裸大麦籽粒β-葡聚糖含量近红外预测模型的建立

　　

摘要： β-葡聚糖具有调节血糖、降血脂、抗肿瘤、抗氧化等功效，是裸大麦的重要品质指标之一。建立裸大麦籽粒β-葡聚糖含量近红外预测模型，无损快速地对低世代裸大麦材料籽粒β-葡聚糖含量进行测定，可显著提高裸大麦育种效率。本研究采集了215份裸大麦籽粒的近红外光谱，使用酶法测定了β-葡聚糖含量，根据光谱扫描结果和蒙特卡洛交叉验证法剔除异常样本10个，利用SPXY法将剩余样本划分为校正集和验证集。使用归一化、一阶导数、二阶导数等14种方法对光谱进行预处理，使用偏最小二乘回归(PLSR)、支持向量机(SVM)和主成分回归(PCR)算法构建裸大麦籽粒β-葡聚糖含量的近红外预测模型，其中二阶导数处理的SVM模型预测效果最好。结合连续投影算法(SPA)、无信息变量剔除法(UVE)、竞争性自适应重加权采样法(CARS)、变量迭代空间收缩法(VISSA)、自举软收缩法(BOSS)、迭代保留信息变量法(IRIV) 6种特征变量筛选方法对二阶导数处理的SVM模型进行优化。其中CARS-SD-SVM模型的校正决定系数(R²_C)、校正标准偏差(RMSEC)、外部验证决定系数(R²_P)、验证标准偏差(RMSEP)和相对分析误差(RPD)分别是0.859、0.272、0.877、0.237、2.790，模型预测效果最佳，且可靠性较高，适用于裸大麦籽粒β-葡聚糖含量的分析，在裸大麦优质育种和品质分析中具有广泛的应用价值。