 | 0.538 | 0.552 | 98 | 12.976 | 14.972 | -1.996 | -1.982 |
49 | 14.891 | 14.033 | 0.859 | 0.873 | 99 | 11.703 | 11.540 | 0.163 | 0.177 |
50 | 11.769 | 11.918 | -0.149 | -0.135 | 100 | 11.328 | 11.252 | 0.075 | 0.089 |
Claims (6)
1.一种近红外光谱测定马铃薯块茎中蛋白质含量的方法,具体步骤如下:
1)收集具有代表性的马铃薯样品;
2)对收集的样品进行光谱扫描;
3)对扫描光谱后的样品进行精确的蛋白质含量分析并将分析结果输入到光谱文件中;
4)去除超常和过剩样品,确定定标样品集;
5)用校正方法将红外谱图与组分的化学测定值相关联建立定标模型;
6)用一组没有参与定标的样品集对模型的预测性能进行验证。
2.根据权利要求1所述的方法,其特征在于,步骤1)所述按不同年份、地域、生长季节等条件收集有代表性的马铃薯样品,将收集的新鲜样品立即烘干、粉碎,密封保存。
3.根据权利要求1所述的方法,其特征在于,步骤2)采用福斯公司生产的FOSSIX对样品进行光谱扫描,波长范围:570-1848nm,每份样品重复三次,对光谱进行平均,生成平均光谱文件。
4.根据权利要求1所述的方法,其特征在于,步骤3)方法是采用传统的凯氏定氮法测定样品中蛋白质含量。
5.根据权利要求1所述的方法,其特征在于,步骤4)采用主成分分析PCA法,根据马氏距离或相关性去除超常样品和过剩样品。
6.根据权利要求1所述的方法,其特征在于,步骤 5)是用MPLS(改进最小二乘法回归)法建立蛋白质含量的近红外分析模型,预处理方法None(无散射处理)和SNV+Detrend(标准正常化+散射处理),找出1-VR(交叉验证相关系数)值最大的,而SECV(交叉验证误差)值最小的即为最佳定标模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410639575.8A CN104316492A (zh) | 2014-11-12 | 2014-11-12 | 近红外光谱测定马铃薯块茎中蛋白质含量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410639575.8A CN104316492A (zh) | 2014-11-12 | 2014-11-12 | 近红外光谱测定马铃薯块茎中蛋白质含量的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104316492A true CN104316492A (zh) | 2015-01-28 |
Family
ID=52371753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410639575.8A Pending CN104316492A (zh) | 2014-11-12 | 2014-11-12 | 近红外光谱测定马铃薯块茎中蛋白质含量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104316492A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106908408A (zh) * | 2017-03-01 | 2017-06-30 | 四川农业大学 | 一种多花黑麦草粗蛋白含量的测定方法 |
CN108344709A (zh) * | 2018-01-30 | 2018-07-31 | 中国农业机械化科学研究院 | 一种基于近红外光谱技术快速鉴别马铃薯发芽特性的方法 |
CN108507964A (zh) * | 2018-03-07 | 2018-09-07 | 中国科学院西北高原生物研究所 | 一种光谱模型法快速测定锁阳中蛋白质含量的方法 |
CN113267458A (zh) * | 2021-05-21 | 2021-08-17 | 河南科技大学 | 甘薯可溶性蛋白质含量定量预测模型的建立方法 |
CN114034829A (zh) * | 2021-11-19 | 2022-02-11 | 内蒙古中加农业生物科技有限公司 | 一种马铃薯品质分析的方法 |
-
2014
- 2014-11-12 CN CN201410639575.8A patent/CN104316492A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106908408A (zh) * | 2017-03-01 | 2017-06-30 | 四川农业大学 | 一种多花黑麦草粗蛋白含量的测定方法 |
CN108344709A (zh) * | 2018-01-30 | 2018-07-31 | 中国农业机械化科学研究院 | 一种基于近红外光谱技术快速鉴别马铃薯发芽特性的方法 |
CN108507964A (zh) * | 2018-03-07 | 2018-09-07 | 中国科学院西北高原生物研究所 | 一种光谱模型法快速测定锁阳中蛋白质含量的方法 |
CN113267458A (zh) * | 2021-05-21 | 2021-08-17 | 河南科技大学 | 甘薯可溶性蛋白质含量定量预测模型的建立方法 |
CN114034829A (zh) * | 2021-11-19 | 2022-02-11 | 内蒙古中加农业生物科技有限公司 | 一种马铃薯品质分析的方法 |
CN114034829B (zh) * | 2021-11-19 | 2024-04-12 | 内蒙古中加农业生物科技有限公司 | 一种马铃薯品质分析的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104316492A (zh) | 近红外光谱测定马铃薯块茎中蛋白质含量的方法 | |
CN106706553A (zh) | 一种快速无损测定玉米单籽粒直链淀粉含量的方法 | |
CN102590129B (zh) | 近红外检测花生中氨基酸含量的方法 | |
Bittante et al. | Invited review: A comprehensive review of visible and near-infrared spectroscopy for predicting the chemical composition of cheese | |
CN104390927B (zh) | 煤炭样品中灰分的快速检测方法 | |
CN102879353A (zh) | 近红外检测花生中蛋白质组分含量的方法 | |
CN103018195A (zh) | 近红外光谱测定pbx炸药中pctfe含量的方法 | |
Qing et al. | Wavelength selection for predicting physicochemical properties of apple fruit based on near‐infrared spectroscopy | |
CN109211829A (zh) | 一种基于SiPLS的近红外光谱法测定大米中水分含量的方法 | |
CN108760647A (zh) | 一种基于可见/近红外光谱技术的小麦带菌量线检测方法 | |
WO2020248961A1 (zh) | 一种无参考值的光谱波数选择方法 | |
CN104155264A (zh) | 一种用近红外光谱技术预测火炬松松脂中松节油含量的方法 | |
CN109374548A (zh) | 一种利用近红外快速测定大米中营养成分的方法 | |
CN105044022A (zh) | 一种基于近红外光谱技术快速无损检测小麦硬度的方法及应用 | |
CN104596975A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶木质素的方法 | |
CN104596979A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶纤维素的方法 | |
CN108169168A (zh) | 检测分析水稻籽粒蛋白质含量数学模型及构建方法和应用 | |
CN105223140A (zh) | 同源物质的快速识别方法 | |
CN109540837B (zh) | 近红外快速检测苎麻叶片木质纤维素含量的方法 | |
CN104596976A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶蛋白质的方法 | |
CN110376154A (zh) | 基于光谱校正的水果在线检测方法及系统 | |
CN102519903B (zh) | 一种近红外光谱测定双孢蘑菇白度值的方法 | |
CN104568828A (zh) | 近红外漫反射光谱测定造纸法再造烟叶抗张强度的方法 | |
CN109709060B (zh) | 一种沥青软化点、针入度和质量损失的测定方法 | |
CN110231306A (zh) | 一种无损、快速测定奇亚籽蛋白质含量的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150128 |
|
RJ01 | Rejection of invention patent application after publication |