文档介绍：玉米营养品质的快速鉴定
摘要利用近红外反射光谱分析技术和偏最小二乘回归法和Matlab 多元线性回归法, 通过比较不同光谱范围和光谱预处理方法, 采用二阶导数光谱预处理, 在7250~10000cm-1、5400~7250cm-1和4000~5400cm-1谱区内建立了近红外光谱测定玉米秸秆纤维素含量的校正模型。利用100个玉米样品对所建模型的实际预测效果进行了验证, 预测值与化学值的相关系数( r )可达0. 9953, 最大相对误差仅为5. 20。结果表明, 近红外光谱技术可以快速、准确地测定玉米秸秆纤维素, 该结果对玉米秸秆材料的快速鉴定和筛选利用具有重要的意义。
关键词近红外光谱, 多元线性回归,玉米, 蛋白,纤维素,脂肪, 模型
0引言
玉米是整株作物的主要精华部分, 是反刍动物重要的粗饲料来源和人类粮食的主要来源。玉米中蛋白、纤维素、脂肪含量是衡量其营养价值的重要指标之
一。选育优良青贮玉米品种需要对玉米种子蛋白、纤维素、脂肪含量进行快速分析, 而蛋白、纤维素、脂肪的常规分析方法速度慢, 成本较高, 不适合大批样品的测定和对育种中间材料的筛选。近红外光谱分析技术具有分析快速、简便、非破坏性以及可同时进行多组分测定等优点。在国外, 近红外反射光谱技术已用于玉米自交系纤维素和体外消化率的评价, 以及玉米青贮品质联机分析。目前国内未见有近红外光谱技术用于玉米秸秆纤
维素含量分析的报道。因此研究用N IRS快速、准确分析玉米蛋白、纤维素、脂肪的方法, 为快速发展的我国畜牧业提供优质牧草, 具有实际意义。
1问题重述
根据所给的数据建立数学模型解决下列问题:
1、根据前100个样品的光谱响应数据和蛋白含量的生化检测值,建立单一成分的光谱分析模型;拟定模型评价指标,并讨论模型的适用范围。
2、根据所建立的数学模型,估算其余26个玉米样品(编号101~126)的蛋白含量。
3、结合玉米的光谱响应数据和蛋白、纤维素、脂肪三种营养成分的生化检测值,设计合理的玉米营养品质快速检测方案建立数学模型;进一步利用模型估算其余26个玉米样品中蛋白、纤维素、脂肪三种营养成分含量。
2模型的假设与符号的约定
模型的假设与说明
实验材料和仪器
玉米样品126份, 用9FQ-235锤式粉碎机粉碎, 过0. 45 mm 粒径, 微晶纤维素250 g, 化学方法制取玉米纤维素样50 g; VECTOR22 /N 傅里叶变换近红外光谱仪, 所用软件为OPUS4. 0。仪器工作参数为: 在4000~ 10000 cm- 1谱区范围内, 扫描次数为390次, 分辨率为8 cm- 1。
1
图1 162个玉米样品的近红外光谱图
图2 样品最大、最小、平均的近红外光谱响应图
3 问题一的分析与求解
2
将玉米粉末样盛于直径50 mm 的旋转样品池, 在4000 ~10000 cm- 1谱区范围内扫描, 每个样品重复装样390次。计算其平均光谱贮入计算机中。其中162个样品的近红外漫反射光谱如图1所示。近红外光谱图有多处吸收峰, 可以作为定量分析的依据。纤维素含量= 酸性洗涤纤维含量- 蛋白- 脂肪含量, 酸性洗涤纤维、蛋白和脂肪含量分别采用范氏法测定。
R2=l—SEC2/Sy2, R2≤l—LE2/Sy2
(d)和溶液的浓度(c)成正比,即Lglo/I=kdc(k为吸光系数)。【2】
光谱记录的是有机物分子中单个化学键的倍频和合频信息,主要是含氢基团X—H(如C一H、O—H、N—H和C=O等)的信息,
Matlab 多元线性回归的实现
多元线性回归在 Matlab 中主要实现方法如下:
(1)b=regress(Y, X ) 确定回归系数的点估计值,其中:
(1)【3】
设:在前100个样品中随机抽取9个样品,每个样品随机抽取6组数据,每组数
据包括20束不同波长的光束,取其平均波长,分别为:X1、X2、X3、X4、X5、X6,并求每组数据中的20束不同波长的平均光谱响应值。设y为蛋白的含量,
3
分析:
x1=[,,,,,,,];
x2=[,,,,,,,,];
x3=[