近红外光谱的水稻抗性淀粉含量测定研究.docx

近红外光谱的水稻抗性淀粉含量测定研究
近红外光谱的水稻抗性淀粉含量测定研究
近年来，农作物抗性品种的培育已经成为粮食安全的重要保障。水稻作为世界上最主要于口粮作物之一，其品质与抗性一直以来备受关注。其中水稻淀粉含量作为水稻基本品质指标之一，一直是农业科技工作者研究的重点。但是传统测定淀粉含量的方法需要耗费时间和精力，相对比较繁琐和费力。近红外（NIR）光谱技术具有检测快、非破坏性、可重复性强等优点，因此已经被广泛应用于农业生产领域。本文旨在探讨NIR光谱在水稻抗性淀粉含量测定上的应用，并对其进行验证和分析。
一、研究方法
1.实验材料
本研究选取上海农林职业技术学院实验田的6个水稻品种作为实验材料，样本分为抗性品种组和感性品种组各3个，共计60个。
2.数据采集
使用NIR光谱仪（公司名称）对每个样本进行数据采集。取每个样本10g，连同托盘一起置于NIR仪器采集位置，启动NIR仪器自动采集功能。重复3次采集，取平均值作为该样本的光谱信息。
3.数据处理
将采集到的数据输入到光谱分析软件中，进行数据的预处理和分析。数据采集完成后，首先进行原始谱进行标准化去基线和互补波长选择。然后利用PCA（主成分分析）方法降维，获得主成分分析表。在此过程中，确认处理后的数据符合正态分布。
4.建立光谱分析模型
根据样本种类，将所得到的数据集按训练集和验证集进行分配，并建立模型。在训练集中将每个样本的光谱信息与样本的淀粉含量进行关联，使用PLS（偏最小二乘）回归算法建立光谱分析模型。在模型训练完毕后，将验证集运用到已经训练好的模型中，预测可疑的淀粉含量。最后性能指标（RCV、RMSEP、RPD）进行评估。
二、研究结果
1.光谱曲线比较
对比6个品种的光谱曲线，抗性品种组和感性品种组的光谱曲线有所不同。其中抗性品种组的光谱曲线在约680~820nm处有一段很平稳的上升段，而感性品种组则较弱。
2.建立光谱分析模型
结合PLS，对数据集进行了简化，建立了一个光谱分析模型。所建立的淀粉模型的RCV、RMSEP、RPD分别为0.79、0.108、1.97。
三、研究结论
本研究表明，使用NIR光谱技术测定水稻抗性淀粉含量是可能的。我们发现，在本研究中，抗性品种组和感性品种组的淀粉含量具有区别，这可能与品种抗性相关。建立的光谱分析模型，RCV、RMSEP、RPD分别为0.79、0.108、1.97，预测淀粉含量的误差较小，可行性较高。
该研究有可能为将来淀粉含量测定提供毫不费力的选择。再次表明，NIR光谱技术可用于实时监测淀粉含量的变化，为水稻品质研究提供了重要的方向。