傅立葉近紅外預(yù)測(cè)玉米氨基酸以及定標(biāo)集優(yōu)化的研究.pdf

1、本文在控制樣品水分為10-11％的條件下進(jìn)一步研究粗蛋白含量呈正態(tài)分布與均勻分布對(duì)傅立葉近紅外預(yù)測(cè)模型的影響,以及傅立葉近紅外光譜儀是否能建立低蛋白類原料氨基酸模型,同時(shí)探討通過(guò)對(duì)光譜作主成分分析、聚類分析篩選定標(biāo)樣品建立粗蛋白、色氨酸模型是否可行,并與化學(xué)值均勻分布模型作比較,其目的是在保證預(yù)測(cè)模型準(zhǔn)確度的基礎(chǔ)上減少定標(biāo)樣品和分析工作量,為此本文做以下四個(gè)試驗(yàn)。
　　 試驗(yàn)一:選擇玉米代表低蛋白類原料,收集樣品105個(gè)樣品,采

2、用常規(guī)方法建立傅立葉近紅外玉米氨基酸模型,結(jié)果如下:除胱氨酸無(wú)法建立預(yù)測(cè)模型外其余氨基酸預(yù)測(cè)模型定標(biāo)決定系數(shù)(R2％)從酪氨酸81.13到色氨酸94.72,擬合度較好,外部檢驗(yàn)相對(duì)分析誤差(RPD)從蘇氨酸0.83到丙氨酸3.24,除丙氨酸、組氨酸、苯丙氨酸、色氨酸模型可以用于定量分析,谷氨酸、纈氨酸、蘇氨酸預(yù)測(cè)模型性能低,不能用于定量分析外,其余氨基酸只能用于粗定量分析。
　　 試驗(yàn)二:以玉米粗蛋白含量分布為研究對(duì)象,組建三個(gè)

3、定標(biāo)集且粗蛋白含量分別為均勻分布、正態(tài)分布1、正態(tài)分布2、其定標(biāo)樣品數(shù)為54、54、80,再分別預(yù)測(cè)不同粗蛋白范圍內(nèi)的相同樣品4個(gè),以此探討化學(xué)值分布對(duì)模型性能的影響,結(jié)果如下:三種模型的整體平均誤差RMSECV分別為0.1055,0.1079,0.1069,交叉驗(yàn)證RSD％分別為1.06、1.08、1.07,均勻分布所建模型較正態(tài)分布預(yù)測(cè)效果好。當(dāng)用三個(gè)模型分別預(yù)測(cè)不同粗蛋白含量范圍內(nèi)的樣品時(shí),兩類模型各有優(yōu)勢(shì),其結(jié)果為:在相同定標(biāo)樣

4、品數(shù)下,均勻分布預(yù)測(cè)不同小范圍的樣品誤差變異小,并且在預(yù)測(cè)兩端樣品時(shí)效果好于正態(tài)分布,而正態(tài)分布則是在預(yù)測(cè)中間樣品時(shí)有優(yōu)勢(shì)。
　　 試驗(yàn)三:以玉米粗蛋白、色氨酸為研究材料,對(duì)掃描光譜做主成分分析,依據(jù)分析結(jié)果按照主成分加權(quán)得分正態(tài)分布、均勻分布選擇定標(biāo)樣品建立預(yù)測(cè)模型并與化學(xué)值均勻分布模型作比較,結(jié)果如下:在定標(biāo)樣品數(shù)為39的條件下,采用主成分加權(quán)得分自然分布、均勻分布能建立粗蛋白、色氨酸模型,交叉驗(yàn)證RMSECV分別為0.10

5、1、1.04和0.118、1.17。兩種模型與化學(xué)值均勻分布模型預(yù)測(cè)相同驗(yàn)證集,其粗蛋白、色氨酸的RPD分別為5.55、5.93、6.01和3.93、4.27、4、07,結(jié)果表示主成分加權(quán)得分均勻分布模型與化學(xué)值均勻分布模型性能接近。
　　 試驗(yàn)四:以玉米粗蛋白、色氨酸為研究材料,對(duì)掃描光譜做聚類分析,依據(jù)聚類分析結(jié)果選擇29個(gè)樣品建立粗蛋白、色氨酸模型,其交叉驗(yàn)證RMSECV分別為0.187、1.21,此模型與化學(xué)值均勻分布模