應用近紅外光譜技術分析稻米蛋白質含量

摘　要: 以稻谷、米粒、米粉3 種形態的樣品,應用近紅外光譜技術(NIRS) 和偏最小二階乘法(PLS) ,建立了6 個稻米蛋白質含量近紅外光譜數學模型,并對模型預測結果的準確性進行了評價。結果表明,糙米蛋白質含量的稻谷、糙米粒和糙米粉近紅外光譜預測模型校正決定系數( RC2 ) 分別為01893、01971 和01987 ,校正標準差( RMSEC) 分別為01507、01259 和01183 ;精米蛋白質含量的稻谷、精米粒和精米粉近紅外光譜預測模型R2C 分別為01897、01984 和01986 , RMSEC 分別為01497、01186 和01190。模型內部交叉驗證分析表明,預測糙米蛋白含量的稻谷、糙米粒和糙米粉模型內部交叉驗證決定系數( RCV2 ) 分別為01865、01962 和01984 ,內部驗證標準差( RMSECV) 分別為01557、01290 和01205 ;預測精米蛋白含量的稻谷、精米粒和精米粉的模型RCV2 分別為01845、01951 和01979 , RMSECV 分別為01594、01316 和01233。模型外部驗證分析表明,預測糙米蛋白含量的稻谷、糙米粒和糙米粉近紅外光譜模型外部驗證決定系數( RV2 ) 分別為01683、01801 和01939 ,外部驗證標準差( RMSEV) 為01962、01799 和01434 ;預測精米蛋白含量的稻谷、精米粒和精米粉近紅外光譜的模型RV2 分別為01673、01921 和01959 , RMSEV 為01976、01513 和01344。用米粉建立的近紅外光譜預測模型準確性最高,米粒次之,基于稻谷的預測模型準確性相對較低;內部交叉驗證和外部驗證表明,近紅外光譜分析技術與化學分析方法一致性較好,且能保證樣品的完整性,在水稻優質育種和稻米品質分析中具有廣泛的應用價值。