CN105572070A - 一种植物中组分含量的检测方法及其应用和一种植物样品优劣的检测方法 - Google Patents

一种植物中组分含量的检测方法及其应用和一种植物样品优劣的检测方法 Download PDF

Info

Publication number
CN105572070A
CN105572070A CN201410545749.4A CN201410545749A CN105572070A CN 105572070 A CN105572070 A CN 105572070A CN 201410545749 A CN201410545749 A CN 201410545749A CN 105572070 A CN105572070 A CN 105572070A
Authority
CN
China
Prior art keywords
plant
cellulose
content
typical curve
component
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
Application number
CN201410545749.4A
Other languages
English (en)
Inventor
钟延军
姜开荣
冯楠
李春玲
张宁
田静雯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
COFCO BIOCHEMICAL ENERGY (ZHAODONG) Co Ltd
Cofco Corp
Cofco Nutrition and Health Research Institute Co Ltd
Original Assignee
COFCO BIOCHEMICAL ENERGY (ZHAODONG) Co Ltd
Cofco Corp
Cofco Nutrition and Health Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by COFCO BIOCHEMICAL ENERGY (ZHAODONG) Co Ltd, Cofco Corp, Cofco Nutrition and Health Research Institute Co Ltd filed Critical COFCO BIOCHEMICAL ENERGY (ZHAODONG) Co Ltd
Priority to CN201410545749.4A priority Critical patent/CN105572070A/zh
Publication of CN105572070A publication Critical patent/CN105572070A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种植物中组分含量的检测方法及其应用,该方法包括:将近红外分析仪的探头伸入植物中进行检测,得到植物在波长为1000-1800nm内的最大吸光度,根据所述最大吸光度和标准曲线得到所述植物中的组分含量。本发明还公开了一种植物样品优劣的检测方法,该方法包括:由本发明所述的方法检测植物中的纤维素含量;然后将检测得到的植物中的纤维素含量与植物纤维素含量警戒值比较。本发明的方法能够快速检测植物中的水、半纤维素、纤维素和木质素的含量,且准确度高。本发明的方法还可以用于判断植物中是否含有超标量的非植物杂质。

Description

一种植物中组分含量的检测方法及其应用和一种植物样品优劣的检测方法
技术领域
本发明涉及一种植物中组分含量的检测方法及其应用,以及一种植物样品优劣的检测方法。
背景技术
秸秆是成熟农作物茎叶(穗)部分的总称。通常指小麦、水稻、玉米、薯类、油料、棉花、甘蔗和其它农作物(通常为粗粮)在收获籽实后的剩余部分。农作物光合作用的产物有一半以上存在于秸秆中,秸秆富含氮、磷、钾、钙、镁和有机质等,是一种具有多用途的可再生的生物资源,秸秆也是一种粗饲料。特点是粗纤维含量高(30%-40%),并含有木质素等。木质素纤维素虽不能为猪、鸡所利用,但却能被反刍动物牛、羊等牲畜吸收和利用。
现有技术中,厂商在收购秸秆时通常注重的是秸秆中的水分含量以及其中是否掺杂有较多的非秸秆类物质,例如土壤和砂砾等。
通常,检验秸秆中水分的方法是采用烘干称重法,具体过程是:从现场秸秆包中取样品→粉碎样品→清洗称量皿→烘至恒重→称取样品→放入调好温度的烘箱(100-105℃)→烘1.5小时→于干燥器冷却→称重→再烘0.5小时→称至恒重(两次重量差不超过0.003g即0.3mg为恒重),整个过程大约需要2.5小时左右,在秸秆收购过程中难以做到快速得出水分结果。
现有技术也可以采用高效液相色谱法来检测植物中的各组分的含量,然而,该方法虽然精确可靠,但是费时费力,且价格昂贵。
而且,通常,经过压缩后的植物根茎叶无法保证均一,所以抽样过程存在局限,而检验的结果只是样品的实际组分,而与整包的组分差别巨大,不能够代表整包的实际组分,而整包的组分尤其是水分对存储的影响很大,整体或局部的水分超出安全水分很容易发霉变质,影响使用,而水分的高低可以影响收购价格,有不良农户或代理商会在出售此类压缩包产品时有意掺水使假,从而带来更高的利润,而掺水后的压缩包不仅是重量大了,而且引发的发霉变质会使得原本好的物料失去了使用价值,从而给使用的企业带来双重的损失。
在企业的采购过程中,由于常规的检验方法采样不均,会导致样品不具备代表性,并且检验过程时间长,以此为依据的采购检验没有时效,会给企业采购带来麻烦,而检验结果没有代表性会给企业带来直接和间接的经济损失。
发明内容
本发明的目的是克服现有技术的缺陷,提供一种快速检测植物中组分含量的方法。将本发明的方法用于检测植物,特别是用于检测含有植物的根、茎和叶中的至少一种的植物压缩包中的组分含量时,可以保证检测快速,且本发明提供的检测方法准确率高。
本发明的发明人是基于如下思路完成本申请的技术方案的:
红外光谱与分子的结构密切相关,是研究表征分子结构的一种有效手段,与其它方法相比较,红外光谱一般样品没有限制,它是一种重要的分析工具。不同的物质在近红外区域有不同的光谱。但由于每一物质有许多近红外吸收带,某一成分的吸收会与其它成分的吸收发生重组,因此,当测定某一复杂物质时,各成分产生的吸收峰会发生严重重叠。如在近红外光谱仪上,水的光谱不同于蛋白质、油和纤维。同一种物质吸收的近红外特征性光谱随着水分含量提高而增强,根据吸收的强弱可以判断出物质水分含量的多少,所以被测样品的光谱特征是多种组分的反射光谱的综合表现,各组分含量的测定可以基于各组分最佳波长的选择。
发明人基于上述考虑采用将红外分析仪用于植物根茎叶的质量检验中。
为了实现上述目的,一方面,本发明提供一种植物中组分含量的检测方法,该方法包括:将近红外分析仪的探头伸入植物中进行检测,得到植物在波长为1000-1800nm内的最大吸光度,根据所述最大吸光度和标准曲线得到所述植物中的组分含量,其中,所述组分包括水、半纤维素、纤维素和木质素中的至少一种,所述标准曲线根据植物样品相应组分的已知的重量百分含量以及最大吸光度而建立。
另一方面,本发明还提供了一种上述检验方法在植物根茎叶压缩包质量检验中的应用。
另一方面,本发明还提供了一种植物样品优劣的检测方法,该方法包括:
(1)由本发明所述的方法检测植物中的纤维素含量;
(2)将步骤(1)中检测得到的植物中的纤维素含量与植物纤维素含量警戒值比较,若所述检测得到的植物中的纤维素含量低于所述植物纤维素含量警戒值,则该植物中含有超标量的非植物杂质,则该植物样品为劣质品;其中,所述植物纤维素含量警戒值为15-20重量%。
通过采用本发明提供的方法检测植物中的组分含量,特别是用于检测含有植物的根、茎和叶中的至少一种的植物压缩包中的组分含量时,可以快速且准确地检测其中的水、半纤维素、纤维素和木质素中的至少一种的含量。具体地,通过本发明的实施例的结果可以看出:采用本发明的方法检测植物中的上述组分的含量时,准确度(相关系数)可以达到0.9以上,而检测速度相对于现有技术来说提高了100000倍以上。而且,本发明的检测方法克服了采用现有技术进行检测时方法繁琐、操作复杂等的缺陷。本发明的方法在植物的根、茎、叶的快速质量检验等领域内具有重要意义。本发明的方法可以不打开压缩包,直接用探头插到压缩包内,进行近红外光检测,检测速度快,具有代表性,能够完美地解决现有技术存在的两个关键性问题。
采用本发明的方法,还可以按如下方法判断植物中是否含有非植物材料:将企业所能接受的植物中的最低纤维素含量设定为近红外仪检测纤维素值的警戒值,若所测定植物中的纤维素含量值低于这个值时,就可以判定该植物中含有非植物材料例如含有土壤等,这非常有利于加工厂商在购买植物原材料中对植物材料优劣的判断。
本发明的其它特征和优点将在随后的具体实施方式部分予以详细说明。
具体实施方式
以下对本发明的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明。
本发明提供了一种植物中组分含量的检测方法,该方法包括:将近红外分析仪的探头伸入植物中进行检测,得到植物在波长为1000-1800nm内的最大吸光度,根据所述最大吸光度和标准曲线得到所述植物中的组分含量,其中,所述组分包括水、半纤维素、纤维素和木质素中的至少一种,所述标准曲线根据植物样品相应组分的已知的重量百分含量以及最大吸光度而建立。
通过上述检测方法就能够快速且高准确率地检测植物中的组分含量,而且,本发明的上述检测方法还具有操作简单、成本低廉的优点。
本发明对所述近红外分析仪的探头伸入植物中进行检测的探头伸入深度没有特别的限定,本领域技术人员可以根据常规使用近红外分析仪的方法进行选择,近红外分析仪的使用方法为本领域技术人员公知,本发明在此不再赘述。
本发明所述“所述标准曲线根据植物样品相应组分的已知的重量百分含量以及最大吸光度而建立”应该理解为:标准曲线根据植物样品相应组分(即,包括水、半纤维素、纤维素和木质素中的至少一种)的已知的重量百分含量以及通过近红外分析仪所获得的植物样品相应组分在波长为1000-1800nm内的最大吸光度而建立。
本发明对所述近红外分析仪的种类没有特别的限定,只要能够通过所述近红外分析仪获得植物在波长为1000-1800nm内的最大吸光度即可,本领域技术人员可以根据常规使用的各种近红外分析仪进行选择。
在本发明中,对所述植物的外形和体积没有特别的限定,本发明的方法可以用于检测具有各种外形和体积的植物。为了使得检测所获得的结果的准确度更高,优选情况下,本发明所述植物的长度为100cm以下。
在本发明中,对待进行检测的植物的整体形式没有特别的限定,为了使得检测所获得的结果的准确度更高,而且,为了更加快速地检测植物中的组分含量,本发明优选所述植物为植物压缩包的形式。在本发明中,所述植物压缩包可以通过如下方法形成:将待进行检测的植物以一定重量依次进行成堆、捆扎并装袋。本发明对所述用于承装植物的袋子没有特别的限定,可以为本领域内常规使用的各种材料的袋子。本发明对所述袋子的容积也没有特别的限定,本领域技术人员可以根据实际情况进行选择。
在本发明所述的检测方法中,对所述植物压缩包的重量没有特别的限定。为了使得检测所获得的结果的准确度更高,本发明优选所述植物压缩包的重量为50-1000kg。
在本发明所述的检测方法中,所述检测的次数可以为一次或多次,本发明优选所述检测的次数可以为1-20次。在上述检测次数范围内,本发明的检测方法能够获得较高的准确度。
在本发明所述的检测方法中,所述标准曲线的建立方法为本领域技术人员所公知,例如,本发明为了检测植物中的组分含量,优选可以采用如下方法建立标准曲线:
取适量植物样品,等分成两份,通过常规方法检测第一份植物样品中的组分(例如可以为水、半纤维素、纤维素和木质素中的至少一种)含量,记录通过常规方法获得的组分含量值为Z常规;采用近红外分析仪检测所述第二份植物样品中的组分(例如可以为水、半纤维素、纤维素和木质素中的至少一种),获得植物在波长为1000-1800nm内的最大吸光度,记录为X。取至少五个不同的植物样品,重复采用上述方法,分别得到相应的植物样品的Z常规和X,然后通过常规方法制作标准曲线,得到标准曲线方程即可。
在本发明的方法中,在采用近红外分析仪检测植物样品中的组分以获得相关光谱图时,为了确保标准曲线方程的精确度和准确度,可以采用标准化、导数、平滑和信号矫正处理等方法对光谱进行预处理。其中,标准化预处理中包含均值中心化和标准化;导数类型包括差分求导和多项式求导;平滑类型包括多项式平滑;信号矫正类型包括SNV(标准正态变量变换)、MSC(多元散射校正)、DT(去趋势校正)和基线校正。
在本发明中,所述Z常规具体可以采用陈贤情等发表在《中国农业工程学会2011年学术年会论文集》中的名称为“秸秆中纤维素/半纤维素和木质素的几种测定方法对比”中的高效液相色谱法进行。
在本发明的方法中,也可以不通过取植物样品的方法来建立标准曲线,为了获得需要检测的各种组分的含量,本发明还可以通过建立植物样品模型的方法来得到标准曲线方程。具体地,所述植物样品模型通过如下方法建立:本领域技术人员分别取植物中可能含有的适量(已知含量)的组分(例如可以包括水、半纤维素、纤维素和木质素中的至少一种)形成混合物。采用近红外分析仪检测所述混合物,得到其在波长为1000-1800nm内的最大吸光度,然后根据该最大吸光度以及上述已知含量建立标准曲线方程即可。
优选情况下,在本发明的方法中,当所述组分为水时,所述标准曲线为Y1=a1X+b1,其中,a1为0.80-0.90,b1为1.00-1.20,Y1为所述植物中的水的重量百分含量,且所述X为最大吸光度;更优选情况下,a1为0.85-0.86,b1为1.10-1.20;特别优选情况下,a1为0.85769,b1为1.1628。
优选情况下,在本发明的方法中,当所述组分为半纤维素时,所述标准曲线为Y2=a2X+b2,其中,a2为0.80-0.90,b2为3.50-4.00,Y2为所述植物中的半纤维素的重量百分含量,且所述X为最大吸光度;更优选情况下,a2为0.84-0.85,b2为3.70-3.80;特别优选情况下,a2为0.84177,b2为3.7173。
优选情况下,在本发明的方法中,当所述组分为纤维素时,所述标准曲线为Y3=a3X+b3,其中,a3为0.85-0.95,b3为3.80-4.50,Y3为所述植物中的纤维素的重量百分含量,且所述X为最大吸光度;更优选情况下,a3为0.89-0.90,b3为4.10-4.20;特别优选情况下,a3为0.89756,b3为4.1091。
优选情况下,在本发明的方法中,当所述组分为木质素时,所述标准曲线为Y4=a4X+b4,其中,a4为0.62-0.72,b4为8.00-9.00,Y4为所述植物中的木质素的重量百分含量,且所述X为最大吸光度;更优选情况下,所述a4为0.67-0.68,b4为8.40-8.50;特别优选情况下,a4为0.67961,b4为8.4346。
在本发明中,所述X为通过近红外分析仪进行检测后所得到的植物在波长为1000-1800nm内的最大吸光度。
在本发明中,对所述植物中的组分的种类和含量没有特别的要求,本领域技术人员可以根据肉眼以及手触摸的方式进行观察并大致进行估计,当发现明显的潮湿现象时,可以认为植物的水含量过多。本发明优选所述植物中的水的重量百分含量为50%以下,更优选为0.1-40%。
在本发明中,优选所述植物含有根、茎和叶中的至少一种。
在本发明中,所述植物可以包括玉米秸秆、麦秸、豆秸和木材中的至少一种。
另一方面,本发明还提供了一种上述检验方法在植物根茎叶压缩包质量检验中的应用。
另一方面,本发明还提供了一种植物样品优劣的检测方法,该方法包括:
(1)由本发明所述的方法检测植物中的纤维素含量;
(2)将步骤(1)中检测得到的植物中的纤维素含量与植物纤维素含量警戒值比较,若所述检测得到的植物中的纤维素含量低于所述植物纤维素含量警戒值,则该植物中含有超标量的非植物杂质,则该植物样品为劣质品;其中,所述植物纤维素含量警戒值为15-20重量%。
在本发明中,所述警戒值可以根据行业标准内所能接受的植物中的纤维素含量的最低值而设定,也可以由企业根据企业内部规定标准而设置,当纤维素含量的测定值低于警戒值时,可以证明该检测的植物中含有超标量的非植物杂质,例如土壤、砂砾等。在本发明中,所述超标量是指,在实际生产过程中,待检测的植物样品中通常含有不可避免的非植物杂质,而当非植物杂质的量超过某一标准值或者某一标准范围时,则不利于企业对该植物进行后续加工利用等,因此,企业可以根据其所能接受的植物中的纤维素含量的最低值而设定警戒值,从而根据测得的植物中的纤维素含量与该警戒值之间的差值是否大于零而判断检测的植物中是否含有超标量的非植物杂质。
以下将通过实施例对本发明进行详细描述。以下实施例中使用的近红外分析仪购自北京聚光科技公司,型号为supNIR-1000。
在本发明的实施例中,通过相关系数Rc来说明本发明的检测方法的准确度,所述Rc通过如下公式计算得到:
Rc=Z仪器/Z常规
其中,所述Z仪器是指通过使用近红外分析仪检测得到的组分的含量;Z常规如前所述。
实施例1
将近红外分析仪的探头伸入一个玉米秸秆样品(40目,肉眼观测水分含量低于50重量%)压缩包(300kg)中进行检测,检测5次,得到该玉米秸秆样品在波长为1450nm处有最大吸光度X,且X的平均值为0.78,根据所述最大吸光度X和如下的标准曲线方程分别得到所述植物中的组分含量,分别如下表1所示。得到下述表1的Z仪器的时间仅为10s;得到Z常规的时间为30h。
水的标准曲线方程为:Y1=0.85769X+1.1628
半纤维素的标准曲线方程为:Y2=0.84177X+3.7173
纤维素的标准曲线方程为:Y3=0.89756X+4.1091
木质素的标准曲线方程为:Y4=0.67961X+8.4346
表1
Z常规 Z仪器 Rc
1.978 1.832 0.926
半纤维素 4.770 4.374 0.917
纤维素 5.078 4.809 0.947
木质素 10.880 8.965 0.824
实施例2
将近红外分析仪的探头伸入一个玉米秸秆样品(20mm,肉眼观测水分含量低于50重量%)压缩包(300kg)中进行检测,检测3次,得到该玉米秸秆样品在波长为1450nm处有最大吸光度X,且X的平均值为0.85,根据所述最大吸光度X和如下的标准曲线方程分别得到所述植物中的组分含量,分别如下表2所示。得到下述表2的Z仪器的时间仅为6s;得到Z常规的时间为30h。
水的标准曲线方程为:Y1=0.85769X+1.1628
半纤维素的标准曲线方程为:Y2=0.84177X+3.7173
纤维素的标准曲线方程为:Y3=0.89756X+4.1091
木质素的标准曲线方程为:Y4=0.67961X+8.4346
表2
Z常规 Z仪器 Rc
2.050 1.892 0.923
半纤维素 4.818 4.433 0.920
纤维素 5.123 4.872 0.951
木质素 10.806 9.012 0.834
实施例3
将近红外分析仪的探头伸入一个玉米秸秆样品(40cm,肉眼观测水分含量低于50重量%)压缩包(300kg)中进行检测,检测2次,得到该玉米秸秆样品在波长为1450nm处有最大吸光度X,且X的平均值为0.81,根据所述最大吸光度X和如下的标准曲线方程分别得到所述植物中的组分含量,分别如下表3所示。得到下述表3的Z仪器的时间仅为4s;得到Z常规的时间为30h。
水的标准曲线方程为:Y1=0.85769X+1.1628
半纤维素的标准曲线方程为:Y2=0.84177X+3.7173
纤维素的标准曲线方程为:Y3=0.89756X+4.1091
木质素的标准曲线方程为:Y4=0.67961X+8.4346
表3
Z常规 Z仪器 Rc
1.987 1.858 0.935
半纤维素 4.735 4.399 0.929
纤维素 5.101 4.836 0.948
木质素 10.722 8.985 0.838
实施例4
将近红外分析仪的探头伸入一个玉米秸秆样品(80cm,肉眼观测水分含量低于50重量%)压缩包(300kg)中进行检测,检测4次,得到该玉米秸秆样品在波长为1450nm处有最大吸光度X,且X的平均值为0.42,根据所述最大吸光度X和如下的标准曲线方程分别得到所述植物中的组分含量,分别如下表4所示。得到下述表4的Z仪器的时间仅为8s;得到Z常规的时间为30h。
水的标准曲线方程为:Y1=0.85769X+1.1628
半纤维素的标准曲线方程为:Y2=0.84177X+3.7173
纤维素的标准曲线方程为:Y3=0.89756X+4.1091
木质素的标准曲线方程为:Y4=0.67961X+8.4346
表4
Z常规 Z仪器 Rc
1.639 1.523 0.929
半纤维素 4.430 4.071 0.919
纤维素 4.798 4.486 0.935
木质素 10.406 8.720 0.838
实施例5
按照实施例1的方法进行检测,不同的是:玉米秸秆样品的长度为120cm(肉眼观测水分含量低于50重量%)。得到该玉米秸秆样品在波长为1450nm处有最大吸光度X,且X的平均值为0.85,根据所述最大吸光度X和如实施例1的标准曲线方程分别得到所述植物中的组分含量,分别如下表5所示。得到下述表5的Z仪器的时间仅为10s;得到Z常规的时间为30h。
表5
Z常规 Z仪器 Rc
2.095 1.892 0.903
半纤维素 4.920 4.433 0.901
纤维素 5.342 4.872 0.912
木质素 11.265 9.012 0.800
通过上述实施例1-5的结果可以看出,采用本发明的检测方法能够快速检测植物中的水、半纤维素、纤维素和木质素的含量,而且通过上述相关系数可以看出,本发明的快速检测方法的相关系数均在0.8以上,甚至采用本发明的上述方法检测植物中的水、半纤维素和纤维素的含量时,相关系数均在0.9以上,这表明本发明的方法的可信度高,本发明的检测方法完全能够用于常规的植物根、茎、叶的质量检验领域。
以上详细描述了本发明的优选实施方式,但是,本发明并不限于上述实施方式中的具体细节,在本发明的技术构思范围内,可以对本发明的技术方案进行多种简单变型,这些简单变型均属于本发明的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
此外,本发明的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明的思想,其同样应当视为本发明所公开的内容。

Claims (12)

1.一种植物中组分含量的检测方法,其特征在于,该方法包括:将近红外分析仪的探头伸入植物中进行检测,得到植物在波长为1000-1800nm内的最大吸光度,根据所述最大吸光度和标准曲线得到所述植物中的组分含量,其中,所述组分包括水、半纤维素、纤维素和木质素中的至少一种,所述标准曲线根据植物样品相应组分的已知的重量百分含量以及最大吸光度而建立。
2.根据权利要求1所述的方法,其中,所述植物的长度为100cm以下。
3.根据权利要求1所述的方法,其中,所述植物为植物压缩包的形式。
4.根据权利要求3所述的方法,其中,所述植物压缩包的重量为50-1000kg。
5.根据权利要求1所述的方法,其中,所述检测的次数为1-20次。
6.根据权利要求1-5中任意一项所述的方法,其中,
当所述组分为水时,所述标准曲线为Y1=a1X+b1,其中,a1为0.80-0.90,b1为1.00-1.20,Y1为所述植物中的水的重量百分含量;
当所述组分为半纤维素时,所述标准曲线为Y2=a2X+b2,其中,a2为0.80-0.90,b2为3.50-4.00,Y2为所述植物中的半纤维素的重量百分含量;
当所述组分为纤维素时,所述标准曲线为Y3=a3X+b3,其中,a3为0.85-0.95,b3为3.80-4.50,Y3为所述植物中的纤维素的重量百分含量;
当所述组分为木质素时,所述标准曲线为Y4=a4X+b4,其中,a4为0.62-0.72,b4为8.00-9.00,Y4为所述植物中的木质素的重量百分含量;
所述X为最大吸光度。
7.根据权利要求6所述的方法,其中,所述a1为0.85-0.86,b1为1.10-1.20;所述a2为0.84-0.85,b2为3.70-3.80;所述a3为0.89-0.90,b3为4.10-4.20;所述a4为0.67-0.68,b4为8.40-8.50。
8.根据权利要求1所述的方法,其中,所述植物中的水的重量百分含量为50%以下。
9.根据权利要求1所述的方法,其中,所述植物含有根、茎和叶中的至少一种。
10.根据权利要求1所述的方法,其中,所述植物包括玉米秸秆、麦秸、豆秸和木材中的至少一种。
11.权利要求1-10中任意一项所述的方法在植物根茎叶压缩包质量检验中的应用。
12.一种植物样品优劣的检测方法,该方法包括:
(1)由权利要求1-10中任意一项所述的方法检测植物中的纤维素含量;
(2)将步骤(1)中检测得到的植物中的纤维素含量与植物纤维素含量警戒值比较,若所述检测得到的植物中的纤维素含量低于所述植物纤维素含量警戒值,则该植物中含有超标量的非植物杂质,则该植物样品为劣质品;其中,所述植物纤维素含量警戒值为15-20重量%。
CN201410545749.4A 2014-10-15 2014-10-15 一种植物中组分含量的检测方法及其应用和一种植物样品优劣的检测方法 Pending CN105572070A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410545749.4A CN105572070A (zh) 2014-10-15 2014-10-15 一种植物中组分含量的检测方法及其应用和一种植物样品优劣的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410545749.4A CN105572070A (zh) 2014-10-15 2014-10-15 一种植物中组分含量的检测方法及其应用和一种植物样品优劣的检测方法

Publications (1)

Publication Number Publication Date
CN105572070A true CN105572070A (zh) 2016-05-11

Family

ID=55882449

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410545749.4A Pending CN105572070A (zh) 2014-10-15 2014-10-15 一种植物中组分含量的检测方法及其应用和一种植物样品优劣的检测方法

Country Status (1)

Country Link
CN (1) CN105572070A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106383094A (zh) * 2016-10-25 2017-02-08 中国林业科学研究院热带林业研究所 一种快速测定尾细桉木材化学成分含量的方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5104485A (en) * 1988-05-31 1992-04-14 Hercules Incorporated Method of measuring non-aqueous constituents in a pulp slurry of a water/cellulose matrix
CN1888860A (zh) * 2006-07-24 2007-01-03 中国林业科学研究院木材工业研究所 植物纤维材料中化学成分含量模型的建立和含量测定方法
CN102192890A (zh) * 2010-03-03 2011-09-21 中国制浆造纸研究院 利用近红外光谱分析技术快速测定木材化学成分
CN103487384A (zh) * 2013-10-15 2014-01-01 无锡艾科瑞思产品设计与研究有限公司 基于近红外光谱的袋装稻谷成分快速检测方法
CN103852441A (zh) * 2014-02-21 2014-06-11 广东中烟工业有限责任公司 一种应用中红外光谱法定量检测烟草木质素的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5104485A (en) * 1988-05-31 1992-04-14 Hercules Incorporated Method of measuring non-aqueous constituents in a pulp slurry of a water/cellulose matrix
CN1888860A (zh) * 2006-07-24 2007-01-03 中国林业科学研究院木材工业研究所 植物纤维材料中化学成分含量模型的建立和含量测定方法
CN102192890A (zh) * 2010-03-03 2011-09-21 中国制浆造纸研究院 利用近红外光谱分析技术快速测定木材化学成分
CN103487384A (zh) * 2013-10-15 2014-01-01 无锡艾科瑞思产品设计与研究有限公司 基于近红外光谱的袋装稻谷成分快速检测方法
CN103852441A (zh) * 2014-02-21 2014-06-11 广东中烟工业有限责任公司 一种应用中红外光谱法定量检测烟草木质素的方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106383094A (zh) * 2016-10-25 2017-02-08 中国林业科学研究院热带林业研究所 一种快速测定尾细桉木材化学成分含量的方法

Similar Documents

Publication Publication Date Title
Zhang et al. Determination of water content in corn stover silage using near-infrared spectroscopy
Jin et al. Near-infrared analysis of the chemical composition of rice straw
Murray et al. Sample preparation
Everard et al. Prediction of biomass gross calorific values using visible and near infrared spectroscopy
Hayes Development of near infrared spectroscopy models for the quantitative prediction of the lignocellulosic components of wet Miscanthus samples
Liew et al. Determination of quality parameters in Cavendish banana during ripening by NIR spectroscopy
Pérez-Marín et al. Non-destructive determination of quality parameters in nectarines during on-tree ripening and postharvest storage
Cozzolino et al. Measurement of chemical composition in wet whole maize silage by visible and near infrared reflectance spectroscopy
Hu et al. Optimization of soluble solids content prediction models in ‘Hami’melons by means of Vis-NIR spectroscopy and chemometric tools
CN103278473B (zh) 白胡椒中胡椒碱及水分含量的测定和品质评价方法
Phuphaphud et al. Prediction of the fibre content of sugarcane stalk by direct scanning using visible-shortwave near infrared spectroscopy
Suchat et al. Fast determination of the resin and rubber content in Parthenium argentatum biomass using near infrared spectroscopy
Chia et al. Neural network and principal component regression in non-destructive soluble solids content assessment: a comparison
Jantra et al. Nondestructive determination of dry matter and soluble solids content in dehydrator onions and garlic using a handheld visible and near infrared instrument
CN105136737A (zh) 基于近红外光谱的馒头中马铃薯全粉含量快速测定的方法
Cayuela et al. NIR prediction of fruit moisture, free acidity and oil content in intact olives
CN102313712A (zh) 一种纤维类物料不同分光方式近红外光谱差异的校正方法
CN104237138A (zh) 一种马铃薯还原糖近红外测定方法
Kramchote et al. Rapid determination of cabbage quality using visible and near-infrared spectroscopy
Rambo et al. Multivariate analysis of coconut residues by near infrared spectroscopy
Samadi et al. Fast and simultaneous prediction of animal feed nutritive values using near infrared reflectance spectroscopy
Nawi et al. Visible and shortwave near infrared spectroscopy for predicting sugar content of sugarcane based on a cross-sectional scanning method
Posom et al. Evaluation of the moisture content of Jatropha curcas kernels and the heating value of the oil-extracted residue using near-infrared spectroscopy
Theanjumpol et al. Selecting variables for near infrared spectroscopy (NIRS) evaluation of mango fruit quality
Pizzi et al. Energy characteristics assessment of olive pomace by means of FT-NIR spectroscopy

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: 20160511

RJ01 Rejection of invention patent application after publication