CN108627468A - 一种饲用苎麻叶片粗纤维含量的预测方法 - Google Patents

Abstract

本发明提供了一种饲用苎麻叶片粗纤维含量的预测方法。预测方法：取n个饲用苎麻叶片样品，定量检测每个样品的叶色指标以及粗纤维含量；并一一对应，进行相关性分析，建立二者之间的线性回归模型；取待测样品，测试其叶色指标，并利用线性回归模型计算出所述待测样品的粗纤维含量。本发明通过测定饲用苎麻叶片的色差数据与通过常规方法测定的粗纤维含量指标进行相关性分析，建立线性回归模型预测饲用苎麻叶片粗纤维的含量，使得粗纤维含量预测变得更加简洁，大大了缩短了检测时间，降低了试剂等成本，从而为筛选饲用苎麻品种材料提供了更便捷的方法，提高了饲用苎麻资源的利用率，提高苎麻种植的经济效益。

Description

一种饲用苎麻叶片粗纤维含量的预测方法

技术领域

本发明涉及检测技术领域，尤其是涉及一种饲用苎麻叶片粗纤维含量的预测方法。

背景技术

苎麻(学名：Boehmeria nivea(L.)Gaudich.)荨麻科苎麻属多年生宿根性草本植物,。别称：(名医别录)野麻(广东、贵州、湖南、湖北、安徽)，野苎麻(贵州、浙江、江苏、湖北、河南、陕西、甘肃)，家麻(江西)，苎仔(台湾)，青麻(广西、湖北)，白麻(广西)。苎麻主要用于提取纺织用纤维，苎麻根含有“苎麻酸”的药用成份，有补阴、安胎、治产前产后心烦，以及治疔疮等作用。麻骨可作造纸原料，或制造可做家具和板壁等多种用途的纤维板。麻骨还可酿酒、制糖。鲜麻皮上刮下的麻壳，可提取糠醛，而糠醛是化学工业的精炼溶液剂，又是树脂塑料。

苎麻嫩茎叶营养丰富，还是很好的植物性饲料蛋白原料，2016年4月，农业部印发的《全国种植业结构调整规划(2016-2020年)》中，明确将将苎麻调整为饲草作物。我国南方高蛋白优质牧草极其匮乏，在我国南方大力开发苎麻饲料作物具有极其广阔的前景，但目前主要是由于饲用苎麻粗纤维含量较高影响苎麻的适口性，为了选育低纤维含量的饲用苎麻品种，必须要检苎麻测粗纤维含量，粗纤维含量是衡量一个饲用苎麻特性好坏的重要指标。目前的苎麻叶片粗纤维含量的测定都是通过田间选取叶片、烘干、研磨成细粉装入特制纤维滤袋，经过酸碱处理，再烘干、灰化、称重，通过公式计算出来，整个程序十分繁琐、耗时、人工成本高，通常在研磨成粉状之后检测一个样品都需要两天，严重影响了饲用苎麻资源的快速鉴定及品种的选育进程。

有鉴于此，特提出本发明。

发明内容

本发明的目的在于提供一种饲用苎麻叶片粗纤维含量的预测方法，该预测方法具有较高的准确度，能快速、准确地预测出苎麻叶片中粗纤维的含量，减少了逐个测定指标耗时耗力，大大节约人工成本，加快了饲用苎麻资源的鉴定及品种的选育进程。

为了实现以上目的，本发明提供了以下技术方案：

一种苎麻叶片粗纤维含量的预测方法，包括下列步骤：

步骤A：取n个苎麻叶片样品，定量检测每个样品的叶色指标以及粗纤维含量；

步骤B：将所述n个苎麻叶片样品的叶色指标和粗纤维含量一一对应，进行相关性分析，建立二者之间的线性回归模型；

步骤C：取待测样品，测试其叶色指标，并利用所述线性回归模型计算出所述待测样品的粗纤维含量。

目前的苎麻叶片粗纤维含量的测定都是通过田间选取叶片、烘干、研磨成细粉装入特制纤维滤袋，经过酸碱处理，再烘干、灰化、称重，通过公式计算出来，整个程序十分繁琐、耗时、人工成本高。

而本发明首次用色差仪器来数字化评价饲用苎麻叶片白度深浅指标，通过测定饲用苎麻叶片的色差数据与通过常规方法测定的粗纤维含量指标进行相关性分析，分析结果表明这两组数据存在极显著的正相关关系，建立线性回归模型预测苎麻叶片粗纤维的含量，使得传统的苎麻叶片粗纤维含量预测变得更加简洁，大大了缩短了检测时间，降低了试剂等成本，从而为筛选低纤维含量的饲用苎麻品种材料提供了更便捷的方法，提高了苎麻资源的利用率，提高苎麻种植的经济效益。

综上，本发明预先建立直观指标-叶色与粗纤维含量之间的相关性，然后将其作为一个评判标准，分析任意饲用苎麻叶片样品的粗纤维含量，减少了大量的重复性工作，能大大加快饲用苎麻资源的鉴定及品种的选育进程。

另外，经验证，本发明的预测方法具有较高的准确度，能作为可靠的检测手段。

以上预测方法中的检测手段以及其他参数还可进一步优化，以提高预测方法的准确度以及方法建立的效率，具体如下。

优选地，所述相关性分析的方法为：采用SPSS分析软件进行相关性分析。

除了采用SPSS分析软件外，也可以采用SAS软件，但前者的分析过程更简单、快捷。

优选地，所述相关性分析的方法为：采用EXCEL分析软件进行相关性分析。

优选地，所述相关性分析为Pearson相关性分析。

优选地，所述叶色指标的检测方法为：采用色差计检测。

色差计的检测方法为：色差计通用测量法，基本如下：

色差计可通过测量口的测量光斑进行定位，方法为：进入标样测量界面或试样测量界面，然后按下“测量”键并保持，此时测量光斑将出现，通过观察光斑与被测样品位置的对准程度，同时将测量口靠近北侧样品并调整位置，可实现对准。定位后，松开“测量”键，色差计将在1秒多时间完成测量，并显示被测样品的颜色参数。

优选地，所述粗纤维含量的检测方法参照国家标准GB/T:5009.10-2003。

具体的检测过程为：

1、酸处理：

称取0.4g左右试样于已恒重且称重的特制纤维分析滤袋中，封口，放入烧杯中，加定量硫酸溶液(和一滴正辛醇)，立即加热，使其尽快沸腾，且连续微沸(45±1)min，注意保持硫酸浓度不变。随后滤袋用沸腾蒸馏水洗数次。

2、碱处理：将滤袋转移至烧杯中，加定量氢氧化钾溶液(和一滴正辛醇)，立即加热，使其尽快沸腾，且连续微沸45±1)min，注意保持氢氧化钾溶液浓度不变。随后滤袋用沸蒸馏水洗数次。

3、溶剂洗涤：将酸碱处理后的滤袋用95％乙醇浸泡15分钟。

4、烘干、灰化：待乙醇挥发尽后，将滤袋放入烘箱，于105±2℃下烘4h，取出置于干燥器中冷却至室温，称重。然后将滤袋放于已恒重且称重的坩埚中，再于(550±25℃)高温炉中灼烧4h，取出后于干燥器中冷却至室温后称重。然后通过公式计算出粗纤维含量。

优选地，所述n为100以上，优选108以上或120以上。

一般而言，取样量越大，线性回归模型越准确，通过对苎麻叶色的观察发现，但取样量为100以上时，基本已经取样完全，且分布范围较大。

优选地，所述n个苎麻叶片样品中，至少包含连个叶色指标相差40的样品。

为了提高相关性分析的准确度，建议选用多个叶色指标相差较大的样品，以保证样品覆盖较大范围的叶色，因此，样品中优选至少包含连个叶色指标相差40的样品。

优选地，所述线性回归模型为y＝0.1974x+12.983，y表示粗纤维的含量，x表示叶色指标。

优选地，所述叶色指标和所述粗纤维含量之间的相关系数为0.687。

综上，与现有技术相比，本发明达到了以下技术效果：

(1)本发明预先建立苎麻叶片颜色深浅与粗纤维含量之间的相关性，然后将其作为一个评判标准，分析任意苎麻叶片样品的粗纤维含量，减少了大量的重复性工作，能大大加快饲用苎麻资源的鉴定及品种的选育进程；

(2)本发明的预测方法准确度高；

(3)本发明的预测方法适用范围广。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例1提供的线性回归模型图。

具体实施方式

下面将结合附图和具体实施方式对本发明的技术方案进行清楚、完整地描述，但是本领域技术人员将会理解，下列所描述的实施例是本发明一部分实施例，而不是全部的实施例，仅用于说明本发明，而不应视为限制本发明的范围。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。实施例中未注明具体条件者，按照常规条件或制造商建议的条件进行。所用试剂或仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。

实施例1

步骤1)苎麻叶片色差数据及叶片粗纤维含量数据的获得：

利用颜色深浅与苎麻纤维含量的极大正相关性，采用通用色差计测定108份饲用苎麻材料的叶片色差数据108个，苎麻叶片粗纤维含量越高叶片背面的颜色越白，纤维含量越低颜色偏浅绿，然后在苎麻生长后期摘取叶片采用粗纤维含量测定的国家标准方法测定108份饲用苎麻材料的粗纤维含量指标。具体指标见下表1。

其中，叶色的检测方法为：色差计通用测量法，基本如下：

色差计可通过测量口的测量光斑进行定位，方法为：进入标样测量界面或试样测量界面，然后按下“测量”键并保持，此时测量光斑将出现，通过观察光斑与被测样品位置的对准程度，同时将测量口靠近北侧样品并调整位置，可实现对准。定位后，松开“测量”键，色差计将在1秒多时间完成测量，并显示被测样品的颜色参数。

粗纤维含量的检测方法参照国家标准GB/T:5009.10-2003，具体的检测过程为：

1、酸处理：

称取0.4g左右试样于已恒重且称重的特制纤维分析滤袋中，封口，放入烧杯中，加定量硫酸溶液(和一滴正辛醇)，立即加热，使其尽快沸腾，且连续微沸(45±1)min，注意保持硫酸浓度不变。随后滤袋用沸腾蒸馏水洗数次。

2、碱处理：将滤袋转移至烧杯中，加定量氢氧化钾溶液(和一滴正辛醇)，立即加热，使其尽快沸腾，且连续微沸45±1)min，注意保持氢氧化钾溶液浓度不变。随后滤袋用沸蒸馏水洗数次。

3、溶剂洗涤：将酸碱处理后的滤袋用95％乙醇浸泡15分钟。

4、烘干、灰化：待乙醇挥发尽后，将滤袋放入烘箱，于105±2℃下烘4h，取出置于干燥器中冷却至室温，称重。然后将滤袋放于已恒重且称重的坩埚中，再于(550±25℃)高温炉中灼烧4h，取出后于干燥器中冷却至室温后称重。然后通过公式计算出粗纤维含量。

表1叶色及粗纤维含量

表1叶色指标和粗纤维含量

步骤2)、

通过大量的测定苎麻叶片的色差值和苎麻粗纤维含量值，对这两组数据采用SPSS及EXCEL分析软件进行Pearson相关性分析，分析过程如表2，并建立线性回归模型。

如图1，两个指标的相关系为0.687，达到极显著正相关，并建立了线性回归模型y＝0.1974x+12.983，在这个模拟模型中y表示粗纤维的含量，x表示色差数据。

本实施例通过模拟模型就可以算出饲用苎麻叶片粗纤维的大概含量，预测苎麻叶片粗纤维含量，减少了逐个测定指标耗时耗力，大大节约人工成本，为苎麻资源材料粗纤维含量的快速测定提供了很好的预测方法。

表2相关性分析

**.在.01水平(双侧)上显著相关。

验证方法的准确度：

取苎麻叶片样品，分别采用国家标准GB/T:5009.10-2003和上述实施例1的检测方法(线性回归模型)检测粗纤维含量，并将二者的结果做比较，结果显示本发明的预测方法具有较高的准确度，预测结果与国标检测结果没有显著差异。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种饲用苎麻叶片粗纤维含量的预测方法，其特征在于，包括下列步骤：

步骤A：取n个饲用苎麻叶片样品，定量检测每个样品的叶色指标以及粗纤维含量；

步骤B：将所述n个饲用苎麻叶片样品的叶色指标和粗纤维含量一一对应，进行相关性分析，建立二者之间的线性回归模型；

步骤C：取待测样品，测试其叶色指标，并利用所述线性回归模型计算出所述待测样品的粗纤维含量。

2.根据权利要求1所述的预测方法，其特征在于，所述相关性分析的方法为：采用SPSS分析软件进行相关性分析。

3.根据权利要求1所述的预测方法，其特征在于，所述相关性分析的方法为：采用EXCEL分析软件进行相关性分析。

4.根据权利要求1所述的预测方法，其特征在于，所述相关性分析为Pearson相关性分析。

5.根据权利要求1所述的预测方法，其特征在于，所述叶色指标的检测方法为：采用色差计检测。

6.根据权利要求1所述的预测方法，其特征在于，所述粗纤维含量的检测方法参照国家标准GB/T:5009.10-2003。

7.根据权利要求1所述的预测方法，其特征在于，所述n为100以上，优选108以上或120以上。

8.根据权利要求1所述的预测方法，其特征在于，所述n个苎麻叶片样品中，至少包含连个叶色指标相差40的样品。

9.根据权利要求1所述的预测方法，其特征在于，所述线性回归模型为y＝0.1974x+12.983，y表示粗纤维的含量，x表示叶色指标。

10.根据权利要求1所述的预测方法，其特征在于，所述叶色指标和所述粗纤维含量之间的相关系数为0.687。