一种红薯淀粉含量快速测定的方法与流程

本发明涉及红薯淀粉技术领域，具体是指一种红薯淀粉含量快速测定的方法。

背景技术：

近红外(nearinfrared，nir)光的波长范围约为780～2500nm，是介于可见区与中红外区之间的电磁波，通过与物质中有机分子的含氢基团x-h键的作用，形成有机分子的倍频和合频吸收光谱。根据这些近红外吸收频谱出现的位置、吸收强度等信息特征，结合数理统计对该成分作定性和定量分析。与常规分析相比，该项技术需要更多的化学计量学算法与软件技术。随着计算机技术的发展、化学计量学研究的深入及近红外光谱仪器制造技术的日益完善，近红外光谱(nearinfraredreflectancespectroscopy，nirs)分析技术得到飞跃发展。由于具有快速、无损、环保等特点而广泛用于农产品、食品、化学、医药、石油等领域。

在红薯品质育种过程中，利用近红外技术进行定量分析可以减少大量样品的筛选工作，节约育种材料和时间，直接选取出淀粉含量较高的红薯，符合现代育种的需要。

技术实现要素：

本发明要解决的技术问题是克服以上技术缺陷，提供一种红薯淀粉含量快速测定的方法，其使用简单、测度快速。

为了达到上述发明目的，本发明采用的技术方案为：包括如下几个步骤，

步骤一：对红薯薯块样本进行预处理，预处理后，利用近红外光谱仪采集红薯薯块样本的近红外光谱数据，同时通过吸光度法测定对应红薯薯块样本的直链淀粉含量；

步骤二：对采集的红薯薯块样本的近红外光谱数据与对应红薯薯块样本的直链淀粉含量(吸光度法测定值)输入化学计量学分析软件unscramblerv10.1进行回归分析评价各种进样方式优劣并建立最佳数学模型；

步骤三：收集未知红薯样本的近红外光谱，利用已经建立的数学模型来预测该样品的直链淀粉含量；

步骤四：测定各预测样品的直链淀粉含量对已建立的数学模型进行评判和改进。

进一步的，所述预处理包括手工刨丝、切丝机切丝(截面3mm×3mm或3mm×7mm两种)、横切圆片、烘干进样、粉碎进样。

进一步的，步骤二中所述对近红外光谱数据进行处理，多元线性回归(mlr)、主成分回归(pcr)和偏最小二乘回归(pls)等方法与化学值(ac)之间建立联系，通过综合评价进样方式的简便性和光谱数据与化学值的线性相关性选择最佳的定标建模方法。

本发明的有益效果为：采用近红外法能够快速对红薯薯块淀粉含量做出鉴别，减少鉴别时间，降低成本，对测试者不要求具有专业知识，应用方便；采集多种数据进行建模，不断优化数学模型，增强了模型的稳健性，数据精准度更高。

附图说明

图1是本发明一种红薯淀粉含量快速测定的方法步骤一的操作流程。

图2是本发明一种红薯淀粉含量快速测定的方法的红薯新鲜样品(上)和烘干样品(下)的近红外光谱图。

图3是本发明一种红薯淀粉含量快速测定的方法的红薯新鲜样品的一阶导数光谱图。

图4是本发明一种红薯淀粉含量快速测定的方法的优化后模型相关参数图。

具体实施方式

为了使本发明的内容更容易被清楚地理解，下面对本发明实施例中的技术方案进行清楚、完整地描述。

实施例一：为实现直链淀粉含量的快速测定和分析，本研究首先收获了60个不同株系在温室栽培条件下的膨大薯块，按图1所示流程进行近红外区光谱数据的收集和直链淀粉含量的测定。对不同预处理进样方式收集到的光谱数据(图2)，进行各种前处理后通过多元线性回归(mlr)、主成分回归(pcr)和偏最小二乘回归(pls)等方法与化学值(ac)之间建立联系，通过综合评价进样方式的简便性和光谱数据与化学值的线性相关性选择最佳的定标建模方法。最终确认对手工刨丝后直接进样的光谱数据进行一阶求导滤去干扰信号后(图3)利用偏最小二乘法(pls)能够建立最佳的原初定标模型，从而用于后续样品的分析和建立进一步优化的模型。

图2为红薯新鲜样品(上)和烘干样品(下)的近红外光谱图：纵坐标为相对吸光度，横坐标为近红外光波长，新鲜样品中的大量水分子的存在表现出更高的相对吸光度(o-h键的伸缩振动是1440nm处峰值出现的主要原因)。

图3为红薯新鲜样品的一阶导数光谱图：纵坐标为原近红外光谱的一阶导数(各波长点处计算光谱曲线斜率)，横坐标为近红外光波长，因曲线斜率与基线无关，所以一阶导数光谱数据有效消除了测量过程中基线平移的影响。

在利用该模型分析种植于山东泰安实验大田的186个株系时发现部分超出模型预测范围的超常样本，并且发现预测精度不够，误差过大。按照近红外模型维护和优化的原则对这部分样品进行了化学值(ac)的测定并加入到定标样品集中更新预测模型。按照原初模型对一阶导数光谱进行偏最小二乘回归，更新的定标样品集包含49个温室栽培样本和38个大田栽培样本总计87个样本的光谱和化学值信息，优化后的预测模型最终利用了其中83个样本信息，以115个模型中不包含的样品为测试集进行验证的结果见附图4，预测值和测定值的配对双尾t检验值为0.002。表明优化后的模型可以实现大量样本的快速定性定量筛选，为利用近红外技术解决甘薯大规模种植和产业化中面临的原材料质量控制问题奠定了基础。

图4为优化后模型相关参数图：定标样品集包含83个样本光谱数据和化学测定值，直链淀粉含量与回归主成分间相关系数达0.96，校正集均方差为5.75，系统偏差(bias)很小说明校正后的模型稳健。

以上对本发明及其实施方式进行了描述，这种描述没有限制性，只是本发明的实施方式之一，实际的实施方式并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的实施例，均应属于本发明的保护范围。

技术特征：

1.一种红薯淀粉含量快速测定的方法，其特征在于：包括如下几个步骤，

步骤一：对红薯薯块样本进行预处理，预处理后，利用近红外光谱仪采集红薯薯块样本的近红外光谱数据，同时通过吸光度法测定对应红薯薯块样本的直链淀粉含量；

步骤二：对采集的红薯薯块样本的近红外光谱数据与对应红薯薯块样本的直链淀粉含量(吸光度法测定值)输入化学计量学分析软件unscramblerv10.1进行回归分析评价各种进样方式优劣并建立最佳数学模型；

步骤三：收集未知红薯样本的近红外光谱，利用已经建立的数学模型来预测该样品的直链淀粉含量；

步骤四：测定各预测样品的直链淀粉含量对已建立的数学模型进行评判和改进。

2.根据权利要求1所述的一种红薯淀粉含量快速测定的方法，其特征在于：所述预处理包括手工刨丝、切丝机切丝(截面3mm×3mm或3mm×7mm两种)、横切圆片、烘干进样、粉碎进样。

3.根据权利要求1所述的一种红薯淀粉含量快速测定的方法，其特征在于：步骤二中所述对近红外光谱数据进行处理，多元线性回归(mlr)、主成分回归(pcr)和偏最小二乘回归(pls)等方法与化学值(ac)之间建立联系，通过综合评价进样方式的简便性和光谱数据与化学值的线性相关性选择最佳的定标建模方法。

技术总结
本发明公开了一种红薯淀粉含量快速测定的方法，对红薯薯块样本进行预处理，利用近红外光谱仪采集红薯薯块样本的近红外光谱数据，同时通过吸光度法测定对应红薯薯块样本的直链淀粉含量；对采集的红薯薯块样本的近红外光谱数据与对应红薯薯块样本的直链淀粉含量输入化学计量学分析软件进行回归分析评价各种进样方式优劣并建立最佳数学模型；收集未知红薯样本的近红外光谱，利用已经建立的数学模型来预测该样品的直链淀粉含量；数学模型优化。采用近红外法能够快速对红薯薯块淀粉含量做出鉴别，减少鉴别时间，降低成本，对测试者不要求具有专业知识，应用方便；采集多种数据进行建模，不断优化数学模型，增强了模型的稳健性，数据精准度更高。

技术研发人员：杨俊;王红霞
受保护的技术使用者：南京晶薯生物科技有限公司
技术研发日：2019.09.27
技术公布日：2019.12.20