5采用RS法将120个花生品种的样品分为校正集和验证集，其中校正集为90个 品种，验证集为30个品种，其中蛋白质含量统计见表1。W所述校正集花生样品的所述预处 理后的花生样品图像平均光谱（具体是指光谱的反射值）为自变量，W所述校正集的花生 样品的蛋白质含量为因变量，通过偏最小二乘法建立所述自变量和因变量的偏最小二乘法 回归模型（全波段）。
[0077] 然后进行外部验证，采用下述公式（1)计算相关系数化。1或Ryj;公式似计算 标准偏差（SEC或SE巧，结果见表1。
[0079]式（1)中，为第i个样品高光谱方法预测值，亥是预测值的平均值；为第i个 样品常规方法的测定值，y是测定值的平均值；n为两个变量的样本值的个数。如果样本为 校正集，则R为氏。1;如果样本为验证集，则R为RW。
[00川式似中，为校正集第i样品高光谱方法的预测值，y1为校正集第i样品常规 方法的测定值，n为校正集的样品数。如果为验证集第i样品高光谱方法的预测值，n为 验证集的样品数，则公式（2)表示的是SEP。
[0082]表1花生校正集和验证集的蛋白质含量统计和模型参数
[0084] 1. 6利用回归系数法（表示波长对蛋白质含量影响大小的参数），回归系数绝对值 越大表明该波长对蛋白质含量影响越大，选择对模型贡献率绝对值最大的十四点为特征波 长，分别为：931nm、934nm、941nm、944nm、1020nm、1120nm、1137nm、1207nm、1273nm、1370nm、 1380皿、1594皿、1654皿、1678皿，建立花生中蛋白质含量分布定量模型，采用上述公式（1) (2)计算校正集的相关系数氏。1和校正集的标准偏差SEC，见表2,该花生中蛋白质含量分布 定量模型如下： 阳0财 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nm+16. 585Ri5g4nm_93. 84Rw54nm -71. 93Rie78tini)+26. 625
[0086] 利用验证集对建立的模型进行验证，采用上述公式（1)、（2)计算验证集的相关系 数Rvai和标准误差SEP，结果见表2。
[0087] 表2基于特征波长花生蛋白质含量校正集和验证集模型参数
[0089] 选择特征波长能够代表绝大多数信息，利用本发明方法建立的花生中蛋白质含量 分布定量模型对花生中蛋白质含量分布进行检测，其检测结果与国标GB/T5009.5-2010 中第一法凯氏定氮法的检测结果呈高度相关，并且能够简化运算分析时间，提高运算速度。
[0090] 实施例2
[0091] 本实施例提供一种基于高光谱成像技术检测花生中蛋白质含量分布的方法，该方 法包括W下步骤：
[0092] 1)采集待测花生样品在下列特征波长处的光谱图像：931nm、934nm、941nm、 944nm、1020nm、1120nm、1137nm、1207nm、1273nm、1370nm、1380nm、1594nm、1654nm、1678nm。
[0093] 具体过程：另取6个花生品种，按与实施例1相同的方法用高光谱仪得到花生样品 的原始高光谱=维图像；进而用与实施例1相同的方法提取花生样品图像平均光谱；然后 再对该6个品种花生样品平均光谱进行二阶导数预处理；最终获得该6个花生品种样品在 上述特征波长处的光谱反射值。
[0094] 2)将上述特征波长处的光谱反射值输入花生中蛋白质含量分布定量模型，得到待 测花生样品蛋白质含量分布，结果如图4所示；所述花生中蛋白质含量分布定量模型如下： 阳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为花生样品的蛋白质含里，R931nni、R934?、R94I?、R944?、Ri〇2。?、Ri12。?、Rll37nni、 Rl207nni、Rl273nni、Ri37。?、Ri38。?、Rl594nni、Rl654nni、Rl678nni分力iJ为花生样品在特化波k931nm、934nm、 941nm、944nm、1020nm、1120nm、1137nm、1207nm、1273nm、1370nm、1380nm、1594nm、1654nm、 1678nm处经过预处理后的光谱反射值。
[0097] 对比例1
[0098] 本对比例提供一种基于高光谱成像技术建立花生中蛋白质含量分布定量模型的 方法，与实施例1的区别仅在于选取的偏最小二乘法回归模型的波长不同。本对比例选取 十四个波长，分别为 914nm、951nm、990nm、1050nm、llOOnm、lllOnm、1170nm、1297nm、1317nm、 1360皿、1467皿、1541皿、1604皿和1665皿，并基于运十四个波长W与实施例1相同方法建 立花生中蛋白质含量分布定量模型，采用上述公式（1) (2)计算校正集的相关系数氏。1和校 正集的标准偏差SEC，见表3。所建立的花生中蛋白质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。口nni-SO. 57R。加nm_96. 29Ri467nm+270. 33Ri54inm_247.4IR16 〇4nm-28.6Ri谢sJ+14.42
[0100] 利用验证集对建立的模型进行评估和验证，采用上述公式（1) (2)计算验证集的 相关系数Rvai和标准偏差SEP，见表3。 阳101] 表3基于其他波长花生蛋白质含量校正集和验证集模型参数
阳103] 对比例2
[0104] 本对比例提供一种基于高光谱成像技术建立花生中蛋白质含量分布定量模型的 方法，与实施例1的区别仅在于选取的偏最小二乘法回归模型的波长不同。本对比例选取 十四个波长，分别为 921nm、924nm、967nm、1064nm、1073nm、1210nm、1287nm、1337nm、1347nm、 1423nm、1457nm、1527nm、1624nm、1681nm，并基于运十四个波长W与实施例1相同方法建立 花生中蛋白质含量分布定量模型，采用上述公式（1) (2)计算校正集的相关系数巧。。1)和校 正集标准偏差（SEC)，见表4。所建立的花生中蛋白质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] 利用验证集对建立的模型进行评估和验证，采用上述公式（1) (2)计算验证集的 相关系数（馬。1)和标准偏差（SEP)，见表4。 阳107] 表4基于其他波长花生蛋白质含量校正集和验证集模型参数
[0109] 由实施例1-2及对比例1-2的结果来看，特征波长的选取对测定花生中蛋白质含 量，有着重要影响，本发明选择的特征波长建立的模型，相关