Mısırda önemli kalite parametrelerine yönelik bir nırs kalibrasyonunun geliştirilmesi

Abstract

Mısır, insan ve hayvan beslenmede kullanım potansiyeli yüksek olan ve endüstriyel alanda geniş kullanım alanları bulunan önemli bir tarımsal üründür. Tanenin kalite özellikleri ürünün kullanım alanını belirlemeleri nedeniyle çoğu zaman verim kadar önemli unsurlardır. Gerek endüstriyel ürünlerin kalite durumlarının belirlenmesi gerekse mısır ıslah çalışmalarında genetik kaynakların incelenmesi amacıyla kullanılan laboratuar analiz metotlarının yerine daha kolay, hızlı ve ucuz yöntemlere ihtiyaç duyulmaktadır. Bu amaçla son yıllarda kullanımı gittikçe yaygınlaşan NIRs tekniği önemli bir alternatiftir. Bu çalışmada mısır örneklerinde karbonhidrat, yağ, protein ve nem oranının FT-NIR cihazı kullanılarak belirlenmesi amacıyla En Küçük Kareler (PLS) Regresyon modeline göre tahmin modelleri geliştirilmiştir. Araştırmada 150 farklı mısır genoptipine ait örneklerde NIR spektrumları alınmış ve referans analiz sonuçları ile bu spektrumlar ilişkilendirilerek tane ve öğütülmüş örneklerde ayrı ayrı tahmin modelleri oluşturulmuştur. Ayrıca protein oranını belirlemek amacıyla yaygın olarak kullanılan iki ayrı metodun NIR spektrumlarına dayalı modellerde tahmin güçleri karşılaştırılmıştır. Araştırma bulguları oluşturulan bütün kalibrasyon modellerinde öğütülmüş örneklerden (Kjeldahl için r=0,84; elemental analiz için r=0,92; yağ oranı için r=0,73; karbonhidrat oranı için r=0,70; nem oranı için r=0,77) tane örneklerine göre (Kjeldahl için r=0,65; elemental analiz için r=0,84; yağ oranı için r=0,63; karbonhidrat oranı için r=0,65; nem oranı için r=0,54) daha iyi sonuçlar alındığını göstermiştir. Oluşturulan modellerde en doğru tahmin sonucu veren modeller protein oranından elde edilmiştir. Söz konusu modelde elemental analiz yönteminin sonuçlarına dayalı oluşturulan regresyon modelinin Kjeldahl yöntemine göre oluşturulan modelden daha doğru sonuçlar verebileceği görülmüştür. Bu çalışma sonuçlarına göre FT-NIR spektroskopisi kullanılarak protein oranına yönelik tahminlerin kabul edilebilir düzeyde olduğu diğer kalibrasyon modellerinde yer alan özelliklere ait modellerin tahmin gücünün artırılması için farklı yöntemler veya metotların geliştirilmesinin gerektiği anlaşılmıştır.

Maize is an important crop having a high potential of use in human and animal feeding as well as in industrial areas. The grain?s quality traits are often as important as the yield since they determine the area of end use. Easier, faster and cheaper methods are needed in place of standard laboratory procedures both in industry to determine the quality aspects of the products and in breeding programs to evaluate the genetic stocks. In this respect, NIRs technique has been emerged as an important alternative. In this study, development of calibration models were attempted based on partial least squares (PLS) regression model to estimate carbohydrate, oil, protein, and moisture ratios in maize grain using FT-NIR instrument. NIR spectra were measured on intact and ground seed samples from 150 maize genotypes, and these data were correlated in order to develop calibration models. Also, estimation accuracies of two different commonly used protein analyses methods in NIR spectra based models were compared. Results showed that, in all calibration models, ground seed samples yielded (for Kjeldahl r=0.84; for elemental analysis r=0.92; for oil ratio r=0.73; for carbohydrate ratio r=0.70; for moisture ratio r=0.77) better estimations than intact seed samples (for Kjeldahl r=0.65; for elemental analysis r=0.84; for oil ratio r=0.63; for carbohydrate ratio r=0.65; for moisture ratio r=0.54). The most accurate estimations were obtained with the models for protein ratio. To estimate protein ratio, regression model developed based on elemental analysis was more successful than that based on Kjeldahl method. The result suggested that protein ratio estimations using FT-NIR spectroscopy were in acceptable accuracy levels, while, different methods needed to be developed to increase the power of calibration models for the other traits.