首页> 中文学位 >稻米氨基酸含量的近红外定标模型的创建及应用
【6h】

稻米氨基酸含量的近红外定标模型的创建及应用

代理获取

目录

致谢

摘要

Abstract

缩写词表

1 前言

2 文献综述

2.1 近红外分析技术的理论基础

2.1.1 有机物分子的近红外光谱

2.2 近红外光谱技术中的化学计量学方法

2.2.1 近红外光谱预处理方法的研究

2.2.2 近红外光谱定量校正方法的研究

2.2.3 近红外光谱定性分析的研究

2.2.4 模型传递

2.2.5 近红外定标模型评价参数

2.3 创建近红外定标模型的关键技术

2.3.1 近红外光谱分析技术的特点

2.3.2 近红外光谱分析的影响因素

2.4 近红外光谱技术在稻米品质分析中的应用

2.4.1 稻米蒸煮品质近红外光谱分析

2.4.2 稻米营养品质近红外光谱分析

2.4.3 稻米其他品质性状近红外光谱分析

3 材料与方法

3.1 试验材料与样品选择

3.1.1 糙米材料及样品选择

3.1.2 精米材料及样品选择

3.2 样品的碾磨和粉碎

3.3 近红外光谱采集方法

3.4 氨基酸含量化学值的测定

3.4.1 盐酸水解-氨基酸自动仪分析法测定

3.4.2 分光光度法测定色氨酸含量

3.5 近红外校正方程与外部验证

4 结果与分析

4.1 糙米氨基酸含量近红外定标模型的研究

4.1.1 糙米氨基酸含量定标样品集和外部验证集选择

4.1.2 糙米中17种的氨基酸含量的测定

4.1.3 光谱预处理方法的选择

4.1.4 基于糙米粉近红外光谱的定标方程的创建

4.1.5 基于糙米近红外光谱的近红外定标方程的创建

4.2 精米色氨酸含量近红外定标模型的研究

4.2.1 精米色氨酸含量定标集和外部验证集的选择

4.2.2 精米中色氨酸含量的测定

4.2.3 光谱预处理和回归方法的选择及定标结果分析

4.2.4 光谱预处理与相关性分析

4.2.5 精米与精米粉光谱比较分析

4.2.6 MPLS变量因子的载荷

4.3 精米氨基酸含量的近红外定标模型拓展的研究

4.3.1 精米氨基酸含量化学分析值统计

4.3.2 光谱预处理和回归方法的选择

4.3.3 近红外定标模型拓展研究

4.3.4 近红外定标结果分析

4.4 稻米氨基酸含量近红外定标模型的应用研究

5 讨论

5.1 糙米氨基酸含量的近红外定标方程的评价与应用

5.2 精米氨基酸含量的近红外定标方程的评价与应用

5.3 影响近红外定标结果的因素

5.4 近红外技术的应用展望

参考文献

作者简历

展开▼

摘要

近红外光谱技术是上世纪80年代后期迅速发展起来的新型物理测试技术,该技术具有无污染、低消耗、非破坏性,可实现多组分同时测定及分析速度快等优点,已被列为多种国际或行业标准,在许多领域得到广泛应用。本研究旨在建立稻米(精米和糙米)中氨基酸含量的近红外定标模型,并对精米氨基酸含量的定标模型进行拓展研究,以提高模型的适用性和预测能力,为稻米氨基酸营养品质的检测和水稻品质育种提供快速简捷的测定方法。糙米氨基酸含量近红外定标方程创建及应用研究中,从多年份的518份群体中选出279份有代表性糙米和糙米粉样品,并以两种不同样品量(约3 g和500 mg)分别进行近红外光谱扫描,用酸水解法测定各氨基酸含量。选用数学处理(2,8,8,1)/标准正态变量变换和去趋势(SNV+D)最佳组合预处理方法创建近红外定标模型,发现基于3 g糙米粉光谱的氨基酸含量的定标方程效果最佳,而基于500mg糙米的定标效果略差。除半胱氨酸、蛋氨酸和酪氨酸外,其余氨基酸的定标方程的交叉检验标准误差(SECV)、预测标准误差(SEP)分别为0.010%-0.063%、0.011%-0.066%,交叉检验决定系数(1-VR)和预测决定系数(R2)分别为87.8%-96.0%、83.7%-94.7%,标准偏差与预测标准误差比值(SD/SEP)达到2.421-4.333。由于色氨酸在酸水解中被完全分解,采用碱水解-分光光度法测定精米中色氨酸的含量。选择导数处理(1,4,4,1)和SNV+D光谱预处理,结合MPLS的回归方法建立了近红外定标方程,所建立的方程定标标准误差(SEC:0.007%)、SECV(0.008%)和SEP(0.007%)较低,其相应的定标决定系数(RSQ:88.4%)、1-VR(85.0%)和R2(87.1%)较高。研究了精米粉光谱与色氨酸含量值的之间的相关性,解释了前三个MPLS变量因子的载荷(Loading)。两个群体(P1=220和P2=225)共有445份材料用于稻米17种氨基酸含量的近红外定标模型的拓展研究。探索了不同的数据转换模式和回归方法对人工神经网络(ANN)算法的定标结果的影响,优化并选择最佳的光谱预处理方法(1,8,8,1)/(SNV+D),结合改良偏最小二乘法(MPLS)和ANN算法建立了精米氨基酸定标方程。结果发现运用ANN算法建立了定标方程略差于MPLS方法。选择谷氨酸、苯丙氨酸和精氨酸结合MPLS进行了定标模型拓展研究,结果表明两个群体的定标方程的预测效果明显优于只用其中一个群体的定标方程;从两个群体中运用SELECT程序(NH=0.26)选择其中189份样品,所建立的定标方程的预测能力与两个群体的定标效果相近。应用所建立的稻米氨基酸近红外快速分析技术筛选了“9311”突变体群体,初步筛选出了41个三种限制性氨基酸含量均提高的突变体株系。本研究所发展的近红外光谱技术还可为水稻育种中间材料的快速筛选、种质资源的评价和稻米加工工业中质量控制提供了有利的检测工具。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号