本发明属于花生出油率和花生品种鉴别技术领域，具体涉及一种基于矿质元素指纹分析技术鉴别花生出油率并辅助鉴别花生品种的方法。
背景技术：
花生是我国主要的油料作物之一，种植面积仅次于油菜。花生主要化学成分包括脂肪、蛋白质和碳水化合物，其中脂肪质量分数占46％-52％，不饱和脂肪酸更是高达85％以上，具有降低人体血清胆固醇、防止动脉硬化和冠心病及美容润肤功效。我国所产的花生中有55％用于制油，花生油年产量仅次于菜籽油。然而，花生品种不同，其脂肪含量(含油率)和蛋白质含量也差异显著。其中，含油率作为油料作物品质的重要参考指标之一，决定着花生的食用价值和榨取价值。
在花生制油过程中，花生种子作为花生油的提取原料，其含油率不同，适合的榨油方式也不同，进而得到的花生油在气味和口感方面也良莠不齐。我国花生品种繁多，含油率参差不齐，通常情况下制油厂多采用压榨法制油，但压榨法只适用于高含油率品种，对于含油量较低的品种应采用溶剂浸出法提油。高含油率花生品种的鉴别对于制油产量的提高至关重要。
不同品种的花生，花生植株在生长时对营养物质的生理需求及吸收与富集的种类和数量也发生变化，使花生籽粒中化学成分组成和含量发生变化，导致不同品种花生的含油率不同。我国常见的种植面积较大的花生品种主要有如鲁花11号、海花1号、潍花10号、丰花5号等。
然而花生作为一种大面积种植的农产品，其生产分散在各省各县，监管困难。受经济利益驱使，用低出油率的花生冒充高出油率花生的现象时有发生，对花生市场公平贸易和消费者权益造成严重侵害，成为长期困扰高出油率花生品种保护的难题。因此，目前亟需建立鉴别不同品种花生的准确技术方法，对于规范市场秩序，提高产品竞争力，保障消费者合法权益，建设油料作物追溯体系等，具有重要意义和应用价值。
目前，国内外还没有鉴别不同品种花生的相关专利，利用矿质元素指纹分析技术鉴别花生品种的相关研究也未见报道。
技术实现要素：
针对现有技术的不足，本发明的目的是提供一种鉴别花生出油率并辅助鉴别花生品种的方法，建立模型鉴别不同出油率的花生，保护高出油率花生品种。
为解决上述技术问题，本发明采用的技术方案为：
一种鉴别花生出油率的方法，步骤如下：
(1)将待测花生样品进行去壳、清洗、烘干、磨粉，然后进行消解；
(2)检测步骤(1)消解后的溶液中na、k、mn、as、sr、cs和tl的浓度，计算得到待测花生样品中na、k、mn、as、sr、cs和tl的含量，将其分别代入判别模型①～②，计算得到y高出油率和y低出油率；
(3)比较步骤(2)计算得到的y高出油率和y低出油率值的大小，当计算得到的y高出油率＞y低出油率时，则待测花生样品属于高出油率花生；当计算得到的y高出油率＜y低出油率时，则待测花生样品属于低出油率花生；
所述判别模型为：
y高出油率＝-641.820-1.361×xna+0.100×xk+0.009×xmn+4.212×xas+0.047×xsr+2.347×xcs+29.806×xtl①；
y低出油率＝-742.748-1.487×xna+0.106×xk+0.010×xmn+4.881×xas+0.051×xsr+2.607×xcs+34.657×xtl②；
上述判别模型①～②中，xna、xk、xmn、xas、xsr、xcs和xtl分别代表花生样品中na、k、mn、as、sr、cs和tl的含量，其中，xna、xk的单位为μg/g，xmn、xas、xsr、xcs和xtl的单位为μg/kg。
一种鉴别花生品种的方法，步骤如下：
(1)将待测花生样品(此处待测花生样品需为鲁花11号、海花1号、潍花10号和丰花5号中的一种)进行去壳、清洗、烘干、磨粉，然后进行消解；
(2)检测步骤(1)消解后的溶液中b、k、ca、cu、zn、as、sr、cs和ba的浓度，计算得到待测花生样品中b、k、ca、cu、zn、as、sr、cs和ba的含量，将其分别代入判别模型③～⑥，计算得到y鲁花11号、y海花1号、y潍花10号和y丰花5号；
(3)比较步骤(2)计算得到的y鲁花11号、y海花1号、y潍花10号和y丰花5号值的大小，最大数值所对应的花生品种即为待测花生样品所属花生品种；
所述判别模型为：
y鲁花11号＝-2390.137-8.539×xb+0.426×xk-0.167×xca+0.102×xcu+0.009×xzn-21.669×xas+0.094×xsr-1.712×xcs+0.174×xba③；
y海花1号＝-2510.283-9.214×xb+0.439×xk-0.184×xca+0.106×xcu+0.009×xzn-22.009×xas+0.094×xsr-2.315×xcs+0.181×xba④；
y潍花10号＝-2191.270-19.375×xb+0.405×xk+0.160×xca+0.092×xcu+0.011×xzn-17.875×xas+0.092×xsr-2.245×xcs+0.145×xba⑤；
y丰花5号＝-2541.563-14.692×xb+0.439×xk+0.030×xca+0.100×xcu+0.010×xzn-20.405×xas+0.098×xsr-2.242×xcs+0.168×xba⑥；
上述判别模型③～⑥中，xb、xk、xca、xcu、xzn、xas、xsr、xcs和xba分别代表花生样品中b、k、ca、cu、zn、as、sr、cs和ba的含量，其中，xb、xk和xca的单位为μg/g，xcu、xzn、xas、xsr、xcs和xba的单位为μg/kg。
一种鉴别花生出油率并辅助鉴别花生品种的方法，步骤为：
(1)将待测花生样品进行去壳、清洗、烘干、磨粉，然后进行消解；
(2)检测步骤(1)消解后的溶液中b、na、k、ca、mn、cu、zn、as、sr、cs、ba和tl的浓度，计算得到待测花生样品中b、na、k、ca、mn、cu、zn、as、sr、cs、ba和tl的含量；
(3)将待测花生样品中na、k、mn、as、sr、cs和tl的含量分别代入判别模型①～②，计算得到y高出油率和y低出油率；
(4)比较步骤(3)计算得到的y高出油率和y低出油率值的大小，当计算得到的y高出油率＞y低出油率时，则待测花生样品属于高出油率花生；当计算得到的y高出油率＜y低出油率时，则待测花生样品属于低出油率花生；
所述判别模型①～②为：
y高出油率＝-641.820-1.361×xna+0.100×xk+0.009×xmn+4.212×xas+0.047×xsr+2.347×xcs+29.806×xtl①；
y低出油率＝-742.748-1.487×xna+0.106×xk+0.010×xmn+4.881×xas+0.051×xsr+2.607×xcs+34.657×xtl②；
上述判别模型①～②中，xna、xk、xmn、xas、xsr、xcs和xtl分别代表花生样品中na、k、mn、as、sr、cs和tl的含量，其中，xna、xk的单位为μg/g，xmn、xas、xsr、xcs和xtl的单位为μg/kg；
(5)在上述步骤(4)判别花生出油率的基础上，进一步将待测花生样品中b、k、ca、cu、zn、as、sr、cs和ba的含量分别代入判别模型③～⑥，计算得到y鲁花11号、y海花1号、y潍花10号和y丰花5号；
(6)比较步骤(5)计算得到的y鲁花11号、y海花1号、y潍花10号和y丰花5号值的大小，最大数值所对应的花生品种即为待测花生样品所属花生品种；
所述判别模型③～⑥为：
y鲁花11号＝-2390.137-8.539×xb+0.426×xk-0.167×xca+0.102×xcu+0.009×xzn-21.669×xas+0.094×xsr-1.712×xcs+0.174×xba③；
y海花1号＝-2510.283-9.214×xb+0.439×xk-0.184×xca+0.106×xcu+0.009×xzn-22.009×xas+0.094×xsr-2.315×xcs+0.181×xba④；
y潍花10号＝-2191.270-19.375×xb+0.405×xk+0.160×xca+0.092×xcu+0.011×xzn-17.875×xas+0.092×xsr-2.245×xcs+0.145×xba⑤；
y丰花5号＝-2541.563-14.692×xb+0.439×xk+0.030×xca+0.100×xcu+0.010×xzn-20.405×xas+0.098×xsr-2.242×xcs+0.168×xba⑥；
上述判别模型③～⑥中，xb、xk、xca、xcu、xzn、xas、xsr、xcs和xba分别代表花生样品中b、k、ca、cu、zn、as、sr、cs和ba的含量，其中，xb、xk和xca的单位为μg/g，xcu、xzn、xas、xsr、xcs和xba的单位为μg/kg。
在进行花生品种鉴别时，待测花生样品需为鲁花11号、海花1号、潍花10号和丰花5号中的一种；花生出油率鉴别中对待测花生样品的品种没有要求。
在上述方案的基础上，所述判别模型①～②由以下方法建立：
a、分别大量采集高出油率及低出油率的花生样品；
b、将上述花生样品分别进行去壳、清洗、烘干、磨粉，然后进行消解；
c、检测所述消解后的溶液中24种矿质元素b、na、mg、p、k、ca、v、mn、co、ni、cu、zn、as、sr、mo、cd、cs、ba、la、ce、tm、ir、pr和tl的浓度，计算各花生样品各个元素含量的平均值；通过逐步判别分析，基于最优判别率，筛选出与出油率密切相关的7种元素na、k、mn、as、sr、cs和tl；在此基础上建立判别模型①～②。
在上述方案的基础上，所述判别模型③～⑥由以下方法建立：
a、分别大量采集鲁花11号、海花1号、潍花10号和丰花5号的花生样品；
b、将上述花生样品分别进行去壳、清洗、烘干、磨粉，然后进行消解；
c、检测所述消解后的溶液中24种矿质元素b、na、mg、p、k、ca、v、mn、co、ni、cu、zn、as、sr、mo、cd、cs、ba、la、ce、tm、ir、pr和tl的浓度，计算各花生样品各个元素含量的平均值；通过逐步判别分析，基于最优判别率，筛选出与品种分类密切相关的9种元素b、k、ca、cu、zn、as、sr、cs和ba；在此基础上建立判别模型③～⑥。
在上述方案的基础上，所述花生样品的检测用量≥500g。
在上述方案的基础上，所述烘干是在60℃～80℃干燥至恒重。
在上述方案的基础上，所述磨粉后的花生粉末样品的粒度为0.075mm-0.15mm。
本发明技术方案的优点
本发明鉴别花生出油率并辅助鉴别花生品种的方法能够准确地鉴别高出油率花生和低出油率花生，整体正确判别率为92.1％；还可以用于高出油率花生品种鲁花11号和海花1号的保护。
本发明提供的一种鉴别花生出油率并辅助鉴别花生品种的方法，通过前期试验筛选出在不同出油率花生样品间含量有显著差异的7种元素(na、k、mn、as、sr、cs和tl)和不同品种花生间含量有显著差异的9种元素(b、k、ca、cu、zn、as、sr、cs和ba)，建立对应的数据模型，然后将待鉴别的花生样品分别去壳、清洗、烘干、磨粉、消解，检测样品中此12种矿质元素的含量，将其代入对应模型中得到对应数据，将对应数据相互进行对比，以此对花生出油率和花生的品种进行鉴定，其鉴别效果达到100％。
具体实施方式
在本发明中所使用的术语，除非有另外说明，一般具有本领域普通技术人员通常理解的含义。
下面结合具体实施例，并参照数据进一步详细地描述本发明。以下实施例只是为了举例说明本发明，而非以任何方式限制本发明的范围。
实施例1鉴别花生出油率判别模型的建立
a、分别大量(每份至少500g)采集高出油率和低出油率的花生样品，高出油率花生品种有花育22号、花育35号、鲁花11号和海花1号等，低出油率花生品种有潍花8号、潍花10号和丰花5号等；
b、将所述花生样品分别进行去壳、清洗、烘干、磨粉，然后进行消解；
所述步骤b中烘干是在60℃～80℃干燥至恒重。
所述步骤b中磨粉后的花生粉末样品的粒度为0.075mm-0.15mm。
c、检测所述消解后的溶液中24种矿质元素(b、na、mg、p、k、ca、v、mn、co、ni、cu、zn、as、sr、mo、cd、cs、ba、la、ce、tm、ir、pr和tl)的浓度，计算各品种各个元素含量的平均值，结果如表1所示。
表1不同出油率花生中24种元素的浓度
注：b、na、mg、p、k和ca的浓度单位为μg/g，其余均为μg/kg
通过逐步判别分析(fisher函数；wilks＇lambda方法；f值：进入3.84，除去2.71)，基于最优判别率，筛选出与出油率密切相关的7种元素(na、k、mn、as、sr、cs和tl)，依次标记为xna、xk、xmn、xas、xsr、xcs和xtl，其中，xna、xk的单位为μg/g，xmn、xas、xsr、xcs和xtl的单位为μg/kg；在此基础上建立判别模型①～②如下：
y高出油率＝-641.820-1.361×xna+0.100×xk+0.009×xmn+4.212×xas+0.047×xsr+2.347×xcs+29.806×xtl①；
y低出油率＝-742.748-1.487×xna+0.106×xk+0.010×xmn+4.881×xas+0.051×xsr+2.607×xcs+34.657×xtl②；
上述判别模型①～②中，xna、xk、xmn、xas、xsr、xcs和xtl分别代表花生样品中na、k、mn、as、sr、cs和tl的含量，其中，xna、xk的单位为μg/g，xmn、xas、xsr、xcs和xtl的单位为μg/kg。
实施例2鉴别花生品种判别模型的建立
a、分别大量采集鲁花11号、海花1号、潍花10号和丰花5号的花生样品，每份至少500g；
b、将上述花生样品分别进行去壳、清洗、烘干、磨粉，然后进行消解；
所述步骤b中烘干是在60℃～80℃干燥至恒重。
所述步骤b中磨粉后的花生粉末样品的粒度为0.075mm-0.15mm。
c、检测所述消解后的溶液中24种矿质元素b、na、mg、p、k、ca、v、mn、co、ni、cu、zn、as、sr、mo、cd、cs、ba、la、ce、tm、ir、pr和tl的浓度，计算各花生样品各个元素含量的平均值；结果如表2所示。
表2不同花生品种中24种元素的浓度
注：b、na、mg、p、k和ca的浓度单位为μg/g，其余均为μg/kg
通过逐步判别分析(fisher函数；wilks＇lambda方法；f值：进入3.84，除去2.71)，基于最优判别率，筛选出与品种分类密切相关的9种元素b、k、ca、cu、zn、as、sr、cs和ba；依次标记为xb、xk、xca、xcu、xzn、xas、xsr、xcs和xba；其中，xb、xk和xca的单位为μg/g，xcu、xzn、xas、xsr、xcs和xba的单位为μg/kg。在此基础上建立判别模型③～⑥如下：
y鲁花11号＝-2390.137-8.539×xb+0.426×xk-0.167×xca+0.102×xcu+0.009×xzn-21.669×xas+0.094×xsr-1.712×xcs+0.174×xba③；
y海花1号＝-2510.283-9.214×xb+0.439×xk-0.184×xca+0.106×xcu+0.009×xzn-22.009×xas+0.094×xsr-2.315×xcs+0.181×xba④；
y潍花10号＝-2191.270-19.375×xb+0.405×xk+0.160×xca+0.092×xcu+0.011×xzn-17.875×xas+0.092×xsr-2.245×xcs+0.145×xba⑤；
y丰花5号＝-2541.563-14.692×xb+0.439×xk+0.030×xca+0.100×xcu+0.010×xzn-20.405×xas+0.098×xsr-2.242×xcs+0.168×xba⑥；
上述判别模型③～⑥中，xb、xk、xca、xcu、xzn、xas、xsr、xcs和xba分别代表花生样品中b、k、ca、cu、zn、as、sr、cs和ba的含量，其中，xb、xk和xca的单位为μg/g，xcu、xzn、xas、xsr、xcs和xba的单位为μg/kg。
实施例3
(1)样品采集
采集花育22号和花育35号两种出油率较高的花生样品，采集潍花8号和潍花10号两种出油率较低的品种，每个品种采集3个样品。
(2)将样品分别去壳、清洗、烘干、磨粉
将采集的花生样品去壳后分别用去离子水冲洗干净，然后放入70℃烘箱干燥12h达到恒重。干样用研钵磨成粉末，粒度为0.15mm。
(3)样品消解
将所有样品均在密闭微波消解系统消解，消解前在精确控温电热消解器中进行预消解，预消解温度为85℃，消解时间30min，称样量约0.250g。
样品消解条件
功率：1600w，消解温度：180℃，酸体系：8mlhno3(mos级)+2mlh2o2(mos级)。升温程序：第一步：0-120℃(8min)，保持2min；第二步：120-160℃(5min)，保持5min；第三步：160-180℃(5min)，保持15min。降温程序：第四步：冷却20min。
待消解完毕后，从微波消解仪中取出微波消解管，在通风厨内旋开外塞，将消解完毕的样品(微波消解管)置于精确控温电热消解器中进行赶酸。
赶酸条件
温度为180℃，时间为60min。根据定容体积，将微波消解管中的酸赶至0.5-1ml，用超纯水定容(根据样品中元素的含量及测定要求确定最佳定容体积)后待测。
(4)矿质元素测定
用icp-ms(安捷伦7700，美国安捷伦科技公司)测定样品中b、na、k、ca、mn、cu、zn、as、sr、cs、ba和tl12种元素的浓度。
仪器工作条件：射频功率1200w，辅助气体流量1.0l/min，载气流量1.0l/min，冷却气流量1.47l/min，等离子体气体流量15l/min，补偿气体流量1.0l/min，雾化室温度2℃，采样深度8mm。
试验过程中每个样品重复测定3次，用外标法进行定量分析，标准样品采用进口混合标准(inorganicventures,inc)。用内标(in、ge、bi)(国家标准物质研究中心)保证仪器的稳定性。
将测得的各元素的浓度折合成花生样品中的各元素含量，如表3所示。
表3不同品种花生样品中矿质元素含量
注：b、na、k和ca的单位为μg/g，其余为μg/kg
(5)不同品种花生出油率鉴别
将测定的花生样品中7种元素(na、k、mn、as、sr、cs和tl)的含量分别代入判别模型①～②中，例如将花育22号的2号样品测得的元素含量分别代入判别模型①～②中，y高出油率值大于y低出油率，所以此样品属于高出油率品种。
y高出油率＝-641.820-1.361×38.4+0.100×9166+0.009×16645+4.212×16.3+0.047×2192+2.347×32.5+29.806×0.303＝629.5①；
y低出油率＝-742.748-1.487×38.4+0.106×9166+0.010×16645+4.881×16.3+0.051×2192+2.607×32.5+34.657×0.303＝625.0②；
依次将花育22号剩余的2个样品的各元素含量代入判别模型①和②中，进行判断，结果全部正确，整体正确判别率为100％。
依次将花育35号的3个样品的各元素含量代入判别模型①和②中，进行判断，结果全部正确，整体正确判别率为100％。
依次将潍花8号的3个样品的各元素含量代入判别模型中①和②，进行判断，结果全部正确，整体正确判别率为100％。
依次将潍花10号的3个样品的各元素含量代入判别模型中①和②，进行判断，结果全部正确，整体正确判别率为100％。
(6)花生品种辅助鉴别
将潍花10号的1号样品的9种元素b、k、ca、cu、zn、as、sr、cs和ba含量代入判别模型中③～⑥，进行判断，比较y鲁花11号、y海花1号、y潍花10号和y丰花5号值的大小，结果y潍花10号值最大，说明品种鉴别成功，其余结果全部正确，整体正确判别率为100％。
y鲁花11号＝-2390.137-8.539×17.4+0.426×6293-0.167×712+0.102×6906+0.009×29269-21.669×14.6+0.094×9239-1.712×14.5+0.174×3795＝2178.6③；
y海花1号＝-2510.283-9.214×17.4+0.439×6293-0.184×712+0.106×6906+0.009×29269-22.009×14.6+0.094×9239-2.315×14.5+0.181×3795＝2158.5④；
y潍花10号＝-2191.270-19.375×17.4+0.405×6293+0.160×712+0.092×6906+0.011×29269-17.875×14.6+0.092×239-2.245×14.5+0.145×3795＝2198.2⑤；
y丰花5号＝-2541.563-14.692×17.4+0.439×6293+0.030×712+0.100×6906+0.010×29269-20.405×14.6+0.098×239-2.242×14.5+0.168×3795＝2159.9⑥。
实施例4
(1)样品采集
采集鲁花11号和海花1号2种高出油率花生样品，采集丰花5号低出油率花生样品，每个品种采集3个样品。
(2)将样品分别去壳、清洗、烘干、磨粉
将采集的花生样品去壳后分别用去离子水冲洗干净，然后放入70℃烘箱干燥12h达到恒重。干样用研钵磨成粉末，粒度为0.15mm。
(3)样品消解
将所有样品均在密闭微波消解系统消解，消解前在精确控温电热消解器中进行预消解，预消解温度为85℃，消解时间30min，称样量约0.250g。
样品消解条件
功率：1600w，消解温度：180℃，酸体系：8mlhno3(mos级)+2mlh2o2(mos级)。升温程序：第一步：0-120℃(8min)，保持2min；第二步：120-160℃(5min)，保持5min；第三步：160-180℃(5min)，保持15min。降温程序：第四步：冷却20min。
待消解完毕后，从微波消解仪中取出微波消解管，在通风厨内旋开外塞，将消解完毕的样品(微波消解管)置于精确控温电热消解器中进行赶酸。
赶酸条件
温度为180℃，时间为60min。根据定容体积，将微波消解管中的酸赶至0.5-1ml，用超纯水定容(根据样品中元素的含量及测定要求确定最佳定容体积)后待测。
(4)矿质元素测定
用icp-ms(安捷伦7700，美国安捷伦科技公司)测定样品中b、na、k、ca、mn、cu、zn、as、sr、cs、ba和tl12种元素的浓度。
仪器工作条件：射频功率1200w，辅助气体流量1.0l/min，载气流量1.0l/min，冷却气流量1.47l/min，等离子体气体流量15l/min，补偿气体流量1.0l/min，雾化室温度2℃，采样深度8mm。
试验过程中每个样品重复测定3次，用外标法进行定量分析，标准样品采用进口混合标准(inorganicventures,inc)。用内标(in、ge、bi)(国家标准物质研究中心)保证仪器的稳定性。
将测得的各元素的浓度折合成花生样品中的各元素含量，如表4所示。
表4不同品种花生样品中矿质元素含量
注：b、na、k和ca的单位为μg/g，其余为μg/kg
(5)不同品种花生出油率鉴别
将测定的花生样品中7种元素(na、k、mn、as、sr、cs和tl)的含量分别代入判别模型①～②中，例如将鲁花11号的2号样品测得的元素含量分别代入判别模型中，y高出油率值大于y低出油率，所以此样品属于高出油率品种。
y高出油率＝-641.820-1.361×30.8+0.100×8785+0.009×18958+4.212×6.04+0.047×2525+2.347×53.0+29.806×0.402＝645.8①；
y低出油率＝-742.748-1.487×30.8+0.106×8785+0.010×18958+4.881×6.04+0.051×2525+2.607×53.0+34.657×0.402＝642.5②；
依次将鲁花11号剩余的2个样品的各元素含量代入判别模型①和②中，进行判断，结果全部正确，整体正确判别率为100％。
依次将海花1号的3个样品的各元素含量代入判别模型①和②中，进行判断，结果全部正确，整体正确判别率为100％。
依次将丰花5号的3个样品的各元素含量代入判别模型中①和②，进行判断，结果全部正确，整体正确判别率为100％。
(6)花生品种辅助鉴别
将鲁花11号的1号样品的9种元素b、k、ca、cu、zn、as、sr、cs和ba含量代入判别模型中③～⑥，进行判断，比较y鲁花11号、y海花1号、y潍花10号和y丰花5号值的大小，结果y鲁花11号值最大，说明品种鉴别成功，其余结果全部正确，整体正确判别率为100％。
y鲁花11号＝-2390.137-8.539×17.4+0.426×8939-0.167×626+0.102×7379+0.009×25266-21.669×6.07+0.094×2665-1.712×54.5+0.174×1644＝2456.5③；
y海花1号＝-2510.283-9.214×17.4+0.439×8939-0.184×626+0.106×7379+0.009×25266-22.009×6.07+0.094×2665-2.315×54.5+0.181×1644＝2437.9④；
y潍花10号＝-2191.270-19.375×17.4+0.405×8939+0.160×626+0.092×7379+0.011×25266-17.875×6.07+0.092×2665-2.245×54.5+0.145×1644＝2401.6⑤；
y丰花5号＝-2541.563-14.692×17.4+0.439×8939+0.030×626+0.100×7379+0.010×25266-20.405×6.07+0.098×2665-2.242×54.5+0.168×1644＝2417.8⑥。
依次将海花1号的3个样品的各元素含量代入判别模型③～⑥中，进行判断，结果全部正确，整体正确判别率为100％。
依次将丰花5号的3个样品的各元素含量代入判别模型中③～⑥，进行判断，结果全部正确，整体正确判别率为100％。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。