应用近红外光谱技术分析稻米蛋白质含量

文献类型： 中文期刊

第一作者： 毕京翠

作者： 毕京翠;张文伟;肖应辉;王海莲;江玲;刘玲珑;万向元;翟虎渠;万建民

作者机构：

关键词： 水稻;蛋白含量;近红外光谱技术;校正模型

期刊名称： 作物学报

ISSN： 0496-3490

年卷期： 2006 年 32 卷 05 期

页码： 709-715

收录情况： 北大核心 ; CSCD

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R2C分别为0.897、0.984和0.986,RMSEC分别为0.4970、.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0.5940、.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。

分类号： S511

  • 相关文献

[1]甘薯蛋白质含量近红外反射光谱分析模型应用研究. 唐忠厚,李洪民,马代夫. 2008

[2]水稻蛋白质含量的世代遗传. 郭慧,李树杏,杨占烈,甘雨,向关伦,潘建慧,郝留根. 2016

[3]近红外光谱技术辅助选择水稻食味品质育种. 刘凯,孙明法,严国红,唐红生. 2016

[4]近红外光谱技术辅助选择水稻食味品质育种简. 刘凯,孙明法,严国红,唐红生. 2016

[5]油菜籽校正模型中代表性样品的获取. 王丽萍,陈文杰,赵兴忠,田建华,李敏,李殿荣. 2014

[6]近红外技术在玉米品质检测中的应用. 王明,张倩. 2020

[7]传感器光谱响应差异对NDVI的影响. 卫炜,吴文斌,周清波,张明伟. 2015

[8]近红外技术在液态食品成分检测中的应用研究进展. 王明,刘新. 2018

[9]近红外光谱法快速测定山核桃品质性状的研究. 汪庆平,黎其万,董宝生,束继红. 2009

[10]近红外光谱分析技术在羊肉品质检测中的应用研究进展. 王培培,张德权,王振宇,陈丽,饶伟丽. 2012

[11]农机导航自校正模型控制方法探讨. 宋龙志. 2021

[12]便携式近红外光谱仪的苹果糖度模型温度修正. 王加华,戚淑叶,汤智辉,贾首星,李永玉. 2012

[13]对家禽饲料代谢能值校正模型的探讨. 赵峰,张宏福. 2007

[14]不同播期对大豆东农42产质量性状动态变化规律研究. 陈立君. 2009

[15]南极磷虾(Euphausia superba)脂肪与蛋白含量的季节变化. 聂玉晨,张波,赵宪勇,王新良,张吉昌,李显森. 2016

[16]两个香菇品种在冷藏过程中营养成分及相关酶类变化研究. 沈颖越,冯伟林,蔡为明,张宏福,范丽军,宋婷婷. 2019

[17]寒地环境对高蛋白大豆品种蛋白及产量的影响研究. 张敬涛,盖志佳,蔡丽君,刘婧婍,杜佳兴,赵桂范,王金华,徐高云,于桂霞,于熙红. 2019

[18]基于全基因组关联分析挖掘野生大豆蛋白含量QTL. 高倩,冯燕,杨雅华,赵青松,雷雅坤,刘兵强,张孟臣,史晓蕾,杨春燕. 2021

[19]牦牛、犏牛、黄牛的血清蛋白质分析. 李孔亮,刘汉英,许玉德,陈友平,芦鸿计. 1985

[20]亚致死剂量高效氯氰菊酯对蚯蚓体内生化指标的影响. 赵丽倩,仇爱锋,纪伟,陈子雷,庄惠生. 2018

作者其他论文 更多>>

微信小程序