《NIR在农业中应用课件.ppt》由会员分享，可在线阅读，更多相关《NIR在农业中应用课件.ppt（80页珍藏版）》请在三一办公上搜索。
1、在农业领域应用范围广泛,在农业领域的应用事例,实验室常规分析小麦、玉米、大豆、油菜、水稻等的品质分析（为农大小麦、玉米育种单位分析样品近万份）现场分析粮食储藏、收购时的水分等成分的分析生产过程中的在线分析中药葛根生产中的过程控制,大豆籽粒三遍建模：经典PLS算法标准差：0.592 相对标准差：1.402%决定系数：96.35%平均绝对误差：0.438 平均相对误差：1.050%相关系数：0.974,42个大豆粉末三遍建模：经典PLS算法标准差：0.475 相对标准差：1.142%决定系数：97.83%平均绝对误差:0.381 平均相对误差：0.913%相关系数：0.979,30个小麦籽粒三遍建
2、模：经典PLS算法标准差：0.324 相对标准差：2.055%决定系数：96.98%,30个小麦粉末三遍建模：经典PLS算法 标准差：0.433 相对标准差：2.746%决定系数：94.6%,35个玉米籽粒一遍建模：经典算法标准差：0.454 相对标准差：3.679%决定系数：88.46%,近红外光谱分析技术在农业中的几个例子,（1-2）小麦粉末267蛋白散点图,（1-1）小麦粉末66蛋白散点图,（1-3）小麦籽粒73蛋白散点图,（1-5）玉米粉末87脂肪散点图,（1-4）玉米粉末89蛋白 散点图,（1-7）玉米粉末90赖氨酸散点图,（1-6）玉米粉末90淀粉散点图,（1-9）大麦粉末67淀粉
3、散点图,（1-8）大麦粉末156蛋白散点图,（1-12）葛根粉末49葛根素散点图,（1-13）烟草粉末模型的散点图,98年66个小麦样品建模的预测 结果 从2000多个小麦样品中挑选270个样品 建模 的预测 结果（预测数据为2001年河南的7个小麦样品）,66个样品建模的预测结果,270个样品建模的预测结果,复合样品局部回归模型与四类样品单独分别建立模型的预测效果 建模样品 复合样品 小麦 玉米 大豆 大麦 建模样品数 183 48 50 33 42 检验样品数 37 12 10 相对误差（）1.97 1.13 2.58 1.02 3.9,决定系数（2）99.87 99.24 94.82 9
4、7.93 83.53,近红外光谱分析与化学分析的精度比较,粉末样品建模预测籽粒样品在短波近红外仪的分析结果：,粉末样品建模预测籽粒样品在长波近红外仪的分析结果：,近红外在葛根提取中运用的实图,现场数据监控结果,近红外在葛根提取中运用的实测数据,红外光谱分析六种样品四种成分（短波近红外透射光谱法，本实验室数据）样品与成分 校正样品数 校正相关系数 校正标准差 校正平均相对误差_大豆粗蛋白740.991 0.3190.627玉米粗蛋白700.98 0.3422.2高梁粗蛋白630.981 0.2701.892大麦粗蛋白780.974 0.4752.737水稻粗蛋白500.938 0.4682070
5、6小豆粗蛋白460.962 0.2740.956大豆粗脂肪740.979 0.3631.449玉米粗脂肪660.988 0.3185.513高梁总淀粉630.948 1.0621.133玉米总淀粉650.918 1.2031.502小豆总淀粉560.870 0.5450.905高梁丹宁700.920 0.19613.783,表中:Sec:校正标准差 RSEC：相对校正标准差（作者赵龙莲、严衍禄等 1998年8月 光谱学与光谱分析）,中长波近红外光谱漫反射旋转样品池 测定烟草中的九种成分,不同的近红外光谱方式分析深色样品（烟草）分析组分分析谱区(nm)光谱方式 光程 尼古丁800-1100 透射
6、光谱29.21.1尼古丁800-110 漫反射光谱25.21.3尼古丁800-110 漫反射光谱870.3：相关系数：预测标准差,长波近红外漫反射光谱分析混合肉骨粉中不同来源组份混合肉骨粉中不同来源的组份 决定系数 SECVRPD牛羊肉骨源粉0.914.18%3.32鸡源肉骨粉0.948.76%4.18猪源肉骨粉0.948.89%4.26牛源肉骨粉0.765.77%2.18羊源肉骨粉0.577.20%1.85（数据来源：李琼飞）,不同的近红外光谱方式分析混浊溶液（牛奶）分析组分 分析谱区（nm)光程 脂肪1100-2500 短光程0.9960.071410.8脂肪700.1100 长光程0.9
7、860.1075.89 蛋白质1100-2500 短光程0.9900.04537.06蛋白质700.1100 长光程0.9440.1022.94乳糖1100-2500 短光程0.9470.06022.86：相关系数：预测标准差：相对标准差分析人：鲁超,近红外透射与漫反射光谱分析籽粒样品的比较样品近红外分析仪器分析条件 阶数决定系数标准差小麦籽粒光栅短波近红外、30mm光程平移运动495.540.448 CCD检测器、透射光谱小麦籽粒FT全谱近红外光谱仪(1)旋转池455.71.41InGaAs检测器、漫反射光谱小麦籽粒同上 2号仪器旋转池481.950.88大豆籽粒光栅短波近红外、40mm光程
8、489.570.667CCD检测器、透射光谱大豆籽粒FT全谱近红外光谱仪(1)旋转池421.61.4InGaAs检测器、漫反射光谱大豆籽粒同上 2号仪器旋转池482.671.02,不同数学处理方法消除果皮对近红外光谱测定苹果硬度的影响（建摸校正样品112个、预测样品36个）-样品 数学处理相关系数预测标准差 相对预测标准差(%)_去皮苹果无 0.8370.886 12.36完整苹果无 0.7531.197 16.71完整苹果MSC 0.7551.177 16.42完整苹果1D 0.8371.048 14.62完整苹果DOSC 0.8141.015 14.6完整苹果GA 0.8110.965 1
9、3.46完整苹果GA+DOSC 0.8050.924 12.98_表中：MSC:多元散射校正 1D:一阶导数 DOSC：直接正交信号校正 GA：遗传算法,30种农业样品8种成分近红外光谱的可测性（表1）,30种农业样品8种成分近红外光谱的可测性（续表2）,样品号23-30氯化胆碱（50%）、PI-蛋氨酸、硫酸铁（干燥）、碳酸盐、食盐、胭脂红(色素)、亮蓝(色素)、军绿(色素)：需用户提供标样，建纯度分析的模型。1、上述30种材料8种成份的可测性：其中1-22种农业样品适合做近红外分析；后2种无机盐类：碳酸盐、食盐难以用近红外分析；氯化胆碱、PI-蛋氨酸与3种色素需要分析的成份不明确，可以做纯度
10、分析。2、各项目中：“”为需用户提供标样（代表性60-80个化学值已知标样）可建模；“”为需用户提供标样（代表性60-80个化学值已知标样）可建模，但效果稍差；“”为我们可以提供标样并建模,30种农业样品8种成分近红外光谱的可测性（续表3）,大米分析,大豆,饲料,牛奶,蛋黄酱,干酪,冰激凌,酱油,牛奶,巧克力,生肉,酸乳酪,香肠,硬干酪,鱼粉,总之近红外分析技术是一种“多、快、好、省”的分析技术。近红外光谱分析具有解决全球农业分析的潜力,产品近红外指纹图谱鉴别技术应用实例介绍,例一 液体奶鲜度识别例二 蜂蜜掺入高果糖浆的鉴别例三 甜荞、苦荞麦及其制品的鉴别例四 食用油种类及纯度的鉴别例五 花生
11、大豆调和油组分的定量检测例六 食用菌产品的鉴别例七 螺旋藻制品品质的鉴别例八 添加剂产品真伪鉴别,例一 液体奶鲜度识别,图1 鲜奶及复原奶的原始光谱图,材料：原奶、市售鲜奶、奶粉试样制备：按同一蛋白水 平配制0-80%奶粉的液 体奶。,A:巴氏鲜奶 B:鲜牛奶 C:A+还原奶 D:B+还原奶,图2 主因素分析图F1-F2图,例二 蜂蜜掺入高果糖浆的鉴别,图4 蜂蜜和高果糖浆，原始光谱图。,。,材料：参考蜜样、市售 槐花蜜、高果糖浆试样制备：配制果糖含量 不同的蜜样,图6 市售各种品牌的杨槐蜜的聚类鉴别,。,三个距离最远的样品为不同的高果糖浆上面一小部分为添加了部分糖浆的样品下面大部分样品为市售
12、各种品牌的杨槐蜜，可以看出添加了高果糖浆的样品和纯杨槐蜜差别很明显,图7 添加不同含量高果糖浆的相关曲线,例三 甜荞、苦荞麦及其制品的鉴别,图14 甜荞、苦荞原始光谱图,试验材料：苦荞54个、甜荞14个、苦荞制品（12个)样品制备：保湿粉碎样品,图15 赋值聚类结果,根据简单赋值获得 的聚类分析结果苦荞（大堆54个）、甜荞（小堆14个）、外围分布（12个苦荞制品),图16 根据黄酮含量聚类分析的结果（大堆苦荞、小堆甜荞）,例四 食用油种类及纯度的鉴别,图8 多种食用油原始光谱图,多种食用油聚类分析,芝麻油纯度的鉴别,图9 大豆油、花生油、芝麻油的混合图谱(MEAN CENTER AND MSC
13、)中心化处理加上平滑化处理,芝麻油纯度的鉴别,图10 花生油,图11 花生油：芝麻油 5：95,芝麻油纯度的鉴别,大豆和芝麻混合,大豆和芝麻混合,大豆和芝麻混合,图12 大豆油,图13 大豆油：芝麻油 5：9595,例五 花生大豆调和油的定量检测,调和油中花生油含量与光谱特性的相关性,例六 食用菌产品的鉴别,食用菌产品聚类分析,1、白灵菇 2、富硒蘑菇粉A 3、富硒蘑菇粉B 4、灵芝粉A 5、灵芝粉B 6、孢子粉A 7、孢子粉B 8、破壁孢子粉A 9、破壁孢子粉B 10、桑黄,破壁孢子粉产品新陈比较,新鲜程度聚类,例七 螺旋藻制品品质的鉴别,试验材料：,图17 螺旋藻原始光谱图,9 种螺旋藻
14、产品,螺旋藻制品品质的鉴别,根据新鲜程度聚类分析后显现的聚类结果：右上角为新鲜度较差的样品，右下角为新鲜度较好的同一产品，对样品信息进行PCA处理后，可以明显区分新鲜度不同的同一种产品,图19 f3（纵）-f4（横）两主因素图,例八 添加剂产品真伪鉴别,添加剂产品近红外指纹图谱鉴别技术应用.ppt,产品近红外光谱图的指纹特性,图1赖氨酸硫酸盐 NIR图谱 图2 赖氨酸盐酸盐NIR图谱,胆碱含量不同载体种类相同产品的NIR图谱比较,胆碱含量相同载体不同产品的图谱比较,胆碱含量相同载体不同产品NIR与IC图谱比较,结束语,建议政府领导支持产品指纹技术的研究与应用推广，对其质量进行监控具有许多优势：鉴别结果可靠；方法简便快捷，对样品鉴别只需数分钟；该技术不使用任何化学试剂无废物排除，检测成本低廉，适用范围广，有关专家称，该方法一旦普及推广，其意义非同寻常，将在规范食品市场，进出口贸易的检测等各方面发挥重要作用。,
