CN113655027A - 一种近红外快速检测植物中单宁含量的方法 - Google Patents
一种近红外快速检测植物中单宁含量的方法 Download PDFInfo
- Publication number
- CN113655027A CN113655027A CN202111062516.5A CN202111062516A CN113655027A CN 113655027 A CN113655027 A CN 113655027A CN 202111062516 A CN202111062516 A CN 202111062516A CN 113655027 A CN113655027 A CN 113655027A
- Authority
- CN
- China
- Prior art keywords
- tannin
- plant
- model
- spectrum
- content
- 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.)
- Granted
Links
- 235000018553 tannin Nutrition 0.000 title claims abstract description 89
- 229920001864 tannin Polymers 0.000 title claims abstract description 89
- 239000001648 tannin Substances 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 65
- 241000196324 Embryophyta Species 0.000 claims abstract description 71
- 238000001228 spectrum Methods 0.000 claims abstract description 51
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 30
- 238000000862 absorption spectrum Methods 0.000 claims abstract description 24
- 238000007781 pre-processing Methods 0.000 claims abstract description 24
- 230000003595 spectral effect Effects 0.000 claims abstract description 23
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 11
- 238000002203 pretreatment Methods 0.000 claims abstract description 4
- 239000000843 powder Substances 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000010521 absorption reaction Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012821 model calculation Methods 0.000 claims description 4
- 238000007873 sieving Methods 0.000 claims description 4
- 238000005303 weighing Methods 0.000 claims description 4
- 238000013524 data verification Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 abstract 2
- 239000000126 substance Substances 0.000 description 16
- 235000017399 Caesalpinia tinctoria Nutrition 0.000 description 9
- 241000388430 Tara Species 0.000 description 9
- 238000012795 verification Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229930013930 alkaloid Natural products 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 238000003321 atomic absorption spectrophotometry Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004737 colorimetric analysis Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000004128 high performance liquid chromatography Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012933 kinetic analysis Methods 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 235000017807 phytochemicals Nutrition 0.000 description 1
- 229930000223 plant secondary metabolite Natural products 0.000 description 1
- 150000008442 polyphenolic compounds Chemical class 0.000 description 1
- 235000013824 polyphenols Nutrition 0.000 description 1
- 239000002244 precipitate Substances 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000010298 pulverizing process Methods 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000002798 spectrophotometry method Methods 0.000 description 1
- 238000001220 thermal lens spectroscopy Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
- G01N2021/3572—Preparation of samples, e.g. salt matrices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种近红外快速检测植物中单宁含量的方法,首先采用紫外分光光度计测量法测定植物样品中单宁的组分含量;采用近红外光谱测定仪扫描植物样品的吸收光谱数据;然后选择单宁的光谱预处理方法;利用扫描的吸收光谱数据,建立植物品种鉴别模型;并结合紫外分光光度计测量法的检测值和光谱预处理方法获得的光谱数据建立光谱分析模型;选取其他样品对光谱分析模型进行校正;最后利用校正后光谱分析模型获得的初步预测值与实际测量值建立定量模型,并利用鉴别模型预测植物品种以及定量模型预测待测植物中单宁的含量。快速、高效的检测植物中单宁含量。
Description
技术领域
本发明属于中医药含量检测技术领域,特别是涉及一种近红外快速检测植物中单宁含量的方法。
背景技术
单宁(或鞣质)是一类收敛的多酚生物分子,它与蛋白质和各种其它有机化合物(包括氨基酸和生物碱)结合并沉淀。单宁化合物广泛分布于多种植物中,在植物中起保护作用。目前国内外应用的单宁主要从含有单宁的天然植物及植物虫瘿五倍子中采用水或其它溶剂提取。单宁的测定方法有经典方法和现代方法,经典方法包括皮粉法、容量法、比色法和分光光度法,现代方法包括高效液相色谱法(HPLC)、原子吸收分光光度法、薄层扫描法、热透镜光谱法、高灵敏示波电位动力学分析法和电化学传感器法等,这些方法的主要缺点是操作复杂、耗时长且不能大批量进行。
近红外光谱分析技术具有快速、准确、无污染等优点,因此建立快速准确的检测植物中单宁近红外预测模型,缩短时间、减少成本,不仅可为准确评价植物的品质提供参考,也可以为企业生产所需的原材料品质提供快速筛选技术。
发明内容
本发明的目的在于提供一种近红外快速检测植物中单宁含量的方法,以实现快速、高效的检测植物中单宁含量,准确评价植物的品质,为企业生产所需的原材料品质提供快速筛选技术。
本发明所采用的技术方案是,近红外快速检测植物中单宁含量的方法,包括如下步骤:
(1)采用紫外分光光度计测定植物样品中单宁的组分含量;
(2)采用近红外光谱测定仪扫描样品植物的吸收光谱数据;
(3)选择单宁的光谱预处理方法;
(4)建立植物品种判别模型;
(5)利用扫描的吸收光谱数据,结合紫外分光光度计的检测值和光谱预处理方法获得的光谱数据,通过联合区间偏最小二乘法 (si-PLS)建立光谱分析模型;
(6)选取验证植物粉末对光谱分析模型进行校正;
(7)利用校正后光谱分析模型获得的初步预测值与紫外分光光度计实际测量值建立定量模型,并利用定量模型预测待测植物粉末中单宁的含量。
所述步骤(1)中,采用紫外分光光度计法对单宁含量检测至少重复进行三次。
所述步骤(2)近红外光谱图的采集方法为:称取植物样品,粉碎后过300目筛,所得样品粉末使用积分球采集近红外谱图,近红外光谱仪参数设置:光谱采集范围10000~4000cm-1,分辨率为8cm-1,扫描次数64次,温度25℃,每个样品采集3次,求取平均光谱。
所述步骤(3)选择单宁的光谱预处理方法,是选择使光谱分析模型的决定系数和分辨度最大、校正标准差和相对标准差最小的原始光谱数据预处理方法。
所述步骤(4)利用TQ Analyst近红外光谱分析软件,对植物品种与光谱预处理后的吸收光谱数据的平均值一一对应进行判别分析,并采用马氏距离进行建模。
所述步骤(5)利用TQ Analyst近红外光谱分析软件,对植物样品粉末中单宁含量实际测量值和光谱预处理后的吸收光谱数据的平均值一一对应进行线性拟合,并采用si-PLS进行建模,特征谱区的吸收峰值为5200~4600cm-1和7600~7000cm-1。
所述si-PLS建模是利用matlab软件,通过Model函数,进行近红外光谱的波段选择,从而对模型进行优化。
所述步骤(6)对光谱分析模型进行校正,是使校正集的光谱数据预测值分布标准差最小。
所述植物中单宁采用多元信号修正、导数、滤噪和基线校正等进行光谱预处理数据验证。
所述利用校正后光谱分析模型获得的光谱数据预测值与实际测量值建立的定量模型;其中,以植物中单宁的光谱数据预测值为纵坐标;以植物中单宁的实际测量值为横坐标,模型预测单宁含量范围为 25.00%-85.00%。
所述步骤(7)利用定量模型预测待测植物中单宁的含量,是将近红外光谱测定仪采集的待测植物粉的吸收光谱数据平均值输入至光谱分析模型,经过光谱数据预处理、光谱分析模型计算得到光谱数据预测值,再将该光谱数据预测值输入至定量模型,通过定量模型计算即可得到待测植物中单宁的含量预测值。
本发明技术方案,具有如下优点:
本发明通过收集不同品种植物,利用近红外光谱图,建立植物品种与近红外光谱图一一对应的判别模型,以实现快速、高效且准确的判别植物品种。
本发明是近红外快速检测植物中单宁含量的方法,通过利用测定到的样品植物中单宁成分含量(单宁含量范围在71.98%-47.68%之间),建立光谱分析模型,以实现快速、高效且准确的检测植物粉中的单宁成分含量,成本低,为企业生产所需的原材料品质提供快速筛选技术。
本发明对光谱预测模型采用二阶导数最优光谱预处理方法,特征谱区的吸收峰值为5200~4600cm-1和7600~7000cm-1。经验证:单宁含量光谱模型交互验证均方根误差(RMSECV)为2.55,预测均方根误差(RMSEP)为2.60。经验证:所建立的单宁预测光谱模型相关系数为1.0000,可用于日常检测。
附图说明:
图1是五倍子和塔拉样品原始光谱图。
图2是植物品种判别模型,其中“□”表示五倍子,“△”表示塔拉。
图3是全波长偏最小二乘法(Full-PLS)单宁测定值与预测值相关图。
图4是联合区间偏最小二乘法(Si-PLS)单宁测定值与预测值相关图。
具体实施方式:
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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1五倍子和塔拉含量检测方法
(1)采用紫外分光光度计测定五倍子和塔拉样品中单宁的组分含量,至少测定三次;
(2)称取五倍子和塔拉样品,粉碎后过300目筛,所得样品粉末使用积分球采集近红外谱图,近红外光谱仪参数设置:光谱采集范围10000~4000cm-1,分辨率为8cm-1,扫描次数64次,温度25℃,每个样品采集3次,求取平均光谱;
(3)选择使光谱分析模型的决定系数和分辨度最大、校正标准差和相对标准差最小的原始光谱数据预处理方法。五倍子和塔拉粉末采用多元信号修正、导数、滤噪和基线校正等进行光谱预处理数据验证。
(4)利用TQ Analyst近红外光谱分析软件,对样品品种与光谱预处理后的吸收光谱数据的平均值一一对应进行判别分析,并采用马氏距离进行建模,挑选待测对象。
(5)利用单宁的含量测定值的平均值和多次扫描的吸收光谱数据的平均值建立近红外光谱分析模型。利用TQ Analyst近红外光谱分析软件,对五倍子和塔拉样品粉末中单宁含量实际测量值和光谱预处理后的吸收光谱数据的平均值一一对应进行线性拟合,并采用 si-PLS进行建模。利用matlab软件,通过Model函数,进行近红外光谱的波段选择,从而对模型进行优化,特征谱区的吸收峰值为 5200~4600cm-1和7600~7000cm-1。利用校正后光谱分析模型获得的光谱数据预测值与实际测量值建立定量模型;其中,以样品中单宁的光谱数据预测值为纵坐标;以样品中单宁的实际测量值为横坐标,模型预测单宁含量范围为25.00%-85.00%。
(6)选取验证样品粉末对光谱分析模型进行校正;
(7)利用定量模型预测待测样品中单宁的含量,将近红外光谱测定仪采集的待测样品粉的吸收光谱数据平均值输入至光谱分析模型,经过光谱数据预处理、光谱分析模型计算得到光谱数据预测值,再将该光谱数据预测值输入至定量模型,通过定量模型计算即可得到待测样品中单宁的含量预测值。
为了进一步验证本发明的有效性,发明人进行了一系列的试验,具体如下:
一、供试材料:供试材料为37份五倍子和塔拉样品,每份材料分为2组,一组用于化学成分测定,另外一组用于近红外光谱采集。近红外光谱样品集分为校正集与检验集,校正集用于建立模型及模型的内部交叉验证,检验集用于模型的外部验证。本实验选取了27份作为校正集,10份作为检验集。
二、近红外扫描光谱的采集:
称取样品,粉碎后过300目筛,所得样品粉末使用积分球采集近红外谱图,近红外光谱仪参数设置:光谱采集范围10000~4000cm-1,分辨率为8cm-1,扫描次数64次,温度25℃,每个样品采集3次,求取平均光谱,如图1所示。
三、单宁组分含量测定
单宁组分的近红外模型的校正集和检验集样品数据统计结果见表1。单宁含量范围在71.98%-47.68%,平均值是61.78%,样品化学成分含量分布范围差异明显,样品具有一定的代表性。
表1植物单宁组分含量的测定
样品数 | 含量范围 | 平均值 | 标准差 | |
单宁(%) | 37 | 71.98-47.68 | 61.78 | 7.98 |
四、原始光谱的采集
图1所示为五倍子和塔拉样品在10000~4000cm-1的近红外漫反射光谱图,全波长范围内存在多个吸收峰。不同样品在近红外光谱区吸收光谱特征基本一致,全光谱呈现高低平缓的趋势,说明样品主要成分基本相同,但各成分相对含量不同,即可利用样品的近红外光谱进行单宁含量的测定。
五、原始光谱预处理与模型建立:
原始光谱预处理方法有中心化、极差归一、矢量校正、散射校正、一阶导数和二阶导数六种。原始光谱预处理方法的选择直接影响着分析模型建立的好坏。采用定量偏最小二乘法(QPLS)法进行建模,构建的近红外预测模型决定系数(R2)、分辨度(RPD)越大,校正标准差 (SEC)、相对标准差(RSD)越小,预测模型越准确。通过上述六种预处理方法和主成分数方法处理比较分析,结果如表2,发现:采用 MSC+FD+Ns组合时,RMSEC最小,Rc2最大,此时为最优光谱预处理方法。
表2植物化学成分单宁预处理结果
MSC:多元信号修正;FD/SD:一阶/二阶导数;Ns、SG、Nd:滤躁(平滑)方法
六、定性模型建立:
利用TQ Analyst近红外分析软件对吸收光谱数据进行数学处理,使得判别模型更加准确。采用马氏距离判别分析,把样品分成训练集和预测集,分类效果通过预测集预测正确率来判断,用所建立的等级评判模型对光谱进行等级预测,如图2所示。
建模过程中,先计算平均光谱,然后通过估计在分析区域内每个波点的变化建立分类模型。在多元统计的判别分析中,采用马氏距离,来判别样本点的判别归属,马氏距离是广义平方距离的一种,以多元正态分布理论为基础,有效地考虑了均值、方差、协方差三个参数,是一个能够全面描述总体多元结构的综合指标。
假设有两个服从正态分布的总体G1和G2,x∈R是一个新样本点,定义x到G1和G2的马氏距离为d(x,G1)和d(x,G2):
式中μ1和μ2为总体G1和G2的均值阵;S1和S2为总体G1和 G2的协方差阵。
判别规则如下:
Full-PLS定量模型的建立:
利用TQ Analyst近红外定标软件对吸收光谱数据进行数学处理,使化学测量值和对应的吸收光谱数据预测值对应的线性关系更准确,即光谱分析模型预测更准确,对27个样品用不同的数学算法和不同的数学转换可以得到不同的结果,然后对校正集的27个样品集的单宁的化学测量值和光谱分析模型的初步预测值进行关联,校正集的光谱数据预测值做x(测量值%),对应的化学测量值做y(预测值%),分别做成27个数据值(x,y),按照筛选的光谱预处理方法对光谱数据进行预处理。如图3所示,校正后的预测值和化学测定值存在较好的线性关系。单宁含量测定的相关系数为0.9851。得到植物中单宁含量的预测模型;其中,以植物中单宁的光谱数据预测值为纵坐标;以植物中单宁的化学实际测量值为横坐标。
七、模型校正:
选取未参与定标的10个样品对所建单宁的预测模型进行校正。验证结果如下表3。单宁的预测值和化学值绝对误差在1以下,误差较小,说明植物单宁含量预测模型可行性较高,预测结果较准确。
表3近红外模型验证结果
优选的,Si-PLS定量模型的建立:
利用TQ Analyst近红外定标软件对吸收光谱数据进行数学处理,使化学测量值和对应的吸收光谱数据预测值对应的线性关系更准确,即光谱分析模型预测更准确,对27个样品用不同的数学算法和不同的数学转换可以得到不同的结果,然后对校正集的27个样品集的单宁的化学测量值和光谱分析模型的初步预测值进行关联,校正集的光谱数据预测值做x(测量值%),对应的化学测量值做y(预测值%),分别做成27个数据值(x,y),按照筛选的光谱预处理方法对光谱数据进行预处理。如图4所示,校正后的预测值和化学测定值存在很好的线性关系。单宁含量测定的相关系数为1.0000。得到植物中单宁含量的预测模型;其中,以植物中单宁的光谱数据预测值为纵坐标;以植物中单宁的化学实际测量值为横坐标。
模型校正:
选取未参与定标的10个样品对所建单宁的预测模型进行校正。验证结果如下表4。单宁的预测值和化学值绝对误差在0.5以下,误差较小,说明植物单宁含量预测模型可行性较高,预测结果较准确。
表4近红外模型验证结果
预测模型是利用光学数据预测值和化学方法实测的值来建模的,化学方法检测单宁指标是按照国标来做,费时费力;前期建模需要获得一定数量植物的化学值,建好模型后,需要在近红外分析软件中打开,利用真实测量值建立预测模型,是为了保证预测值的可靠性。在实际应用中,只需要采用近红外光谱仪扫描植物样品,获得光学数据,直接利用模型测得植物中单宁的含量,而不需要再采用化学法进行测定,简单,快速,高效,省钱省力。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种近红外快速检测植物中单宁含量的方法,其特征在于,所述方法包括以下步骤:
(1)采用紫外分光光度计测定植物样品中单宁的组分含量;
(2)采用近红外光谱测定仪扫描样品植物的吸收光谱数据;
(3)选择单宁的光谱预处理方法;
(4)建立植物品种判别模型;
(5)利用扫描的吸收光谱数据,结合紫外分光光度计的检测值和光谱预处理方法获得的光谱数据,通过联合区间偏最小二乘法si-PLS建立光谱分析模型;
(6)选取验证植物粉末对光谱分析模型进行校正;
(7)利用校正后光谱分析模型获得的初步预测值与紫外分光光度计实际测量值建立定量模型,并利用定量模型预测待测植物粉末中单宁的含量。
2.根据权利要求1所述的的方法,其特征在于,所述步骤(1)的方法:采用紫外分光光度计对单宁含量测定至少重复进行三次;所述步骤(2)中,对植物粉末吸收光谱的扫描至少重复进行三次。
3.根据权利要求1所述的方法,其特征在于,所述步骤(2)近红外光谱图的采集方法为:称取植物样品,粉碎后过300目筛,所得样品粉末使用积分球采集近红外谱图,近红外光谱仪参数设置:光谱采集范围10000~4000cm-1,分辨率为8cm-1,扫描次数64次,温度25℃,每个样品采集3次,求取平均光谱。
4.根据权利要求1所述的方法,其特征在于,所述步骤(3)选择单宁的光谱预处理方法,是选择使光谱分析模型的决定系数和分辨度最大、校正标准差和相对标准差最小的原始光谱数据预处理方法。
5.根据权利要求1所述的方法,其特征在于,所述步骤(4)建立植物品种判别模型,利用TQ Analyst近红外光谱分析软件,对植物品种与光谱预处理后的吸收光谱数据的平均值一一对应进行判别分析,并采用马氏距离进行建模,挑选待测对象。
6.根据权利要求1所述的方法,其特征在于,所述步骤(5)是利用单宁的含量测定值的平均值和多次扫描的吸收光谱数据的平均值建立近红外光谱分析模型;
所述步骤(5)建立光谱分析模型的过程如下:利用TQ Analyst近红外光谱分析软件,对样品植物粉末中单宁含量实际测量值和光谱预处理后的吸收光谱数据的平均值一一对应进行线性拟合,并采用si-PLS进行建模;
所述步骤(5)si-PLS的过程如下:利用matlab软件,通过Model函数,进行近红外光谱的波段选择,从而对模型进行优化,特征谱区的吸收峰值为5200~4600cm-1和7600~7000cm-1。
7.根据权利要求1所述的近红外快速检测植物粉末单宁含量的方法,其特征在于,所述步骤(6)对光谱分析模型进行校正,是使校正集的光谱数据预测值分布标准差最小。
8.根据权利要求4所述的近红外快速检测植物粉末单宁含量的方法,其特征在于,所述植物粉末单宁采用多元信号修正、导数、滤噪和基线校正等进行光谱预处理数据验证。
9.根据权利要求6所述的近红外快速检测植物粉末单宁含量的方法,其特征在于,所述利用校正后光谱分析模型获得的光谱数据预测值与实际测量值建立定量模型;其中,以植物中单宁的光谱数据预测值为纵坐标;以植物中单宁的实际测量值为横坐标,模型预测单宁含量范围为25.00%-85.00%。
10.根据权利要求1所述的方法,其特征在于,所述步骤(7)利用定量模型预测待测植物中单宁的含量,是将近红外光谱测定仪采集的待测植物粉的吸收光谱数据平均值输入至光谱分析模型,经过光谱数据预处理、光谱分析模型计算得到光谱数据预测值,再将该光谱数据预测值输入至定量模型,通过定量模型计算即可得到待测植物中单宁的含量预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111062516.5A CN113655027B (zh) | 2021-09-10 | 2021-09-10 | 一种近红外快速检测植物中单宁含量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111062516.5A CN113655027B (zh) | 2021-09-10 | 2021-09-10 | 一种近红外快速检测植物中单宁含量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113655027A true CN113655027A (zh) | 2021-11-16 |
CN113655027B CN113655027B (zh) | 2024-09-10 |
Family
ID=78483643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111062516.5A Active CN113655027B (zh) | 2021-09-10 | 2021-09-10 | 一种近红外快速检测植物中单宁含量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113655027B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117036963A (zh) * | 2023-10-08 | 2023-11-10 | 中国农业大学 | 一种针对典型草原地表植物量的检测估算方法 |
CN117288692A (zh) * | 2023-11-23 | 2023-12-26 | 四川轻化工大学 | 一种酿酒粮食中单宁含量的检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1990617A1 (en) * | 2007-05-09 | 2008-11-12 | FOSS Analytical A/S | Determination of tannins in vinefication products |
KR20110106112A (ko) * | 2010-03-22 | 2011-09-28 | 강원대학교산학협력단 | 근적외 분광분석법을 이용한 녹차 카페인과 녹차 카테친의 개별 함량 동시 측정방법 |
CN106596747A (zh) * | 2015-10-16 | 2017-04-26 | 重庆市畜牧科学院 | 桑叶中单宁的检测方法 |
CN109406447A (zh) * | 2018-10-23 | 2019-03-01 | 中粮营养健康研究院有限公司 | 一种高粱中单宁的近红外检测方法 |
CN109540837A (zh) * | 2019-01-04 | 2019-03-29 | 湖南农业大学 | 近红外快速检测苎麻叶片木质纤维素含量的方法 |
CN111830147A (zh) * | 2020-06-09 | 2020-10-27 | 贵州茅台酒股份有限公司 | 一种高粱中单宁浓度的检测方法 |
-
2021
- 2021-09-10 CN CN202111062516.5A patent/CN113655027B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1990617A1 (en) * | 2007-05-09 | 2008-11-12 | FOSS Analytical A/S | Determination of tannins in vinefication products |
KR20110106112A (ko) * | 2010-03-22 | 2011-09-28 | 강원대학교산학협력단 | 근적외 분광분석법을 이용한 녹차 카페인과 녹차 카테친의 개별 함량 동시 측정방법 |
CN106596747A (zh) * | 2015-10-16 | 2017-04-26 | 重庆市畜牧科学院 | 桑叶中单宁的检测方法 |
CN109406447A (zh) * | 2018-10-23 | 2019-03-01 | 中粮营养健康研究院有限公司 | 一种高粱中单宁的近红外检测方法 |
CN109540837A (zh) * | 2019-01-04 | 2019-03-29 | 湖南农业大学 | 近红外快速检测苎麻叶片木质纤维素含量的方法 |
CN111830147A (zh) * | 2020-06-09 | 2020-10-27 | 贵州茅台酒股份有限公司 | 一种高粱中单宁浓度的检测方法 |
Non-Patent Citations (1)
Title |
---|
吕翔;杨子祥;李杨;刘平;: "五倍子单宁含量测定方法的比较研究", 西南农业学报, no. 03 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117036963A (zh) * | 2023-10-08 | 2023-11-10 | 中国农业大学 | 一种针对典型草原地表植物量的检测估算方法 |
CN117036963B (zh) * | 2023-10-08 | 2024-01-26 | 中国农业大学 | 一种针对典型草原地表植物量的检测估算方法 |
CN117288692A (zh) * | 2023-11-23 | 2023-12-26 | 四川轻化工大学 | 一种酿酒粮食中单宁含量的检测方法 |
CN117288692B (zh) * | 2023-11-23 | 2024-04-02 | 四川轻化工大学 | 一种酿酒粮食中单宁含量的检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113655027B (zh) | 2024-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1982872B (zh) | 快速检测滴丸剂水分含量的近红外漫反射光谱法 | |
CN103776777B (zh) | 一种用近红外光谱技术识别不同生长方式人参及对人参中组分含量测定的方法 | |
CN101231274B (zh) | 近红外光谱快速测定山药中尿囊素含量的方法 | |
CN107817223A (zh) | 快速无损实时预测原油性质模型的构建方法及其应用 | |
CN106918567B (zh) | 一种测量痕量金属离子浓度的方法和装置 | |
CN113655027B (zh) | 一种近红外快速检测植物中单宁含量的方法 | |
CN103278473B (zh) | 白胡椒中胡椒碱及水分含量的测定和品质评价方法 | |
CN109540837B (zh) | 近红外快速检测苎麻叶片木质纤维素含量的方法 | |
WO2020248961A1 (zh) | 一种无参考值的光谱波数选择方法 | |
CN111488926A (zh) | 一种基于优化模型的土壤有机质测定方法 | |
CN110749565A (zh) | 一种快速鉴别普洱茶存储年份的方法 | |
CN108613943B (zh) | 一种基于光谱形态转移的近红外单籽粒作物成分检测方法 | |
CN111693487A (zh) | 基于遗传算法和极限学习机的水果糖度检测方法及系统 | |
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 | |
CN108663334B (zh) | 基于多分类器融合寻找土壤养分光谱特征波长的方法 | |
CN110231306A (zh) | 一种无损、快速测定奇亚籽蛋白质含量的方法 | |
CN117874609A (zh) | 快速鉴别天然产物是否为特定产地的通用快速方法 | |
CN105806803A (zh) | 一种多指标协同分析波长组合及其选择方法 | |
CN115392305A (zh) | 基于改进时间卷积网络的土壤有机质含量高光谱建模方法 | |
CN115931773A (zh) | 一种近红外光谱定量分析中的波长选择方法 | |
CN110231300A (zh) | 一种无损快速鉴别真假阿克苏红富士苹果的方法 | |
CN104181125A (zh) | 快速测定啤酒麦芽中库尔巴哈值的方法 | |
CN115420708B (zh) | 一种干辣椒中辣椒素类物质近红外无损检测的方法 | |
CN112649390A (zh) | 一种基于近红外光谱的粘合剂水分含量监测方法 | |
CN111487219A (zh) | 一种基于近红外光谱技术的快速检测香梨木质素含量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |