[关键词]
[摘要]
为了实现小麦籽粒蛋白质含量的快速、准确测定,用近红外分析仪对158份小麦进行光谱扫描,采用主成分分析法剔除异常光谱,对剔除异常值后的图谱进行标准正常化及去散射处理,并分别进行一阶和二阶导数处理。并在光谱预处理基础上,建立了预测小麦籽粒蛋白质含量的BP神经网络和偏最小二乘法校正模型。结果表明:经过标准正常化及去散射处理和二阶导数预处理的图谱,运用BP神经网络建立的模型预测小麦籽粒蛋白质含量效果最优,预测的R 2和均方根误差分别为0.983和0.067,小麦蛋白质含量的国标测定值与最优条件下的预测值之间的 t 检验结果为 P =0.82>0.05,两种方法测定结果无显著性差异。将其与近红外仪器自带模型相比,预测效果显著提高。采用非线性BP神经网络法建立的定标模型可提高预测小麦蛋白质含量的准确性。
[Key word]
[Abstract]
[中图分类号]
[基金项目]