本研究的主要作者包括A.S. Fassio、E.A. Restaino和D. Cozzolino，分别来自乌拉圭的国家农业研究所（INIA）和澳大利亚阿德莱德大学的农业、食品与葡萄酒学院。该研究发表于2015年的《Computers and Electronics in Agriculture》期刊，具体卷号为110，页码为171-175。
本研究属于农业科学与光谱分析领域，旨在评估近红外反射光谱（Near Infrared Reflectance Spectroscopy, NIR）技术在测定整粒玉米（Zea mays L.）种子油含量中的应用。玉米油含量是育种项目中的重要指标，传统测定方法如溶剂提取法虽然准确，但耗时长、操作复杂，且可能破坏样本，无法用于后续育种实验。因此，开发一种快速、无损且低成本的测定方法具有重要意义。NIR技术因其非破坏性和低成本特性，成为潜在的选择。本研究的目标是通过NIR技术，建立一种适用于整粒玉米种子油含量测定的校准模型，并评估其准确性和适用性。
研究分为以下几个步骤：
样本采集与处理
研究在乌拉圭的La Estanzuela农业实验站进行，持续两年。样本包括商业品种、杂交种和实验系，每种基因型选取10株玉米，剥离籽粒后混合成复合样本。油含量通过索氏提取法（Soxhlet method）测定，以干重百分比表示，所有化学分析均重复进行，误差控制在5%-10%之间。
光谱数据采集
使用NIRSystems 6500扫描单色仪，在可见光和近红外区域（400-2500 nm）以2 nm间隔采集反射光谱数据。样本放置在圆形样品杯中，不旋转，反射数据以反射率倒数的对数（log1/R）形式存储。每个样本的光谱是32次连续扫描的平均值，每次扫描包含1050个数据点。光谱采集和仪器诊断使用Infrasoft International软件（ISI, 版本3.01）完成。
数据分析与模型建立
光谱数据导出至Unscrambler X软件（版本10.1）进行多元分析。首先进行主成分分析（Principal Component Analysis, PCA），然后建立偏最小二乘回归（Partial Least Squares Regression, PLS）模型。数据预处理包括Savitzky-Golay二阶导数和20点平滑处理，以及标准正态变量变换（Standard Normal Variate, SNV）。PLS模型通过全交叉验证优化，选择PRESS值最小的因子数以避免过拟合。校准模型的评估指标包括校准集的决定系数（R²）、交叉验证标准误差（SECV）和残差预测偏差（RPD）。
样本选择与验证
使用马氏距离（Mahalanobis Distance, H）作为样本选择标准，确保校准集和验证集代表目标群体的光谱和化学变异性。校准集和验证集各包含128个样本。
样本油含量统计
校准集和验证集的油含量均值分别为4.31%和4.27%，标准差分别为0.41和0.48，变异系数分别为9.51和11.2。样本油含量范围广泛，适合建立NIR校准模型。
PCA分析
PCA结果显示，前两个主成分解释了96%的变异，第一主成分（PC1）解释了89%的变异，主要与1192 nm、1456 nm、1928 nm、2234 nm和2312 nm处的吸收带相关；第二主成分（PC2）解释了7%的变异，主要与1666 nm和1724 nm处的吸收带相关。
PLS模型性能
校准集的R²和SECV分别为0.92和0.17%，验证集的R²和SECV分别为0.90和0.21%。RPD值为2.3，表明模型可用于油含量的定性测定（如低、中、高）或初步筛选。
预测值与参考值对比
验证集的预测值与参考值对比图显示，预测值与参考值接近1:1对应线，表明模型具有较高的准确性。
PLS载荷分析
PLS载荷分析显示，1500 nm和1900 nm处的负载荷主要与水的O-H吸收带相关，1700-1740 nm处的正载荷与脂质的C-H吸收带相关，2100-2300 nm处的正载荷与碳水化合物、脂质和蛋白质的C-H吸收带相关。
本研究证明了NIR技术可用于整粒玉米种子油含量的预测，建立的PLS模型具有较高的准确性和适用性。研究结果为玉米育种项目提供了一种快速、无损的油含量测定方法，具有重要的应用价值。未来研究将进一步扩大样本类型，以测试校准模型的鲁棒性。
重要发现
NIR技术可用于整粒玉米种子油含量的快速、无损测定，校准模型的R²和RPD值表明其具有较高的准确性和适用性。
方法创新
研究采用Savitzky-Golay二阶导数和SNV预处理方法，优化了光谱数据的分析效果。
研究对象的特殊性
研究针对整粒玉米种子，解决了传统方法无法用于单粒种子测定的问题。
研究还详细讨论了NIR技术在农业中的应用前景，强调了其在高通量表型分析中的潜力。此外，研究结果与其他文献报道的数据进行了对比，进一步验证了模型的优越性。