5采用RS法將120個(gè)花生品種的樣品分為校正集和驗(yàn)證集，其中校正集為90個(gè) 品種，驗(yàn)證集為30個(gè)品種，其中蛋白質(zhì)含量統(tǒng)計(jì)見表1。W所述校正集花生樣品的所述預(yù)處 理后的花生樣品圖像平均光譜（具體是指光譜的反射值）為自變量，W所述校正集的花生 樣品的蛋白質(zhì)含量為因變量，通過偏最小二乘法建立所述自變量和因變量的偏最小二乘法 回歸模型（全波段）。
[0077] 然后進(jìn)行外部驗(yàn)證，采用下述公式（1)計(jì)算相關(guān)系數(shù)化。1或Ryj;公式似計(jì)算 標(biāo)準(zhǔn)偏差（SEC或SE巧，結(jié)果見表1。
[0079]式（1)中，為第i個(gè)樣品高光譜方法預(yù)測(cè)值，亥是預(yù)測(cè)值的平均值；為第i個(gè) 樣品常規(guī)方法的測(cè)定值，y是測(cè)定值的平均值；n為兩個(gè)變量的樣本值的個(gè)數(shù)。如果樣本為 校正集，則R為氏。1;如果樣本為驗(yàn)證集，則R為RW。
[00川式似中，為校正集第i樣品高光譜方法的預(yù)測(cè)值，y1為校正集第i樣品常規(guī) 方法的測(cè)定值，n為校正集的樣品數(shù)。如果為驗(yàn)證集第i樣品高光譜方法的預(yù)測(cè)值，n為 驗(yàn)證集的樣品數(shù)，則公式（2)表示的是SEP。
[0082]表1花生校正集和驗(yàn)證集的蛋白質(zhì)含量統(tǒng)計(jì)和模型參數(shù)
[0084] 1. 6利用回歸系數(shù)法（表示波長對(duì)蛋白質(zhì)含量影響大小的參數(shù)），回歸系數(shù)絕對(duì)值 越大表明該波長對(duì)蛋白質(zhì)含量影響越大，選擇對(duì)模型貢獻(xiàn)率絕對(duì)值最大的十四點(diǎn)為特征波 長，分別為：931nm、934nm、941nm、944nm、1020nm、1120nm、1137nm、1207nm、1273nm、1370nm、 1380皿、1594皿、1654皿、1678皿，建立花生中蛋白質(zhì)含量分布定量模型，采用上述公式（1) (2)計(jì)算校正集的相關(guān)系數(shù)氏。1和校正集的標(biāo)準(zhǔn)偏差SEC，見表2,該花生中蛋白質(zhì)含量分布 定量模型如下： 陽0財(cái) Yp"= 10 2X (34. 78R93inm-31. 72R934nm-25. 63R9"nm+l〇8. 46R944nm+195. 93Ri〇2〇nm-l〇7Ru2 0?+83. 44Rii37nni-13. 72Ri207nm+182. 89Ri273nm+41. 09Ri37〇nm_79. 21R口細(xì)nm+16. 585Ri5g4nm_93. 84Rw54nm -71. 93Rie78tini)+26. 625
[0086] 利用驗(yàn)證集對(duì)建立的模型進(jìn)行驗(yàn)證，采用上述公式（1)、（2)計(jì)算驗(yàn)證集的相關(guān)系 數(shù)Rvai和標(biāo)準(zhǔn)誤差SEP，結(jié)果見表2。
[0087] 表2基于特征波長花生蛋白質(zhì)含量校正集和驗(yàn)證集模型參數(shù)
[0089] 選擇特征波長能夠代表絕大多數(shù)信息，利用本發(fā)明方法建立的花生中蛋白質(zhì)含量 分布定量模型對(duì)花生中蛋白質(zhì)含量分布進(jìn)行檢測(cè)，其檢測(cè)結(jié)果與國標(biāo)GB/T5009.5-2010 中第一法凱氏定氮法的檢測(cè)結(jié)果呈高度相關(guān)，并且能夠簡(jiǎn)化運(yùn)算分析時(shí)間，提高運(yùn)算速度。
[0090] 實(shí)施例2
[0091] 本實(shí)施例提供一種基于高光譜成像技術(shù)檢測(cè)花生中蛋白質(zhì)含量分布的方法，該方 法包括W下步驟：
[0092] 1)采集待測(cè)花生樣品在下列特征波長處的光譜圖像：931nm、934nm、941nm、 944nm、1020nm、1120nm、1137nm、1207nm、1273nm、1370nm、1380nm、1594nm、1654nm、1678nm。
[0093] 具體過程：另取6個(gè)花生品種，按與實(shí)施例1相同的方法用高光譜儀得到花生樣品 的原始高光譜=維圖像；進(jìn)而用與實(shí)施例1相同的方法提取花生樣品圖像平均光譜；然后 再對(duì)該6個(gè)品種花生樣品平均光譜進(jìn)行二階導(dǎo)數(shù)預(yù)處理；最終獲得該6個(gè)花生品種樣品在 上述特征波長處的光譜反射值。
[0094] 2)將上述特征波長處的光譜反射值輸入花生中蛋白質(zhì)含量分布定量模型，得到待 測(cè)花生樣品蛋白質(zhì)含量分布，結(jié)果如圖4所示；所述花生中蛋白質(zhì)含量分布定量模型如下： 陽0巧]Yp"= 10 2X(34. 78R93inm-31. 72R934nm-25. 63R9"nm+l〇8. 46R944nm+195. 93Ri〇2〇nm-l〇7Ru2 0?r*~83. 44Rii37nni-13. 72Ri207nm+182. 89Ri273nm+41. 09Ri37〇nm_79. 21Ri380nm+16. 585Ri5g4nm_93. 84Ri654nm -71.93Ri6,sJ+26. 625
[OOM]其中，Ypm為花生樣品的蛋白質(zhì)含里，R931nni、R934?、R94I?、R944?、Ri〇2。?、Ri12。?、Rll37nni、 Rl207nni、Rl273nni、Ri37。?、Ri38。?、Rl594nni、Rl654nni、Rl678nni分力iJ為花生樣品在特化波k931nm、934nm、 941nm、944nm、1020nm、1120nm、1137nm、1207nm、1273nm、1370nm、1380nm、1594nm、1654nm、 1678nm處經(jīng)過預(yù)處理后的光譜反射值。
[0097] 對(duì)比例1
[0098] 本對(duì)比例提供一種基于高光譜成像技術(shù)建立花生中蛋白質(zhì)含量分布定量模型的 方法，與實(shí)施例1的區(qū)別僅在于選取的偏最小二乘法回歸模型的波長不同。本對(duì)比例選取 十四個(gè)波長，分別為 914nm、951nm、990nm、1050nm、llOOnm、lllOnm、1170nm、1297nm、1317nm、 1360皿、1467皿、1541皿、1604皿和1665皿，并基于運(yùn)十四個(gè)波長W與實(shí)施例1相同方法建 立花生中蛋白質(zhì)含量分布定量模型，采用上述公式（1) (2)計(jì)算校正集的相關(guān)系數(shù)氏。1和校 正集的標(biāo)準(zhǔn)偏差SEC，見表3。所建立的花生中蛋白質(zhì)含量分布定量模型如下：
[0099] Yp"=10 2x(-0. 94R9i4nm+58. 08R95inm+45. 69R99〇nm+523. 25Ri〇5〇nm-3〇7. 4R"〇〇nm+ll. 75Ri llOnni-20. 55R…onm-458. 56Ri297nm+461. 5R?？趎ni-SO. 57R。加nm_96. 29Ri467nm+270. 33Ri54inm_247.4IR16 〇4nm-28.6Ri謝sJ+14.42
[0100] 利用驗(yàn)證集對(duì)建立的模型進(jìn)行評(píng)估和驗(yàn)證，采用上述公式（1) (2)計(jì)算驗(yàn)證集的 相關(guān)系數(shù)Rvai和標(biāo)準(zhǔn)偏差SEP，見表3。 陽101] 表3基于其他波長花生蛋白質(zhì)含量校正集和驗(yàn)證集模型參數(shù)
陽103] 對(duì)比例2
[0104] 本對(duì)比例提供一種基于高光譜成像技術(shù)建立花生中蛋白質(zhì)含量分布定量模型的 方法，與實(shí)施例1的區(qū)別僅在于選取的偏最小二乘法回歸模型的波長不同。本對(duì)比例選取 十四個(gè)波長，分別為 921nm、924nm、967nm、1064nm、1073nm、1210nm、1287nm、1337nm、1347nm、 1423nm、1457nm、1527nm、1624nm、1681nm，并基于運(yùn)十四個(gè)波長W與實(shí)施例1相同方法建立 花生中蛋白質(zhì)含量分布定量模型，采用上述公式（1) (2)計(jì)算校正集的相關(guān)系數(shù)巧。。1)和校 正集標(biāo)準(zhǔn)偏差（SEC)，見表4。所建立的花生中蛋白質(zhì)含量分布定量模型如下：
[0105] Yp"= 10 2X (-7. 77R92inm+ll. 89R924nm+300. 33R967nm+97. 13Ri〇64nm+51. 47R罰nm-3. 07R。 lOnm+490. 35Ri287nni-395. 56Ri337nm+l〇l.〇2Ri3"nm+95. 95Ri423nm_115. 86Ri做nm+84. 03Ri527nm+422. 82R 1624nni-43. 13Ri681nni)~*~13. 34
[0106] 利用驗(yàn)證集對(duì)建立的模型進(jìn)行評(píng)估和驗(yàn)證，采用上述公式（1) (2)計(jì)算驗(yàn)證集的 相關(guān)系數(shù)（馬。1)和標(biāo)準(zhǔn)偏差（SEP)，見表4。 陽107] 表4基于其他波長花生蛋白質(zhì)含量校正集和驗(yàn)證集模型參數(shù)
[0109] 由實(shí)施例1-2及對(duì)比例1-2的結(jié)果來看，特征波長的選取對(duì)測(cè)定花生中蛋白質(zhì)含 量，有著重要影響，本發(fā)明選擇的特征波長建立的模型，相關(guān)