[發明專利]一種多花黑麥草粗蛋白含量的測定方法

在審

• 申請號: 201710115574.7
• 申請日: 2017-03-01
• 公開（公告）號: CN106908408A
• 公開（公告）日: 2017-06-30
• 發明（設計）人: 張新全;楊忠富;黃琳凱;馬嘯;潘玲;汪霞;黃婷;許肖恒
• 申請（專利權）人: 四川農業大學
• 主分類號: G01N21/359
• 分類號: G01N21/359
• 代理公司: 成都點睛專利代理事務所(普通合伙)51232
• 代理人: 李玉興

1.一種多花黑麥草粗蛋白含量的測定方法，其特征在于包括以下步驟：

A、建立多花黑麥草粗蛋白含量近紅外預測模型；所述多花黑麥草粗蛋白含量近紅外預測模型采用如下方法建立，具體包括如下步驟：

a、采集多花黑麥草樣品，所述多花黑麥草樣品包括不同品種、不同品系、不同生育期、不同栽培方式和不同部位的鮮草樣品，分別將上述采集的多花黑麥草樣品進行預處理，所述預處理的方法如下所述：將采集的多花黑麥草樣品先在105℃的環境中殺青20min，然后在65℃的環境中烘干后，在微型粉碎機中粉碎成粉末并過40目篩得到多花黑麥草樣品粉末；

b、將步驟a得到的多花黑麥草樣品粉末分別進行近紅外光譜采集得到每個多花黑麥草樣品粉末的近紅外原始光譜圖；

c、采用PCA算法對所有多花黑麥草樣品粉末的近紅外原始光譜進行分析，剔除具有相似光譜的多花黑麥草樣品，剩余的多花黑麥草樣品為代表性多花黑麥草樣品；

d、采用凱氏定氮法對步驟c得到的代表性多花黑麥草樣品逐個進行粗蛋白含量進行測定得到每個代表性多花黑麥草樣品粗蛋白含量值；

e、依據代表性多花黑麥草樣品粗蛋白含量值將代表性多花黑麥草樣品分為校正集和驗證集兩部分，具體方法如下：首先將得到的代表性多花黑麥草粗蛋白含量值從小到大進行排序，然后每隔3個取1個作為驗證集，其余作為校正集，并且調整代表性多花黑麥草中粗蛋白含量的最小值和最大值，使之劃歸為校正集；

f、將校正集樣品的近紅外光譜圖和校正集樣品的粗蛋白含量值的導入OPUS/QUENT 5.5商用光譜定量分析軟件中，首先，在全譜范圍內對校正集樣品的近紅外光譜進行預處理，接著采用偏最小二乘回歸法結合交互驗證對校正集樣品建立預測校正模型，根據近紅外定量校正模型的參數對預測校正模型進行評價，對預測校正模型進行評價的近紅外定量校正模型參數包括決定系數R²、交互驗證決定系數R²cv、交互驗證均方根誤差RMSECV，其決定系數R²為99.33％、交互驗證決定系數R²_cv為98.64％，交互驗證均方根誤差RMSECV為0.678，確定最佳光譜預處理為一階導數+MSC(多元散射校正)，最佳建模光譜區為6101.9～4246.7cm-1，最佳因子數為10，在評價過程中根據馬氏距離、主因素分析圖、光譜殘差圖以及化學分析值殘差圖結果剔除異常的多花黑麥草校正集樣品，從而得到最佳的多花黑麥草粗蛋白含量最佳近紅外預測校正模型；接著，將驗證集樣品的近紅外光譜和驗證集樣品的粗蛋白含量導入建立的預測校正模型中進行分析驗證得到預測驗證模型；接著，利用近紅外定量驗證模型的參數對所得的預測驗證模型進行評價，對預測驗證模型進行評價的近紅外定量驗證模型的參數包括外部驗證決定系數R²ev和驗證均方根誤差RMSEP，其外部驗證決定系數R²ev為98.75％，驗證均方根誤差RMSEP為0.572，在評價過程中根據馬氏距離、主因素分析圖、光譜殘差圖以及化學分析值殘差圖結果剔除異常的多花黑麥草驗證集樣品，從而得到最佳多花黑麥草粗蛋白含量近紅外預測模型；

B、將待測的多花黑麥草樣品按照步驟a所述的預處理方法處理后得到待測多花黑麥草樣品粉末；

C、將步驟B得到的待測多花黑麥草樣品粉末進行近紅外光譜采集得到待測多花黑麥草樣品粉末的近紅外原始光譜圖；

D、將待測多花黑麥草樣品粉末的近紅外原始光譜圖和步驟f中得到的多花黑麥草粗蛋白含量近紅外預測模型導入到OPUS/QUENT 5.5商用光譜定量分析軟件中，通過模型運算分析，即可得到待測多花黑麥草樣品中粗蛋白的含量。

2.根據權利要求1所述的多花黑麥草粗蛋白含量的測定方法，其特征在于：所述多花黑麥草的生育期包括分蘗期、拔節期、孕穗期、抽穗期、開花期、結實期、成熟期。

3.根據權利要求1所述的多花黑麥草粗蛋白含量的測定方法，其特征在于：所述多花黑麥草的栽培方式包括撒播栽培方式、育苗移栽栽培方式、施用氮肥栽培方式。

4.根據權利要求1所述的多花黑麥草粗蛋白含量的測定方法，其特征在于：所述多花黑麥草的采集部位包括莖、葉、全株。