一种基于近红外光谱技术检测大麦茎秆木质素含量的方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115452766A(43)申请公布日2022.12.09(21)申请号202211279202.5(22)申请日2022.10.19(71)申请人华中农业大学地址430070湖北省武汉市洪山区狮子山1号(72)发明人任喜峰张安勇胡雪赵婷周羽(74)专利代理机构北京睿智保诚专利代理事务所(普通合伙)11732专利代理师张宁(51)Int.Cl.G01N21/359(2014.01)G01N21/3563(2014.01)G06F17/18(2006.01)权利要求书1页说明书10页附图4页(54)发明名称一种基于近红外光谱技术检测大麦茎秆木质素含量的方法(57)摘要本发明涉及生物质木质素分析技术领域，提供了一种基于近红外光谱技术检测大麦茎秆木质素含量的方法，本发明利用近红外光谱仪检测大麦茎秆的近红外光谱，并根据大麦茎秆木质素含量与大麦茎秆的近红外光谱的对应关系，计算待检测的大麦茎秆中的木质素含量。与传统的化学分析法相比，该方法无需再进行复杂的化学实验操作，而且还有效防止了化学测定法产生的酸和碱废液对环境造成的污染，可大规模的筛选和高通量的检测。本发明检测方法不仅快速，准确，简便，成本较低，还可以同时鉴定大麦茎秆的酸溶木质素、酸不溶木质素和总木质素的含量，结果准确可靠。CN115452766ACN115452766A权利要求书1/1页1.一种基于近红外光谱技术测定大麦茎秆木质素含量的方法，其特征在于，包括以下步骤：(1)采集定标样品大麦茎秆粉末的近红外光谱曲线；(2)采集定标样品大麦茎秆的实测木质素含量数据；(3)将步骤(1)得到的近红外光谱曲线进行预处理，得到排除噪音干扰的近红外光谱数据；(4)将步骤(3)得到的近红外光谱数据分为校正集数据和验证集数据，将步骤(2)得到的实测木质素含量数据与校正集数据进行回归建模，得到大麦茎秆木质素含量近红外预测模型；(5)根据步骤(4)中所述验证集数据对步骤(4)得到的预测模型的准确性进行评价；(6)采集待预测大麦茎秆粉末的近红外光谱曲线，将待预测大麦茎秆粉末的近红外光谱曲线代入大麦茎秆木质素含量近红外预测模型中，得到待预测大麦茎秆的木质素含量。2.根据权利要求1所述的方法，其特征在于，步骤(1)中所述定标样品的数量为92个以上；通过测量每个定标样品的近红外光谱曲线，得到多条近红外光谱曲线。3.根据权利要求1所述的方法，其特征在于，步骤(1)中所述近红外光谱的采集条件为：扫描范围400～2498nm，步长2nm，每个样品采集3次。4.根据权利要求1所述的方法，其特征在于，步骤(2)中所述采集定标样品大麦茎秆的实测木质素含量数据的方法为化学法。5.根据权利要求1所述的方法，其特征在于，步骤(3)中近红外光谱曲线预处理的方法包括无散射处理、多元散射校正、加权多元散射校正、反相多元离散校正、变量标准化、去趋势处理、去趋势与变量标准化结合、1,4,4,1导数处理和0,0,1,1平滑处理。6.根据权利要求1所述的方法，其特征在于，步骤(4)中所述回归建模的方法包括：对所述校正集数据中的异常样品数据进行剔除；根据所述木质素含量数据和剔除异常样品数据后的校正集数据，采用偏最小二乘法，建立多个大麦茎秆木质素含量近红外校正模型，并根据交叉验证标准偏差和交叉验证相关系数，从所述多个大麦茎秆木质素含量近红外校正模型中获得大麦茎秆木质素含量近红外预测模型。7.根据权利要求6所述的方法，其特征在于，所述剔除的方法包括：对每个样品的重复光谱进行平均化，对所有样品进行初步建模处理，设置光谱的GH临界值为3.0，当光谱GH值大于3.0时则界定为异常光谱并将异常光谱剔除。8.根据权利要求6所述的方法，其特征在于，所述获得大麦茎秆木质素含量近红外预测模型的方法包括：从所述多个大麦茎秆木质素含量近红外校正模型中选择交叉验证标准偏差最小、交叉验证相关系数最大的模型，即为大麦茎秆木质素含量近红外预测模型。2CN115452766A说明书1/10页一种基于近红外光谱技术检测大麦茎秆木质素含量的方法技术领域[0001]本发明涉及生物质木质素分析技术领域，尤其涉及一种基于近红外光谱技术检测大麦茎秆木质素含量的方法。背景技术[0002]大麦可作为啤酒产业原料、饲料及粮食，具有抗耐性好、早熟等优点，是世界第四大禾谷类作物，广泛种植于在世界各地。木质纤维素类生物质作为一种绿色的可再生碳源，可用于生产高品质的能源及高价值化工产品，在替代化石资源方面具有显著优势。[0003]木质素分布于植物木质化的机械组织和输导组织细胞壁中，具有增加细胞壁强度、提高细胞壁的不透水性和茎秆的机械强度，以及增强液体输导能力的功能。木质素作为自然界唯一富含苯环结构的植物资源，是制备功能材料的优质原料，其含量