荞麦芦丁和蛋白质的近红外光谱分析

荞麦芦丁和蛋白质的近红外光谱分析

论文摘要

荞麦为蓼科荞麦属的双子叶植物,是开发保健、医疗食品的重要粮食作物之一。以近红外光谱分析技术检测荞麦各营养成分的含量,可实现快速、准确、无损、环保的荞麦品质检测。本论文以100个甜荞样品和80个苦荞样品为材料,在对荞麦籽粒的芦丁含量、蛋白质含量、总淀粉含量以及直链淀粉和支链淀粉含量化学检测分析的基础上,以德国Bruker公司的MPA近红外扫描仪进行荞麦粉的光谱扫描,最后建立荞麦芦丁和蛋白质的近红外光谱校正模型,并对其进行改善,确定最佳建模参数。主要研究结果如下:(1)参试甜荞样品的芦丁含量为0.180%~0.688%,平均为0.396%±0.108%;苦荞芦丁含量变幅为0.590%~1.840%,平均为1.250%±0.220%。甜荞蛋白质含量变幅为9.103%~4.220%,平均为5.911%±0.876%;苦荞蛋白质含量为6.190%~10.870%,平均为8.114%±1.074%。苦荞芦丁、蛋白质含量的各项指标均高于甜荞。(2)通过对荞麦芦丁和蛋白质近红外校正模型的建立,确定了各个模型的参数。甜荞芦丁近红外校正模型的最佳条件为:谱范围为7501.9~6098 cm-1,5453.8~4597.6 cm-1,运用消除常量偏移量的光谱预处理方法,主成分数确定为12,R2值达到87.31%,交叉检验标准差为0.0355,预测标准差达到0.046。苦荞芦丁近红外校正模型的最佳条件为:光谱范围为7501.9~6098 cm-1、5453.8~4597.6 cm-1,运用多元散射校正的光谱预处理方法,主成分数确定为7,R2值达到91.57%,交叉检验标准差为0.0571,预测标准差达到0.161。荞麦混合样品芦丁近红外校正模型的最佳条件为:光谱范围为9013.9~7498 cm-1,5453.8~4597.6 cm-1,运用一阶导数+MSC的光谱预处理方法,主成分数确定为8,R2值达到92.79%,交叉检验标准差为0.093,预测标准差达到0.046。甜荞蛋白质近红外校正模型的最佳条件为:光谱范围为9000~4000 cm-1,运用多元散射校正的光谱预处理方法,主成分数确定为11,R2值达到99.41%,交叉检验标准差为0.067,预测标准差达到0.212。苦荞蛋白质近红外校正模型的最佳条件为:光谱范围为9000~4000 cm-1,以一阶导数+矢量归一化方法的光谱预处理方法,主成分数确定为10,R2值达到97.59%,交叉检验标准差为0.163,预测标准差达到0.090。荞麦混合样品蛋白质近红外校正模型的最佳条件为:光谱范围为9000~4000 cm-1,运用一阶导数+矢量归一化的光谱预处理方法,主成分数分别确定为8,R2值达到98.88%,交叉检验标准差为0.154,预测标准差达到0.145。建立的荞麦芦丁和蛋白质近红外校正模型是可行的,所建模型都具有优异的预测分析效果。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 文献综述
  • 1.1 选题背景和意义
  • 1.2 荞麦芦丁及蛋白质的品质检测现状
  • 1.2.1 荞麦黄酮及其检测现状
  • 1.2.2 荞麦蛋白质及其检测现状
  • 1.3 近红外光谱分析技术
  • 1.3.1 近红外光谱分析技术研究应用现状
  • 1.3.2 近红外光谱分析方法
  • 1.4 近红外光谱分析的主要参数
  • 1.4.1 校正模型相关参数
  • 1.4.2 校正模型的检验指标
  • 1.5 本论文的研究方法及技术路线
  • 1.5.1 研究方法
  • 1.5.2 技术路线
  • 1.5.3 近红外建模方法
  • 第二章 荞麦籽粒品质分析
  • 2.1 引言
  • 2.2 材料与方法
  • 2.2.1 试验材料
  • 2.2.2 试验方法
  • 2.3 结果与分析
  • 2.3.1 荞麦芦丁含量
  • 2.3.2 荞麦蛋白质含量
  • 2.3.3 荞麦总淀粉含量
  • 2.3.4 荞麦直链淀粉和支链淀粉含量
  • 2.4 小结
  • 第三章 荞麦芦丁的近红外光谱定量分析模型研究
  • 3.1 引言
  • 3.2 材料与方法
  • 3.2.1 试验材料
  • 3.2.2 试验方法
  • 3.3 结果与分析
  • 3.3.1 甜荞芦丁NIRS 校正模型的建立
  • 3.3.2 苦荞芦丁NIRS 校正模型的建立
  • 3.3.3 荞麦混合样品芦丁NIRS 校正模型的建立
  • 3.4 小结
  • 第四章 荞麦蛋白质的近红外光谱定量分析模型研究
  • 4.1 引言
  • 4.2 材料与方法
  • 4.2.1 试验材料
  • 4.2.2 试验仪器
  • 4.2.3 试验方法
  • 4.3 结果与分析
  • 4.3.1 甜荞蛋白质NIRS 校正模型的建立
  • 4.3.2 苦荞蛋白质NIRS 校正模型的建立
  • 4.3.3 荞麦蛋白质NIRS 校正模型的建立
  • 4.4 小结
  • 第五章 结论与展望
  • 5.1 结论
  • 5.2 创新点
  • 5.3 展望
  • 参考文献
  • 附录1:有机物官能团在近红外光谱中的分布
  • 附录2:近红外区在光谱中的位置
  • 缩略词
  • 致谢
  • 作者简介
  • 相关论文文献

    • [1].不同大气校正模型对叶面积指数遥感反演精度的影响比较[J]. 干旱区资源与环境 2014(07)
    • [2].抗差递推校正模型的风险分析[J]. 中国农村水利水电 2011(06)
    • [3].定量近红外光谱分析中应用自适应神经网络法建立校正模型[J]. 理化检验(化学分册) 2009(03)
    • [4].使用预测-校正模型优化网络流量预测的神经网络[J]. 计算机时代 2009(11)
    • [5].基于混合滤波和节点自适应校正模型的测距算法[J]. 传感技术学报 2016(08)
    • [6].基于分段校正模型的在线电压协调控制[J]. 电力系统自动化 2013(16)
    • [7].基于局部特性的分割校正模型改进[J]. 计算机工程 2014(08)
    • [8].无线传感器网络节点定位加权校正模型[J]. 计算机应用 2012(02)
    • [9].近红外多元校正模型传递的进展[J]. 药物分析杂志 2009(08)
    • [10].农机导航自校正模型控制方法研究[J]. 农民致富之友 2018(05)
    • [11].农机导航自校正模型控制方法探讨[J]. 时代农机 2017(08)
    • [12].自流井有限差分模拟的校正模型[J]. 地球科学(中国地质大学学报) 2008(01)
    • [13].基于微型近红外光谱仪油菜籽粗脂肪与粗蛋白校正模型的建立[J]. 安徽农业大学学报 2017(03)
    • [14].CRInSAR大气校正模型比较与分析[J]. 安徽农业科学 2014(13)
    • [15].基于谱线漂移校正模型的实验室光谱定标修正[J]. 光电工程 2012(02)
    • [16].乌醋溶液中乌洛托品含量的近红外光谱温度校正模型的研究[J]. 含能材料 2018(05)
    • [17].用多维校正法提高近红外牛奶成分校正模型稳健性的研究[J]. 光谱学与光谱分析 2009(04)
    • [18].防己药材近红外光谱快速无损检测的研究[J]. 时珍国医国药 2017(06)
    • [19].一种基于物理机理的高光谱遥感图像真彩色校正模型[J]. 遥感技术与应用 2013(03)
    • [20].压力传感器的支持向量机非线性回归建模[J]. 传感器与微系统 2012(04)
    • [21].基于高斯校正模型的MDS-MAP定位算法[J]. 电脑与信息技术 2015(03)
    • [22].基于平行因子分析法提高近红外无创血糖校正模型稳健性的研究[J]. 化学学报 2013(09)
    • [23].基于GPS的河北省冬春季节MODIS水汽校正模型研究[J]. 大地测量与地球动力学 2018(10)
    • [24].基于近红外光谱分析技术的食品包装塑料的定性分析[J]. 分析测试学报 2020(11)
    • [25].应用高斯校正模型的DV-Hop改进算法[J]. 重庆理工大学学报(自然科学) 2013(12)
    • [26].基于印前网点补偿的印版校正方法研究[J]. 包装工程 2018(23)
    • [27].近红外光谱技术在蜂蜜检测中的应用[J]. 食品工业科技 2020(12)
    • [28].增强差压测高校正模型的建立及其性能验证[J]. 信息通信 2018(12)
    • [29].多元校正模型传递方法的进展与应用[J]. 分析化学 2019(04)
    • [30].湖泊叶绿素a反演的大气校正模型比较研究[J]. 云南大学学报(自然科学版) 2014(02)

    标签:;  ;  ;  ;  ;  

    荞麦芦丁和蛋白质的近红外光谱分析
    下载Doc文档

    猜你喜欢