NIR在農(nóng)業(yè)中的應用

在農(nóng)業(yè)(Ye)領(lǐng)域應用范圍廣泛第一頁，共八十頁。在農(nóng)業(yè)領(lǐng)域(Yu)的應用事例實驗室常規(guī)分析——小麥、玉米、大豆、油菜、水稻等的品質(zhì)分析（為農(nóng)大小麥、玉米育種單位分析樣品近萬份）現(xiàn)場分析——糧食儲藏、收購時的水分等成分的分析生產(chǎn)過程中的在線分析——中藥葛根生產(chǎn)中的過程控制第二頁，共八十頁。大豆籽粒三遍建模：經(jīng)典PLS算法

標準差：0.592相對標準差：1.402%決定(Ding)系數(shù)：96.35%平均絕對誤差：0.438平均相對誤差：1.050%

相關(guān)系數(shù)：0.974第三頁，共八十頁。42個大豆粉末三遍建模：經(jīng)典(Dian)PLS算法

標準差：0.475相對標準差：1.142%決定系數(shù)：97.83%平均絕對誤差:0.381平均相對誤差：0.913%相關(guān)系數(shù)：0.979第四頁，共八十頁。30個小麥籽粒三遍建模：經(jīng)典PLS算法標準差(Cha)：0.324相對標準差：2.055%決定系數(shù)：96.98%第五頁，共八十頁。30個小麥(Mai)粉末三遍建模：經(jīng)典PLS算法

標準差：0.433相對標準差：2.746%決定系數(shù)：94.6%第六頁，共八十頁。35個(Ge)玉米籽粒一遍建模：經(jīng)典算法標準差：0.454相對標準差：3.679%決定系數(shù)：88.46%第七頁，共八十頁。

近紅外光譜分析技術(shù)在農(nóng)(Nong)業(yè)中的幾個例子（1-2）小麥粉末267蛋白散點圖（1-1）小麥粉末66蛋白散點圖第八頁，共八十頁。（1-3）小麥籽粒73蛋白(Bai)散點圖第九頁，共八十頁。（1-5）玉米粉末(Mo)87脂肪散點圖（1-4）玉米粉末89蛋白散點圖

第十頁，共八十頁。（1-7）玉米粉末90賴氨酸散(San)點圖（1-6）玉米粉末90淀粉散點圖第十一頁，共八十頁。（1-9）大麥粉末67淀(Dian)粉散點圖（1-8）大麥粉末156蛋白散點圖第十二頁，共八十頁。（1-12）葛根粉(Fen)末49葛根素散點圖第十三頁，共八十頁。（1-13）煙(Yan)草粉末模型的散點圖第十四頁，共八十頁。98年66個小麥樣品建模的預測結(jié)果從(Cong)2000多個小麥樣品中挑選270個樣品

建模的預測結(jié)果

（預測數(shù)據(jù)為2001年河南的7個小麥樣品）樣品號真實值預測值絕對誤差相對誤差（%）113.8415.481.6411.85213.7715.711.9414.06314.0115.401.399.92414.2315.821.5911.15514.1715.931.7612.44613.5715.211.6412.11713.7215.371.6512.00平均誤差

1.6611.93樣品號真實值預測值絕對誤差相對誤差（%）113.8413.64-0.201.47213.7714.180.412.95314.0113.70-0.312.24414.2314.04-0.191.34514.1714.430.261.81613.5713.33-0.241.74713.7213.53-0.191.41平均誤差

0.261.8566個樣品建模的預測結(jié)果

270個樣品建模的預測結(jié)果

第十五頁，共八十頁。復(Fu)合樣品局部回歸模型與四類樣品單獨分別建立ＰＬＳ模型的預測效果──────────────────────────────

建模樣品復合樣品小麥玉米大豆大麥建模樣品/p>

檢驗樣品數(shù)371210７８相對誤差（％）1.971.132.581.023.9

─────────────────────────

決定系數(shù)（Ｒ2）99.8799.2494.8297.9383.53第十六頁，共八十頁。化學值分析的標準差近紅外光譜分析的相對標準差(%)成分分析員各分析員測定的相對標準差分析員之間的相對標準差總糖

1232.83.64.74.193.5

還原糖1233.65.06.34.963.3

生物堿12317.815.710.26.573.8

總氮1235.46.13.49.174.4

蛋白質(zhì)1237.87.24.412.085.2近紅外光譜分(Fen)析與化學分(Fen)析的精度比較

第十七頁，共八十頁。粉末樣品建模預測籽粒樣品在短波近紅外儀的分析結(jié)(Jie)果：小麥（短波近紅外透射光譜儀）

校正檢驗（預測）96個粉樣所建模型預測27個籽粒樣R2=94.24R2=65.6396個粉樣+4個籽樣所建模型預測23個籽樣R2=93.25R2=90.5827個籽粒樣所建模型（籽粒樣預測籽粒樣）R2=77R2=9096個粉末樣所建模型（粉末樣預測粉末樣）

R2=94R2=92第十八頁，共八十頁。粉末樣(Yang)品建模預測籽粒樣(Yang)品在長波近紅外儀的分析結(jié)果：小麥（長波近紅外漫反射光譜）粉末66個籽粒27個校正檢驗（預測）66個粉樣所建模型預測27個籽粒樣R2=98.51R2=-16966個粉樣+3個籽粒樣模型預測24個籽粒樣R2=96.18R2=64.1566個粉樣+5個籽粒樣模型預測22個籽粒樣R2=96.26R2=72.3527個籽粒樣所建模型（籽粒樣預測籽粒樣）R2=83R2=8866個粉樣所建模型（粉末樣預測粉末樣）R2=98R2=98第十九頁，共八十頁。第二十頁，共八十頁。近紅外(Wai)在葛根提取中運用的實圖第二十一頁，共八十頁?，F(xiàn)(Xian)場數(shù)據(jù)監(jiān)控結(jié)果近紅外在葛根提取中運用的實測數(shù)據(jù)第二十二頁，共八十頁。

紅外光譜分析六種樣品四種成分（短波近紅外透射光譜法，本實驗室數(shù)據(jù)）——————————————————————————————————————樣品與成分

校正樣品數(shù)

校正相關(guān)系數(shù)

校正標準差

校正平均相對誤差_____________________________________________________________________大豆粗蛋白

74 0.991 0.319 0.627玉米粗蛋白

70 0.98 0.342 2.2高梁粗蛋白

63 0.981 0.270 1.892大麥粗蛋白

78 0.974 0.475 2.737水稻粗蛋白

50 0.938 0.468 20706小豆粗蛋白

46 0.962 0.274 0.956大豆粗脂肪

74 0.979 0.363 1.449玉米粗脂肪

66 0.988 0.318 5.513高梁總(Zong)淀粉

63 0.948 1.062 1.133玉米總淀粉

65 0.918 1.203 1.502小豆總淀粉

56 0.870 0.545 0.905高梁丹寧

70 0.920 0.196 13.783——————————————————————————————————第二十三頁，共八十頁。樣品數(shù)含量范圍均值相關(guān)系數(shù)SECRSEC%尼古丁1340.9-4.72.170.990.1446.58總糖1339.3-38.622.890.971.295.64還原糖1339.5-36.921.060.951.587.5總氮1371.5-2.92.020.9650.09454.68氯1330.1-20.40.950.10225.5蛋白質(zhì)1377.6-15.110.230.950.5325.2磷1360.8-3.31.920.870.26513.8施木克值1350.7-42.350.9250.2811.9糖堿比1292.3-29.213.10.9062.8121.5表中:Sec:校正標準差RSEC：相對校正標準差（作者趙龍蓮、嚴衍祿等1998年8月光譜(Pu)學與光譜(Pu)分析）

中長波近紅外光譜漫反射旋轉(zhuǎn)樣品池測定煙草中的九種成分第二十四頁，共八十頁。第二十五頁，共八十頁。不同的近紅外光譜方式分析深色樣品(Pin)（煙草）——————————————————————————————————————分析組分

分析譜區(qū)(nm)光譜方式

光程

Ｒ

ＲＭＳＥＰ——————————————————————————————————————尼古丁

800-1100 透射光譜

2 9.2 1.1尼古丁

800-110 漫反射光譜

2 5.2 1.3尼古丁

800-110 漫反射光譜

87 0.3——————————————————————————————————————Ｒ：相關(guān)系數(shù)

ＲＭＳＥＰ：預測標準差

第二十六頁，共八十頁。長波近紅外漫反射光譜分析混合肉骨粉中不(Bu)同來源組份——————————————————————————混合肉骨粉中不同來源的組份 決定系數(shù) SECV RPD——————————————————————————牛羊肉骨源粉

0.91 4.18% 3.32雞源肉骨粉 0.94 8.76% 4.18豬源肉骨粉 0.94 8.89% 4.26牛源肉骨粉 0.76 5.77% 2.18羊源肉骨粉 0.57 7.20% 1.85——————————————————————————（數(shù)據(jù)來源：李瓊飛）第二十七頁，共八十頁。不同的(De)近紅外光譜方式分析混濁溶液（牛奶）———————————————————————————————————分析組分

分析譜區(qū)（nm)光程

Ｒ

ＲＭＳＥＰ

ＲＰＤ

———————————————————————————————————脂肪

1100-2500短光程

0.996 0.0714 10.8脂肪

700.1100 長光程

0.986 0.107 5.89

蛋白質(zhì)

1100-2500短光程

0.990 0.0453 7.06蛋白質(zhì)

700.1100 長光程

0.944 0.102 2.94

乳糖

1100-2500短光程

0.947 0.0602 2.86———————————————————————————————————Ｒ：相關(guān)系數(shù)

ＲＭＳＥＰ：預測標準差ＲＰＤ：相對標準差分析人：魯超第二十八頁，共八十頁。近紅外透射與(Yu)漫反射光譜分析籽粒樣品的比較———————————————————————樣品

近紅外分析儀器

分析條件

階數(shù)

決定系數(shù)

標準差————————————————————————————————————————小麥籽粒

光柵短波近紅外、30mm光程

平移運動

4 95.54 0.448CCD檢測器、透射光譜小麥籽粒

FT全譜近紅外光譜儀(1) 旋轉(zhuǎn)池

4 55.7 1.41 InGaAs檢測器、

漫反射光譜小麥籽粒

同上

2號儀器

旋轉(zhuǎn)池

4 81.95 0.88

大豆籽粒

光柵短波近紅外、40mm光程

4 89.57 0.667

CCD檢測器、透射光譜大豆籽粒

FT全譜近紅外光譜儀(1) 旋轉(zhuǎn)池

4 21.6 1.4 InGaAs檢測器、

漫反射光譜大豆籽粒

同上

2號儀器

旋轉(zhuǎn)池

4 82.67 1.02————————————————————————————————————————第二十九頁，共八十頁。不同數(shù)學處理方法消除果皮對(Dui)近紅外光譜測定蘋果硬度的影響（建摸校正樣品112個、預測樣品36個）----------------------------------------------------------------------------------------------------------

樣品

數(shù)學處理 相關(guān)系數(shù) 預測標準差相對預測標準差(%)__________________________________________________________________________去皮蘋果 無 0.837 0.886 12.36完整蘋果 無 0.753 1.197 16.71完整蘋果 MSC 0.755 1.17716.42完整蘋果 1D 0.837 1.048 14.62 完整蘋果 DOSC 0.814 1.015 14.6完整蘋果 GA 0.811 0.965 13.46完整蘋果 GA+DOSC 0.805 0.924 12.98____________________________________________表中：MSC:多元散射校正1D:一階導數(shù)DOSC：直接正交信號校正GA：遺傳算法第三十頁，共八十頁。近紅外光譜分析建模服務有關(guān)材料（供參考）30種材料8種成份可測性標注（√：需用戶提供標樣可建模

／：需用戶提供標樣可建模，但效果稍差○：我們可以提供標樣并建模）序號原材料蛋白質(zhì)水份灰份脂肪纖維氨基酸類鈣離子濃度總磷1木薯粉√√√√√√／／2木薯淀粉

√√

／／3面粉○√√○√√／／4小麥○○√○√√／／5小麥淀粉

√√

／／6小麥胚√√√√√√／／7小麥麩皮√√√√√√／／8玉米○√√√√√／／9玉米蛋白√√√

／／10脫脂大豆粉√√√

√√／／30種農(nóng)業(yè)樣品8種成分(Fen)近紅外光譜的可測性（表1）第三十一頁，共八十頁。近紅外光譜分析建模服務有關(guān)材料（供參考）30種材料8種成份可測性標注（√：需用戶提供標樣可建模

／：需用戶提供標樣可建模，但效果稍差○：我們可以提供標樣并建模）11脫脂米糠√√√

√√／／12高粱√√√√√√／／13紅魚粉（蛋白65%）√√√√√√／

／14白魚粉（蛋白68%）√√√√√√／／15魚油

√

／／16啤酒酵母√√√√√√／／17海藻粉末√√√√√√／／18螺旋藻√√√√√√／／29a-馬鈴薯淀粉

√√√√√／／20b-馬鈴薯淀粉

√√√√√／／21磷蝦粉√√√√√√／／22麩√√√√√√／／序號原材料蛋白質(zhì)水份灰份脂肪纖維氨基酸類鈣離子濃度總磷30種農(nóng)業(yè)樣品8種成分近紅外光(Guang)譜的可測性（續(xù)表2）第三十二頁，共八十頁。

樣品號23-30氯化膽堿（50%）、PI-蛋氨酸、硫酸鐵（干燥）、碳酸鹽、食鹽、胭脂紅(色素)、亮藍(色素)、軍綠(色素)：需用戶提供標樣，建純度分(Fen)析的模型。

1、上述30種材料8種成份的可測性：其中1-22種農(nóng)業(yè)樣品適合做近紅外分析；后2種無機鹽類：碳酸鹽、食鹽難以用近紅外分析；氯化膽堿、PI-蛋氨酸與3種色素需要分析的成份不明確，可以做純度分析。2、各項目中：“√”為需用戶提供標樣（代表性60-80個化學值已知標樣）可建模；“／”為需用戶提供標樣（代表性60-80個化學值已知標樣）可建模，但效果稍差；“○”為我們可以提供標樣并建模30種農(nóng)業(yè)樣品8種成分近紅外光譜的可測性（續(xù)表3）第三十三頁，共八十頁。大米(Mi)分析第三十四頁，共八十頁。大(Da)豆第三十五頁，共八十頁。飼(Si)料第三十六頁，共八十頁。牛(Niu)奶第三十七頁，共八十頁。蛋黃(Huang)醬第三十八頁，共八十頁。干(Gan)酪第三十九頁，共八十頁。冰(Bing)激凌第四十頁，共八十頁。醬(Jiang)油第四十一頁，共八十頁。牛(Niu)奶第四十二頁，共八十頁。巧克(Ke)力第四十三頁，共八十頁。生(Sheng)肉第四十四頁，共八十頁。酸乳(Ru)酪第四十五頁，共八十頁。香(Xiang)腸第四十六頁，共八十頁。硬(Ying)干酪第四十七頁，共八十頁。魚(Yu)粉第四十八頁，共八十頁。

總之近紅外分析技術(shù)是一種“多、快、好、省”的分析技術(shù)。近紅外光譜分析具有(You)解決全球農(nóng)業(yè)分析的潛力第四十九頁，共八十頁。

產(chǎn)品近紅外指紋圖譜鑒別技(Ji)術(shù)

應用實例介紹例一液體奶鮮度識別例二蜂蜜摻入高果糖漿的鑒別例三甜蕎、苦蕎麥及其制品的鑒別例四食用油種類及純度的鑒別例五花生大豆調(diào)和油組分的定量檢測例六食用菌產(chǎn)品的鑒別例七螺旋藻制品品質(zhì)的鑒別例八添加劑產(chǎn)品真?zhèn)舞b別第五十頁，共八十頁。例一液體奶鮮(Xian)度識別

圖1鮮奶及復原奶的原始光譜圖

材料：原奶、市售鮮奶、奶粉試樣制備：按同一蛋白水平配制0-80%奶粉的液體奶。

第五十一頁，共八十頁。

A:巴氏鮮奶(Nai)

B:鮮牛奶C:A+還原奶D:B+還原奶

圖2主因素分析圖F1-F2圖第五十二頁，共八十頁。例二蜂蜜摻入高果糖漿的(De)鑒別

圖4蜂蜜和高果糖漿，原始光譜圖。

。材料：參考蜜樣、市售槐花蜜、高果糖漿試樣制備：配制果糖含量不同的蜜樣第五十三頁，共八十頁。圖6市售各種品牌的楊槐蜜(Mi)的聚類鑒別

。

三個距離最遠的樣品為不同的高果糖漿上面一小部分為添加了部分糖漿的樣品下面大部分樣品為市售各種品牌的楊槐蜜，可以看出添加了高果糖漿的樣品和純楊槐蜜差別很明顯第五十四頁，共八十頁。

圖7添加不同含量高果糖(Tang)漿的相關(guān)曲線第五十五頁，共八十頁。

例(Li)三甜蕎、苦蕎麥及其制品的鑒別

圖14甜蕎、苦蕎原始光譜圖

試驗材料：苦蕎54個、甜蕎14個、苦蕎制品（12個)樣品制備：保濕粉碎樣品第五十六頁，共八十頁。

圖15賦(Fu)值聚類結(jié)果

根據(jù)簡單賦值獲得的聚類分析結(jié)果苦蕎（大堆54個）、甜蕎（小堆14個）、外圍分布（12個苦蕎制品)第五十七頁，共八十頁。

圖16根據(jù)黃酮含(Han)量聚類分析的結(jié)果（大堆苦蕎、小堆甜蕎）

第五十八頁，共八十頁。

例四食用油種類及(Ji)純度的鑒別

圖8多種食用油原始光譜圖

第五十九頁，共八十頁。胡麻油棕櫚油花生油調(diào)和油大豆油多種食(Shi)用油——聚類分析第六十頁，共八十頁。

芝麻油純度的鑒(Jian)別圖9大豆油、花生油、芝麻油的混合圖譜(MEANCENTERANDMSC)

中心化處理加上平滑化處理

第六十一頁，共八十頁。

芝麻油純度(Du)的鑒別

圖10花生油圖11花生油：芝麻油＝5：95第六十二頁，共八十頁。

芝(Zhi)麻油純度的鑒別大豆和芝麻混合

大豆和芝麻混合

大豆和芝麻混合

圖12大豆油圖13大豆油：芝麻油＝5：9595第六十三頁，共八十頁。例五花生大豆調(diào)和油的定(Ding)量檢