专利名称：基于近红外光谱快速检测块根/茎类作物营养品质的方法
技术领域：
本发明涉及一种基于近红外光谱技术快速检测地下块根/茎类作物营养品质的方法，属地下块根/茎类作物营养品质组分的检测技术领域。能够快速、无污染检测甘薯、木薯、马铃薯、山药、芋头等地下块根/茎类作物中营养品质组分。
背景技术：
甘薯、木薯、马铃薯、山药、芋头等作为典型的地下块根/茎类淀粉作物，都是我国乃至世界上重要的粮食、饲料和工业原料。每年，我国这类地下块根/茎类淀粉作物在育种、栽培、资源筛选与保存以及加工利用等方面有大量样品需品质分析与鉴定。实验室常规化学检测仪器分析营养成分需要化学试剂的浸提或反应、检测等多个步骤，样品的制备、预处理以及分析过程存在耗时、费力、测定步骤繁琐等缺点，不同的指标要不同的通道进行测试，易造成环境误差和人为误差，影响分析结果的可靠性和可比性，消耗大量化学试剂，产生的废液、废气等污染物也不符合目前提倡的低碳社会要求。目前，在我国，这类地下块根 /茎类淀粉作物领域尚没有快速、低耗、无污染营养品质的分析方法。
发明内容
为了实现快速、高效、无污染、同时多指标测定地下块根/茎类作物营养品质组分的含量，本发明提供一种基于近红外光谱技术快速检测地下块根/茎类作物营养品质的方法。利用本方法不需要对地下块根/茎类作物样品进行复杂的化学预处理，实现对这类地下块根/茎类作物多种成分的快速无污染检测，并节省检测时间、降低成本、增加效率、保护环境。 本发明是采用如下技术方案实现的一种基于近红外光谱快速检测块根/茎类作物营养品质的方法，应用近红外光谱分析技术对地下块根/茎类作物营养品质组分含量进行分析检测，具体步骤如下I)样品的选择每个作物筛选符合建模的组分含量梯度大、有代表性的试验样品库；2)光谱的采集根据样品的状态，使用近红外光谱仪采集试验样品近红外光谱数据；3)试验样品化学值的分析参照国际通用或国标方法精确分析试验样品库中营养品质组分含量；4)光谱的预处理对采集到的近红外光谱数据进行预处理；5)校正模型的构建与优化选择建立数学模型的化学计量方法，采用OPUS定量分析软件中QUANT-2程序进行模型构建；6)模型的验证为保证建模样品集具有很好代表性，对所建模型采用校正和内部交叉验证评价；7)模型的应用同获得标准校正样本光谱时所采用的采集条件一致，采集待测地下块根/茎类作物样品的近红外光谱数据，光谱数据预处理后用所构建的校正模型预测其营养品质。步骤I)所述的样品的选择是从全国资源库筛选符合建模的组分含量梯度大、有代表性的校正样品集和待测样品集。步骤5)所述的校正模型的构建与优化包括选择建立数学模型的化学计量方法，将校正样品集的化学测量值与相应的光谱值输入到建模程序QUANT-2中，再利用OPTIMIZE程序自动优化处理，选择最佳建模条件，包括最佳光谱预处理方法、最佳谱区范围和最佳主成分维数等；建立近红外光谱与地下块根/茎类作物营养成分含量的校正模型。步骤3)中营养品质组分包括地下块根/茎类作物的淀粉、蛋白质、可溶性糖、还原糖、葡萄糖、果糖、蔗糖和部分矿物质元素等营养品质组分含量。上述近红外分析技术具有样品用量少、样品无损失、分析速度快、同时多指标测定、无废物污染以及成本低、利用率高等常规法无法比拟的特点，同时也符合目前国家提出的“低碳科研”要求。可很好地应用于地下块根/茎类作物品质指标分析，其预测结果均 在常规方法允许误差范围内，验证检测的结果完全能够达到实际应用的要求。因此，可以作为一种快速方法应用于地下块根/茎类作物科研和生产上。本发明的有益效果是，本发明分析速度快、无污染、无需样品预处理、检测精度高、重复性好，可同时分析地下块根/茎类作物中的多种营养品质成分，为地下块根/茎类作物育种和资源筛选提供了方便、快捷、高效的分析方法。
图I是本发明的流程图。
具体实施例方式如图I所示的流程图路线进行试验。样品的筛选从全国各地资源库中筛选符合建模的组分含量梯度大、有代表性的校正样品集和待测样品集。本实施是每个作物从全国各地资源库中筛选120份具有不同来源、不同肉色、不同干率以及不同生物学特性等基本信息的材料作为校正样品集和50份待预测样品集；样品的预处理选择健壮、匀称材料，洗净、除皮、切片，置_50°C低温冷冻干燥72h,研磨，过60目，密封保存，备用；样品化学值的测定参照国际通用或国标方法精确分析该类地下块根/茎类作物样品集中的淀粉、蛋白质、可溶性糖、还原糖、葡萄糖、果糖、蔗糖和部分矿物质元素等营养品质组分含量；光谱的采集试验采用VECT0R22/N型傅立叶变换近红外反射光谱仪(德国BRUKER光谱仪器公司制)，将样品盛于直径50mm的旋转样品容器，厚度约5mm，在^OO-lOOOOcnT1谱区范围内扫描64次，分辨率为4CHT1 ;测量前对仪器预热30min，仪器测试(如峰和扩大信号等)通过后，对背景进行扫描；对样品进行扫描，每个样品重复3次；光谱的预处理用配套软件中命令对近红外光谱数据进行预处理(平滑、微分、平均光谱、基线校正等)，以消除背景和环境干扰，提高光谱质量和信噪比，存于计算机内；校正模型的构建与优化将校正样品集的化学测量值与相应的光谱值输入到建模程序QUANT-2中，采用最小二乘法(MPLS)、偏最小二乘法(PLS)和主成分回归(PCR)等多元统计分析方法，利用OPTIMIZE程序自动优化处理，选择最佳建模条件，包括最佳光谱预处理方法、最佳谱区范围和最佳主成分维数等；建立甘薯的近红外光谱与地下块根/茎类作物营养成分含量的校正模型；为保证测量环境和人工操作的一致性，测量过程中每隔30个样品进行一次背景扫描以消除漂移。模型的验证与应用为保证建模样品集具有很好代表性，对所建模型采用校正和内部交叉验证进行评价，如预测值与化学值相关的决定系数(R2)和均方差(RMSEE和RMECV)；同获得标准校正样本光谱时所采用的采集条件一致，采集50份待测地下块根/茎)类作物样品的近红外光谱数据，光谱数据预处理后用所构建的校正模型，快速预测地下块 根/茎类作物样品中淀粉、蛋白质、可溶性糖、还原糖、葡萄糖、果糖、蔗糖和部分微量元素等品质指标的结果。
权利要求
1.一种基于近红外光谱快速检测块根/茎类作物营养品质的方法，其特征是应用近红外光谱分析技术对地下块根/茎类作物营养品质组分含量进行分析检测，具体步骤如下 1)样品的选择每个作物筛选符合建模的组分含量梯度大、有代表性的试验样品库； 2)光谱的采集根据样品的状态，采用合适方法使用近红外光谱仪采集试验样品近红外光谱数据； 3)试验样品化学值的分析参照国际通用或国标方法精确分析试验样品库中营养品质组分含量； 4)光谱的预处理对采集到的近红外光谱数据进行预处理； 5)校正模型的构建与优化选择建立数学模型的化学计量方法，采用OPUS定量分析软件中QUANT-2程序进行模型构建； 6)模型的验证为保证建模样品集具有很好代表性，对所建模型采用校正和内部交叉验证评价； 7)模型的应用同获得标准校正样本光谱时所采用的采集条件一致，采集待测地下块根/茎类作物样品的近红外光谱数据，光谱数据预处理后用所构建的校正模型预测其营养品质。
2.根据权利要求I所述的基于近红外光谱快速检测块根/茎类作物营养品质的方法，其特征是步骤I)所述的样品的选择是每个作物都从全国资源库中筛选符合建模的组分含量梯度大、有代表性的校正样品集和待测样品集。
3.根据权利要求I所述的基于近红外光谱快速检测块根/茎类作物营养品质的方法，其特征是步骤5)所述的校正模型的构建与优化包括选择建立数学模型的化学计量方法，将校正样品集的化学测量值与相应的光谱值输入到建模程序QUANT-2中，再利用OPTIMIZE程序自动优化处理，选择最佳建模条件，包括最佳光谱预处理方法、最佳谱区范围和最佳主成分维数等；建立地下块根/茎类作物的近红外光谱与其营养成分含量的校正模型。
4.根据权利要求I所述的基于近红外光谱快速检测块根/茎类作物营养品质的方法，其特征是步骤3)中营养品质组分包括地下块根/茎类作物的淀粉、蛋白质、可溶性糖、还原糖、葡萄糖、果糖、蔗糖和部分矿物质元素等营养品质组分含量。
全文摘要
本发明公开了一种基于近红外光谱快速检测块根/茎类作物营养品质的方法，属作物营养品质检测领域。包括1)筛选符合建模的组分含量梯度大、有代表性的试验样品库；2)使用近红外光谱仪采集试验样品近红外光谱数据；3)参照国际通用或国标方法精确分析试验样品库中营养品质组分含量；4)对近红外光谱数据预处理；5)选择建立数学模型的化学计量方法，采用OPUS定量分析软件中QUANT-2程序进行模型构建；6)对所建模型采用校正和内部交叉验证进行评价；7)采集待测样品的近红外光谱数据，光谱数据预处理后用所构建的校正模型预测其营养品质。本发明分析速度快、无污染、无需样品预处理、检测精度高、重复性好，可同时分析地下块根、茎类作物中的多种营养品质成分。
文档编号G01N21/25GK102879340SQ201210365529
公开日2013年1月16日 申请日期2012年9月27日 优先权日2012年9月27日
发明者唐忠厚, 丁艳锋, 李洪民, 马代夫, 李强, 魏猛 申请人:江苏徐州甘薯研究中心, 南京农业大学
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
