典型文献
青花菜中矿质元素的近红外光谱快速测定
文献摘要：
青花菜矿质元素含量丰富,传统的青花菜矿质养分评价方法步骤繁琐、耗时费力.通过电感耦合等离子体原子发射光谱法(Inductively Coupled Plasma Optical Emission Spectrometer,ICP-OES)测定青花菜中钾(K)、硫(S)、磷(P)、钙(Ca)、铁(Fe)、镁(Mg)等矿质元素含量,同时使用近红外光谱仪扫描样品,获取样品光谱文件,拟建立青花菜矿质元素的近红外光谱快速测定的方法.对化学分析结果与光谱文件在偏最小二乘法(partial least square,PLS)分析的基础上,通过Savitzky-Golay卷积平滑处理,采用不同的散射处理方式[多元散射校正(multiplicative scatter correction,MSC)和标准正态变量变换(standard normal variate transforma-tion,SNV)],以及不同导数处理方式[一阶导数(first derivative,FD)和二阶导数(second derivative,SD)]对光谱进行预处理,从而获得定标方程.结果表明:(1)K、Mg、Ca经过MSC+FD处理的结果最好,校正相关系数(coefficient of determination in calibration,RSQ)分别为0.884、0.944、0.651,验证决定系数(coefficient of deter-mination in valibration,R2)分别为0.893、0.928、0.604,相对分析误差(residual predictive deviation,RPD)分别为2.491、2.710、1.344;(2)P经过SNV+FD处理的效果最好,RSQ、R2和RPD分别为0.733、0.703和1.117;(3)S、Fe经过MSC+SD处理的结果最好,RSQ分别为0.523、0.581,R2分别为0.537和0.416,RPD分别为1.133、1.100.建立的K和Mg的近红外光谱快速检测模型,可以用于实际应用;P可以近似定量预测,但还需要通过增加样品种类提高模型的准确度与稳定度;Ca、S和Fe的近红外模型可以通过建立高浓度和低浓度2个模型来提高模型预测度.
文献关键词：
青花菜;近红外光谱;偏最小二乘法;矿质元素
中图分类号：
作者姓名：
雷雨梦;闫国超;杨静;朱祝军
作者机构：
浙江农林大学 园艺科学学院,浙江 杭州311300
文献出处：
引用格式：
[1]雷雨梦;闫国超;杨静;朱祝军-.青花菜中矿质元素的近红外光谱快速测定)[J].浙江农业学报,2022(03):548-556
A类：
MSC+FD,valibration,SNV+FD,MSC+SD
B类：
青花菜,中矿,近红外光谱,快速测定,矿质元素含量,矿质养分,养分评价,方法步骤,费力,电感耦合等离子体原子发射光谱法,Inductively,Coupled,Plasma,Optical,Emission,Spectrometer,ICP,OES,Mg,红外光谱仪,拟建,化学分析,偏最小二乘法,partial,least,square,PLS,Savitzky,Golay,平滑处理,多元散射校正,multiplicative,scatter,correction,标准正态变量变换,standard,normal,variate,transforma,数处,一阶导数,first,derivative,二阶导数,second,coefficient,determination,calibration,RSQ,决定系数,residual,predictive,deviation,RPD,快速检测,检测模型,以近,定量预测,稳定度,近红外模型
AB值：
0.326461
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
