一种基于红外光谱的松脂性状预测方法

本发明涉及松脂性状预测，具体涉及一种基于红外光谱的松脂性状预测方法。

背景技术：

1、湿地松(pinus elliottii engelm)为松科松属乔木，原产美国东南部，是世界松属中最重要的针叶用材树种之一。湿地松是我国南方重要的生态、用材和采脂树种，人工林种植面积达到200万hm2以上，它生长迅速，适应性强，能生产优质的松脂、松香等林副产品，为我国松脂产业发展提供了重要支撑。

2、松脂是由松类树体分泌出来的树脂。松脂性状包括松脂产量和松脂化学组分；松脂化学组分主要包括树脂酸、脂肪酸、单萜烃、单萜醇、倍半萜烯烃、倍半萜烯醇等。目前，已识别很多松脂组分的功用，如α-蒎烯被认为是天然的杀虫剂，β-蒎烯可被开发为替代石油燃料的潜在生物燃料；而具有抗菌特性的海松酸型树脂酸在医药上发挥着重要的作用，可用来制备消炎及抗癌药剂。因此，测定松脂中各化学组分的含量对于松脂的品质和有效使用具有重大意义。

3、近红外光谱技术(near infrared reflectance spectroscopy，简称nirs)作为一种“绿色”的无损检测技术，能够快速、简便、精准地对各种状态的有机物试样进行无损检测，如粉末、固体、液体等有机物试样，该方法在造纸、农业、食品、烟草等领域得到了广泛的应用。近年来，近红外光谱技术亦得到了林业工作者的重视，逐步应用于林副产品的检测。

技术实现思路

1、为了解决以上技术问题，本发明提供了一种基于红外光谱的松脂性状预测方法，其特征在于，

2、s1、对湿地松样木进行松脂样品的采集，将松脂样品分为第一松脂样品和第二松脂样品；

3、s2、基于所述第一松脂样品对样品成分进行分析，得到松脂成分；

4、s3、基于所述第二松脂样品对样品的近红外光谱数据进行收集，得到松脂的近红外光谱数据；

5、s4、将所述松脂成分与所述近红外光谱数据进行关联拟合，建立松脂性状近红外校正模型；

6、s5、使用未参与建模的外部验证集松脂样品对所述松脂性状近红外校正模型进行验证；

7、s6、基于所述松脂性状近红外校正模型对松脂性状进行预测，得到松脂性状预测结果。

8、可选的，所述s1中，对湿地松样木进行松脂样品的采集过程具体包括：

9、在湿地松活力木胸高1.3m处，使用直径为16mm的钻头进行钻孔，钻深为0.5cm，放置松脂标准化测试收集仪收集松脂，预设时间后用parafilm封口膜封口，螺口塑料盖密封，标号，完成湿地松样木松脂样品的采集。

10、可选的，所述s2中，所述对第一松脂样品对样品成分分别进行分析，得到松脂成分的过程包括：

11、将所述第一松脂样品在试管内搅拌均匀；

12、取部分松脂溶于无水乙醇中，以酚酞为指示剂，用四甲基氢氧化铵乙醇溶液滴至为红色；

13、采用气相色谱-质谱联用仪对第一松脂样品进行成分分析。

14、可选的，所述采用气相色谱-质谱联用仪对第一松脂样品进行成分分析时，色谱条件为：

15、p-5ms石英石毛细管柱；接口温度250℃；60℃保持2min，5℃/min升到80℃，然后30℃/min升到230℃，最后5℃/min升到240℃，保持10min,气化室和检测器温度均保持在260℃，进样量为1μl。

16、可选的，所述s3中，对第二松脂样品对样品的近红外光谱数据进行收集，得到松脂的近红外光谱数据的过程具体包括：

17、对所述第二松脂样品加入无水乙醇，振荡使样本溶解，将溶液倒入近红外光谱分析仪配套的容器内至容器的80％；

18、使用傅里叶近红外光谱仪对样本溶液进行扫描，得到湿地松松脂样品的近红外原始光谱图，得到松脂的近红外光谱数据。

19、可选的，所述s4中，将所述松脂成分与所述近红外光谱数据进行关联拟合，建立松脂性状近红外校正模型的过程具体包括：

20、从所述松脂样品中随机选取预设个数的松脂样品作为建模校正集；

21、基于所述建模校正集，采用偏最小二乘法结合交互验证法建立松脂性状近红外校正模型。

22、可选的，所述s5中，使用未参与建模的外部验证集松脂样品对所述松脂性状近红外校正模型进行验证的过程具体包括：

23、将所述松脂样品中除建模校正集之外的松脂样品作为外部验证数据，对模型的预测能力进行验证。

24、可选的，所述s6中，基于所述松脂性状近红外校正模型对松脂性状进行预测，得到松脂性状预测结果的过程包括：

25、使用近红外光谱扫描仪器测定所述松脂样品的光谱数据；

26、将特征光谱数据输入所述松脂性状近红外校正模型，得到松脂性状预测结果。

27、与现有技术相比，本发明的有益效果为：

28、传统的松脂组分测定虽可用gc-ms分析完成，但价格昂贵，测试时间长，无法进行大规模应用。本发明的目的是提供一种用近红外光谱技术预测松脂性状的方法，该方法是通过建立松脂性状的预测模型，为大规模检测松脂提供一种快速、准确、简单的方法，很大程度的节约了时间、成本、人力物力、保障了模型的预测水平，从而为松脂性状的合理高效利用及优良林木培育提供快速、可靠的检测方法和科学依据。提高产脂树种遗传改良工作的效率，促进林木遗传改良研究的快速发展。

技术特征：

1.一种基于红外光谱的松脂性状预测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于红外光谱的松脂性状预测方法，其特征在于，所述s1中，对湿地松样木进行松脂样品的采集过程具体包括：

3.根据权利要求1所述的基于红外光谱的松脂性状预测方法，其特征在于，所述s2中，对所述第一松脂样品对样品成分进行分析，得到松脂成分的过程包括：

4.根据权利要求3所述的基于红外光谱的松脂性状预测方法，其特征在于，所述采用气相色谱-质谱联用仪对第一松脂样品进行成分分析时，色谱条件为：

5.根据权利要求1所述的基于红外光谱的松脂性状预测方法，其特征在于，所述s3中，对第二松脂样品对样品的近红外光谱数据进行收集，得到松脂的近红外光谱数据的过程具体包括：

6.根据权利要求1所述的基于红外光谱的松脂性状预测方法，其特征在于，所述s4中，将所述松脂成分与所述近红外光谱数据进行关联拟合，建立松脂性状近红外校正模型的过程具体包括：

7.根据权利要求1所述的基于红外光谱的松脂性状预测方法，其特征在于，所述s5中，使用未参与建模的外部验证集松脂样品对所述松脂性状近红外校正模型进行验证的过程具体包括：

8.根据权利要求1所述的基于红外光谱的松脂性状预测方法，其特征在于，所述s6中，基于所述松脂性状近红外校正模型对松脂性状进行预测，得到松脂性状预测结果的过程包括：

技术总结
本发明公开了一种基于红外光谱的松脂性状预测方法，所述预测方法包括：S1、对湿地松样木进行松脂样品的采集，将松脂样品分为第一松脂样品和第二松脂样品；S2、基于所述第一松脂样品对样品成分进行分析，得到松脂成分；S3、基于所述第二松脂样品对样品的近红外光谱数据进行收集，得到松脂的近红外光谱数据；S4、将所述松脂成分与所述近红外光谱数据进行关联拟合，建立松脂性状近红外校正模型；S5、使用未参与建模的外部验证集松脂样品对所述松脂性状近红外校正模型进行验证；S6、基于所述松脂性状近红外校正模型对松脂性状进行预测，得到松脂性状预测结果。本发明提高产脂树种遗传改良工作的效率，促进林木遗传改良研究的快速发展。

技术研发人员：赖猛,刘思羽,易敏,张露,谢文磊,谢海萍,陈婷萱
受保护的技术使用者：江西农业大学
技术研发日：
技术公布日：2024/3/21