应用近红外光谱技术分析稻米蛋白质含量

摘　要: 以稻谷、米粒、米粉3 种形态的样品,应用近红外光谱技术(NIRS) 和偏最小二阶乘法(PLS) ,建立了6 个稻米蛋白质含量近红外光谱数学模型,并对模型预测结果的准确性进行了评价。结果表明,糙米蛋白质含量的稻谷、糙米粒和糙米粉近红外光谱预测模型校正决定系数( RC2 ) 分别为01893、01971 和01987 ,校正标准差( RMSEC) 分别为01507、01259 和01183 ;精米蛋白质含量的稻谷、精米粒和精米粉近红外光谱预测模型R2C 分别为01897、01984 和01986 , RMSEC 分别为01497、01186 和01190。模型内部交叉验证分析表明,预测糙米蛋白含量的稻谷、糙米粒和糙米粉模型内部交叉验证决定系数( RCV2 ) 分别为01865、01962 和01984 ,内部验证标准差( RMSECV) 分别为01557、01290 和01205 ;预测精米蛋白含量的稻谷、精米粒和精米粉的模型RCV2 分别为01845、01951 和01979 , RMSECV 分别为01594、01316 和01233。模型外部验证分析表明,预测糙米蛋白含量的稻谷、糙米粒和糙米粉近红外光谱模型外部验证决定系数( RV2 ) 分别为01683、01801 和01939 ,外部验证标准差( RMSEV) 为01962、01799 和01434 ;预测精米蛋白含量的稻谷、精米粒和精米粉近红外光谱的模型RV2 分别为01673、01921 和01959 , RMSEV 为01976、01513 和01344。用米粉建立的近红外光谱预测模型准确性最高,米粒次之,基于稻谷的预测模型准确性相对较低;内部交叉验证和外部验证表明,近红外光谱分析技术与化学分析方法一致性较好,且能保证样品的完整性,在水稻优质育种和稻米品质分析中具有广泛的应用价值。