应用锦羊粪便的近红外光谱方程评定其日粮的粗蛋白

利用近红外光谱法 (NIRS)对绵羊粪便的扫描值和日粮粗蛋白的化学测定值来建立定标方程式。试验以绵羊为试验动物 ,日粮主要由各种牧草、作物秸秆和棉花籽壳组成 ,试验动物日粮设计了 78个蛋白水平。在 2 0 0 2年和 2 0 0 3年分别用 15只和 2 0只成熟母羊 (体重为 5 5± 2 .4kg)进行了为期 7周的试验。用凯式定氮法测定日粮的粗蛋白 (CP)水平是从 4 .3%到 2 3.5 % ,日粮粗蛋白的定标方程式决定系数R2 =0 .95 ,定标标准误差 (SEC) =1.0 8。用 12只饲喂美国北部大平原饲草的成年母羊的粪便光谱扫描值和与粪便对应的日粮粗蛋白的化学分析数据来校验粗蛋白预测方程式的有效性 ,结果显示 ,决定系数 (R2 ) =0 .81,预测标准误差 (SEP) =1.5 1,斜率 =0 .89,表明利用近红外光谱法 (NIRS)发展的粪便近红外光谱方程可以有效预测绵羊日粮的粗蛋白含量。     

应用绵羊粪便的近红外光谱方程评定其日粮的可消化有机物

利用近红外光谱法 (NIRS)对绵羊粪便的扫描值和日粮的体内测定值来建立定标方程式。以绵羊为试验动物 ,日粮主要由各种牧草、作物秸秆和棉花籽壳组成 ,试验动物日粮设计了 78个蛋白水平。在 2 0 0 2年和 2 0 0 3年分别用 15只和 2 0只成熟母羊 (体重为 5 5± 2 .4kg)进行了为期 7周的实验。体内收粪法测定出的日粮可消化有机物(DOM)水平为 5 2 .4 %至 75 .8% ,日粮的可消化有机物的定标方程式决定系数r2 =0 .80 ,定标标准误差SEC =1.5 1。随机选取 2 0 0 3年试验第 3周第 7d的 10个粪便样品利用可消化有机物定标方程预测其日粮的可消化有机物 ,其结果是决定系数r2 =0 .94 5 ,预测标准误差SEP =0 .5 5 2 ,斜率Slope =1.0 83,表明利用近红外光谱法 (NIRS)对粪便的扫描值可以有效预测绵羊日粮的可消化有机物     

近红外光谱技术预测玉米代谢能值定标模型的研究

研究建立了近红外光谱技术(NIRS)预测玉米代谢能值的定标模型。采用套算法(60%基础日粮+40%玉米)测定了55个玉米样品的肉仔鸡表观代谢能和氮校正表观代谢能。在此基础上,采用不同光谱预处理方法和偏最小二乘法建立了玉米代谢能值的近红外定标模型。最优校正模型结果显示,玉米表观代谢能(AME)和氮校正表观代谢能(AMEn)校正决定系数(R2cal)均在0.99以上,验证决定系数(R2val)均在0.81以上,表明研究所建立的定标模型可用于预测玉米代谢能值。     

近红外光谱法测定DDGS中粗蛋白含量的试验研究

试验建立DDGS粗蛋白含量测定的近红外光谱分析定标模型。采用化学分析法测定72个DDGS样品中的粗蛋白含量,利用FOSS InfraXact型近红外光谱分析仪采集样品光谱,光谱经2,4,4,1导数和标准正常化+散射处理(SNV+Detrend),用改进最小二乘法(MPLS)回归,获得了较好的定标模型,校正决定系数(RSQ)、交叉验证决定系数(1-VR)、校正标准误差(SEC)、交叉验证标准误差(SECV)分别为0.982 5、0.932 8、0.266 2、0.389 5。利用30个验证集的DDGS样品进行外部检验,预测值与真实值之间差异不显著(P>0.05)。结果表明,定标模型的预测性能较好,可以替代化学分析法快速测定DDGS中的粗蛋白含量。     

检测燕麦干草主要营养成分含量的近红外光谱分析模型

为探索NIRS技术在测定燕麦(Avena sative)干草品质上的应用,试验于2020—2021年收集了249份不同品种、年限和生长时期的燕麦干草,通过WinISI III定标软件建立燕麦干草主要营养成分的近红外光谱模型。结果显示：粗蛋白(CP)、中性洗涤纤维(NDF)和粗脂肪(EE)预测模型的定标系数(RSQ)和外部验证决定系数(RSQv)均在0.83以上,校正标准误(SEC)、交叉验证误差(SECV)和预测标准误差(RMSEP)均小于0.02,相对标准误差(RPD)均大于3,预测值逼近化学分析的精度具有良好的预测效果。酸性洗涤纤维含量(ADF)建模效果较差,定标系数和外部验证决定系数分别为0.83和0.84,校正标准误(SEC)、交叉验证误差(SECV)和预测标准误差(RMSEP)均小于0.01,接近化学分析精度,且RPD大于2.50。因此,所建ADF模型也可用于近红外预测。     

近红外光谱法预测燕麦干草蛋白组分的研究

本试验采集燕麦干草样品138份,依据康奈尔净蛋白质和碳水化合物体系(CNCPS)划分燕麦干草的蛋白组分,建立燕麦干草粗蛋白(CP)和CNCPS蛋白组分A、B1、B2、B3和C的近红外光谱(NIRS)预测模型。结果表明,CP和蛋白组分A、B2的交互验证决定系数(R2cv)、外部验证决定系数(R2val)均大于0.9,外部验证集标准差(SD)与预测标准差(RMSEP)的比值(RPD)均大于3.0。综上所述,NIRS技术可以准确预测燕麦干草CP、A和B2的含量。蛋白组分B1、B3和C的决定系数和RPD值较低,难以准确预测。     

近红外光谱分析技术在饲料成品上的应用

文章利用近红外光谱分析技术对猪料、虾料、膨化料三种不同工艺的颗粒料进行水分、粗蛋白预测效果的研究,并分析不同加工工艺对其应用的影响。收集每个品种饲料各400个,选择了最优的光谱散射校正和数学处理方法,确定最佳主因子数,建立猪料、虾料、膨化料样本水分、粗蛋白的NIRS定标模型。结果表明:除虾料水分的决定系数R2略低于0.9,其他料的水分和粗蛋白的R2都在0.9以上;除膨化料的水分,其余各料的水分、粗蛋白的相对标准差RSD均小于10%;所有料水分、粗蛋白的相对分析误差RPD均大于3,取得了良好的定标效果。NIRS能够准确的预测这三种饲料的水分、粗蛋白含量。猪料的水分定标模型效果最好,虾料次之,最后是膨化料;虾料的粗蛋白模型效果最好,膨化料次之,猪料略差。     

近红外光谱技术(NIRS)测定玉米粉碎粒度的研究

试验研究了近红外光谱技术(NIRS)快速测定玉米粉碎粒度的应用。建立的近红外定量预测模型定标决定系数(RC2)为0.9463,相对标准差(RSD)为6.5619%,相对分析误差(RPD)为4.3771,定标结果较好;并对模型的预测能力进行了验证,其中验证决定系数(RV2)为0.9186,相对标准差为6.8646%,相对分析误差为4.0856,预测能力较好,表明近红外技术具有较高的准确度。实验研究结果对饲料生产过程中粉碎粒度的控制具有重要的实际意义。     

利用近红外反射光谱法预测饲喂亚麻籽后肉牛皮下脂肪中多不饱和脂肪酸的含量及产氢化物的能力

试验旨在评价近红外反射光谱(NIRS)预测饲喂亚麻籽后肉牛皮下脂肪中多不饱和脂肪酸的含量及产氢化物的能力。皮下脂肪组织样取自62头牛的第12根肋骨下方,保存于-80℃待分析。分析时解冻样品,利用近红外光谱分别在31和2℃,从波长400至2498nm依次进行扫描,分析脂肪酸组分。在31℃时NIRS的校准度高,能高度预测n-3脂肪酸(R2为0.81～0.86;RMSECV为0.11～1.56mg/g脂肪)和亚麻酸氢化物的R2值如共轭亚麻酸、共轭亚油酸和非共轭的二烯酸及反式单不饱和脂肪酸分别为0.85～0.85(0.16-0.37),0.84-0.90(0.21-2.58),0.90(5.49)和0.84-0.90(4.24-8.83),说明NIRS能100%用于饲喂含或不含亚麻籽日粮的肉牛皮下脂肪样品的检测。     

高寒草原天然牧草营养品质近红外光谱预测模型的建立

本研究旨在探讨近红外光谱(NIRS)技术在定量分析高寒草原天然牧草营养品质的可行性。试验于2015—2018年,每年6—9月份,从青藏高原高寒草原放牧研究样地收集不同放牧强度(0、3.6、5.3、7.6只/hm2)的混合和4个优势种(莎草科矮生嵩草、蓼科珠芽蓼、蔷薇科金露梅和豆科锦鸡儿)牧草样品共计1 280份,随机分为定标样品集(n=854)和预测样品集(n=426),建立天然牧草干物质(DM)、粗脂肪(EE)、粗蛋白质(CP)、酸性洗涤纤维(ADF)、中性洗涤纤维(NDF)含量及体外干物质消化率(IVDMD)和估算代谢能(EME)营养品质近红外光谱(NIRS)预测模型,实现天然牧草营养品质的快速和准确评估。结果显示:牧草DM、CP、EE、ADF、NDF含量及IVDMD和ME变异较大;DM、CP、ADF、NDF含量及IVDMD和EME的NIRS预测模型的验证决定系数(R2CV)为0.992～0.999,外部验证相对分析误差(RPD)为3.82～5.97,取得了最佳的定标效果,且定标方程均具较好的预测能力,能够成功应用于日常分析。EE含量的NIRS预测模型的R2CV为0.837,外部RPD为2.30,定标效果不理想,定标模型虽不能用于准确的定量分析测定,但仍能应用于牧草EE含量的粗略测定。综上所述,本研究建立的高寒草原天然牧草DM、CP、ADF、NDF含量及IVDMD和EME的NIRS预测模型能够成功应用于日常分析。