北京理加联合科技有限公司

LICA United Technology Limited

服务热线: 13910499761 010-51292601
企业邮箱
应用支持 Application Support
News 应用支持

Resonon | 利用Resonon Pika XC2高光谱成像预测新鲜姜黄根茎中姜黄素浓度

日期: 2022-04-25
浏览次数: 343


Resonon | 利用Resonon Pika XC2高光谱成像预测新鲜姜黄根茎中姜黄素浓度

姜黄素是一种天然化合物,具有良好的抗炎、降血脂、抗氧化和抗癌等特性。姜黄素是从姜科、天南星科中一些植物的根茎中提取的一种二酮类化合物。其中,姜黄中约含姜黄素3%~6%,是植物界很稀少的具有二酮结构的色素。了解栽培根茎中姜黄素的水平并确定高产品种非常重要。传统上测量姜黄素是通过从新鲜根茎或干粉中将其提取出来,并使用高效液相色谱(HPLC)或紫外-可见分光光度法进行分析。从植物材料中分离姜黄素费事、费力、成本高,且需要专门的实验室设备和有经验的操作人员。而高光谱成像(HSI)是一种快速且无损的技术,已成功用于土壤和农产品(坚果、水果和蔬菜)各种化学成分和质量指标的评估。然而,目前尚未探索使用新鲜姜黄根茎的HIS图像来预测姜黄素。

基于此,为了填补研究空白,在本文中,来自澳大利亚的一组研究团队进行了相关研究,旨在(1) 比较澳大利亚东部不同采样点3个姜黄品种(黄色、橙色和红色)的总姜黄素浓度和不同类姜黄素的分布;(2)评估利用可见-近红外(Vis/NIR)光谱(400-1000 nm)建立的PLSR模型预测新鲜姜黄根茎中总姜黄素浓度的潜力。

作者在2018年11月至2019年11月,从五个研究地点共收集了190个样本,以捕捉生长周期的变化。利用光谱范围为400-1000 nm,光谱采样间隔为1.3 nm,光谱分辨率为2.3 nm的Resonon Pika XC2高光谱相机获取样品的高光谱图像。扫描后,提取根茎中的姜黄素,分析其总浓度和分布。建立偏最小二乘回归(PLSR)模型来预测总姜黄素浓度,并通过R2和RMSE来评估模型的准确度。
 

Resonon | 利用Resonon Pika XC2高光谱成像预测新鲜姜黄根茎中姜黄素浓度

图1 高光谱成像系统Resonon Pika XC2高光谱相机扫描姜黄根茎(a),选择根茎肉(横截面)(b)和皮(c)感兴趣区域(ROI),用于提取每个样品的平均光谱反射率。 


Resonon | 利用Resonon Pika XC2高光谱成像预测新鲜姜黄根茎中姜黄素浓度

图2 实验设计和模型开发流程图。



【结果】

表1 校准和测试集中不同品种和采样地的总姜黄素 (%) 浓度的描述性分析。

Resonon | 利用Resonon Pika XC2高光谱成像预测新鲜姜黄根茎中姜黄素浓度


Resonon | 利用Resonon Pika XC2高光谱成像预测新鲜姜黄根茎中姜黄素浓度

 
图3 不同姜黄品种中三种姜黄素类化合物:双去甲氧基姜黄素 (a)、去甲氧基姜黄素 (b) 和姜黄素 (c) 的百分比分布。
Resonon | 利用Resonon Pika XC2高光谱成像预测新鲜姜黄根茎中姜黄素浓度 
图4 使用三个姜黄品种的原始反射光谱和根茎皮(a)与根茎肉(b)的所有可用波长开发的模型;测试集中单个样本的姜黄素(%)预测值(实心圆)(利用根茎肉模型)和测试数据集中单个样本测量值(“×”)和偏差线(与校准样本的相似度)分布图(c)。


表2 使用各种光谱分析技术的PLSR模型预测性能。

Resonon | 利用Resonon Pika XC2高光谱成像预测新鲜姜黄根茎中姜黄素浓度

图5 仅使用橙色姜黄品种的原始反射光谱和根茎皮(a)与根茎肉(b)的所有可用波长开发的模型;测试集中单个样本的姜黄素(%)预测值(实心圆)(利用根茎肉模型)和测试数据集中单个样本测量值(“×”)和偏差线(与校准样本的相似度)分布图(c)。


 【结论】
红色姜黄品种姜黄素最高,建议农民可以培育该品种。本研究结果表明Vis/NIR高光谱成像结合PLSR有潜力仅使用根茎肉图像而不是根茎皮图像预测新鲜姜黄中的姜黄素。在收获和清洗过程中,指状根茎通常从母根茎中折断,仍可销售,因此,通过扫描从加工批次中随机选择的任何折断的根茎碎片,并使用所开发的PLSR模型,可以在两级系统下基于农场手段对包装根茎进行分级。针对每个品种开发模型可以提高预测性能和可靠性。使用单一姜黄品种(橙色)开发的模型预测结果更准确,预测性能和可靠性更高。波长选择(Jack knifing)进一步改进了这些方法,使其适用于更小、更便携的多光谱成像系统。然而,在未来的研究中,应针对每个特定品种采集更大的样本量,并对从其他光谱区域收集的数据进行调查。此外,该方法应被用于预测单个姜黄素类化合物,未来新兴的图像深度学习算法可能会进一步提高模型预测性能。

请点击如下链接,阅读原文:
https://mp.weixin.qq.com/s?__biz=MjM5NjE1ODg2NA==&mid=2650310032&idx=1&sn=18f01ae402460e5da378f1ca6611014e&chksm=bee1a96f8996207988d67e735544aa15e26988c1a3cbb97e8aef9859a4a796e09c2f2202826e&token=473735764&lang=zh_CN#rd

News / 相关新闻 More
2026 - 11 - 16
研究背景土壤盐碱化是影响农业生产和土地资源利用的重要因素。山西省大同盆地分布着较大面积的苏打型盐碱土,土壤中较高的CO₃²⁻和HCO₃⁻含量对作物生长造成了一定限制。如何改善盐碱土壤环境、提高土地利用效率,是当地农业生产面临的重要问题。沙土掺混能够改变土壤质地和孔隙结构,进而影响水分入渗及盐分迁移。但掺沙比例不同,对土壤水分保持和氮、磷、钾等养分分布的影响也存在差异。尤其是在促进盐分淋洗的同时,是否会加剧养分向深层迁移,仍需要进一步研究。针对这一问题,山西农业大学崔清亮老师团队以大同盆地中度盐碱土为研究对象,通过室内土柱试验和田间试验,探究沙土掺混与养分管理对土壤水盐、养分迁移及谷子生长的影响,为晋北苏打型盐碱土改良和谷子栽培提供依据。图1.土柱实验的设置。研究方法研究土壤采自山西省怀仁市中度盐碱农田,属于大同盆地苏打型盐碱土。研究分为室内土柱入渗试验和田间种植试验:室内土柱试验...
2026 - 11 - 09
研究背景土壤有机碳(SOC)是反映土壤质量、土壤肥力及生态系统碳循环的重要指标。传统湿化学测定方法虽然准确性较高,但存在耗时长、成本高、操作复杂等问题。相比之下,可见光—近红外(Vis-NIR)光谱技术具有快速、无损、低成本等优势,为SOC快速估算提供了新的技术途径。然而,光谱预测模型高度依赖大量代表性样本。在实际调查中,受采样成本及实验条件限制,往往难以获得充足的校准数据,小样本条件下模型容易出现过拟合,影响预测精度与泛化能力。针对这一问题,外部光谱数据库迁移学习和深度生成模型数据增强成为两种潜在解决途径。但不同生成模型的增强效果如何?外部光谱库能否有效改善本地模型预测性能?数据增强倍数又将如何影响模型表现?为此,山西农业大学徐占军老师团队通过构建统一实验框架,系统比较四种深度生成模型与外部土壤光谱数据库的应用效果,探索小样本条件下SOC光谱估算的有效数据增强策略。图1.研究区域概况。研...
2026 - 11 - 09
研究背景地下水是高寒地区水循环的重要组成部分,其补给过程受到冻融循环的显著调控。随着气候变暖,青藏高原冻土退化、活动层加深,土壤水分的储存与迁移条件发生变化,进而影响降水、融雪水、土壤水与地下水之间的水文联系。然而,不同冻融阶段地下水补给来源的变化及其迁移路径仍缺乏系统认识。针对这一问题,北京师范大学李小雁老师团队以青海湖流域为研究区,结合氢氧稳定同位素示踪与MixSIAR贝叶斯混合模型,定量解析不同冻融阶段地下水的补给来源,揭示冻融过程对土壤水文连通性及地下水补给路径的影响。图1.(a) QLB在青藏高原(QTP)上的位置。(b) QLB内多年冻土的时空分布;其中灰色代表季节性冻土,橙色代表多年冻土。(c) QLB的位置及采样点分布。(d) 地下水采样。(e) 降水采样。(f) 在相邻地点每月采集土壤样品。研究方法研究设计:研究区位于青藏高原东北部青海湖流域。2025年5—10月,研究团...
2026 - 11 - 02
研究背景河流和溪流是大气甲烷(CH₄)的重要来源。已有研究发现,源头河流通常具有较高的CH₄排放强度,是河流CH₄排放的重要热点。但在高海拔冰冻圈地区,这一规律是否依然适用?受低温和有机碳底物匮乏等因素影响,该区域的CH₄过程可能受到限制。与此同时,冰川融水的持续输入也可能进一步改变河流的CH₄排放特征。那么,冰川融水究竟如何影响河流CH₄排放?其背后的作用机制又是什么?针对这一问题,兰州大学高坛光老师团队以青藏高原北部黑河上游为研究区域,通过2020—2023年连续观测,系统分析了冰川补给河流与非冰川补给河流的CH₄排放特征,并进一步探讨冰川融水对河流CH₄排放的调控机制。图1. (a) 研究区域概况。(b) 在三次不同的野外考察期间,使用浮动气室法进行气体采样的现场照片。研究方法实验设计:研究以青藏高原北缘黑河上游为研究区域。2020—202年,在该研究区域上游设置25个采样点(冰川补...
【关闭窗口】【打印】
Copyright ©2018-2023 北京理加联合科技有限公司
犀牛云提供企业云服务

北京理加联合科技有限公司

地址:北京市海淀区安宁庄东路18号光华创业园5号楼(生产研发)
          光华创业园科研楼四层
电话:13910499761 13910124070  010-51292601
传真:010-82899770-8014
邮箱:info@li-ca.com
邮编:100085

 



 


 


  • 您的姓名:
  • *
  • 公司名称:
  • *
  • 地址:
  • *
  • 电话:
  • *
  • 传真:
  • *
  • 电子邮箱:
  • *
  • 邮政编码:
  • *
  • 留言主题:
  • *
  • 详细说明:
  • *
在线留言
关注我们
  • 官方微信
  • 官方手机端
友情链接:
X
1

QQ设置

3

SKYPE 设置

4

阿里旺旺设置

等待加载动态数据...

等待加载动态数据...

5

电话号码管理

  • 010-51292601
6

二维码管理

等待加载动态数据...

等待加载动态数据...

展开