应用近红外光谱技术实现除草剂胁迫下油菜叶片中脯氨酸含量的检测。对248个经过除草剂丙酯草醚处理后的油菜叶片,经过烘干、磨碎后进行光谱扫描。经过Savitzky-Golay平滑、变量标准化(SNV)、二阶求导预处理后,应用偏最小二乘法(PLS)建立脯氨酸含量的预测模型,同时提取有效特征变量作为神经网络(BPNN)和最小二乘支持向量机(LS-SVM)的输入值,并建立相应的模型。用186个样本建模,62个样本预测。结果表明,最小二乘支持向量机能够获得最优的预测效果,预测的相关系数(r)、预测标准差(RMSEP)和偏差分别为0.995,0.041和0.000。说明应用近红外光谱技术结合最小二乘支持向量机能够定量获得油菜叶片中脯氨酸的含量。

应用近红外光谱技术结合连续投影算法（SPA）实现了油菜叶片氨基酸总量（TAA）的快速无损检测。 对150个油菜样本进行光谱扫描, 通过比较不同预处理, 建立油菜叶片氨基酸总量预测的最优偏最小二乘法（PLS）模型。 同时应用SPA提取有效波长, 作为多元线性回归（MLR）, PLS和最小二乘-支持向量机（LS-SVM）的输入变量, 分别建立SPA-MLR, SPA-PLS和SPA-LS-SVM模型。 以决定系数（R2）和均方根误差（RMSE）作为模型评价指标。 结果表明, SPA-MLR和SPA-PLS均优于全波段的PLS模型, SPA-LS-SVM获得了最优的预测结果, 其预测的R2和RMSEP分别为0.983 0和0.396 4, 获得了满意的预测精度。 说明应用光谱技术检测油菜叶片TAA是可行的, 并能获得满意的预测精度, 为进一步应用光谱技术进行油菜生长对逆境胁迫的反应及大田监测提供了新的方法。