CN110702636A - 藜麦种子粗蛋白含量标准曲线及其建立方法和使用方法 - Google Patents
藜麦种子粗蛋白含量标准曲线及其建立方法和使用方法 Download PDFInfo
- Publication number
- CN110702636A CN110702636A CN201910985632.0A CN201910985632A CN110702636A CN 110702636 A CN110702636 A CN 110702636A CN 201910985632 A CN201910985632 A CN 201910985632A CN 110702636 A CN110702636 A CN 110702636A
- Authority
- CN
- China
- Prior art keywords
- crude protein
- standard curve
- quinoa
- content
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 240000006162 Chenopodium quinoa Species 0.000 title claims abstract description 80
- 235000019750 Crude protein Nutrition 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000010561 standard procedure Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 14
- 238000010219 correlation analysis Methods 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims description 12
- 238000009434 installation Methods 0.000 claims description 10
- 238000010438 heat treatment Methods 0.000 claims description 6
- 238000007790 scraping Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 235000015493 Chenopodium quinoa Nutrition 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000004566 IR spectroscopy Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000035784 germination Effects 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000007696 Kjeldahl method Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
- G01N2021/3572—Preparation of samples, e.g. salt matrices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种藜麦种子粗蛋白含量标准曲线及其建立方法和使用方法,其使用方法包括以下步骤:选取藜麦种子,采用标准法测量样本水份和粗蛋白含量百分比;使用近红外分析仪逐个扫描,扫描曲线经过处理后,得近红外原始光谱图;将原始光谱图处理后,采用偏最小二乘法回归建模得到标准曲线;再选取若干藜麦种子进行扫描并预测粗蛋白含量,同时测定粗蛋白含量,然后将预测值与测定值进行相关性分析,得到符合要求的标准曲线。所得标准曲线的使用方法包括安装标准曲线、装填样品和粗蛋白含量测定等步骤。本发明建立代表性较好的标准曲线并用于进行粗蛋白含量的测定,有效解决了破坏样本、操作繁琐耗时较长和对操作人员技术要求较高等问题。
Description
技术领域
本发明属于蛋白含量测定技术领域,具体涉及一种藜麦种子粗蛋白含量标准曲线及其建立方法和使用方法。
背景技术
红外光谱(infrared spectroscopy,IR)是研究分子运动的吸收光谱,能反映出分子中原子间的振动和变角运动。近红外光是指波长在780~2526nm范围内的电磁波。红外光谱可以应用于化合物分子结构的测定、未知物鉴定以及混合物成分分析。根据光谱中吸收峰的位置和形状可以推断未知物的化学结构,根据特征吸收峰的强度可以确定混合物中各组分的含量。建立吸收峰强度和组分含量关系的标准曲线后,即可利用近红外扫描迅速得到样本的组份含量数值。目前,近红外设备被广泛应用于分析食品、谷物中营养物质的含量。但现目前的测定方法需要磨粉等操作,会破坏样本,样本不再是完整的种子,失去发芽能力,操作步骤繁琐,耗时较长,对操作人员也有较高的技术要求,不能快速无损的测定藜麦种子中的粗蛋白含量。
发明内容
针对现有技术中存在的上述问题,本发明提供一种藜麦种子粗蛋白含量标准曲线及其建立方法和使用方法,建立代表性较好的标准曲线并用于进行粗蛋白含量的测定,有效解决了破坏样本、操作繁琐耗时较长和对操作人员技术要求较高等问题。
为实现上述目的,本发明解决其技术问题所采用的技术方案是:提供一种藜麦种子粗蛋白含量标准曲线的建立方法,包括以下步骤:
(1)选取藜麦种子,测量其水份和粗蛋白含量百分比;
(2)使用近红外分析仪逐个扫描步骤(1)中的藜麦种子,然后将所得扫描曲线经过处理后,得近红外原始光谱图;
(3)将步骤(2)所得近红外原始光谱图经Derivatives SG3+SNV方法处理后,采用偏最小二乘法回归建模得到标准曲线;
(4)再另外选取若干藜麦种子用近红外分析仪进行扫描并使用步骤(3)所得标准曲线预测粗蛋白含量,同时采用国标法测定粗蛋白含量,然后将预测值与国标法测定值进行相关性分析,若R2>0.9,则所得标准曲线符合要求,若R2<0.9,则重复步骤(1)~(4),直至得到符合要求的标准曲线。
进一步,标准法采用NY/T 3-1982标准。
进一步,近红外分析仪为波通DA7200型近红外谷物品质分析仪,波长为950~1650nm。
进一步,使用近红外分析仪逐个扫描时,每份藜麦种子扫描2~4次,计算平均光谱为原始光谱。
进一步,步骤(2)和(3)中采用The Unscrambler软件对扫描曲线进行处理。
进一步,步骤(4)所得标准曲线包括limai.cdb、limai.cdf、limai-danbai1903.41M文件。
采用上述的藜麦种子粗蛋白含量标准曲线的建立方法所建立的藜麦种子粗蛋白含量标准曲线。
上述的藜麦种子粗蛋白含量标准曲线的使用方法,包括以下步骤:
(1)安装标准曲线:将标准曲线安装在近红外分析仪的Calibs文件夹中,并设置各参数,将重复次数和装样次数设为2,样品标示选必需样品,完成安装;
(2)装填样品:打开步骤(1)安装完成后的近红外分析仪,热机25~35min,然后将90~110g待测藜麦净籽装入样品盘,刮平样品,再将样品盘放入待测位置;
(3)粗蛋白含量测定:步骤(2)中样品盘放入待测位置后,输入样品名称,启动近红外分析仪进行扫描,扫描完成后清空样品盘,重新装样并确认,待仪器工作完毕时记录数据,完成粗蛋白含量的测定。
进一步,藜麦净籽含水量为11~14%。
进一步,每个样品的测定时间为110~130s。
综上所述,本发明具备以下优点:
1、在藜麦种子粗蛋白含量标准曲线的建立过程中,不需要破坏种子进行磨粉等操作,可以较好的保存种子,并保存其发芽能力,可以进行后续的种植或其他用途,一定程度上降低检测成本,实现藜麦种子粗蛋白含量的快速无损检测。
2、对操作人员的技术要求较低,仅需要装样、录入样品名、启动分析仪和回收样品等操作,经过简单的培训即可进行粗蛋白含量的测定,可以快速测定粗蛋白含量,也在一定程度上降低人力成本,较少的人工操作也会减少实验误差,使得测定结果更加准确。
3、检测速度较快,分析仪测定一个样品仅需30s左右的时间,再加上装样和回收等操作,也仅需要2min左右的时间,相对于传统的测定方法,如凯氏定氮法,可以大幅度缩短测定时间,提高工作效率。
4、节约成本,除了近红外分析仪的损耗外,使用本方法测定藜麦粗蛋白含量几乎没有其他物料成本,而在传统的测定方法中,涉及到一系列的仪器损耗和药品等耗材的消耗,增加了额外的成本;且本方法操作比较简单,检测速度也比较快,进一步降低了粗蛋白含量的测定成本。
附图说明
图1为藜麦籽粒样品近红外光谱图;
图2为藜麦籽粒粗蛋白含量近红外预测值与化学分析值回归关系示意图;
图3为藜麦籽粒粗蛋白模型的外部检验结果示意图。
具体实施方式
实施例1
一种藜麦种子粗蛋白含量标准曲线的建立方法,包括以下步骤:
(1)选取若干藜麦种子,采用标准法(NY/T 3-1982标准)逐个测量藜麦样本的水份和粗蛋白含量百分比;
(2)使用波通DA7200型近红外谷物品质分析仪逐个扫描步骤(1)中的藜麦种子,波长为950nm,每份藜麦种子扫描2次,然后将所得扫描曲线经过处理后,得近红外原始光谱图;
(3)将步骤(2)所得近红外原始光谱图经Derivatives SG3+SNV方法处理后,采用偏最小二乘法回归建模得到标准曲线文件,标准曲线文件包括limai.cdb、limai.cdf、limai-danbai1903.41M文件;
(4)再另外选取若干藜麦种子用近红外分析仪进行扫描并使用步骤(3)所得标准曲线预测粗蛋白含量,同时采用国标法测定粗蛋白含量,然后将预测值与国标法测定值进行相关性分析,若R2>0.9,则所得标准曲线符合要求,若R2<0.9,则重复步骤(1)~(4),直至得到符合要求的标准曲线。
上述的藜麦种子粗蛋白含量标准曲线的建立方法所得标准曲线的使用方法,包括以下步骤:
(1)安装标准曲线:将标准曲线安装在近红外分析仪的Calibs文件夹中,并设置各参数,将重复次数和装样次数设为2,样品标示选必需样品,完成安装;
(2)装填样品:打开步骤(1)安装完成后的近红外分析仪,热机25min,然后将90待测藜麦净籽(含水量为10%)装入样品盘,刮平样品,再将样品盘放入待测位置;
(3)粗蛋白含量测定:步骤(2)中样品盘放入待测位置后,输入样品名称,启动近红外分析仪进行扫描,扫描完成后清空样品盘,重新装样并确认,待仪器工作完毕时记录数据,完成粗蛋白含量的测定。其中,每个样品的测定时间为110~130s。
实施例2
一种藜麦种子粗蛋白含量标准曲线的建立方法,包括以下步骤:
(1)选取若干藜麦种子,采用标准法(NY/T 3-1982标准)逐个测量藜麦样本的水份和粗蛋白含量百分比;
(2)使用波通DA7200型近红外谷物品质分析仪逐个扫描步骤(1)中的藜麦种子,波长为1300nm,每份藜麦种子扫描3次,然后将所得扫描曲线经过处理后,得近红外原始光谱图;
(3)将步骤(2)所得近红外原始光谱图经Derivatives SG3+SNV方法处理后,采用偏最小二乘法回归建模得到标准曲线,标准曲线包括limai.cdb、limai.cdf、limai-danbai1903.41M文件;
(4)再另外选取若干藜麦种子用近红外分析仪进行扫描并使用步骤(3)所得标准曲线预测粗蛋白含量,同时采用国标法测定粗蛋白含量,然后将预测值与国标法测定值进行相关性分析,若R2>0.9,则所得标准曲线符合要求,若R2<0.9,则重复步骤(1)~(4),直至得到符合要求的标准曲线。
上述的藜麦种子粗蛋白含量标准曲线的建立方法所得标准曲线的使用方法,包括以下步骤:
(1)安装标准曲线:将标准曲线安装在近红外分析仪的Calibs文件夹中,并设置各参数,将重复次数和装样次数设为2,样品标示选必需样品,完成安装;
(2)装填样品:打开步骤(1)安装完成后的近红外分析仪,热机30min,然后将100g待测藜麦净籽(含水量为12.5%)装入样品盘,刮平样品,再将样品盘放入待测位置;
(3)粗蛋白含量测定:步骤(2)中样品盘放入待测位置后,输入样品名称,启动近红外分析仪进行扫描,扫描完成后清空样品盘,重新装样并确认,待仪器工作完毕时记录数据,完成粗蛋白含量的测定。其中,每个样品的测定时间为120s。
实施例3
一种藜麦种子粗蛋白含量标准曲线的建立方法,包括以下步骤:
(1)选取若干藜麦种子,采用标准法(NY/T 3-1982标准)逐个测量藜麦样本的水份和粗蛋白含量百分比;
(2)使用波通DA7200型近红外谷物品质分析仪逐个扫描步骤(1)中的藜麦种子,波长为1650nm,每份藜麦种子扫描4次,然后将所得扫描曲线经过处理后,得近红外原始光谱图;
(3)将步骤(2)所得近红外原始光谱图经Derivatives SG3+SNV方法处理后,采用偏最小二乘法回归建模得到标准曲线,标准曲线包括limai.cdb、limai.cdf、limai-danbai1903.41M文件;
(4)再另外选取若干藜麦种子用近红外分析仪进行扫描并使用步骤(3)所得标准曲线预测粗蛋白含量,同时采用国标法测定粗蛋白含量,然后将预测值与国标法测定值进行相关性分析,若R2>0.9,则所得标准曲线符合要求,若R2<0.9,则重复步骤(1)~(4),直至得到符合要求的标准曲线。
上述的藜麦种子粗蛋白含量标准曲线的建立方法所得标准曲线的使用方法,包括以下步骤:
(1)安装标准曲线:将标准曲线安装在近红外分析仪的Calibs文件夹中,并设置各参数,将重复次数和装样次数设为2,样品标示选必需样品,完成安装;
(2)装填样品:打开步骤(1)安装完成后的近红外分析仪,热机25~35min,然后将110g待测藜麦净籽(含水量为15%)装入样品盘,刮平样品,再将样品盘放入待测位置;
(3)粗蛋白含量测定:步骤(2)中样品盘放入待测位置后,输入样品名称,启动近红外分析仪进行扫描,扫描完成后清空样品盘,重新装样并确认,待仪器工作完毕时记录数据,完成粗蛋白含量的测定。其中,每个样品的测定时间为130s。
实验例
建立藜麦种子粗蛋白含量标准曲线,选取来自攀枝花市格萨拉乡、阿坝州马尔康市和西藏自治区日喀则市多个藜麦种子,采用标准法(NY/T 3-1982标准)逐个测量藜麦样本的水份和粗蛋白含量百分比,其结果见表1。
表1藜麦样本粗蛋白含量
以上样品的粗蛋白含量范围为:11.2%~22.7%,完全涵盖了现目前报道的藜麦籽粒粗蛋白含量分布范围,说明选用的样品代表性较好,适合用作构建近红外分析模型,建模集籽粒粗蛋白含量见表2。
表2建模集籽粒粗蛋白含量
再使用波通DA7200型近红外谷物品质分析仪逐个扫描上述藜麦种子,波长为950~1650nm,每份藜麦种子扫描3次,得样品连续扫描曲线,经过The Unscrambler软件***处理后,得藜麦籽粒样品近红外光谱图,如图1所示。
再将近红外光谱图经Derivatives SG3+SNV方法处理后,采用偏最小二乘法回归建模得到标准曲线,该曲线由3个文件组成,分别为:limai.cdb、limai.cdf、limai-danbai1903.41M,并将红外预测值和化学分析之进行回归分析,其结果见图2。由图2可知,预测值决定系数(R2)为0.9474,被测组分浓度分析误差(RMSE)为0.47,说明预测值和真实值差距较小,模型效果较好,可实际运用。
为了进一步验证藜麦近红外模型的准确性,另外用28份样品进行外部检验。在近红外分析仪上扫描并通过模型计算被测样品的籽粒粗蛋白含量预测值,然后用DPS7.05软件对预测值和国标法测定值进行比较,结果如图3所示。
由图3可知,28份藜麦样品的籽粒粗蛋白含量国标法测定值和模型预测值之间具有极显著的相关性(R2=0.9228)。经单因素方差分析表明,国标法测定值和模型预测值之间无显著差异(p=0.6857),说明模型可靠性较好。
将上述方法建立的标准曲线用于藜麦种子粗蛋白含量测定。打开波通DA7200型近红外分析仪,将标准曲线拷贝至C:\pda7200\Calibs文件夹中。打开近红外操作软件,点击:项目-创建新项目-命名之后右上角选择分析,点下一步-跳过保存光谱点下一步-选择对应项目的cdf文件(limai.cdf)并在保存预测数据的框上打上勾,点击下一步-跳过马氏距离设置-斜率截距跳过-参数部分,将重复次数和装样次数设为2,样品标示选必需样品,点击下一步直至完成。
打开安装完成后的近红外分析仪,热机30min,然后将100g待测藜麦净籽(含水量为12.5%)装入样品盘,刮平样品,再将样品盘放入待测位置;输入样品名称后,启动近红外分析仪进行扫描,扫描完成后清空样品盘,重新装样并确认,待仪器工作完毕时记录数据,完成粗蛋白含量的测定。每个样品的测定时间为120s左右。
本发明提供的标准曲线建立方法和使用方法,建立了代表性较好的标准曲线并用于进行粗蛋白含量的测定,有效解决了破坏样本、操作繁琐耗时较长和对操作人员技术要求较高等问题。
虽然结合附图对本发明的具体实施方式进行了详细地描述,但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内,本领域技术人员不经创造性劳动即可作出的各种修改和变形仍属本专利的保护范围。
Claims (10)
1.藜麦种子粗蛋白含量标准曲线的建立方法,其特征在于,包括以下步骤:
(1)选取若干藜麦种子,测量其水份和粗蛋白含量百分比;
(2)使用近红外分析仪逐个扫描步骤(1)中的藜麦种子,然后将所得扫描曲线经过处理后,得近红外原始光谱图;
(3)将步骤(2)所得近红外原始光谱图经Derivatives SG3+SNV方法处理后,采用偏最小二乘法回归建模得到标准曲线;
(4)再另外选取若干藜麦种子用近红外分析仪进行扫描并使用步骤(3)所得标准曲线预测粗蛋白含量,同时采用国标法测定粗蛋白含量,然后将预测值与国标法测定值进行相关性分析,若R2>0.9,则所得标准曲线符合要求,若R2<0.9,则重复步骤(1)~(4),直至得到符合要求的标准曲线。
2.如权利要求1所述的藜麦种子粗蛋白含量标准曲线的建立方法,其特征在于,步骤(1)中采用NY/T 3-1982标准法测定藜麦种子水分和粗蛋白含量百分比。
3.如权利要求1所述的藜麦种子粗蛋白含量标准曲线的建立方法,其特征在于,所述近红外分析仪为波通DA7200型近红外谷物品质分析仪,波长为950~1650nm。
4.如权利要求1所述的藜麦种子粗蛋白含量标准曲线的建立方法,其特征在于,使用近红外分析仪逐个扫描时,每份藜麦种子扫描2~4次,计算平均光谱为原始光谱。
5.如权利要求1所述的藜麦种子粗蛋白含量标准曲线的建立方法,其特征在于,步骤(2)和(3)中采用The Unscrambler软件对扫描曲线进行处理。
6.如权利要求1所述的藜麦种子粗蛋白含量标准曲线的建立方法,其特征在于,步骤(4)所得标准曲线包括limai.cdb、limai.cdf、limai-danbai1903.41M文件。
7.采用权利要求1~6任一项所述的藜麦种子粗蛋白含量标准曲线的建立方法所建立的藜麦种子粗蛋白含量标准曲线。
8.权利要求7所述的藜麦种子粗蛋白含量标准曲线的使用方法,其特征在于,包括以下步骤:
(1)安装标准曲线:将标准曲线安装在近红外分析仪的Calibs文件夹中,并设置各参数,将重复次数和装样次数设为2,样品标示选必需样品,完成安装;
(2)装填样品:打开步骤(1)安装完成后的近红外分析仪,热机25~35min,然后将90~110g待测藜麦净籽装入样品盘,刮平样品,再将样品盘放入待测位置;
(3)粗蛋白含量测定:步骤(2)中样品盘放入待测位置后,输入样品名称,启动近红外分析仪进行扫描,扫描完成后清空样品盘,重新装样并确认,待仪器工作完毕时记录数据,完成粗蛋白含量的测定。
9.如权利要求8所述的藜麦种子粗蛋白含量标准曲线的使用方法,其特征在于,所述藜麦净籽含水量为11~14%。
10.如权利要求8所述的藜麦种子粗蛋白含量标准曲线的使用方法,其特征在于,每个样品的测定时间为110~130s。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910985632.0A CN110702636A (zh) | 2019-10-17 | 2019-10-17 | 藜麦种子粗蛋白含量标准曲线及其建立方法和使用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910985632.0A CN110702636A (zh) | 2019-10-17 | 2019-10-17 | 藜麦种子粗蛋白含量标准曲线及其建立方法和使用方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110702636A true CN110702636A (zh) | 2020-01-17 |
Family
ID=69201265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910985632.0A Pending CN110702636A (zh) | 2019-10-17 | 2019-10-17 | 藜麦种子粗蛋白含量标准曲线及其建立方法和使用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110702636A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106018321A (zh) * | 2016-05-11 | 2016-10-12 | 中国农业大学 | 玉米单粒种子蛋白质检测模型的构建方法及其应用 |
CN106092962A (zh) * | 2016-08-17 | 2016-11-09 | 山西省农业科学院农作物品种资源研究所 | 一种用近红外光谱法快速检测谷子粗蛋白含量的方法 |
CN109324018A (zh) * | 2018-11-30 | 2019-02-12 | 山东大学 | 一种提高近红外光谱分析技术蛋白质含量建模基础数据准确性的方法 |
CN110231306A (zh) * | 2019-06-10 | 2019-09-13 | 江南大学 | 一种无损、快速测定奇亚籽蛋白质含量的方法 |
-
2019
- 2019-10-17 CN CN201910985632.0A patent/CN110702636A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106018321A (zh) * | 2016-05-11 | 2016-10-12 | 中国农业大学 | 玉米单粒种子蛋白质检测模型的构建方法及其应用 |
CN106092962A (zh) * | 2016-08-17 | 2016-11-09 | 山西省农业科学院农作物品种资源研究所 | 一种用近红外光谱法快速检测谷子粗蛋白含量的方法 |
CN109324018A (zh) * | 2018-11-30 | 2019-02-12 | 山东大学 | 一种提高近红外光谱分析技术蛋白质含量建模基础数据准确性的方法 |
CN110231306A (zh) * | 2019-06-10 | 2019-09-13 | 江南大学 | 一种无损、快速测定奇亚籽蛋白质含量的方法 |
Non-Patent Citations (2)
Title |
---|
宋丽华 等: "花生籽仁蛋白质含量近红外光谱模型的建立", 《中国农业通报》 * |
道客巴巴: "DA7200简易操作说明", 《WWW.DIC.88.COM/P-9045147535966.HTML》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10288588B2 (en) | Prediction of fuel properties | |
CN1982872B (zh) | 快速检测滴丸剂水分含量的近红外漫反射光谱法 | |
CN104897607A (zh) | 便携式近红外光谱食品建模与快速检测一体化方法和*** | |
CN107703097B (zh) | 利用近红外光谱仪构建快速预测原油性质的模型的方法 | |
Guo et al. | Vis-NIR wavelength selection for non-destructive discriminant analysis of breed screening of transgenic sugarcane | |
CN111488926B (zh) | 一种基于优化模型的土壤有机质测定方法 | |
EP3290908A1 (en) | Unknown sample determining method, unknown sample determining instrument, and unknown sample determining program | |
CN106018331B (zh) | 多通道光谱***的稳定性评价方法及预处理优化方法 | |
CN106198447A (zh) | 基于近红外光谱技术的复混肥主要成分无损定量检测方法 | |
CN106525755A (zh) | 基于近红外光谱技术的油砂pH值测试方法 | |
Qiao et al. | Near-infrared spectroscopy technology for soil nutrients detection based on LS-SVM | |
CN108169168A (zh) | 检测分析水稻籽粒蛋白质含量数学模型及构建方法和应用 | |
CN106706554A (zh) | 一种快速无损测定玉米单穗籽粒直链淀粉含量的方法 | |
CN110702636A (zh) | 藜麦种子粗蛋白含量标准曲线及其建立方法和使用方法 | |
CN111337452A (zh) | 一种验证光谱数据模型转移算法可行性的方法 | |
CN104181125A (zh) | 快速测定啤酒麦芽中库尔巴哈值的方法 | |
CN113049526B (zh) | 一种基于太赫兹衰减全反射的玉米种子水分含量测定方法 | |
CN115436315A (zh) | 一种基于近红外光谱的水泥外加剂检测方法 | |
EP0298398B1 (en) | Analyzer of partial molecular structures | |
CN109145887B (zh) | 一种基于光谱潜变量混淆判别的阈值分析方法 | |
CN106970041B (zh) | 一种小麦面粉不溶性谷蛋白大聚体含量的近红外测定方法 | |
CN104515749B (zh) | 煤炭样品中内水的快速检测方法 | |
CN116793991B (zh) | 一种基于近红外光谱和混合损失的谷氨酸浓度测量方法 | |
CN115979993A (zh) | 一种酒糟水分含量检测的方法 | |
Gomez et al. | Design and Implementation of an Automated Protocol for Spectral Signatures Acquisition on Colombian Agricultural Soil Samples Into the Visible and Infrared Range |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200117 |
|
RJ01 | Rejection of invention patent application after publication |