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。
