TY -的A2 -霍夫曼,帝诺盟,蒯杰盟——徐Shengyong盟——郭,程AU - Lu,库恩盟——冯Yaoze盟——周,广胜PY - 2019 DA - 2019/11/20 TI -预测模型的关键部件耐倒伏性在油菜茎用近红外反射光谱(NIRS) SP - 9396718六世- 2019 AB -油菜茎的化学成分是其耐倒伏性的生理基础。通过检测技术的优势,我们开发了一个快速的方法来确定六个关键成分的内容而不碎茎。油菜秸秆收集成熟发展阶段从三种种植模式在过去的2年。首先,我们使用了近红外光谱仪扫描七头寸茎样品和他们的平均形成了光谱数据。茎被压碎和渗;碳和氮的比例,比实木质素和木质素、纤维素和可溶性糖的含量测定采用燃烧法、称重法和比色法,分别。偏最小二乘回归(PLSR)方法被用来建立一个预测模型之间的光谱数据和化学测量,和所有的模型是由一个内部评估交互验证和外部独立测试集样本。提高模型的精度和减少计算时间,一些优化方法已经被应用。一些异常值被移除,然后对数据进行预处理,以确定最佳的谱带和最佳主成分数的信息。结果表明,消除异常值有效地提高预测模型的精度和没有光谱预处理方法表现出预测精度最高。 In summary, the NIRS-based prediction model could facilitate the rapid nondestructive detection in the key components of rapeseed stalk. SN - 2314-4920 UR - https://doi.org/10.1155/2019/9396718 DO - 10.1155/2019/9396718 JF - Journal of Spectroscopy PB - Hindawi KW - ER -