食用向日葵子仁蛋白质含量近红外光谱模型的建立-论文.pdf

《食用向日葵子仁蛋白质含量近红外光谱模型的建立-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、作物杂志Crops2013．6食用向日葵子仁蛋白质含量近红外光谱模型的建立周菲王文军黄绪堂陈慧荣梁春波李岑王静郭永利李晓明刘岩(黑龙江省农业科学院经济作物研究所，150086，黑龙江哈尔滨)摘要以自育的57份食用向日葵子仁为测量的NIRS定量分析模型。在向日葵方面，Kafka试对象，用化学方法测定蛋白质含量，对照近红外漫等曾经建立了油用向日葵子粒脂肪和蛋白质含反射光谱，通过偏最小二乘法建立了食用向日葵子量的近红外分析模型。本研究旨在利用该育种单位仁蛋白质含量的近红外光谱模型。结果表明，对原57份食用向日葵

2、子仁样品建立蛋白质含量的NIRS始光谱数据采用“一阶倒数+多元散射校正(FD-4-模型，为食用向Et葵品质分析提供快速的方法，加快MSC)”处理的方法建立的模型其校正或预测效果育种进程最佳。该模型的校正决定系数和验证决定系数分别l材料与方法为0．95和0．93，校正标准误和预测标准误分别为0．96和1．16。用该模型对16份未参与建模的食用1．1仪器设备向日葵材料进行了预测，结果表明该模型预测能力采用瑞典波通(Perten)公司的DA7200二极管较好。阵列近红外光谱仪，实验前设置好仪器的工作参数，扫描谱

3、区范围为950～1650nm，采样间隔1nm，扫关键词食用向日葵；蛋白质含量；近红外光谱；偏最小二乘法描次数为32次(以内部陶瓷为参考)，SPC文件分辨率为5nm。光谱采集用软件Simplicity～，数据分析用挪威CAMO公司的化学计量学软件TheUn—蛋白质含量是食用向日葵主要品质性状。向日scrambler9．8o葵蛋白质品质优良，在氯化钠、氧化钙和盐的溶液中1．2试验材料可溶性较好。向Et葵蛋白质产量较高，据俄罗斯克从2012年本育种单位的保持系、恢复系、杂交拉斯诺达尔地区统计，向Et葵蛋白质收获

4、量约后代、国外引进资源中根据不同粒色、粒型选取具有360kg／hm，大豆为340kg／hm，10种必需氨基酸收代表性的食用向日葵材料57份，将每个向日葵材料获量向日葵为128．5kg／hm，大豆为124．7kg／hm，分为2份，分别用于蛋白质含量的测定和光谱数据除赖氨酸低于大豆外，其余几种氨基酸含量均较高，的采集。因此，向日葵是高品质植物蛋白质源J。食用向日1．3蛋白质含量的测定葵子仁蛋白质含量在30％左右。有些品种其含量子粒粉碎至粉末后进行蛋白质含量的测定，采高达33％以上，超过许多栽培作物，仅次于富含

5、蛋用国家标准“(NY／T3—1982)一谷类、豆类作物种子白质的豆类作物J。如今人们对嗑食品种子仁粗粗蛋白质测定法(半微量凯氏法)”，每个样品重复蛋白含量提出了应在30％以上的要求，这应是品质测定3次，以3次的平均值作为该样品粗蛋白含量育种的主攻目标。的标准值，且与光谱扫描同时进行，通过公式：子仁近红外光谱分析技术是近年来迅猛发展起来的蛋白含量=子粒蛋白含量／子仁率×100％，计算得高新技术，由于其在测量方面具有快速非破坏性等到子仁蛋白含量。优点已被广泛应用J。目前已成功的建立了大1．4光谱采集豆4J、油

6、菜J、花生等多种油料作物的蛋白质含对每个样品清选、脱壳。仪器预热30min后，采作者简介：周菲，研究实习员，从事向日葵研究工作集子仁样品的光谱，样品采用自然装样方式，用手直基金项目：国家向日葵现代产业技术体系资助项目(CARS一16)；哈接码匀，装满样品杯，每一个样品都采用扫描2次和尔滨市应用技术研究与开发项目(2013RFQYJ027)收稿日期：2013—07—24；修回日期：2013—08—12重复装样3次取平均的光谱收集方式。732013．6作物杂越志Crops籁蹄鑫OOOO0OOOOO0oOOOc

7、亍∞∞m∞光谱的精细度提高，光谱峰的偏移和漂移减弱，光谱2结果与分析轮廓更清晰。2．1光谱数据的分析2．3模型的建立图1为57个向日葵子仁样品的原始吸收近红用化学方法测得食用向日葵子仁的蛋白质含量外光谱。食用向I：1葵种子中含有较多的蛋白质、脂在29．10％～49．73％之间。利用化学计量学软件肪，这些物质都有常见的c—H、N—H等含氢基团，TheUnscrambler9．8对光谱进行预处理，采用偏最在近红外光谱区域会有很强烈的吸收。由图1可+-乘法(PLS1)作为建模方法建立模型。表1为见，向日葵种子的

8、近红外光谱图在多处有明显的吸不同光谱预处理方式所建模型的参数。一个好的模收峰，不同样品的原始吸收光谱形状基本相似，但不型应该有较高的校正决定系数(Rca1)和验证决定同样品的吸收峰强度不同，即含量不同。系数(Rva1)，较低的校正标准误(SEC)和预测标准误(SEP)。从表1可以看出用FD+MSC校正方法进行光谱预处理建立模型是最好的。所建模型参数如图3所示。表1不同光谱预处理方法的PLS建模结果(子仁)波长(nm)图1食用向