[发明专利]一种多花黑麦草粗蛋白含量的测定方法

摘要

本发明公开了一种能够快速测定多花黑麦草粗蛋白含量的多花黑麦草粗蛋白含量的测定方法。该测定方法提供了一种基于近红外光谱技术的多花黑麦草中粗蛋白真实含量的预测模型，在已知大量样品真实含量的基础上，采集样品的近红外原始光谱，建立基于近红外光谱技术和化学计量学方法的多花黑麦草粗蛋白含量的定量分析预测模型，接着，只需要将待测的多花黑麦草样品经过预处理后得到待测多花黑麦草样品粉末；并采集其近红外原始光谱图，光谱采集过程时间短，在采集近红外光谱后就可以进行检测，具有操作简单、检测迅速、检测效率高、检测精度高等特点。适合在牧草营养品质评价领域推广应用。

主权项

一种多花黑麦草粗蛋白含量的测定方法，其特征在于包括以下步骤：A、建立多花黑麦草粗蛋白含量近红外预测模型；所述多花黑麦草粗蛋白含量近红外预测模型采用如下方法建立，具体包括如下步骤：a、采集多花黑麦草样品，所述多花黑麦草样品包括不同品种、不同品系、不同生育期、不同栽培方式和不同部位的鲜草样品，分别将上述采集的多花黑麦草样品进行预处理，所述预处理的方法如下所述：将采集的多花黑麦草样品先在105℃的环境中杀青20min，然后在65℃的环境中烘干后，在微型粉碎机中粉碎成粉末并过40目筛得到多花黑麦草样品粉末；b、将步骤a得到的多花黑麦草样品粉末分别进行近红外光谱采集得到每个多花黑麦草样品粉末的近红外原始光谱图；c、采用PCA算法对所有多花黑麦草样品粉末的近红外原始光谱进行分析，剔除具有相似光谱的多花黑麦草样品，剩余的多花黑麦草样品为代表性多花黑麦草样品；d、采用凯氏定氮法对步骤c得到的代表性多花黑麦草样品逐个进行粗蛋白含量进行测定得到每个代表性多花黑麦草样品粗蛋白含量值；e、依据代表性多花黑麦草样品粗蛋白含量值将代表性多花黑麦草样品分为校正集和验证集两部分，具体方法如下：首先将得到的代表性多花黑麦草粗蛋白含量值从小到大进行排序，然后每隔3个取1个作为验证集，其余作为校正集，并且调整代表性多花黑麦草中粗蛋白含量的最小值和最大值，使之划归为校正集；f、将校正集样品的近红外光谱图和校正集样品的粗蛋白含量值的导入OPUS/QUENT 5.5商用光谱定量分析软件中，首先，在全谱范围内对校正集样品的近红外光谱进行预处理，接着采用偏最小二乘回归法结合交互验证对校正集样品建立预测校正模型，根据近红外定量校正模型的参数对预测校正模型进行评价，对预测校正模型进行评价的近红外定量校正模型参数包括决定系数R2、交互验证决定系数R2cv、交互验证均方根误差RMSECV，其决定系数R2为99.33％、交互验证决定系数R2cv为98.64％，交互验证均方根误差RMSECV为0.678，确定最佳光谱预处理为一阶导数+MSC(多元散射校正)，最佳建模光谱区为6101.9～4246.7cm‑1，最佳因子数为10，在评价过程中根据马氏距离、主因素分析图、光谱残差图以及化学分析值残差图结果剔除异常的多花黑麦草校正集样品，从而得到最佳的多花黑麦草粗蛋白含量最佳近红外预测校正模型；接着，将验证集样品的近红外光谱和验证集样品的粗蛋白含量导入建立的预测校正模型中进行分析验证得到预测验证模型；接着，利用近红外定量验证模型的参数对所得的预测验证模型进行评价，对预测验证模型进行评价的近红外定量验证模型的参数包括外部验证决定系数R2ev和验证均方根误差RMSEP，其外部验证决定系数R2ev为98.75％，验证均方根误差RMSEP为0.572，在评价过程中根据马氏距离、主因素分析图、光谱残差图以及化学分析值残差图结果剔除异常的多花黑麦草验证集样品，从而得到最佳多花黑麦草粗蛋白含量近红外预测模型；B、将待测的多花黑麦草样品按照步骤a所述的预处理方法处理后得到待测多花黑麦草样品粉末；C、将步骤B得到的待测多花黑麦草样品粉末进行近红外光谱采集得到待测多花黑麦草样品粉末的近红外原始光谱图；D、将待测多花黑麦草样品粉末的近红外原始光谱图和步骤f中得到的多花黑麦草粗蛋白含量近红外预测模型导入到OPUS/QUENT 5.5商用光谱定量分析软件中，通过模型运算分析，即可得到待测多花黑麦草样品中粗蛋白的含量。