麦类作物学报

作者：刘洁琼，罗斌，张晗，康凯，陈泉，邱朝阳

单位：1.新疆农业大学机电工程学院,新疆乌鲁木齐 830052； 2.北京市农林科学院智能装备技术研究中心,北京 100097

关键词：小麦,类胡萝卜素,近红外光谱,特征选择,估测模型,

基金：国家“十四五”重点研发计划项目（2023YFD2000405）

小麦籽粒类胡萝卜素含量关系到小麦制品的颜色外观和商品价值，是小麦育种过程中的重要指标之一。目前检测小麦籽粒类胡萝卜素含量的方法主要有紫外分光光度法、薄层色谱法、高效液相色谱法等化学方法，成本高且耗时耗力。为实现小麦籽粒类胡萝卜素含量的快速无损预测，将近红外光谱技术与化学计量技术相结合，利用留出法（hold-out method，HOM）、K折交叉验证（K-fold cross-validation，KFCV）和时间序列划分（time series split，TSS）3种样本集划分方法，Savitzky-Golay平滑（Savitzky-Golay smoothing，SG）、多元散射校正（multivariate scatter correction，MSC）、标准正态变量变换（standard normal variable transformation，SNV）和趋势校正（trend correction，TC）4种光谱预处理方法，方差阈值特征选择（variance threshold feature selection，VTFS）、SelectKBest特征选择（SelectKBest feature selection，SKB）、递归特征消除（recursive feature elimination，RFE）分别与主成分分析（PCA）算法融合的3种特征选择方法，建立偏最小二乘回归（partial least squares regression，PLSR）、支持向量机回归（support vector machine regression，SVR）、梯度提升回归（gradient boosting regression，GBR）三种模型，比较分析了不同模型预测精度。结果表明，样本集最佳划分方法为留出法，光谱最佳预处理方法为SG预处理，最佳特征选择方法为PCA-SKB，最优模型为PCA-SKB-GBR，校正集和预测集决定系数R2分别为0.99和0.89，均方根误差RMSE分别为0.03和0.34 μg·g-1，剩余预测偏差RPD为3.01。因此，基于留出法划分样本集、SG光谱预处理和PCA-SKB特征选择方法，建立PCA-SKB-GBR模型，可实现小麦籽粒类胡萝卜素含量快速高效预测。

来源：2025年第10期

《麦类作物学报》期刊编辑部

查看麦类作物学报杂志2025年第10期