应用近红外光谱技术分析稻米蛋白质含量

摘要

以稻谷、米粒、米粉3种形态的样品,应用近红外光谱技术(NIRS)和偏最小二阶乘法(PLS),建立了6个稻米蛋白质含量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,糙米蛋白质含量的稻谷、糙米粒和糙米粉近红外光谱预测模型校正决定系数(RC2)分别为0.893、0.971和0.987,校正标准差(RMSEC)分别为0.507、0.259和0.183;精米蛋白质含量的稻谷、精米粒和精米粉近红外光谱预测模型RC2分别为0.897、0.984和0.986,RMSEC分别为0.497、0.186和0.190.模型内部交叉验证分析表明,预测糙米蛋白含量的稻谷、糙米粒和糙米粉模型内部交叉验证决定系数(RCV2)分别为0.865、0.962和0.984,内部验证标准差(RMSECV)分别为0.557、0.290和0.205;预测精米蛋白含量的稻谷、精米粒和精米粉的模型RCV2分别为0.845、0.951和0.979,RMSECV分别为0.594、0.316和0.233.模型外部验证分析表明,预测糙米蛋白含量的稻谷、糙米粒和糙米粉近红外光谱模型外部验证决定系数(RV2)分别为0.683、0.801和0.939,外部验证标准差(RMSEV)为0.962、0.799和0.434;预测精米蛋白含量的稻谷、精米粒和精米粉近红外光谱的模型RV2分别为0.673、0.921和0.959,RMSEV为0.976、0.513和0.344.用米粉建立的近红外光谱预测模型准确性最高,米粒次之,基于稻谷的预测模型准确性相对较低;内部交叉验证和外部验证表明,近红外光谱分析技术与化学分析方法一致性较好,且能保证样品的完整性,在水稻优质育种和稻米品质分析中具有广泛的应用价值.