System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及近红外光谱检测,尤其涉及一种橡胶草根部菊糖和总糖含量检测方法。
技术介绍
1、橡胶草为菊科蒲公英属多年生宿根草本植物,因其根部富含天然橡胶而称其为橡胶草。橡胶草根部除了含有天然橡胶外,同时还富含总糖和菊糖。总糖是橡胶草根部的主要组成部分之一,参与生长、发育等多种生物过程,去除橡胶草根部总糖分中的还原糖之后,剩余组分被称为菊糖或菊粉。菊糖是一种特殊的果聚糖,主要存在于菊科、龙胆科、桔梗科等植物中,它是由d-呋喃果糖通过1,2-糖苷键连接而成的直链结构多糖。菊糖作为一种水溶性膳食纤维和生物活性前体,具有多种生理功能,如促进肠道健康、降低血糖指数等。因此,菊糖被广泛应用于低热量、低糖、低脂食品中,作为一种理想的天然甜味剂和食品添加剂,据研究报道,橡胶草的根部中菊糖和天然橡胶的合成竞争碳同化产物,与天然橡胶合成密切相关。但目前关于橡胶草根部总糖和菊糖含量测定方法的研究较少,仅有酶标仪法被报道,且操作过程较为繁琐。我国目前对橡胶草的研究和育种工作还处于雏形阶段,亟需一种快速且低成本的总糖和菊糖含量检测方法,其对于实现橡胶草资源的最大化利用以及橡胶草的育种和栽培工作都具有重要意义。
2、目前,近红外光谱技术与化学计量方法相结合能够实现低成本、快速、高效、无损、绿色的检测,植物中的糖类物质,如总糖和菊糖中含有大量的含氢基团,近红外光谱对其具有较好的吸收,通过化学计量学方法便可以实现总糖和菊糖的定量检测。目前基于近红外光谱技术建立样品糖类含量预测模型的研究报道较多,现有技术以114个不同产区枸杞样品为研究对象,建立预测
技术实现思路
1、针对现有技术中的上述不足,本专利技术提供的一种橡胶草根部菊糖和总糖含量检测方法,解决了上述高成本、检测效率低的问题。
2、为了达到以上目的,本专利技术采用的技术方案为:
3、本方案提供一种橡胶草根部菊糖和总糖含量检测方法,具体包括以下步骤:
4、s1、将采集的橡胶草样品根部进行制备;
5、s2、对制备的橡胶草样品根部进行光谱采集,得到光谱数据;
6、s3、将制备的橡胶草样品根部分别进行总糖和还原糖含量的测定,并根据测定结果,计算得到橡胶草根部的菊糖含量;
7、s4、基于联合x-y距离的样本集划分法算法,对橡胶草样品根部的菊糖含量和总糖含量进行校正集和验证集划分;
8、s5、对光谱数据进行预处理,根据预处理结果,筛选出对橡胶草样品根部菊糖含量预测模型贡献最大的特征波长;
9、s6、基于校正集的特征波长光谱数据建立橡胶草样品根部菊糖含量预测模型,并使用验证集的评价参数对模型的预测性能进行评估;
10、s7、根据评估结果,对比橡胶草样品根部菊糖含量预测模型的评价参数,找出最优橡胶草样品根部菊糖含量预测模型的建立方法;
11、s8、基于橡胶草样品根部的光谱数据,通过最优橡胶草样品根部菊糖含量预测模型计算出橡胶草样品根部的菊糖和总糖含量值,完成检测。
12、本专利技术的有益效果:本专利技术使用近红外光谱技术与化学计量方法相结合能够实现低成本、快速、高效、无损、绿色的检测,植物中的糖类物质,如总糖和菊糖中含有大量的含氢基团,近红外光谱对其具有较好的吸收,通过化学计量学方法便可以实现总糖和菊糖的定量检测。
13、进一步地,所述s1具体包括以下步骤:
14、s11、将采集的橡胶草样品根部剪下并清洗,放入烘箱烘干至无水分;
15、s12、将烘干的橡胶草样品根部剪碎浸泡于液氮中冷冻脆化,并使用冷冻研磨仪研磨。
16、上述进一步方案的有益效果是:烘箱烘干步骤避免了水分对光谱分析的干扰,冷冻研磨仪能对样品进行高效研磨,保证样品的物理和化学性质在研磨过程中保持稳定。研磨后的样品粒度均匀,有利于光谱数据的采集和分析。
17、进一步地,所述s2具体包括以下步骤:
18、s21、对光谱仪进行预热,使用光谱仪对制备的橡胶草样品根部进行漫反射光谱采集;
19、s22、将光谱重复倒样n次采集,取平均光谱,根据采集结果得到光谱数据。
20、上述进一步方案的有益效果是:预热光谱仪保证了光谱数据的准确性和稳定性,光谱重复倒样采集,对同一个样品进行多次光谱采集,减少单次测量可能带来的误差,提高数据的可靠性。
21、再进一步地,所述s3中菊糖含量的计算公式如下:
22、a=b-c
23、其中,a为菊糖含量,b为总糖含量,c为还原糖含量,单位为%。
24、再进一步地,所述s5具体包括以下步骤:
25、s51、对光谱数据进行预处理;
26、s52、根据预处理结果,使用竞争性自适应重加权采样法对光谱进行筛选;
27、s53、将筛选后的光谱数据作为特征波长。
28、上述进一步方案的有益效果是:竞争性自适应重加权采样法是一种结合蒙特卡洛采样与偏最小二乘法模型回归系数的特征变量选择方法。通过该方法对预处理后的光谱进行筛选,可以保留对橡胶草样品根部菊糖含量预测模型贡献较大的光谱特征,去除冗余和无关的特征。这有助于简化模型结构,提高模型的预测精度和效率。
29、再进一步地,所述s6具体包括以下步骤:
30、s61、基于校正集的特征波长光谱数据建立橡胶草样品根部菊糖含量预测模型;
31、s62、使用验证集的相关系数、均方根误差以及相对分析误差作为橡胶草样品根部菊糖含量预测模型的评价参数,对橡胶草样品根部菊糖含量预测模型的预测性能进行评估。
32、上述进一步方案的有益效果是:使用验证集的相关系数、均方根误差以及相对分析误差作为评价参数,能够反映预测结果与真实值之间的吻合程度、预测误差的大小以及橡胶草样品根部菊糖含量预测模型的稳定性等关键信息。
33、再进一步地,所述s7具体包括以下步骤:
34、s71、根据评估结果,对比全波段以及处理后的光谱建立的橡胶草样品根部菊糖含量预测模型的评价参数;
35、s72、根据对比结果,找出最优橡胶草样品根部菊糖含量预测模型的建立方法,将光谱数据代入最优橡胶草样品根部菊糖含量预测模型得到样品的菊糖和总糖含量值。
36、上述进一步方案的有益效果是:通过计算验证集的相关系数、均方根误差以及相对分析误差等评价参数,可以全本文档来自技高网...
【技术保护点】
1.一种橡胶草根部菊糖和总糖含量检测方法,其特征在于,具体包括以下步骤:
2.根据权利要求1所述的橡胶草根部菊糖和总糖含量检测方法,其特征在于,所述S1具体包括以下步骤:
3.根据权利要求1所述的橡胶草根部菊糖和总糖含量检测方法,其特征在于,所述S2具体包括以下步骤:
4.根据权利要求1所述的橡胶草根部菊糖和总糖含量检测方法,其特征在于,所述S3中菊糖含量的计算公式如下:
5.根据权利要求1所述的橡胶草根部菊糖和总糖含量检测方法,其特征在于,所述S5具体包括以下步骤:
6.根据权利要求1所述的橡胶草根部菊糖和总糖含量检测方法,其特征在于,所述S6具体包括以下步骤:
7.根据权利要求1所述的橡胶草根部菊糖和总糖含量检测方法,其特征在于,所述S7具体包括以下步骤:
【技术特征摘要】
1.一种橡胶草根部菊糖和总糖含量检测方法,其特征在于,具体包括以下步骤:
2.根据权利要求1所述的橡胶草根部菊糖和总糖含量检测方法,其特征在于,所述s1具体包括以下步骤:
3.根据权利要求1所述的橡胶草根部菊糖和总糖含量检测方法,其特征在于,所述s2具体包括以下步骤:
4.根据权利要求1所述的橡胶草根部菊糖和总糖含量检测方法,其特征...
【专利技术属性】
技术研发人员:高强,吐汗姑丽·托合提,严青青,阿布都克尤木·阿不都热孜克,陈润峰,张龑,徐麟,
申请(专利权)人:新疆农业科学院农作物品种资源研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。