[发明专利]中红外光谱油菜籽蛋白质含量检测自适应模型的建立方法

说明书

中红外光谱油菜籽蛋白质含量检测自适应模型的建立方法：一、取样采集中红外光声光谱信息，连续扫描多次，取平均光谱；二、对油菜籽的蛋白质含量进行化学分析，获得化学参考值；三、将光谱信息进行消噪、平滑、标准化预处理；四、将光谱数据通过欧氏距离方法进行计算；并从小到大进行排序；五、建立基于光谱信息的预测模型；六、将待测样品的中红外光声光谱带入模型，对待测油菜籽样品的蛋白质含量进行计算与预测，得出预测值。本发明灵敏度高，所需样品含量少；操作简单、对样品无损、不使用化学试剂。具有普适性，预测结果精确。能够有效降低样品无效信息干扰，优化、简化样本建模集，模型计算快速、精确。

技术领域

本发明属农业检测方法领域，具体涉及一种基于中红外光谱对油菜籽蛋白质含量的快速、精确、无损检测自适应模型的建立方法。

背景技术

油菜是世界四大油料作物之一，中国常年油菜播种面积700万公顷，总产1200万吨，占全国食用植物油总产量的60％以上，远超世界其他主要油菜籽生产国。油菜生产在中国国计民生中占有极其重要的地位，油菜籽营养品质的检测和监控是中国油菜生产的重要技术支撑。含氮量是油菜籽的重要品质指标，榨油后的菜籽饼粕中蛋白质含量达35％-39％，相比玉米、小麦高出3-4倍，而且蛋白质中氨基酸组成比较合理，必需氨基酸含量较高，是饲用蛋白的重要来源。由此，对油菜籽中蛋白质含量进行快速、精确及无损的测定，评估油菜籽的品质和菜籽饼饲料原料质量具有重要意义

传统蛋白质含量的检测方法有凯氏定氮法、托马斯燃烧法等，这些方法不仅需要对油菜籽样本进行预处理，对样品造成破坏，而且操作复杂，成本较高。近年来红外光谱技术已经用于农产品的定性定量分析，但多通过近红外反射光谱技术进行。近红外光谱技术表征油菜品种时，所需的样品量一般为3-5g，在育种工作时会产生自交和杂交等比较重要的小样品品种，这些小样品籽粒量低，不能满足样品量需要；有些油菜籽研究需要特制光谱装置与系统，较为复杂。因此，如何快速检测油菜籽含量，提高红外光谱的预测精度，也是当前的一个重要研究课题。

中红外光谱是物质的基频吸收，吸光度大，特征性强。光声光谱技术是基于现代光声转换技术，一束红外光入射到光声附件，样品收到红外光照射后产生热效应，并将热传导给样品池中的气态，气体受热后会膨胀与收缩从而产生热波，热波被敏感的微音器检测，即为光声光谱，光声光谱可转换为电信号得到红外光声光谱。光声光谱灵敏度高、所需样品含量少、不受样品形状影响、无需前处理、对样品无损，可实现原位测定，在农业中显示出很好的应用潜力。

中红外光谱的波长范围在4000-400cm^-1,光谱信息丰富，谱峰重叠没有近红外区严重，且检测限更为灵敏。但现有的中红外光谱技术对测试样品的需求量仍有一定要求，不能满足油菜籽小样品籽粒量低的样品，存在一定的局限性，无法简单地直接用于对油菜籽蛋白质含量进行快速、精确、无损的测定。

发明内容

本发明的目的是提供一种基于中红外光声光谱光谱对油菜籽蛋白质含量快速、精确、无损的自适应模型的建立方法。通过检测油菜籽样品的红外光声光谱信息，利用采集的样品光谱信息和已测定的油菜籽蛋白质含量的光谱数据，通过欧氏距离进行计算，将与待预测光谱最相似的训练样品光谱通过欧氏距离从小到大进行排序，将新排序的光谱数据通过偏最小二乘法构建光谱数据模型，进一步对模型通过相关指标值进行优化，可实现对待测样品的蛋白质含量进行快速、精确、无损检测分析。

本发明的技术方案如下：

一种中红外光谱油菜籽蛋白质含量检测自适应模型的建立方法，包含以下步骤：

步骤一：油菜籽取样每份100-200mg，置于傅里叶变换中红外光谱仪-光声附件样品池中，采集中红外光声光谱信息，连续扫描多次，取平均光谱；

步骤二：对步骤一中已测光谱的油菜籽5g，对其蛋白质含量进行化学分析，以含氮量的结果乘以6.25计，做油菜籽的蛋白质含量，获得化学参考值；