文献

J-GLOBAL ID：202202242488074480   整理番号：22A1003931

葉中のフラボノイド含有量の非破壊的推定は,異なる時期の5つの葉のフラボノイド含有量の非破壊的推定であった。【JST・京大機械翻訳】

Non-destructive Estimation of Flavonoids in Leaves of Acanthopanax Senticosus in Different Periods

著者 (7件)： Wang Shuwen (嶺南師范学院, 广東 湛江 524048;東北農業大学 電气与信息学院, 哈爾浜 150030) ,  Xiu Cheng (東北農業大学 電气与信息学院, 哈爾浜 150030;中国科学院 東北地理与農業生態研究所, 長春 130102) ,  Dong Yuan (嶺南師范学院, 广東 湛江 524048) ,  Yao Yu (嶺南師范学院, 广東 湛江 524048) ,  Li Xiaofeng (中国科学院 東北地理与農業生態研究所, 長春 130102) ,  Li Lei (中国科学院 東北地理与農業生態研究所, 長春 130102;中国科学院大学, 北京 100049) ,  Liu Jun (国网哈爾浜供電公司, 哈爾浜 150010)
資料名： Nongji Hua Yanjiu  (Nongji Hua Yanjiu)
巻： 44  号： 4  ページ： 119-126,268  発行年： 2022年 
JST資料番号： C3733A  ISSN： 1003-188X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 野生刺五加葉身中のフラボノイド含有量の測定方法の煩雑さ、時間が比較的長い、および葉を破壊するなどの問題に対して、ハイパースペクトル技術に基づく異なる時期の刺五加葉中のフラボノイド含有量の推定モデルを提案した。まず、地域、年齢、長勢に近い20株の刺五加葉身のスペクトル特徴を分析し、葉身を乾燥、粉砕し、紫外分光光度計などの化学方法により、葉身中のフラボノイドの真実含有量を測定し、4種類の前処理を互いに結合、比較する方式を選択した。最適前処理モデルを判断した。SPAとPCAアルゴリズムの結合により、比較的に明らかな特徴バンドを選択し、MatLab2018aによって特徴バンドの反射率をそれぞれ40グループ予測セットと相関性を検証後、それぞれ予測値と20グループの実測値とBPニューラルネットワーク、サポートベクターマシンを用いてモデルを樹立した。実験結果は以下を示した。BPニューラルネットワークによって確立したモデルのキャリブレーションセット決定係数Rc2は,それぞれ0.8649,0.7976,0.8485であり,SVMによって構築したモデルのキャリブレーションセット決定係数Rc2は,それぞれ,0.7526,0.7742,0.7243であった。SNVと1Derの結合の前処理方式とBPニューラルネットワークが構築したモデルが最も効果的であることを証明した。高スペクトル技術による刺五加葉身中のフラボノイドのインバージョンに対する有力な支持を提供し、工業と薬用摘採の効率及び刺五加の利用価値を高める。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 反射率 ,  分光光度計 ,  前処理 ,  *葉 ,  スペクトル ,  *フラボノイド ,  葉身 ,  サポートベクトルマシン
準シソーラス用語： ハイパースペクトル ,  逆伝播ニューラルネットワーク ,  推定モデル ,  決定係数 ,  予測値 ,  スペクトル特徴 ,  摘採 , 【Automatic Indexing@JST】

分類 (3件)： 植物の生化学  (EH01050J) ,  分子遺伝学一般  (EC02010J) ,  生薬一般  (GX06010Y)

タイトルに関連する用語 (4件)： 葉 ,  フラボノイド ,  含有量 ,  推定