[发明专利]一种光谱模型法快速测定锁阳中蛋白质含量的方法

权利要求书

1.一种光谱模型法快速测定锁阳中蛋白质含量的方法，其特征在于，包括以下步骤：

D1：模型性能指标的选择：通过偏最小二乘法分别建立锁阳中蛋白质的中红外、近红外定量分析模型，随机选取总样本量的1/4作为模型的验证集。以交互验证误差均方根为指标优化建模参数，选择最佳的预处理方法及建模波段；交互验证相关系数值为评价模型的拟合效果，以校正集误差均方根和验证集误差均方根考察模型对校正集样本和验证集样本的预测效果。当RMSEC和RMSEP较小且接近时，表明模型的预测性较好；

D2：波段的选择：中红外、近红外光谱的全光谱除了包含有效信息以外，还包括噪音等冗余信息，采用全光谱建模不仅增加了建模的工作量，同时也会影响模型的精准，因此，需要找到能良好反映指标成分的建模波段，通过TQ软件得到指标成分与红外光谱的相关信息，进行建模波段选择，根据蛋白质的主要吸收范围，在中红外光谱建立蛋白质含量测定模型时选取3400-3200cm^-1、1700-1200cm^-1；

D3:光谱处理方法的选择：为了减少在光谱采集过程中噪声、基线漂移、样品颗粒不均匀及光散射对光谱的影响，在建立定量模型之前，对光谱进行预处理以提高模型的性能。常用的光谱预处理有导数处理、多元散射矫正、标准正交转换、平滑等，多种预处理方法联用可得到较好的预处理结果，分别采用原始光谱、一阶导数+MSC+SG、一阶导数+MSC+ND、一阶导数+SNV+SG、一阶导数+SNV+ND、二阶导数+MSC+SG、二阶导数+MSC+ND、二阶导数+SNV+SG、二阶导数+SNV+ND预处理方法进行建模，以内部交叉验证相关系数，内部交叉验证误差均方根为指标，考察不同预处理方法所建模型的性能。当R越趋于1，RMSECV越小时，模型的预测效果越好，通过不同的预处理方法对中、近红外光谱进行处理建模，采用一阶导数+MSC+ND对中、近红外光谱进行预处理时，模型的效果相对最好，中红外、近红外模型RMSECV值相对最小，R值更趋近于1，因此，选择采用一阶导数+MSC+ND对近红外光谱进行预处理；

D4:红外光谱模型的建立：近红外光谱模型的建立：通过TQ软件的杠杆值对异常光谱进行剔除，选择四分之一样本为验证集，所剩样品为校正集。根据锁阳近红外光谱与蛋白质含量相关，选取7200-4000cm^-1为蛋白质建模波段，通过对预处理方法的优化，选择最佳预处理方法一阶导数+MSC+ND对近红外光谱进行预处理，将近红外光谱结合偏最小二乘法建立定量预测模型，选取近红外所建立的含量预测模型用于实际应用中，采用傅立叶变换红外光谱分析仪用于样品采集范围内预测锁阳中蛋白质的含量，其中，锁阳茎部位蛋白质测定模型主因子数为9，RMSEC和RMSEP分别为0.964和0.988，RMSECV为1.14，R值为0.8419，锁阳花序部位蛋白质测定模型主因子数为4，RMSEC和RMSEP分别为1.50和1.52，RMSECV为1.59，R值为0.6871。