文献类型：期刊文章

作　　者：魏霞[1] 陈功海[2] 龙周锴[1] 范小峰[1] 张文英[1] 徐延浩[1]

WEI Xia;CHEN Gonghai;LONG Zhoukai;FAN Xiaofeng;ZHANG Wenying;XU Yanhao(Hubei Key Laboratory of Waterlogging Disaster and Agriculture Use of Wetland,College of Agricultural,Yangtze University/Hubei Collaborative Innovation Centre for Grain Industry,Jingzhou,Hubei 434100,China;Jingzhou Academy of Agricultural Sciences,Jingzhou Hubei 434025,China)

机构地区：[1]长江大学农学院涝渍灾害与湿地农业湖北省重点实验室/主要粮食作物产业化湖北省协同创新中心,湖北荆州434100 [2]荆州市农业科学院,湖北荆州434025

出　　处：《麦类作物学报》

基　　金：国家重点研发计划项目(2016YFD0102101)。

年　　份：2020

卷　　号：40

期　　号：10

起止页码：1185-1193

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSCD、CSCD2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为探索快速高效测定大麦籽粒中抗性淀粉含量的方法,利用衰减全反射中红外(attenuated total reflection mid-infrared spectroscopy,ATR-MIR)和近红外(near-infrared spectroscopy,NIR)光谱技术,分别用3种不同方法进行预处理,建立大麦样品的抗性淀粉含量快速测定红外模型,通过不同预处理预测模型的校正和内部交叉验证结果的比较,依据决定系数(R2)和均方根误差(RMSE)筛选出基于ATR-MIR和NIR光谱的最佳预测模型,再对最佳预测模型进行外部验证。结果表明,经基线位移校正+范围归一化(BOC+RN)预处理后的PLS模型为最佳ATR-MIR预测模型;经标准正态变换+Savitzky-Golay法一阶求导(SNV+1thD)的预处理模型为最佳NIR预测模型。用验证集材料对BOC+RN和SNV+1thD最佳预测模型的预测效果进行外部验证,光谱预测值与化学测定值之间没有显著差异,说明两种方法均可以用于大麦籽粒抗性淀粉含量测定;ATR-MIR光谱比NIR光谱具有更好的预测能力。

关 键 词：衰减全反射中红外光谱(ATR-MIR)  近红外光谱(NIR)  预测模型  大麦籽粒 抗性淀粉

分 类 号：S512.3] S331