基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
青稞粗蛋白含量的检测通常采用凯氏定氮分析法,费时、费力、成本高.利用定标的大麦模型预测青稞的粗蛋白含量,相关分析表明,近红外谷物分析仪与凯氏定氮仪的测定值间存在极显著的相关性,皮尔森相关系数达到0.976 9,回归分析建立的两者间的线性回归方程是y=1.023 7x-2.515 7(R2=0.954 2).利用近红外光谱分析技术检测青稞粗蛋白含量快速、准确、成本低,准确度和精密度均好.
推荐文章
基于近红外光谱的藏区酥油脂肪和蛋白质含量快速检测分析
酥油
近红外光谱
脂肪
蛋白质
快速检测
紫花苜蓿粗蛋白质含量影响因素的研究
紫花苜蓿
粗蛋白质
影响因素
应用近红外光谱技术分析稻米蛋白质含量
水稻
蛋白含量
近红外光谱技术
校正模型
在线近红外分析仪在豆粕质量控制中的应用
近红外分析仪
在线监测
豆粕
质量控制
应用
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 利用近红外谷物分析仪快速检测青稞粗蛋白质含量研究
来源期刊 甘肃农业科技 学科 农学
关键词 青稞 粗蛋白含量 近红外光谱分析技术 快速检定 方法
年,卷(期) 2020,(1) 所属期刊栏目 试验研究
研究方向 页码范围 33-36
页数 4页 分类号 S512.3
字数 2719字 语种 中文
DOI 10.3969/j.issn.1001-1463.2020.01.008
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 潘永东 甘肃省农业科学院经济作物与啤酒原料研究所 66 193 7.0 9.0
2 包奇军 甘肃省农业科学院经济作物与啤酒原料研究所 57 172 6.0 8.0
3 张华瑜 甘肃省农业科学院经济作物与啤酒原料研究所 53 143 5.0 8.0
4 柳小宁 甘肃省农业科学院经济作物与啤酒原料研究所 38 88 5.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (64)
共引文献  (151)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(4)
  • 参考文献(1)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(5)
  • 参考文献(2)
  • 二级参考文献(3)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(11)
  • 参考文献(3)
  • 二级参考文献(8)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(4)
  • 参考文献(2)
  • 二级参考文献(2)
2016(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(2)
  • 参考文献(1)
  • 二级参考文献(1)
2018(2)
  • 参考文献(1)
  • 二级参考文献(1)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
青稞
粗蛋白含量
近红外光谱分析技术
快速检定
方法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
甘肃农业科技
月刊
1001-1463
62-1050/S
大16开
兰州市安宁区农科院新村1号
54-8
1963
chi
出版文献量(篇)
7316
总下载数(次)
4
总被引数(次)
20568
论文1v1指导