马铃薯是世界重要的粮食作物之一。为了提高马铃薯品质育种效率,研究选用蛋白质含量差异较大的多年份、多品种、多地点种植的411份马铃薯块茎为材料,使用InfraXact Lab型近红外光谱分析仪分别对其进行光谱扫描,并用国标化学法对其蛋白...马铃薯是世界重要的粮食作物之一。为了提高马铃薯品质育种效率,研究选用蛋白质含量差异较大的多年份、多品种、多地点种植的411份马铃薯块茎为材料,使用InfraXact Lab型近红外光谱分析仪分别对其进行光谱扫描,并用国标化学法对其蛋白质含量进行测定。通过近红外定标软件(WinISIⅢ),采用一阶导数的数学处理(1,4,4,1)、标准正态变换和去趋势(SNV+Detrend)最佳组合的预处理方法,结合改进偏最小二乘法(Modified partial least squares,MPLS)回归技术构建了马铃薯块茎蛋白质含量的近红外定标模型,并对预测模型的准确性进行了验证。其定标标准偏差(Standard error of calibration,SEC)、交叉检验标准误差(Standard error of cross-validation,SECV)和交叉验证相关系数(1 minus the variance ratio,1-VR)分别为0.566、0.632和0.912。97个验证集样品用于外部检验马铃薯块茎中的蛋白质含量的模型预测值与化学值之间的相关系数为0.931,表明利用近红外光谱分析技术可以测定马铃薯块茎中蛋白质含量。展开更多
应用近红外光谱法(Near infrared spectroscopy,NIRS)和偏最小二乘法(Partial least squares,PLS)建立玉米粗蛋白质、粗脂肪和粗淀粉定量分析的近红外光谱数学模型,并对模型预测结果的准确性进行了评价。结果表明:近红外预测模型的内部...应用近红外光谱法(Near infrared spectroscopy,NIRS)和偏最小二乘法(Partial least squares,PLS)建立玉米粗蛋白质、粗脂肪和粗淀粉定量分析的近红外光谱数学模型,并对模型预测结果的准确性进行了评价。结果表明:近红外预测模型的内部交叉验证决定系数(R2cv)分别为:0.9778,0.9666和0.9927;交叉证实标准差(RMSECV)分别为:0.38,0.40和1.51;模型外部验证决定系数(Rv2al)分别为0.9391,0.9651和0.9875;外部验证标准差(RMSEP)为0.41,0.35和1.31。实际样品的常规分析结果得出玉米粗蛋白质、粗脂肪和粗淀粉的NIRS数学模型具有较高的预测准确性,可应用于玉米育种工作中的大批样品的品质分析。展开更多
文摘马铃薯是世界重要的粮食作物之一。为了提高马铃薯品质育种效率,研究选用蛋白质含量差异较大的多年份、多品种、多地点种植的411份马铃薯块茎为材料,使用InfraXact Lab型近红外光谱分析仪分别对其进行光谱扫描,并用国标化学法对其蛋白质含量进行测定。通过近红外定标软件(WinISIⅢ),采用一阶导数的数学处理(1,4,4,1)、标准正态变换和去趋势(SNV+Detrend)最佳组合的预处理方法,结合改进偏最小二乘法(Modified partial least squares,MPLS)回归技术构建了马铃薯块茎蛋白质含量的近红外定标模型,并对预测模型的准确性进行了验证。其定标标准偏差(Standard error of calibration,SEC)、交叉检验标准误差(Standard error of cross-validation,SECV)和交叉验证相关系数(1 minus the variance ratio,1-VR)分别为0.566、0.632和0.912。97个验证集样品用于外部检验马铃薯块茎中的蛋白质含量的模型预测值与化学值之间的相关系数为0.931,表明利用近红外光谱分析技术可以测定马铃薯块茎中蛋白质含量。
文摘应用近红外光谱法(Near infrared spectroscopy,NIRS)和偏最小二乘法(Partial least squares,PLS)建立玉米粗蛋白质、粗脂肪和粗淀粉定量分析的近红外光谱数学模型,并对模型预测结果的准确性进行了评价。结果表明:近红外预测模型的内部交叉验证决定系数(R2cv)分别为:0.9778,0.9666和0.9927;交叉证实标准差(RMSECV)分别为:0.38,0.40和1.51;模型外部验证决定系数(Rv2al)分别为0.9391,0.9651和0.9875;外部验证标准差(RMSEP)为0.41,0.35和1.31。实际样品的常规分析结果得出玉米粗蛋白质、粗脂肪和粗淀粉的NIRS数学模型具有较高的预测准确性,可应用于玉米育种工作中的大批样品的品质分析。
