甜叶菊糖甙含量近红外光谱定量预测模型的创建及应用

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，其具有速度快、无污染、低消耗，非破坏性、多组分同时测定等优点，已被列为多种国际或行业标准，在许多领域得到广泛应用。甜菊二萜糖甙是一类高甜度、无能量、天然甜味剂，在食品、医药、化妆品等领域有广阔的前景。本研究旨在建立甜叶菊叶片中重要二萜糖甙组分的近红外光谱预测模型，并通过改进的算法，优化模型的稳健性，提高模型的适用性和预测能力，为甜叶菊味质检测和育种选择提供快速、简捷、有效地方法。
　　 甜叶菊二萜糖甙含量近红外光谱预测模型的创建及应用研究中，利用多年份的单株选择材料，随机选出508份甜叶菊叶粉样品，取样品量约3 g扫描其近红外光谱。参考分析方法采用改良的液相色谱法测定甜菊糖甙、瑞鲍迪甙A及两者的总百分含量。采用标准正态变换、二阶微分和Savitzky-Golay卷积平滑处理原始光谱。联用基于蒙特卡罗的无信息变量消除法和连续性投影法筛选光谱变量，剔除了大量无信息变量和冗余交量，同时降低光谱变量的共线性，提高了模型预测的准确性和稳健性，并在一定程度上克服了过拟合现象。
　　 建模过程中采用迭代的加权最小二乘支持向量机剔除异常值，并对剔除了异常值的训练集采用支持向量机回归算法，仿真数据和二萜糖甙总含量数据均表明，此混合方法的预测性能优于其他方法，对二萜糖甙总含量的预测均方根误差，决定系数，剩余预测偏差分别为0.843％、0.907和3.256。同时，通过PLS方法对筛选后的变量空间进行特征提取，提高了计算的效率，其预测均方根误差，决定系数和剩余预测偏差分别达到0.845％、0.906和3.249。对单个组分的甜菊糖甙和瑞鲍迪甙A，采用相同的建模方法，并对第一个偏最小二乘成分进行正交信号校正以提高预测的准确性。预测结果表明，应用所构建的近红外光谱预测模型进行大规模育种材料的筛选是可行的。
　　 应用此模型共筛选出70个瑞鲍迪甙A绝对含量较高和63个瑞鲍迪甙A相对含量较高的单株材料。其杂交F1子代50个品系的瑞鲍迪甙A绝对含量和相对含量均显著提高，甜叶菊味质得到显著改良。
　　 本研究所发展的近红外光谱技术还可为甜叶菊遗传研究，数量性状定位，种质资源评价以及甜叶菊叶片现场收购提供有利的检测工具。

目录

文摘

英文文摘

项目资助来源（The presents study was suported by）

致谢

1 前言

2 文献综述

2.1 近红外分析技术的理论基础

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 变量选择方法

2.2.3 近红外光谱定量回归校正方法

2.2.4 模型传递

2.2.5 近红外模型评价指标

2.3 近红外光谱技术的特点

2.4 近红外光谱技术在农产品品质分析及育种中的应用

3 材料与方法

3.1 试验材料与样品选择

3.2 样品近红外光谱采集及预处理

3.3 训练集和预测集样本划分

3.4 甜叶菊叶片糖甙含量测定

3.5 近红外光谱回归模型与预测集验证

4 结果与分析

4.1 甜叶菊中二萜糖甙含量的测定

4.1.1 训练集和预测集选择

4.1.2 甜叶菊二萜糖甙含量的测定

4.2 目标性状近红外光谱变量选择

4.2.1 近红外光谱与目标性状相关性分析

4.2.2 光谱变量选择

4.3 线性与非线性方法建模

4.3.1 PLS回归方法

4.3.2 混合的支持向量机回归算法

4.3.3 不同建模方法比较

4.4 单一二萜糖甙组分建模

4.5 甜叶菊二萜糖甙近红外光谱回归模型的应用研究

5 讨论

5.1 近红外光谱变量优选

5.2 支持向量机回归算法的优化

5.3 近红外光谱预测模型的评价与应用

5.4 近红外光谱技术展望

参考文献

作者简历