论文部分内容阅读
棉花是一种重要的经济作物,也是一种对国计民生非常重要的商品。棉籽是棉花生产中主要的副产品,全国每年棉籽产量高达1000万吨以上,其中年产棉籽饼600万吨左右。无机元素是植物生长发育所必需的,在植物体内无法合成,只能从外界环境获取。无机元素含量的高低,对于棉花的生长发育具有重要影响。棉籽油是棉产区人们的主要食用油,棉籽粕是一种重要的动物饲料,无机元素尤其是微量元素对于维持动物的健康及生长发育具有重要作用,缺乏或过多均可导致家禽饲喂发生一系列的疾病,给畜牧业带来严重危害。因此,研究棉籽的无机元素含量,对于棉株生产及家禽健康养殖均具有重要意义。本研究拟构建棉籽无机元素近红外校正模型,用于快速测定棉籽中无机元素含量。主要研究结果如下：(1)采用电感耦合等离子原子发射光谱(ICP-OES)和电感耦合等离子体质谱(ICP-MS)的方法,准确测定不同地区种植的288份棉籽粉样品中的磷、钾、钙等20种无机元素含量。(2)采用变量标准化和一阶导等方法,对288份棉籽样品的原始光谱数据进行预处理。运用蒙特卡洛无信息变量消除算法进行光谱变量选择,剔除大量无信息变量。在模型的构建过程中,采用线性的偏最小二乘(PLS)、非线性的最小二乘支持向量机(LS-SVM)等算法构建了20种棉籽粉无机元素含量的近红外校正模型,并对模型的预测性能进行了分析。(3)Mn和Cr的MC-UVE-LS-SVM校正模型性能最好,校正集决定系数(R2c)分别是0.9763和0.9671,预测集决定系数(R2p)分别是0.9486和0.9343,剩余预测偏差(RPD)值分别是4.3354和3.7872,交叉验证均方根误差(RMSECV)、校正均方根误差(RMSEC)和预测均方根误差(RMSEP)值分别是2.1013、1.242、2.0108和0.5465、0.2495、0.2661。此模型有很高的预测精度和很好的稳定性(R2>0.9, RPD>3),完全可以替代传统的测定方法。(4)K的MC-UVE-PLS校正模型性能最好,R2C、R2P、RPD、RMSECV、 RMSEC和RMSEP值分别为0.9394、0.8114、2.2224、0.4946、0.3116、0.5616。此模型也具有很好的预测精度(R2>0.8,RPD>2),可以用于样品K含量的精确测定。(5)P和S的全光谱PLS校正模型最好,而Mg的MC-UVE-LS-SVM校正模型性能最好。其中P校正模型的R2c、R2p、PPD、RMSECV、RMSEC和RMSEP值分别为0.8621、0.6769、1.6701、0.4155、0.2643和0.3408；S的分别为0.8731、0.7153、1.8438、0.1501、0.1128和0.1482；而Mg的分别为0.8668、0.6606、1.6888、0.1417、0.1009和0.1295。这3种元素模型性能一般,使用过程中测量误差较大,虽不能进行样品含量的精确含测定,但可以用于大量样品的筛选。(6)Ca、Ni、Se和Sr全光谱PLS模型中R2。值较高,分别为0.8619、0.8179、0.8117和0.8069；而R2p值较低,分别为0.3988、0.4353、0.3615、0.3596。可以通过增加测样数量,提高样品的代表性,进一步提高模型的预测性能。(7) Cu、Na、Fe、Zn、Al、B、Co、Cd、As和Pb等9种无机元素含量全光谱PLS校正模型性能很差,R2。值分别是0.5275、0.6840、0.2501、0.5542、0.4047、0.2281、0.5537、0.7421、0.2274和0.3756；R2p值分别是0.4634、0.3541、0.1694、0.3409、0.4133、0.2123、0.3523、0.4132、0.2047和0.2589。R2。和R2p值均较低,不适合近红外校正模型的构建。NIRS作为一种快速、高效、绿色、便捷的分析技术可以应用与棉籽粉中若干个无机元素含量的测定。在棉籽品质改良研究中,使用NIRS技术可简化试验步骤,缩短育种年限,提高育种效率,同时可节省大量的试验费用。