一、利用近红外反射光谱技术测定稻米中脂肪含量的研究初报（论文文献综述）
李鸿博[1]（2021）在《基于近红外光谱的红松子品质检测模型研究》文中研究指明红松子也称东北松子,主要分布于我国长白山和小兴安岭林区,是林区增收的重要经济作物。红松子仁富含对人体有益的不饱和脂肪酸,因此深受消费者喜爱。我国质量监督机构对食品品质的监管也趋于标准严格化,这促进了松子品质检测方法研究的开展。成熟年份、产地和营养物质含量是影响红松子食用价值和育种价值的重要性质,但是通过外在特征很难分辨,营养物质含量的传统化学检测方法耗时较长、操作繁琐并且对样本具有破坏性,难以满足生产检测的需求。近红外光谱分析法因其测试快捷、操作方便、经济实用等特性逐步成为近些年来无损检测领域的热门方法。本研究采用近红外光谱分析技术,针对光谱数据维度高并且关键特征隐蔽性强的特点,提出 了基于 t-分布邻域嵌入（t-distributed Stochastic Neighbor Embedding,t-SNE）数据降维的红松子成熟年份与产地鉴别模型,解决了以往建模过程运算量巨大耗时过长的问题。降维的同时将数据聚类,从而强化了输入特征,降低了训练难度提升了模型鉴别的准确率。利用标准正态变量变换（Standard Normalized Variable,SNV）、一阶导数以及Savitzky-Golay（S-G）卷积平滑算法对原始光谱进行预处理,将处理结果进行线性与非线性数据降维。通过数据可视化以及聚类参数的输出,比较得出t-SNE降至二维为效果较好的降维方案,此时两分类数据集的轮廓系数、CH指标和互信息分别为0.8200、2972.0127、0.8742 和 0.8222、1928.2249、0.8883。以降维结果作为输入,建立年份和产地分类的支持向量机（Support Vector Machine,SVM）校正模型。当核函数选择RBF,K取值为5,γ取82.54和57.33,惩罚系数C为383.12和507.37时,所建立的t-SNE-SVM分类模型准确度可达97.5%以上。说明t-SNE-SVM模型能够对红松子性状实现有效鉴别,并且模型精度高、运算量小。在红松子品质定性检测的基础上,分析研究了近红外光谱对红松子内仁粉末的营养物质含量检测。为了深入挖掘光谱数据中隐含的有用信息并进一步消除噪声信号,提出将小波变换（Wavelet Transformation,WT）作用于光谱数据并对其进行分解与重构,从而实现数据的压缩和降噪。对得到的小波系数进行特征提取,提出了一种经蒙特卡洛（Monte Carlo method,MC）优化的无信息变量消除算法（Uninformative Variable Elimination,UVE）,提升了样本之间内相关性的利用率,解决了 UVE算法保留变量依旧较多的问题。最后将所选特征结合偏最小二乘法（Partial Least-Square,PLS）建立了WT-MCUVE-PLS脂肪含量回归预测模型。当采用多元散射校正（Multiplicative Scatter Correction,MSC）结合S-G卷积平滑进行预处理,选择“bior4.4”小波滤波器硬阈值函数作用下的通用阈值压缩降噪,MCUVE提取前70个小波系数时,WT-MCUVE-PLS回归模型与其它模型的比较中也展现出更好的预测效果。交叉验证均方根误差（RMSECV）和预测集均方根误差（RMSEP）最小,分别为0.0098和0.0390。定量分析模型的决定系数R2最大,校正集和预测集的R2分别为0.9485和0.9369。说明近红外光谱的WT-MCUVE-PLS回归模型可以对红松子脂肪含量进行准确表征,WT和MCUVE优化了模型的输入特征质量,最终提升了模型的预测精度。针对储存时间、产地甚至一些复杂且不可量化的因素造成离线定量分析模型对不同批次样本检测结果不理想的问题。本研究在定量分析模型的基础上提出了一种基于在线多元散射校正（Online Multiplicative Scatter Correction,OMSC）预处理的递归偏最小二乘（Recursive Partial Least Squares regression,RPLS）在线学习模型,实现了对原检测模型的在线更新,并提升其泛化能力。在线模型具有动态化、延续性的特点,做到一次建模长期使用。OMSC算法的提出对用于更新模型的新增样本进行了有效预处理,解决了以往更新模型的数据集无法进行散射校正导致的预测误差。在进行小波压缩降噪后,适当提高MCUVE选择的特征数,为更新模型过程中被选特征波段的变化扩大空间。将新增样本特征数据结合RPLS迭代出最终的更新模型。结果表明:当MCUVE选择特征数升至100时,新增预测集的R2为0.8581,RMSEP为0.0621,远高于原离线模型新增预测集的R2和RMSEP,分别为0.7193和2.1174。说明此方法不仅避免了重新建模、减少了工作量,并且展现出很好的预测效果。将近红外光谱检测用以实现红松子的储存期检测、产地鉴别以及营养物质含量检测是本研究的核心,对化学计量学、机器学习和在线学习方法进行深入研究并有机结合。建立一种评价红松子品质的性质鉴别和营养物质含量检测模型,并结合在线学习相关研究在离线模型基础上实现在线学习模型的更新。对于其它坚果类产品的定性定量分析、品质检测以及在线学习研究均具有一定的应用价值。
蒋晓杰[2]（2018）在《红外光谱法检测稻谷脂肪酸值研究》文中研究说明稻谷是我国居民膳食的重要来源,脂肪酸值是衡量稻谷品质好坏的重要指标,目前国标法存在需要乙醇提取、分析时间长、难以自动化操作等不足。研发新方法,实现稻谷脂肪酸值快速检测,对于产品质量安全保障、储粮企业质量把关、质监部门防伪打假等都具有重要意义。本文引入红外光谱法检测稻谷脂肪酸值,具有分析时间短、通用性强、适用面广等特点。首先,采用二极管阵列近红外光谱仪,分别扫描稻谷及糙米粉样品得到漫反射光谱,利用分析软件进行定标模型构建和优化。结果表明,近红外漫反射光谱所构建的脂肪酸值模型检测稻谷颗粒效果要优于糙米粉,预测相对分析误差为3.45,可用于稻谷脂肪酸值的直接定量检测分析,省去了稻谷脱壳、磨粉等复杂环节,大大节省了检测时间。其次,采用傅里叶变换红外光谱测定稻谷脂肪酸值。稻谷脱壳磨粉后,分别用四种有机溶剂提取脂肪酸。发现甲醇或乙醇提取游离脂肪酸同时提取了大量水分,正己烷或甲苯则同时提取了甘油三酯,干扰了红外光谱,从而造成较大的实验误差。结果表明,溶剂提取糙米中脂肪酸后利用傅里叶变换红外光谱进行测定,吸收峰干扰大,不能量化表征脂肪酸值,方法需进一步改进。最后,应用漫反射傅里叶变换红外光谱测定稻谷脂肪酸值,通过扫描糙米粉样品,采集光谱,建立定标模型,然后利用偏最小二乘法对模型进行优化,提高模型的准确性。结果表明,150目糙米粉的红外检测值和国标法检测值之间的相对误差小（1.63%）,线性相关系数好（R2=0.9965）,准确性较好,可用于日常稻谷脂肪酸值的检测分析。论文围绕稻谷脂肪酸值检测开展了红外光谱新方法研究,证实了两种检测方法的可行性,近红外漫反射光谱法可直接检测稻谷,漫反射傅里叶变换红外光谱法可用于糙米粉检测,为进一步实际应用打下了良好基础。
谢黎虹[3]（2017）在《稻米蒸煮和营养品质的QTL定位》文中指出稻米品质改良是水稻遗传育种的重要研究领域。QTL定位和分析可为分子标记辅助选择改良稻米品质和开展相关基因的精细定位及图位克隆提供理论基础。本研究首先建立预测稻米蒸煮及营养品质的相关指标的近红外定标模型,以此为基础,再利用珍汕97B/密阳46杂交衍生的F10重组自交系群体以及247个分子标记连锁图谱,2015年和2016年在杭州连续两年对稻米蒸煮和营养品质进行QTL分析,定位。主要的研究结果如下:1、采用519个不同的稻米品种,通过利用光谱预处理,数学处理和回归统计方式三个因素组合处理中选择定标蛋白质含量、直链淀粉含量、DSC的糊化温度(起始糊化温度、峰值糊化温度、终结糊化温度、RVA的峰值黏度、热浆黏度、崩解值、减消值、回冷值及碱消值的最佳模型。结果得到同步测定蛋白质和直链淀粉含量的最佳定标模型是改良偏最小二乘法/数学处理“2, 8, 8, 2”/反相多元离散校,此组合产生最佳质量,其定标决定系数（RSQ）,定标标准误差（SEC）,内部交叉检验决定系数（1-VR）和内部交叉检验标准误差（SECV）依次为0.946、0.293%,0.942和0.311%。同步测定DSC的糊化温度(起始糊化温度、峰值糊化温度、终结糊化温度的最佳定标模型是改良偏最小二乘法/数学处理“2, 8, 8, 2”/去散射处理（Detrend Only）。同步测定RVA的峰值黏度、热浆黏度、崩解值、减消值、回冷值及碱消值的最佳模型是改良偏最小二乘法/数学处理“2, 8, 8, 2”/多元散射校正。此些定标模型均有较好的预测能力,可以应用于遗传分析中的表型鉴定。2、第6染色体上Wx基因标记的RM 190及附近所处的片段是控制直链淀粉含量、胶稠度、碱消值、起始糊化温度、峰值温度和终结温度的6个品质指标的主效基因。2015年,对于直链淀粉含量（AC）、胶稠度（GC）、碱消值（ASV）和糊化焓（ENT）均分别检测出一个QTL （qAC-6）,两个QTL（qGC-6, qGC-6）,二个QTL（qASV-6, qASV-6）,二个QTL（qENT-6, qENT-6）,贡献率分别为59.9%; 48.8%, 2.63%; 79.8%,12.6%,6.7%,14.2%。对于起始糊化温度（ONT）、峰值糊化温度（PET）、终结糊化温度（PET）均检测出两个QTL（qON-6, qON-8; qPEA-6, qPEA-8; qEND-6, qEND-8）,主要效应定位在第6染色体,贡献率分别为70.2%, 74.4% and 69.9%。蛋白质含量（PC）检测出两个QTL,qPC-6,qPC-12,总贡献率为14.65%,个体贡献率是5.0%～9.65%。3、2015年共检测到41个控制氨基酸含量的位点,分别位于第1、2、4、6、7、9、11和12染色体上,其中第6、7、4染色体QTL较多,分别为12、8和5个,表型贡献率为4.32～15.4%。17个氨基酸组成均检测到QTL位点,分别检测到1～5个QTL。除5个氨基酸组成含量（Ala、Cys、Met、Ile和Leu）是由单QTL位点控制,其他12个氨基酸组成受多有个QT1位点控制。其中位于第7染色体的RM3325-RM1243片段控制了包括Asp、Thr、Gly、Val、Phe、Arg、Leu和Ala的8个氨基酸组成的含量,表型贡献率分别为8.69%、5.80%、7.91%、10.9%、6.62%、6.98%、9.86%和9.35%。4、2016年共检测到18个控制氨基酸含量的位点,分别位于第1、2、3、6、10和11的6条染色体上,其中第6染色体QTL有8个较多,表型贡献率为4.92～9.48%。5个氨基酸组成（Ala、Cys、Val、Ile和Lys）的含量没有检测到QTL,其他12个氨基酸组成的含量检测到1-3个QTL位点。位于第6染色体的RM225-RM6917片段控制了包括Asp、Thr、Ser、Leu、His、Arg、Gly和Phe的8个氨基酸组成含量,表型贡献率分别是7.29%、8.26%、6.05%、5.34%、7.44%、6.56%、5.63%和6.28%。 7个氨基酸组成（Asp、Thr、Ser、Gly、Phe、His和Arg）两年间均有QTL检出,且均位于第6染色体的RM225～RZ588的片段簇。5、采用珍汕97B/密阳46杂交衍生的重组自交群体,对2015年和2016年两年间17种氨基酸组成含量的联合分析,共可检测到18个主效QTL,分别是Asp、Thr、Ser、Glu、Gly、Ala、Cys、Val、Met、Ile、Leu、Tyr、Phe、Lys、His和Arg共 16个氨基酸组成,其中Thr、Glu、Val、Met和His的五个氨基酸组成与环境互作有显着效应。
代启虎,马晨晨,李冉[4]（2017）在《近红外光谱分析技术在食品脂肪含量测定上的应用》文中认为近红外光谱（NIR）分析技术是一种快速、无损的新型检测技术,在农业与食品等研究领域获得越来越广泛的应用。简要介绍了近红外光谱的原理、以及近红外光谱在食品脂肪含量测定上研究及应用现状,并对近红外光谱的应用前景进行了展望。
乔瑶瑶[5]（2016）在《基于近红外光谱技术的燕麦营养成分检测》文中进行了进一步梳理燕麦（Oats）,植物学名Arena sativa,禾本科（Gramineae）燕麦属（Avena）单子叶植物。目前世界燕麦产量已超过2200万吨。燕麦是膳食纤维的极好来源,膳食纤维包含β-葡聚糖（2.2%-7.8%）和木聚糖。燕麦也富含蛋白质、B族维生素、亚油酸、矿物质和酚类化合物等营养物质,可作为动物饲料和人类食品。燕麦具有多种生物活性作用,包括降血糖、降血脂、抗氧化、提高人体免疫力、降低心血管疾病的风险。燕麦中营养成分在国内外常采用常规方法来测定,但这些方法存在周期长、成本高等缺点,另外使用危险化学药品,对检验员和环境可能造成一些危害。近红外光谱技术具有的诸多优点,如无前处理、操作简单、无污染、重复性好、快速和多组分同时分析,目前已广泛应用于食品、农业、医药等领域。本文以国内产的燕麦为试材,采用近红外光谱技术结合化学计量学建立燕麦中蛋白质、脂肪、β-葡聚糖、多酚含量的预测模型。结果如下：（1）近红外光谱技术检测燕麦中蛋白质含量的方法为：最佳的预处理方法为光谱散射处理采用标准化处理（SNV）,数学处理采用2441（即对光谱进行导数间隔点为4的二阶导数处理,一次平滑处理间隔点为4,不进行二次平滑处理）；最佳的回归方法是改进偏最小二乘法（MPLS）。在此条件下模型对验证集的测定值与预测值的决定系数（R2）为0.9543,均方根误差（RMSE）为0.1607,模型的预测准确性良好。（2）近红外光谱技术检测燕麦中脂肪含量的方法为：最佳的预处理方法是反向多元散射处理（IMSC）,数学处理是2441；通过主成分分析法提取2个主成分作为光谱预处理后信息的特征变量,建立的人工网络模型结构为2-17-1。该模型对验证集的测定值与预测值的相关系数（R）为0.9623,均方根误差为1.6072,模型的预测准确性较好。（3）近红外光谱技术检测燕麦β-葡聚糖含量的方法为：散射处理为WMSC,数学处理选择1441,提取2个主成分作为光谱预处理后信息的特征变量,建立β-葡聚糖含量检测的人工网络模型结构为2-12-1,模型对训练集的决定系数为0.9197,均方根误差为0.02336,对验证集的预测决定系数为0.9206。（4）近红外光谱技术检测燕麦中多酚含量的方法为：通过二维相关光谱法选择波段1050nm-1350 nm为建模波段,对该波段内二维相关光谱的切片数据的预处理组合为SM+SD（每隔三个点进行平滑处理+二阶微分处理）,回归方法是PLS回归法。模型对训练集的R2为0.9456,RMSCV（均方根变异性）为0.03053；对预测集的R为0.9692,RMSEV（验证均方根误差）为0.03197。该研究为近红外漫反射光谱技术检测燕麦中蛋白质、脂肪、β-葡聚糖、多酚含量提供理论基础。将近红外光谱技术应用于燕麦的营养成分检测对提高燕麦品质检测水平、满足多个品质指标快速同时检测,保护农民切身利益和保障国家粮食安全具有重要意义。
孙园园[6]（2016）在《稻米品质特性的近红外定标模型构建与遗传关联分析研究》文中认为水稻品质理化和遗传特性对其品质改良育种等具有很重要的意义。水稻品质一般分为碾磨、外观、蒸煮食味和营养等四个方面,其中对营养和蒸煮品质也是日益重视。水稻蒸煮食用品质一般为直链淀粉含量、糊化温度和胶稠度；营养品质指标则为蛋白质含量、氨基酸组分含量。这些品质的化学法测定涉及多步骤、成本高、时间长、测定需要的量多,且对于小样本来说,很难保留原有样本再次进行种植,因此采用快速无损的近红外分析技术也是很重要迫切。同时了解水稻的品质遗传特性对其品质的改良育种的意义也一样重要。本研究采用797份水稻种质资源,其中具有独特性的香稻资源275份。材料收集于全国各地,利用近红外谷物分析仪,进行光谱扫描：莸入、并对谱带数据进行多种光谱前处理和多统计回归方法加以优化模型,最后确定同步测定水稻蒸煮品质和营养品质的最佳定标模型。在利用已建立的近红外品质模型基础上,测定了275份不同蒸煮和营养品质性状的种质资源,利用147对多态性的SSR标记进行基因型鉴定,并完成品质多特性如直链淀粉含量、糊化温度、胶稠度、蛋白质含量,氨基酸含量与SSR标记之间的关联分析。主要研究结果如下：1)稻米品质特性模型的构建：结果标明,水稻米粉蛋白质含量和直链淀粉含量的近红外模型的定标结果最好,其定标模型的决定系数（coefficient of determination, RSQ）分别为0.946和0.974,1-VR分别为0.951和0.963,校正标准方差（SEC,standard error of calibration）分别是0.303和1.338；其外部检验的工作标准误（standard error of performance, SEP）分别0.346和1.300,RPD>4.0。RPD（corresponding residual predictive deviation）是采用样品的化学分析值的标准差与工作标准误的比值RPD（SD/SEP）,此指标也是衡量定标模型的好坏。一般大于4.0,则定标模型很好,且此两模型的定标决定系数（RSQ）与交叉验证决定系数（1-VR）均超过了0.950,说明模型预测性能较好,可以用于水稻品质的快速测定。而其他指标糊化温度（碱消值）、胶稠度、总氨基酸含量的模型的RSQ分别为0.768、0.745和0.578,SEP分别为0.788、12.443和1.034,RPD<=3.0,则建模效果略差。2)水稻品质特性的SSR关联分析研究：关联到与稻米品质性状的基因位点57个。其中与蛋白质含量相关的标记有2个,直链淀粉含量相关联的标记有5个,与胶稠度相关的标记有6个,与碱消值相关联的标记有3个,余下的是与总氨基酸和17种氨基酸的关联标记41个。其中有2个标记,分别在1号染色体上的RM129与胶稠度、蛋白质、氨基酸基因位点有关,2号染色体上RM5807与碱消值、胶稠度、氨基酸基因位点有关。有4个标记同时与两个品质性状基因位点相关联。如6号染色体上的RM6467与胶稠度、氨基酸基因位点有关联；9号染色体上的RM23916与直链淀粉、胶稠度有关；11号染色体上的RM7120与直链淀粉、胶稠度基因位点相关联。且RM27154同时与蛋白质、直连淀粉基因位点相关联。这些关联位点为育种材料品质特性的遗传机理提供参考。
吴维政,陈鸿鹏[7]（2014）在《近红外光谱技术在稻米特性检测中的应用(综述)》文中提出近红外光谱技术是一种新型的检测分析技术,广泛应用于农业、林业、工业、医药以及食品等多个行业领域。文章综述近红外光谱技术在稻米特性检测中的应用概况,包括对大米淀粉、蛋白质和脂肪酸等营养物质的测定,大米糊化特性、粘稠度和食味特性的分析,水稻生长过程中氮、磷、钾和其他营养元素含量的分析,育种研究与品种鉴别,病害、重金属等有害物质以及其他方面。同时,指出该技术在当前检测应用中存在的一些问题,并针对目前发展趋势展望该技术的前景。
刘海英[8]（2013）在《陆地棉种子品质性状遗传和蛋白质QTL定位研究》文中认为棉籽是棉花生产中的最重要的副产品,应用于食用油、饲料和燃料等领域,并且是潜在的食用蛋白质源。随着世界人口的迅速增长,棉籽作为人类食物资源的潜能将越大。因此,棉籽品质性状的改良将成为棉花育种改良的重要目标之一。全面深入地研究棉籽品质性状的遗传特性及QTL定位将对于棉籽品质的遗传改良具有重要的理论和指导意义。本研究以具有氨基酸含量差异的445份棉籽为材料,构建了17种氨基酸的近红外定标模型。以188份陆地棉重组近交系为材料,按照不完全双列杂交方式,创建了永久F2群体（IF2群体）。采用包括基因型和基因型×环境互作的双子叶植物二倍体种子数量性状遗传模型,基于胚、母体、细胞质三套遗传体系,研究了陆地棉种子品质性状的遗传特性。同时,采用新发展的包括环境互作效应在内的多遗传体系QTL作图方法和基因定位软件,对棉籽蛋白质等性状进行了胚和母体植株不同遗传体系的QTL定位分析。主要研究结果如下：1棉籽氨基酸含量的NIRS定标模型构建：本研究采用一阶导数的数学处理（1,4,4,1）、标准正态变换和去趋势（SNV+D）最佳组合的预处理方法,结合改良的偏最小二乘法（MPLS）,创建了棉仁粉中17种氨基酸含量的近红外反射光谱（NIRS）定标模型。天冬氨酸、苏氨酸等12种氨基酸含量的定标模型较好,其相对分析误差（RPDc）为3.735～7.132,外部检验的决定系数（r2）为0.910～0.979,完全可以替代化学测定；而丝氨酸、蛋氨酸、酪氨酸和脯氨酸等4种氨基酸的定标模型预测效果略差,其RPDc为2.205～2.814,外部检验r2为0.800～0.830,但仍可用于棉仁粉中氨基酸含量的测定。半胱氨酸定标方程的RPDc较小（RPDc=1.358）.因此,棉仁粉中半胱氨酸含量不能用近红外分析方法进行检测。氨基酸含量的NIRS定标模型为陆地棉种仁氨基酸含量测定提供一种快速、低廉、准确可靠的分析方法。2IF2群体的构建：基于来自陆地棉品种间杂交组合(HS46xMARCABUCAG8US-1-88的188个重组近交系,在重组近交系间进行随机交配,创建了一套包括了376个组合的陆地棉品种间“永久F2”群体。该群体中的重要棉籽品质性状均表现出典型的数量性状特点,呈正态分布,并且各性状出现超亲分离。因此,该群体可作为优良的遗传研究和育种资源。3棉籽品质性状的遗传特性分析：基于上述IF2群体的种子品质性状表型数据,对陆地棉7个重要种子品质性状进行了遗传方差、遗传率和遗传相关分析。（1）遗传方差分析表明,子指、仁／壳的基因表达主要受胚加性和母体加性主效应控制,其次受细胞质×环境互作效应控制；仁指的基因表达主要受胚加性和母体加性效应控制；种仁率的基因表达主要受胚加性效应控制,其次受胚显性×环境互作效应和母体加性×环境互作效应；油分含量的基因表达主要受细胞质主效应控制,其次受胚加性×环境互作效应控制。以上说明子指、仁／壳、种仁率、油分含量和仁指的变异主要来自基因型本身的作用,但环境因素不可忽视。蛋白质含量的基因表达主要受种子胚加性×环境互作效应和种子胚显性×环境互作效应控制,其次受母体加性和母体显性主效应控制；棉酚含量的基因表达主要受胚显性x环境互作效应和母体加性x环境互作效应控制,其次受母体加性主效应控制。以上结果说明这两个性状的变异易遭受很大的环境影响,因此,在性状改良时,必需考虑环境因素。（2）遗传率分析表明,子指、仁／壳、仁指和蛋白质含量总狭义遗传率较低,这些性状在中高代进行选择可以取得更好的选择效果；棉酚、油分含量总狭义遗传率较高,在早世代进行性状选择能取得一定效果。子指、种仁率、仁／壳、仁指、棉酚含量、油分含量以普通狭义遗传率为主,其中,子指、仁指、棉酚含量以普通母体遗传率为主；种仁率、仁／壳和油分含量以普通细胞质遗传率为主；蛋白质含量以互作细胞质遗传率为主。在育种改良中,子指、仁指、棉酚含量、仁／壳和油分含量可以根据母体植株的总体表现和单粒选择相结合的方法在低世代进行选择。由于棉籽蛋白质含量具有互作遗传率高的特点,其在育种改良中虽也可根据母体植株的总体表现在低世代进行单株选择,但一般与特定环境有密切关系。（3）遗传相关性分析表明,种仁率与棉酚、仁／壳以胚加性负相关为主；子指与仁／壳、棉酚含量、种仁率、仁指、蛋白质含量,种仁率与蛋白质含量,仁／壳与蛋白质含量,油分与蛋白质含量,仁指与蛋白质、棉酚含量以母体加性负相关为主；仁／壳与仁指、棉酚含量、种仁率以胚加性、细胞质、母体加性负相关为主；棉酚与油分含量以胚加性正相关为主；棉酚与蛋白质含量以细胞质正相关为主；种仁率与仁指以胚加性和母体加性正相关为主。因此,上述成对性状可以在早世代进行单粒或单株间接选择。油分含量与子指、仁／壳、种仁率和仁指未发现明显的相关性,但仍有可能通过这些物理品质性状间接改良油分含量。4棉籽蛋白质及氨基酸含量的QTL定位：以来自陆地棉品种间杂交组合(HS46×MARCABUCAG8US-1-88的188个重组近交系随机交配获得的“永久F2"群体为材料,采用本实验室构建的重组自交系分子连锁图谱,应用新发展的程序QTL Network-CL-2.0-Seed对“永久F2"群体在两个环境下测得的蛋白质及氨基酸含量进行多遗传体系QTL定位及其遗传分析。共检测到6个控制蛋白质含量的QTL,解释了58.5%的表型变异,其中,2个QTL主要在胚核基因组上表达,其余4个QTL同时在胚和母体核基因组上表达,3个QTL具有明显的环境互作效应。在3个胚加性效应贡献率大于5%的QTL中,2个QTL已定位在具体的染色体上,为蛋白质含量的分子育种提供重要基础。本试验还共检测了控制16种氨基酸含量性状表现的QTL在胚和母体植株2套核基因组上的分布情况：包括亮氨酸（Leu）、苯丙氨酸（Phe）、苏氨酸（Thr）、缬氨酸（Val）、蛋氨酸（Met）、异亮氨酸（Ile）、赖氨酸（Lys）、天冬氨酸（Asp）、丝氨酸（Ser）、谷氨酸（Glu）、甘氨酸（Gly）、丙氨酸（Ala）、酪氨酸（Tyr）、组氨酸（His）、精氨酸（Arg）、脯氨酸（Pro）含量。研究结果发现控制这些性状的QTL数目分别为2-8个,可以解释表型变异为23.37%-64.32%。所检测到的每种氨基酸QTL中,在胚核基因组上表达的QTL分别有0-2个,其中,苯丙氨酸、缬氨酸、蛋氨酸、酪氨酸和组氨酸各为2个,天冬氨酸和甘氨酸未发现仅在胚核基因组中表达的QTL；在母体植株核基因组中表达的分别有0-2个,其中,异亮氨酸为2个,缬氨酸、天冬氨酸和组氨酸各为1个,其余的12种氨基酸未发现仅在母体基因组中表达的QTL。在胚核基因组和母体植株核基因组中同时表达的分别有0-6个,其中苯丙氨酸为6个,组氨酸为0个；有显着的环境互作效应的有1-5个,其中苏氨酸、天冬氨酸、谷氨酸、甘氨酸和丙氨酸各为1个,苯丙氨酸为6个。在七种必需氨基酸中,具有良好的定位效果的为苯丙氨酸（8个QTL,共解释的表型变异为54.5%）、缬氨酸（6个QTL,共解释的表型变异为64.32%）、异亮氨酸（6个QTL,共解释的表型变异为60.95%）,这些QTL在相应的性状改良中将可发挥重要的作用。
李娟[9]（2012）在《稻谷新陈度近红外快速无损检测的研究》文中认为水稻是我国粮食的主要支柱之一,稻谷品质的好坏直接关系到我国广大人民的生活品质。近年来,陈化粮流入市场的事件屡见不鲜。虽然国家对食品安全标准的制定不断完善,相关部门不断加大打击力度,但此类事件并没有得到很好的控制。主要原因之一就是目前稻谷品质检测方法较繁琐、耗时、对检测人员的专业性要求高,不利于普及。近红外光谱技术是近年来发展较快的分析手段,具有高效、快速、无损、环保且对操作人员专业性要求不高等特点,成本相对较低易于普及,因此近年来该技术被广泛地应用用于农产品品质控制。可以说将近红外光谱技术应用于稻谷品质控制有很大的现实意义。本文以湖南、江西、福建、广西、安徽、浙江与黑龙江的30种不同品种陈化时间的稻谷为研究对象,研究了不同品种稻谷在自然陈化条件下的品质变化；同时采用近红外光谱技术与化学计量学结合的方法建立了稻谷品质指标及储藏时间的近红外预测模型。研究发现稻谷在储藏期间,蛋白质含量、直链淀粉含量是下降的而脂肪酸含量是升高的。另外,不同产地不同品种的稻谷在储藏期间脂肪酸值的变化差异较显着（包括数值差异及变化形式差异）,所以若按传统方法以脂肪酸值来确定稻谷的新陈度是不可行的。不仅如此,不同产地品系稻谷的蛋白质与直链淀粉因本身含量差异较大,储藏期间的变化趋势也不尽相同,所以对稻谷的新陈度进行判断应该综合品种、储藏环境及各种化学品质指标等。通过对光谱波段范围及光谱预处理方法进行优化后,将稻谷水分含量和直链淀粉的化学检测结果与近红外光扫描结果结合,并利用偏最小二乘法建立了稻谷这两种指标的近红外模型,得到较好的结果。确定了水分定量的模型的相关系数为0.9931,r2为0.9863,RMSEP为0.0125；直链淀粉定量模型的相关系数为0.9330,r2为0.8706,RMSEP为0.4250；对光谱波段范围及光谱预处理方法进行优化后,分别建立了稻谷新陈度的近红外数学模型,其中稻谷储藏时间短期储藏模型的相关系数为0.9226,r2为0.8547,RMSEP为18.01；长期储藏模型的相关系数为0.9739,r2为0.9506,RMSEP为67.39。对模型的预测结果与储藏时间进行配对T检验后结果显示二者预测结果与真实值差异不显着（P>0.05）。可以看出,利用近红外光谱技术与化学计量学结合的方法对稻谷品质进行控制是可行的。
齐龙,朱克卫,马旭,苏彩珠[10]（2011）在《近红外光谱分析技术在大米检测中的应用》文中研究指明近红外光谱分析技术作为一种高效、快速、无损的可多组分分析的检测技术,在食品、农产品的检测中得到广泛应用。为此,综述了近红外光谱分析技术在大米品种鉴别、品质检测、矿物质元素分析中的应用研究现状,并对其应用前景进行了展望。
二、利用近红外反射光谱技术测定稻米中脂肪含量的研究初报（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、利用近红外反射光谱技术测定稻米中脂肪含量的研究初报（论文提纲范文）
（1）基于近红外光谱的红松子品质检测模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国内外应用领域与研究成果 |
| 1.3.2 近红外光谱坚果品质检测的研究现状 |
| 1.3.3 近红外光谱数据处理研究现状 |
| 1.4 研究内容 |
| 1.5 本研究技术路线 |
| 1.6 本文组织结构 |
| 2 红松子近红外光谱数据获取及其预处理 |
| 2.1 近红外光谱与化学计量学 |
| 2.1.1 近红外光谱检测技术原理与实验设备 |
| 2.1.2 近红外光谱检测技术在化学计量学中的应用 |
| 2.2 近红外光谱采集实验 |
| 2.2.1 红松子样本的选取与制备 |
| 2.2.2 近红外光谱采集实验平台 |
| 2.2.3 光谱数据采集 |
| 2.3 化学实验数据获取以及数据集划分 |
| 2.3.1 索氏抽提实验步骤 |
| 2.3.2 数据集划分 |
| 2.4 近红外光谱原始数据特性 |
| 2.5 近红外光谱的预处理算法 |
| 2.6 预处理算法选取原则与方案制定 |
| 2.7 本章小结 |
| 3 基于数据降维的红松子品性鉴别模型研究 |
| 3.1 引言 |
| 3.2 数据降维及其评价指标 |
| 3.2.1 线性降维 |
| 3.2.2 非线性降维 |
| 3.2.3 数据降维性能度量 |
| 3.3 红松子定性分析建模方法与模型评价指标 |
| 3.4 红松子成熟年份和产地鉴别模型结果分析 |
| 3.4.1 数据降维结果分析 |
| 3.4.2 模型的预测效果与分析 |
| 3.5 本章小结 |
| 4 基于特征选择的红松子脂肪含量检测模型研究 |
| 4.1 引言 |
| 4.2 小波分析 |
| 4.2.1 连续小波变换及其离散化 |
| 4.2.2 Mallat算法 |
| 4.2.3 小波阈值去噪方法 |
| 4.2.4 小波族函数 |
| 4.2.5 阈值选取 |
| 4.2.6 阈值函数 |
| 4.3 特征选择优化算法 |
| 4.3.1 无信息变量消除算法 |
| 4.3.2 蒙特卡洛算法 |
| 4.3.3 蒙特卡洛改进的无信息变量消除算法 |
| 4.4 红松子定量分析建模方法与模型评价指标 |
| 4.5 基于WT-MCUVE-PLS的红松子脂肪含量预测模型结果分析 |
| 4.5.1 小波压缩结果分析 |
| 4.5.2 特征选择结果分析 |
| 4.5.3 校正模型的建立 |
| 4.5.4 回归模型的预测效果与分析 |
| 4.6 本章小结 |
| 5 基于在线多元散射校正的红松子脂肪含量在线学习模型研究 |
| 5.1 引言 |
| 5.2 在线多元散射校正算法 |
| 5.3 递归偏最小二乘算法 |
| 5.4 基于OMSC算法的RPLS红松子脂肪含量在线学习模型结果分析 |
| 5.4.1 新增样本数据集划分 |
| 5.4.2 特征选择更新及其结果 |
| 5.4.3 预测效果的比较与分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读学位期间发表学术论文、发明专利与参加的科研工作 |
| 致谢 |
| 东北林业大学 博士学位论文修改情况确认表 |
（2）红外光谱法检测稻谷脂肪酸值研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 缩略语表 |
| 第一章 文献综述 |
| 1.1 陈化粮和脂肪酸值 |
| 1.1.1 技术市场需求分析 |
| 1.1.2 社会经济效益分析 |
| 1.2 稻谷中脂肪酸的产生 |
| 1.3 稻谷储存过程中脂肪酸变化的影响因素 |
| 1.3.1 温度影响 |
| 1.3.2 湿度影响 |
| 1.3.3 霉菌影响 |
| 1.3.4 其它因素 |
| 1.4 稻谷的储存技术 |
| 1.4.1 机械通风技术 |
| 1.4.2 控温储藏技术 |
| 1.4.3 气调储藏技术 |
| 1.4.4 “三低”储藏技术 |
| 1.4.5 环流熏蒸技术 |
| 1.4.6 其它储粮技术 |
| 1.5 稻谷脂肪酸的检测方法 |
| 1.5.1 化学滴定法 |
| 1.5.2 分光光度法 |
| 1.5.3 电导率法 |
| 1.5.4 色彩色差法 |
| 1.5.5 色谱法 |
| 1.6 红外光谱法与定量处理方法 |
| 1.6.1 中红外光谱技术 |
| 1.6.2 近红外光谱技术 |
| 1.6.3 朗伯-比尔定律 |
| 1.6.4 偏最小二乘法及其衍生法 |
| 1.7 本文研究思路 |
| 第二章 近红外漫反射光谱法检测稻谷脂肪酸值 |
| 2.1 引言 |
| 2.2 材料与仪器 |
| 2.2.1 实验原料 |
| 2.2.2 主要试剂 |
| 2.2.3 主要仪器与设备 |
| 2.3 实验方法 |
| 2.3.1 国标法测定脂肪酸值 |
| 2.3.2 近红外漫反射光谱数据采集 |
| 2.3.3 光谱数据处理与分析 |
| 2.4 结果与分析 |
| 2.4.1 国标法测定脂肪酸值 |
| 2.4.2 稻谷颗粒的近红外漫反射光谱检测 |
| 2.4.3 糙米粉的近红外漫反射光谱检测 |
| 2.4.4 光谱数据处理 |
| 2.4.5 预处理结果及模型准确性比较 |
| 2.5 本章小结 |
| 第三章 傅里叶变换红外光谱法检测稻谷脂肪酸值 |
| 3.1 引言 |
| 3.2 材料与仪器 |
| 3.2.1 实验原料 |
| 3.2.2 主要试剂 |
| 3.2.3 主要仪器与设备 |
| 3.3 实验方法 |
| 3.3.1 稻谷脂肪酸值测定 |
| 3.3.2 傅里叶变换红外光谱数据采集 |
| 3.4 结果与讨论 |
| 3.4.1 国标法测定稻谷脂肪酸值 |
| 3.4.2 油酸标准品的红外光谱测定结果 |
| 3.4.3 FTIR结合朗伯-比尔定律测定 |
| 3.5 本章小结 |
| 第四章 漫反射傅里叶变换红外光谱法检测稻谷脂肪酸值 |
| 4.1 引言 |
| 4.2 材料与仪器 |
| 4.2.1 实验原料 |
| 4.2.2 主要试剂 |
| 4.2.3 主要仪器与设备 |
| 4.3 实验方法 |
| 4.3.1 脂肪酸值测定 |
| 4.3.2 FTIR漫反射光谱数据采集和处理 |
| 4.3.3 模型建立和评价 |
| 4.3.4 区间偏最小二乘法(iPLS) |
| 4.4 结果与讨论 |
| 4.4.1 国标法测定稻谷脂肪酸值 |
| 4.4.2 DRIFTS测定稻米脂肪酸值 |
| 4.4.3 偏最小二乘法(PLS)优化DRIFTS模型 |
| 4.4.4 不同粗细度糙米粉漫反射定量模型的准确性验证 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 作者简介 |
（3）稻米蒸煮和营养品质的QTL定位（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 文献综述 |
| 1.1 稻米品质基础理化研究进展及国内外品质检测评价标准 |
| 1.1.1 稻米淀粉与米饭食味品质研究进展 |
| 1.1.2 稻米蛋白质与米饭食味品质研究进展 |
| 1.1.3 稻米淀粉回生特性进展 |
| 1.1.4 水稻的香味研究进展 |
| 1.1.5 仪器分析技术在稻米品质中的应用概述 |
| 1.1.6 国内外主要国家稻米品质标准进展 |
| 1.1.7 稻米品质理化机理展望 |
| 1.2 水稻主要品质性状遗传进展 |
| 1.2.1 粒型遗传 |
| 1.2.2 直链淀粉含量遗传 |
| 1.2.3 胶稠度遗传 |
| 1.2.4 糊化温度遗传 |
| 1.2.5 蛋白质含量遗传 |
| 1.2.6 氨基酸含量遗传 |
| 1.3 数量性状研究进展 |
| 1.3.1 QTL作图方法 |
| 1.3.2 QTL作图群体 |
| 1.3.3 分子标记的种类 |
| 1.3.4 QTL与环境互作 |
| 1.4 近红外对水稻品质指标的快速测定 |
| 1.4.1 近红外分析技术 |
| 1.4.1.1 近红外分析技术原理 |
| 1.4.1.2 近红外技术分析的光谱处理计算方法 |
| 1.4.1.3 近红外分析技术的优缺点 |
| 1.4.1.4 影响近红外分析技术的影响因素及解决途径 |
| 1.4.1.5 近红外分析技术的应用 |
| 1.4.1.6 近红外分析技术在水稻中的应用及研究进展 |
| 1.5 本论文的选题意义和目标 |
| 第二章 蒸煮食味品质性状及氨基酸组成含量的QTL定位 |
| 2.1 材料和方法 |
| 2.1.1 供试材料 |
| 2.1.2 碱消值的测定 |
| 2.1.3 直链淀粉的测定 |
| 2.1.4 胶稠度测定 |
| 2.1.5 蛋白质含量的测定 |
| 2.1.6 氨基酸含量测定 |
| 2.1.7 糊化温度(DSC) |
| 2.1.8 淀粉的粘滞特性RVA |
| 2.1.9 直链淀粉含量、蛋白质含量、糊化温度和粘滞特性的定标模型优化 |
| 2.1.10 DNA提取方法 |
| 2.1.11 PCR扩增 |
| 2.1.12 连锁图谱构建和QTL定位 |
| 2.2 数据分析与讨论 |
| 2.2.1 定标模型的样本特性 |
| 2.2.2 蛋白质含量的近红外定标模型的优化 |
| 2.2.3 直链淀粉含量的近红外定标模型的优化 |
| 2.2.4 米粉类型对直链淀粉和蛋白质含量的定标模型质量影响 |
| 2.2.5 糙米粉和精米粉的蛋白质、直链淀粉含量的最佳定标模型确定 |
| 2.2.6 DSC的糊化特性和RVA的黏滞特性的定标模型统计 |
| 2.2.7 起始糊化温度的近红外定标模型的优化 |
| 2.2.8 峰值温度等其他8个糊化相关指标的近红外定标模型优化 |
| 2.2.9 九个糊化特性相关的指标的最佳定标模型的确定 |
| 2.2.10 直链淀粉含量等品质性状在群体和亲本中的表现 |
| 2.2.11 直链淀粉等淀粉特性的相关性分析 |
| 2.2.12 直链淀粉含量等8项品质性状的QTL定位 |
| 2.2.13 糙米粉17种氨基酸组成含量在群体和亲本中的表现 |
| 2.2.14 糙米粉中蛋白质含量与氨基酸各组成之间的相关性 |
| 2.2.15 单个年份糙米粉17种氨基酸组成含量的QTL定位 |
| 2.2.16 群体氨基酸组成含量主效QTL及与环境互作 |
| 2.3 讨论 |
| 2.3.1 近红外对相关品质指标的定标模型的优化 |
| 2.3.2 稻米蒸煮及营养品质的QTL定位 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）近红外光谱分析技术在食品脂肪含量测定上的应用（论文提纲范文）
| 1 工作原理 |
| 2 应用 |
| 2.1 乳制品脂肪测定 |
| 2.2 谷物脂肪测定 |
| 2.3 畜产品脂肪测定 |
| 2.4 水产品脂肪测定 |
| 2.5 其它食品脂肪的测定 |
| 3 展望 |
（5）基于近红外光谱技术的燕麦营养成分检测（论文提纲范文）
| 摘要 |
| Abstract |
| 符号缩写 |
| 第1章 文献综述 |
| 1.1 燕麦概述 |
| 1.1.1 燕麦种植及分类 |
| 1.1.2 燕麦的营养价值 |
| 1.1.3 燕麦的保健作用 |
| 1.1.4 燕麦成分的常用检测方法 |
| 1.2 近红外光谱技术及其在燕麦成分检测中的研究进展 |
| 1.2.1 近红外光谱技术的原理 |
| 1.2.2 近红外光谱技术分析及化学计量学 |
| 1.2.3 近红外光谱技术在燕麦成分检测中的研究进展 |
| 1.3 研究目的,意义及内容 |
| 1.3.1 研究目的及意义 |
| 1.3.2 研究内容 |
| 第2章 近红外光谱技术检测燕麦中蛋白质含量 |
| 2.1 材料与方法 |
| 2.1.1 试验材料 |
| 2.1.2 主要试验仪器 |
| 2.1.3 方法 |
| 2.1.4 模型的验证 |
| 2.2 结果与分析 |
| 2.2.1 燕麦样品中蛋白质含量的分布 |
| 2.2.2 光谱扫描结果 |
| 2.2.3 异常样品剔除结果与样本集划分结果 |
| 2.2.4 不同光谱预处理及回归方法对建模效果的影响 |
| 2.2.5 验证预测模型 |
| 2.3 小结 |
| 第3章 近红外光谱技术检测燕麦中脂肪和p-葡聚糖含量 |
| 3.1 材料与方法 |
| 3.1.1 试验材料 |
| 3.1.2 主要试验仪器 |
| 3.1.3 试验方法 |
| 3.1.4 模型的验证 |
| 3.2 结果与分析 |
| 3.2.1 燕麦样品中脂肪含量和β-葡聚糖含量的分布 |
| 3.2.2 光谱扫描结果 |
| 3.2.3 奇异样本剔除结果与样本集划分结果 |
| 3.2.4 不同预处理及回归方法对脂肪建模效果的影响 |
| 3.2.5 燕麦中脂肪含量的BP神经网络模型的建立 |
| 3.2.6 燕麦中β-葡聚糖含量的BP神经网络模型的建立 |
| 3.2.7 模型验证 |
| 3.3 小结 |
| 第4章 近红外光谱技术-二维相关光谱技术检测燕麦中多酚含量 |
| 4.1 材料与方法 |
| 4.1.1 试验材料 |
| 4.1.2 主要试验仪器 |
| 4.1.3 方法 |
| 4.1.4 模型的验证 |
| 4.2 结果与分析 |
| 4.2.1 燕麦多酚含量的化学测量值 |
| 4.2.2 光谱扫描结果 |
| 4.2.3 二维相关光谱分析 |
| 4.2.4 燕麦多酚的定标模型建立 |
| 4.2.5 模型验证 |
| 4.3 小结 |
| 第5章 结论,创新点与展望 |
| 5.1 结论 |
| 5.2 创新点 |
| 5.3 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间研究成果 |
（6）稻米品质特性的近红外定标模型构建与遗传关联分析研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 英文缩略表 |
| 文献综述 |
| 1.1 构建近红外模型的理论墓础 |
| 1.1.1 近红外光谱的由来 |
| 1.1.2 近红外光谱定义 |
| 1.1.3 近红外光谱技术分类 |
| 1.1.4 近红外技术的研究对象 |
| 1.1.5 现代分析技术与近红外分析技术 |
| 1.2 近红外光谱分析技术的特点 |
| 1.3 影响近红外模型构建的主要因素 |
| 1.4 近红外模型主要的质量评价 |
| 1.5 近红外定标模型构建的关键步骤 |
| 1.6 近红外模型在稻米蒸煮品质与营养品质中研究进展 |
| 1.6.1 近红外光谱分析在稻米蒸煮品质中研究进展 |
| 1.6.2 近红外光谱分析在稻米营养品质中的研究进展 |
| 1.6.3 总结前人对近红外模型构建的研究 |
| 1.7 稻米的蒸煮品质、营养品质及其遗传研究进展 |
| 1.7.1 稻米的蒸煮品质 |
| 1.7.2 稻米的表观直链淀粉含量 |
| 1.7.3 稻米的碱消值 |
| 1.7.4 稻米的胶稠度 |
| 1.7.5 稻米的蛋白质含量 |
| 1.7.6 稻米的氨基酸含量 |
| 1.8 稻米品质的遗传研究进展 |
| 1.9 研究关联分析的基础 |
| 1.10 研究关联分析的方法 |
| 1.11 关联分析在水稻上的运用 |
| 1.12 近红外分析技术与关联分析技术在稻米品质遗传研究中的应用 |
| 第一部分：稻米品质的近红外模型构建 |
| 1 材料与方法 |
| 1.1 样品的收集 |
| 1.2 样品的制备 |
| 1.3 参比值分析测定 |
| 1.4 稻米品质氨基酸含量的测定 |
| 1.5 仪器参数及光谱收集 |
| 1.6 模型的建立、优化、验证 |
| 2 结果与分析 |
| 2.1 品质指标测定结果 |
| 2.2 米粉样本的近红外漫反射的光谱 |
| 2.3 内部交叉与外部校正结果 |
| 2.3.1 近红外模型的内部交叉验证结果 |
| 2.3.2 稻米品质的近红外模型外部验证结果 |
| 3 讨论 |
| 第二部分：稻米品质的的遗传关联分析研究 |
| 1 材料与方法 |
| 1.1 材料种植 |
| 1.2 DNA提取 |
| 1.3 SSR标记选取分析 |
| 1.4 香稻的DNA PCR扩增及分子产物的检测 |
| 1.5 231份香稻材料品质特性的表型数据测定 |
| 1.6 统计分析方法 |
| 2 结果与分析 |
| 2.1 香稻DNA扩增产物分析 |
| 2.1.1 对香稻DNA样品的质量检测 |
| 2.1.2 香稻资源的扩增引物的可行性检测 |
| 2.1.3 香稻的品质性状的变异分析 |
| 2.1.4 分子标记的多态性分析 |
| 2.2 群体遗传结构分析 |
| 2.3 231份香稻3个组群聚类图 |
| 2.4 利用近红外模型测得231份香稻品种品质性状含量 |
| 2.5 香稻品质性状与SSR标记的关联分析(GWS)结果 |
| 3 讨论 |
| 参考文献 |
| 附录1 |
| 附录2 |
| 附录3 |
| 附录4 |
| 附录5 |
| 作者简历 |
（7）近红外光谱技术在稻米特性检测中的应用(综述)（论文提纲范文）
| 1 近红外光谱分析技术的原理及特点 |
| 2 近红外光谱技术与稻米成分研究 |
| 2.1 营养物质检测分析 |
| 2.2 稻米食用特性分析 |
| 2.3 水稻植株营养元素检测 |
| 2.4 育种研究与品种鉴别 |
| 2.5 病害和重金属等有害物质的检测分析 |
| 2.6 其他品质方面的应用 |
| 3 展望 |
（8）陆地棉种子品质性状遗传和蛋白质QTL定位研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第一部分 文献综述 |
| 1.1 棉花种子品质性状的遗传研究 |
| 1.1.1 棉籽物理品质性状的表型研究 |
| 1.1.2 棉籽营养品质性状的表型研究 |
| 1.1.2.1 油分 |
| 1.1.2.2 蛋白质及氨基酸含量 |
| 1.1.2.3 棉酚含量 |
| 1.1.3 棉籽品质性状间的相关性 |
| 1.1.3.1 营养品质性状间的相关性 |
| 1.1.3.2 棉籽物理品质性状与营养品质性状间的相关性 |
| 1.1.4 棉籽品质性状的QTL研究 |
| 1.2 种子品质性状的近红外反射光谱测定技术 |
| 1.3 数量性状及其研究方法 |
| 1.3.1 数量性状特点 |
| 1.3.2 研究方法 |
| 1.3.2.1 表型研究方法 |
| 1.3.2.2 QTL定位 |
| 1.3.2.2.1 遗传模型 |
| 1.3.2.2.2 分子标记 |
| 1.3.2.2.3 作图方法 |
| 1.3.2.2.4 作图群体 |
| 1.3.2.2.5 作物种子品质性状的QTL定位现状 |
| 1.4 课题研究意义 |
| 第二部分 研究报告 |
| 2.1 材料与方法 |
| 2.1.1 实验材料 |
| 2.1.1.1 棉籽氨基酸定标模型材料 |
| 2.1.1.2 遗传分析及基因定位材料 |
| 2.1.2 实验方法 |
| 2.1.2.1 定标模型 |
| 2.1.2.1.1 氨基酸成分的化学测定 |
| 2.1.2.1.2 构建氨基酸定标模型 |
| 2.1.2.2 遗传分析及基因定位 |
| 2.1.2.2.1 田间试验 |
| 2.1.2.2.2 性状测定 |
| 2.1.2.3 数据分析 |
| 2.1.2.3.1 基本统计分析 |
| 2.1.2.3.2 棉籽性状的遗传特性分析 |
| 2.1.2.3.3 棉籽性状QTL定位 |
| 2.2 结果与分析 |
| 2.2.1 氨基酸含量的NIR分析 |
| 2.2.1.1 棉籽氨基酸含量的化学分析 |
| 2.2.1.2 棉仁粉的近红外吸收光谱图 |
| 2.2.1.3 棉籽17种氨基酸含量定标模型的构建 |
| 2.2.1.4 定标模型的测定效果分析 |
| 2.2.2 IF_2群体构建 |
| 2.2.2.1 棉籽物理品质性状表现 |
| 2.2.2.2 棉籽营养品质性状表现 |
| 2.2.2.2.1 蛋白质、油分和棉酚含量 |
| 2.2.2.2.2 氨基酸含量 |
| 2.2.3 棉籽品质性状遗传特性分析 |
| 2.2.3.1 遗传方差分析 |
| 2.2.3.1.1 棉籽物理品质性状 |
| 2.2.3.1.2 棉籽营养品质性状 |
| 2.2.3.2 遗传率分析 |
| 2.2.3.2.1 棉籽物理品质性状 |
| 2.2.3.2.2 棉籽营养品质性状 |
| 2.2.3.3 遗传相关性分析 |
| 2.2.3.3.1 棉籽物理品质性状间的相关性 |
| 2.2.3.3.2 棉籽营养品质间的相关性 |
| 2.2.3.3.3 棉籽物理品质性状与营养性状性状间的相关性 |
| 2.2.4 蛋白质及氨基酸含量QTL定位 |
| 2.2.4.1 棉籽蛋白质含量的QTL定位 |
| 2.2.4.2 棉籽氨基酸含量的QTL定位 |
| 2.2.4.2.1 必需氨基酸 |
| 2.2.4.2.2 非必需氨基酸 |
| 2.2.4.3 棉籽蛋白质及氨基酸含量的QTL共定位 |
| 2.3 讨论 |
| 2.3.1 棉籽品质性状的相关性 |
| 2.3.2 棉籽品质性状遗传率 |
| 2.3.3 棉籽品质性状的遗传效应 |
| 2.3.4 棉籽蛋白质和氨基酸含量的QTL定位 |
| 2.3.5 棉籽蛋白质含量的表型和分子遗传效应比较 |
| 2.3.6 棉籽营养品质的NIR分析技术 |
| 2.3.7 QTL定位群体 |
| 全文小结 |
| 参考文献 |
（9）稻谷新陈度近红外快速无损检测的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 前言 |
| 1.2 近红外在稻谷品质控制方面国内外研究现状 |
| 1.3 近红外技术的原理、特点、应用现状及分析方法 |
| 1.3.1 近红外光谱的原理 |
| 1.3.2 近红外技术的特点 |
| 1.3.3 近红外技术在农产品品质方面应用现状 |
| 1.3.4 光谱检测分析方法 |
| 1.4 本文的研究内容 |
| 2 不同产地稻谷储藏期间主要品质指标的变化 |
| 2.1 前言 |
| 2.2 试验仪器设备 |
| 2.3 试验材料与方法 |
| 2.3.1 稻谷样品 |
| 2.3.2 试剂 |
| 2.3.3 稻谷品质的标准方法检测 |
| 2.3.4 稻谷近红外扫描 |
| 2.4 结果与讨论 |
| 2.4.1 稻谷脂肪酸值与储藏时间的关系 |
| 2.4.2 稻谷直链淀粉含量与储藏时间的关系 |
| 2.4.3 稻谷蛋白质含量与储藏时间的关系 |
| 2.5 结论 |
| 3 稻谷主要品质指标近红外检测模型的建立 |
| 3.1 前言 |
| 3.2 实验仪器及软件 |
| 3.3 实验材料与方法 |
| 3.3.1 样品的选择及前处理 |
| 3.3.2 实验试剂 |
| 3.3.3 实验方法及原理 |
| 3.4 结果与分析 |
| 3.4.1 稻谷水分含量近红外模型的建立 |
| 3.4.2 稻谷直链淀粉含量近红外模型的建立 |
| 3.5 本章小结 |
| 4 稻谷新陈度近红外模型的建立 |
| 4.1 前言 |
| 4.2 实验仪器 |
| 4.3 实验材料与方法 |
| 4.3.1 样品的选择及前处理 |
| 4.3.2 实验方法及原理 |
| 4.4 结果与分析 |
| 4.4.1 稻谷短期储藏模型的建立 |
| 4.4.2 稻谷长期储藏模型的建立 |
| 4.5 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 附录A |
| 附录B |
| 致谢 |
（10）近红外光谱分析技术在大米检测中的应用（论文提纲范文）
| 0 引言 |
| 1 近红外光谱分析技术概况 |
| 2 NIR分析技术在大米品种鉴定中的应用 |
| 3 NIR分析技术在大米品质检测中的应用 |
| 3.1 NIR分析技术在大米直链淀粉量检测中的应用 |
| 3.2 NIR分析技术在大米蛋白质含量检测中的应用 |
| 3.3 NIR分析技术在脂肪含量检测中的应用 |
| 3.4 NIR分析技术在大米其他品质检测中的应用 |
| 4 NIR在大米矿物质元素含量检验中的应用 |
| 5 NIR分析技术的应用前景 |
四、利用近红外反射光谱技术测定稻米中脂肪含量的研究初报（论文参考文献）
- [1]基于近红外光谱的红松子品质检测模型研究[D]. 李鸿博. 东北林业大学, 2021(09)
- [2]红外光谱法检测稻谷脂肪酸值研究[D]. 蒋晓杰. 浙江大学, 2018(01)
- [3]稻米蒸煮和营养品质的QTL定位[D]. 谢黎虹. 江西农业大学, 2017(02)
- [4]近红外光谱分析技术在食品脂肪含量测定上的应用[J]. 代启虎,马晨晨,李冉. 广东化工, 2017(02)
- [5]基于近红外光谱技术的燕麦营养成分检测[D]. 乔瑶瑶. 陕西师范大学, 2016(05)
- [6]稻米品质特性的近红外定标模型构建与遗传关联分析研究[D]. 孙园园. 杭州师范大学, 2016(08)
- [7]近红外光谱技术在稻米特性检测中的应用(综述)[J]. 吴维政,陈鸿鹏. 亚热带植物科学, 2014(02)
- [8]陆地棉种子品质性状遗传和蛋白质QTL定位研究[D]. 刘海英. 浙江大学, 2013(08)
- [9]稻谷新陈度近红外快速无损检测的研究[D]. 李娟. 中南林业科技大学, 2012(11)
- [10]近红外光谱分析技术在大米检测中的应用[J]. 齐龙,朱克卫,马旭,苏彩珠. 农机化研究, 2011(07)