雷加容　余敖　歐俊梅等

摘 要：采用凱氏定氮法測試了216份小麥子粒的粗蛋白含量，用近紅外儀采集數(shù)據(jù)，選擇113份建立了數(shù)學(xué)模型。結(jié)果：最佳主成分?jǐn)?shù)（Rank）=6，內(nèi)部交叉驗(yàn)證均方差（RMSECV）=0.377，決定系數(shù)（R2）=96.89。為了驗(yàn)證模型的可靠性，對預(yù)測集樣品進(jìn)行預(yù)測，結(jié)果粗蛋白的預(yù)測均方差（RMSEP）=0.950，相對偏差（RSEP，%）=8.40。

關(guān)鍵詞：小麥子粒；近紅外光譜；數(shù)學(xué)模型；粗蛋白含量

中圖分類號 S512.1 文獻(xiàn)標(biāo)識碼 A 文章編號 1007-7731（2015）03-04-22-02

Abstract：Bruker fourier transform near-infrared spectroscopy （FT-NIRS） used 113 seeds to establish math model of crude protein. The result on this model showed that the Rank was 6 and the RMSECV was 0.377 and R2 was 96.89. 54 samples were used to test this model，The result on model validation showed that the RMSEP was 0.950 and the RSEP（%） was 8.40.

Key words：Wheat；FT-NIRS；Math model；Crude protein

近紅外光譜分析技術(shù)具有快速、方便、簡單、準(zhǔn)確以及同時(shí)可分析多種成分的優(yōu)點(diǎn)，是一種非破壞性的“瞬間分析”技術(shù)，它能夠?yàn)樾←溒焚|(zhì)育種快速和準(zhǔn)確地提供有關(guān)品質(zhì)參數(shù)。目前該技術(shù)已廣泛應(yīng)用于農(nóng)業(yè)[1-4]、工業(yè)[5-6]、食品業(yè)[7-8]等行業(yè)，在小麥[9-15]、果蔬[16-18]、油菜種子[19]等不同作物的品質(zhì)檢測中得到了運(yùn)用。用近紅外光譜法分析小麥子粒粗蛋白含量，難點(diǎn)在于近紅外光譜法要從復(fù)雜、重疊、變動(dòng)的背景中提取弱信息，建立數(shù)學(xué)模型。而要建立優(yōu)秀的數(shù)學(xué)模型，就需要擁有大量品質(zhì)資源，從大量樣品中選擇代表性樣品，從而建立準(zhǔn)確、穩(wěn)定的數(shù)學(xué)模型。為此，筆者收集了216份小麥子粒樣品進(jìn)行粗蛋白含量的分析，結(jié)果篩選出113份材料初步建立了粗蛋白FT-NIRS分析數(shù)學(xué)模型。

1 材料與方法

1.1 供試材料 小麥子粒樣品216份。

1.2 化學(xué)分析 粗蛋白含量分析：采用凱氏定氮法測試小麥子粒的粗蛋白含量。

1.3 近紅外分析

1.3.1 儀器 近紅外光譜品質(zhì)分析儀為德國Bruker公司MATRIX-I型傅立葉變換近紅外光譜品質(zhì)分析儀。

1.3.2 實(shí)驗(yàn)條件 運(yùn)用OPUS系統(tǒng)建立模型時(shí)，在Measurement狀態(tài)下的Advanced 工作頁選擇參數(shù)如下：Resolution為16cm-1，Sample Scan Time為64，Background Scan為64，Save Date From 為12 000～4 000cm-1，Result Spectrum 為Absorbance。其余工作頁設(shè)定正確的參數(shù)。定量建模算法：偏最小二乘法。

1.4 模型建立 利用OPUS/QUANT軟件優(yōu)化、建立小麥子粒粗蛋白的近紅外分析模型。

2 結(jié)果與分析

2.1 建小麥粗蛋白FT-NIRS定量分析模型的樣品光譜集 小麥子粒樣品的近紅外光譜圖集（圖1）。

2.3 評價(jià)校正方程 為了驗(yàn)證模型的可靠性，對預(yù)測集樣品進(jìn)行預(yù)測（表1），結(jié)果粗蛋白的預(yù)測均方差（RMSEP）=0.950；相對偏差（RSEP，%）=8.40。

3 結(jié)論與討論

（1）用近紅外儀采集數(shù)據(jù)，選擇113份建立了數(shù)學(xué)模型。結(jié)果：最佳主成分?jǐn)?shù)（Rank）=6，內(nèi)部交叉驗(yàn)證均方差（RMSECV）=0.377，決定系數(shù)（R2）=96.89。為了驗(yàn)證模型的可靠性，對預(yù)測集樣品進(jìn)行預(yù)測，結(jié)果粗蛋白的預(yù)測均方差（RMSEP）=0.950；相對偏差（RSEP，%）=8.40。

（2）FT-NIRS的方法測定小麥子粒的粗蛋白含量與采用凱氏定氮法測試小麥子粒的粗蛋白含量相比，快速、無損，預(yù)測結(jié)果比較準(zhǔn)確，通過適量的校正樣品建立起來的數(shù)學(xué)模型之后，可快速準(zhǔn)確地測試未知樣品的相關(guān)指標(biāo)，特別適用于大批樣品的分析測定，為FT-NIRS技術(shù)應(yīng)用于農(nóng)作物育種篩選材料提供了可能。

（3）建模時(shí)樣品數(shù)量和樣品代表性直接影響分析結(jié)果。本研究樣品數(shù)量雖有113個(gè)來建模，但樣品的代表性方面有待進(jìn)一步完善。

參考文獻(xiàn)

[1]文婷，張翔，張浩勤，等.近紅外光譜在農(nóng)業(yè)中的應(yīng)用[J].農(nóng)業(yè)技術(shù)與裝備，2009（20）：20，22.

[2]林新，牛智有.基于近紅外光譜茶葉種類的快速識別[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)，2008，27（2）：326-330.

[3]高洪智，盧啟鵬，丁海泉，等.基于連續(xù)投影算法的土壤總氮近紅外特征波長的選取[J].光譜學(xué)與光譜分析，2009，29（11）：2951-2954.

[4]段焰青，陶鷹，者為，等.近紅外光譜分析技術(shù)在煙葉產(chǎn)地鑒別中的應(yīng)用[J].云南大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，33（1）：77-82.

[5]柴金朝，金尚忠.近紅外光譜技術(shù)在紡織品定性檢測中的應(yīng)用[J].紡織學(xué)報(bào)，2009，30（4）：55-58.

[6]歐陽愛國，劉軍.基于近紅外與拉曼光譜的甲醇汽油定量分析[J].西南師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2012，37（9）：98-101.

[7]穆同娜，吳燕青，冰婷.近紅外光譜分析技術(shù)在食品質(zhì)量安全檢測分析中的應(yīng)用[J].現(xiàn)代儀器，2010（2）：20-23.

[8]齊龍，朱克衛(wèi)，馬旭，等.近紅外光譜技術(shù)在大米檢測中的應(yīng)用[J].農(nóng)機(jī)化研究，2011（7）：18-21.

[9]劉寧濤.利用近紅外光譜儀測定小麥品質(zhì)指標(biāo)曲線的準(zhǔn)確性分析[J].黑龍江農(nóng)業(yè)科學(xué)，2010（1）：21-24.

[10]高居榮，樊廣華，李圣福，等.近紅外光譜技術(shù)分析小麥品質(zhì)的應(yīng)用研究[J].實(shí)驗(yàn)技術(shù)與管理，2009，26（3）：42-44.

[11]金華麗，王金水.近紅外光譜法檢測小麥粉中灰分含量的研究[J].河南工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，31（1）：14-17，21.

[12]孫來軍，王樂凱，錢海波，等.基于近紅外透射光譜分析技術(shù)的小麥蛋白質(zhì)含量測定[J].中國農(nóng)學(xué)通報(bào)，2011，27（3）：35-39.

[13]錢海波，孫來軍，王樂凱，等.基于連續(xù)投影算法的小麥濕面筋近紅外校正模型優(yōu)化[J].中國農(nóng)學(xué)通報(bào)，2011，27（18）：51-56.

[14]朱大洲，黃文江，馬智宏，等.基于近紅外網(wǎng)絡(luò)的小麥品質(zhì)監(jiān)測[J].中國農(nóng)業(yè)科學(xué)，2011，44（9）：1806-1814.

[15]趙海燕，郭波莉，魏益民，等.近紅外光譜對小麥產(chǎn)地來源的判別分析[J].中國農(nóng)業(yè)科學(xué)，2011，44（7）：1451-1456.

[16]馬蘭，夏俊芳，張戰(zhàn)鋒，等.光譜預(yù)處理對近紅外光譜無損檢測番茄可溶性固形物含量的影響[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)，2008，27（5）：672-675.

[17]劉垚，萬輝，朱煥庭.近紅外光譜分析技術(shù)在果品品質(zhì)無損檢測中的應(yīng)用[J].廣東農(nóng)業(yè)科學(xué)，2009（3）：157-158，163.

[18] 郭蕊，王金水，金華麗，等.近紅外光譜分析技術(shù)測定芝麻水分含量的研究[J].現(xiàn)代食品科技，2011，27（3）：366-369.

[19]朱文秀，趙繼獻(xiàn)，張品，等.近紅外光譜分析與化學(xué)方法檢測油菜種子品質(zhì)參數(shù)的比較[J]，安徽農(nóng)學(xué)通報(bào)，2010，16（17）：182-183.

（責(zé)編：張宏民）