流形学习在红松籽仁蛋白质含量近红外检测中的应用

为研究检测红松籽仁蛋白质含量的近红外光谱分析技术,在用变量标准化校正+一阶导数+小波变换对原始光谱进行预处理的基础上,分别运用主成分分析、改进型局部线性嵌入、局部切空间对齐、黑塞特征映射进行光谱数据的降维处理,分别构建偏最小二乘、岭回归、支持向量回归、极度梯度提升数学模型。结果表明,改进型局部线性嵌入+支持向量回归法建立的参数优化模型质量最佳。其降维方法优化参数为:维度取4,邻域数取50;验证集均方差均值为0.5681,验证集皮尔逊相关系数均值达0.9408。可见,模型的预测结果是可靠的,能够实现对红松籽仁蛋白质含量的无损、准确检测。

红松籽仁中氨基酸组成与含量

用微晶纤维素层析法和双波长薄层锯形扫描法,对红松(Pinus koraiensis Sieb. et Zucc)籽仁的氨基酸成份和含量进行定性和定量分析,分析结果:红松籽仁中至少含有17种氨基酸,其含量最小的为酪氨酸(0.37％),最大为谷氨酸(7.96％),贮藏时间对红松籽仁氨基酸含量有明显影响,大部分种类氨基酸的含量随贮藏时间增加而减少,红松种仁含氨基酸总量比苏联西伯利亚红松(P.sibirca)籽仁含氨基酸总量高7.64％。