整粒棉籽营养品质近红外光谱无损分析方法的研究

《整粒棉籽营养品质近红外光谱无损分析方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浙江大学硕士学位论文⑧Author’Ssignature：川㈣If

2、I

3、¨Ⅲ川⋯I

4、

5、II⋯IJI

6、

7、洲Y2298289一o●‘bupervlsor’Ssignature：Extema',lReviewers：ExaminingCommitteeChairperson：ExamiIlingCommitteeMembers：DateoforaldefeInce：浙江大学硕士学位论文浙江大学研究生学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获

8、得逝江太堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解逝江太堂有权保留并向国家有关部门或机构送交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权浙江太堂可以将学位论文的全部或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名：导师签名：签字日期：年月日签字日期：年月浙江大学硕士学位论文致谢时光荏苒，岁月如梭，浙大两年半的硕士生

9、涯，在不经意间已接近尾声，我即将离开。而在此刻，过往点滴依然了然于心，片片回忆在眼前闪过，画面中是一张张熟悉的脸庞，是亲爱的老师．朋友，亲人们，是曾经学习并生活了将近七年的母校一浙江大学，是那美丽的华家池畔。有太多的话语，太多的感激存于心间，不知如何表达，只想先对你们说声谢谢!感谢导师祝水金教授，感谢您对我的学习和课题研究的悉心教导!值此论文完成之际，对祝老师在研究生阶段给我的无私教诲和关心帮助表示诚挚的谢意!谢谢陈进红老师、吴建国老师及其他各位老师，感谢你们在我学习期间给予的诸多教诲，你们丰富的科研实践经验使我受益良多，因为有了你们的支持和帮助才使我的学业得以顺利完成，在此

10、谨向各位老师表示真挚的谢意!感谢石春海老师的作物遗传育种实验室提供的近红外谷物品质分析仪，为我实验的顺利开展提供了坚持的硬件保障和技术支持。谢谢本实验室的兄弟姐妹，感谢你们与我一起度过了两年多的实验室生活。谢谢我的朋友们，伴我一起走过这段难忘的人生岁月!最后，要特别谢谢我的家人，我的父母、姐姐，还有我的女朋友，感谢你们对我的无私付出，你们的关爱时刻伴着我经历人生旅途，平坦抑或坎坷，总是在我身后默默地关注和守护着!相信在你们的支持和鼓励下，我会一直往前走，走得更远!这两年半的学习研究，除了以上提到的诸位，还离不开更多在此没有提到的良师益友的关心与指导，今天我无法把这份感激一一尽

11、述，但愿这一篇毕业论文和今后的努力能带给你们一些宽慰!谨以此文献给你们!黄庄荣2011年12月于浙大紫金港浙江大学硕士学位论文摘要棉花是世界上重要的纤维作物，也是仅次于大豆的第二大植物蛋白资源，同时含有丰富的油分含量，是世界上第五大油料作物。据统计，平均每生产lkg的棉花纤维，就会产生1．65kg的棉籽。目前棉籽中营养品质指标的检测以常规的化学方法为主，如蛋白质含量检测的凯氏定氮法，油分含量检测的索氏提取法，氨基酸含量检测的离子交换色谱法或高效液相色谱法等。这些传统的分析方法灵敏度和精确度高，但均存在样品准备繁琐、分析时间长、检测成本高等问题。本研究拟建立整粒棉籽中蛋白质、油

12、分、氨基酸含量的近红外校正模型，并通过变量选择方法优化变量空间，提高校正模型的稳健性和预测能力，为棉籽营养品质的检测和棉花品质育种提供无损、快速、有效的测定方法，主要研究结果如下：(1)利用多年份、多地点种植的棉花材料，随机选出385份实验样品，扫描整粒棉籽的近红外光谱。然后，整粒棉籽经剥壳磨粉后，采用标准的化学分析方法测定棉籽中蛋白质、油分和氨基酸含量。在模型构建前，先采用标准正态变换、二阶微分和Savitzky．Golay卷积平滑方法等处理原始的近红外光谱。经预处理后的光谱数据，运用蒙特卡罗的无信息变量消除法MC．UVE或连续性投影法SPA进行光谱变量选择，剔除了大量无信

13、息变量和冗余变量，降低光谱变量的共线性，提高校正模型预测的准确性和稳健性，并在一定程度上克服了模型的过拟合现象。在建模过程中，采用非线性的最小二乘支持向量机算法LS．SVM，并对比相应的线性的偏最小二乘法PLS，以寻找并构建最优的整粒棉籽近红外模型。(2)本研究创建的整粒棉籽营养品质的近红外模型，其蛋白质和油分含量的校正模型的决定系数萨分别为0．959和0．950，剩余预测偏差RPD分别为4．871和4．429，构建的蛋白质和油分含量的校正模型均取得了较高的预测精度和较好的稳定性(R2>0．900，RP