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。     

近红外和中红外光谱技术在快速鉴别豆粕中掺入尿素聚合物的研究

本试验旨在应用并比较近红外和中红外光谱技术结合模式识别方法对掺假的豆粕进行快速鉴别。试验收集了不同批次145个纯豆粕样品,随机选取部分纯豆粕样品,掺入0.08%~5.00%的尿素聚合物,利用傅立叶变换近红外和中红外光谱技术及偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)分类方法,对掺假豆粕进行识别。结果表明:近红外光谱经变量标准化后建立的SVM分类模型训练集识别率为99.8%,测试集识别率为99.2%,检测限为1.0%;中红外光谱数据经变量标准化和一阶导数7点平滑处理后,建立的PLS-DA和SVM分类模型对样品的识别率均达到100.0%,检测限为0.08%。因此,近红外和中红外光谱技术均可对掺入尿素聚合物的豆粕快速鉴别,后者的灵敏度高于前者。     

对近红外技术检测玉米养分含量的模型进行优化的探讨

本研究旨在探讨对饲料企业应用近红外分析仪检测玉米养分含量的模型进行优化的可行性及模型参数的校正方法。分别采用湿化学方法和近红外分析仪对50个不同的玉米样品进行水分、粗蛋白和粗灰分的测定和比较,测得模型优化前的水分、粗蛋白和粗灰分的质量分数决定系数R2分别为0.893、0.378和0.308。采用斜率/截距校正法对模型进行校正,剔除异常样本,并以30个不同玉米样品作为验证集,得到水分、粗蛋白和粗灰分的质量分数的决定系数R2分别为0.969、0.839和0.903,显示模型优化的效果良好,优化后的模型可用于饲料企业的在线分析,该校正方法可满足饲料企业在使用近红外分析仪过程中的自主优化要求,提升样品分析结果的准确性。     

近红外光谱法测定虉草体外干物质消化率的研究

为了对虉草体外干物质消化率(IVDMD)进行快速、简便、准确的分析和测定,本研究利用近红外光谱技术,结合化学计量学方法建立近红外校正模型,并通过外部验证对模型的实际预测能力进行评价并筛选最佳模型。结果表明,采用5 000～7144cm~(-1)和7 404～10 000cm~(-1)的建模光谱波段、mf光谱预处理方法、10/1～9的初/次级主成分数和偏最小二乘法(PLS)所建的模型为最佳模型,其校正决定系数(R2 cal)和验证决定系数(R2 val)分别为0. 9552和0. 9572,校正标准差(SEC)和验证标准差(SEP)分别为1. 9907和2. 0512,残差BIAS为0. 0829,预测相关系数(r)为0. 9784。由此可见,NIRS技术可用于虉草IVDMD的实际测定,模型预测效果良好。     

利用近红外光谱法快速测定青贮玉米饲料中NDF与ADF含量

本试验应用近红外漫反射光谱(NIRS)技术,采用偏最小二乘回归法(PLS),在国内首次建立了适合不同品种、适配范围广的近红外漫反射光谱测定青贮玉米中性洗涤纤维(NDF)和酸性洗涤纤维(ADF)含量的稳定的校正模型。本试验选取132种青贮玉米样品,采用中心化+一阶导数+多元散射校正预处理方法,谱区为950～1650nm,建立了青贮玉米NDF和ADF校正模型。其校正决定系数(R2cal)分别达到0.9781和0.9905,交叉验证决定系数(R2val)分别为0.9745和0.9806,交叉验证误差(SECV)分别为1.55和1.03。因此,此模型可以用来快速准确的测定青贮玉米饲料中NDF和ADF的含量。     

建立近红外特征波长模型快速测定羊草常规营养成分的研究

本研究采用近红外光谱法快速测定羊草（Leymus chinensis）中的常规营养成分,利用无信息变量消除法（unknown variable elimination,UVE）、随机蛙算法（random frog algorithm,RF）结合偏最小二乘法（partial least squares,PLS）建立了羊草品质测定模型,有效降低了冗余无信息变量,提高了模型的测量精度和稳定性。研究发现利用UVE-PLS筛选建立的羊草品质测定模型优于全光谱PLS和RF-PLS筛选建立的模型;UVE-PLS模型显著降低了交叉验证均方根误差和预测均方根误差,提高了校正集决定系数、交叉验证决定系数及预测集决定系数。研究表明UVE-PLS模型在测定羊草中的水分、粗蛋白、酸性洗涤纤维和中性洗涤纤维是可行的,校正集决定系数和预测集决定系数95%~98%。     

植酸酶酶活的近红外光谱快速检测研究

为探讨应用近红外光谱法快速测定植酸酶酶活的可行性,实验选取134个喷雾干燥和66个吸附干燥植酸酶样品,应用偏最小二乘法建立酶活、水分含量校正模型.结果表明,所建立的校正模型有较高的决定系数(RSQ),较低的交互验证误差(SECV).并对预测值与化学分析值之间进行配对t检验,在置信度为99%下,近红外光谱法与标准参考方法测定酶活、水分的结果之间无显著差异.     

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。     

豆粕脲酶活性的快速测定及其对肉用仔鸡生长的影响

饲用豆粕的脲酶活性是衡量豆粕营养价值的重要指标之一。我国国家标准(ＧＢ１０３８０-９０)将脲酶活性定义为:在３０℃±５℃和ｐＨ值等于７的条件下每分钟每克大豆粕分解尿素所释放的氨态氮的毫克数,并且规定大豆粕的脲酶活性不得超过０．４,即Ｕ＜０．４。常用的脲酶活性测定方法有国标法(ＧＢ８６２２-８８)、ｐＨ增值法(ΔｐＨ)和尿素—酚红快速测定法等。１材料与方法１１豆粕的选择豆粕来自同一产地,粗蛋白含量一致,用上述尿素—酚红测定法选出４种豆粕,并用国标法、ΔｐＨ法测出相应数值,配成全价颗粒料后,再采样按相应方法测定脲酶…     

评定蛋鸡豆粕代谢能和氨基酸可利用率的研究

本试验旨在评定罗曼蛋鸡对不同来源豆粕表观代谢能(AME)和氨基酸可利用率(AAA),并用傅里叶近红外光谱(NIRS)分析技术建立其预测模型。选择248只体重(1.60±0.10)kg、产蛋率85%的36周龄罗曼蛋鸡,按单因素完全随机设计,分为31组,每组8个重复,每个重复1只鸡。在训饲的基础上,采用全收粪法评定30种不同来源豆粕和1种基础饲粮的AME和AAA,然后用NIRS技术建立其生物效价的预测模型。结果如下:1)不同来源的30种豆粕AME在11.95~14.87 MJ/kg之间,平均值为(13.24±0.67)MJ/kg;总氨基酸可利用率(TAAA)在89.99%~94.96%之间,平均值为(93.73±1.23)%。2)豆粕AME的NIRS预测模型的校正决定系数(Rcal2)、交叉验证系数(Rcv2)、外部验证系数(Rval2)分别为99.24%、83.79%、80.73%,外部验证标准差(RMSEP)为0.22 MJ/kg;TAAA的NIRS预测模型的Rcal2、Rcv2、Rval2范围分别为94.20%~99.97%、76.38%~97.32%、61.80%~99.42%,RMSEP范围为0.06%~1.00%。结果表明:1)不同来源豆粕的AME、AAA在罗曼蛋鸡上有较大差异;2)利用NIRS分析技术可建立罗曼蛋鸡豆粕的AME、AAA预测模型,模型的Rcal2及预测的RMSEP较好。     

饲料添加剂L-赖氨酸硫酸盐中L-赖氨酸含量近红外速测方法研究

为了探讨利用近红外漫反射光谱技术(NIDRS)快速定量分析饲料添加剂L-赖氨酸硫酸盐中L-赖氨酸含量的可行性,本试验在全国范围内收集了具有代表性的L-赖氨酸硫酸盐添加剂76个,采用国家标准方法对样品中的L-赖氨酸含量进行化学赋值;用光栅型近红外光谱仪扫描L-赖氨酸硫酸盐样品,获取了不同物理状态下样品的近红外光谱图。依据L-赖氨酸含量将样品分为定标集和验证集,运用适当的光谱预处理方法,采用竞争性自适应重加权(CARS)算法结合偏最小二乘法(PLS)建立了L-赖氨酸硫酸盐的近红外定标分析模型,并将该模型与全波长模型进行了比较。结果表明:用烘干、60目粉碎后的样品结合CARS算法建立的定标模型最优,定标集校正决定系数(R2C)为0.954,校正集标准偏差(SEC)为0.510,交互验证标准偏差(SECV)为0.659;验证集预测决定系数(R2P)为0.952,预测标准偏差(SEP)为0.554,相对分析误差(RPD)值为3.83。由此可见,NIDRS定量分析L-赖氨酸硫酸盐具有一定可行性,对于丰富我国氨基酸盐及其他氨基酸制品的快速检测方法具有实际的应用意义。     

反刍动物饲料中总磷的近红外反射光谱分析研究

利用近红外反射光谱分析技术,采用偏最小二乘回归(PLS)方法,分别对光谱进行附加散射校正、变量标准化、一阶导数和二阶导数处理,建立了反刍动物饲料中总磷的预测模型。附加散射校正和二阶导数处理定标效果最优。定标集化学分析值与预测值之间的决定系数(R2)和标准差(RM-SEC)分别为0.9426和0.0347,相对分析误差为4.32;验证集化学分析值与预测值之间的决定系数(r2)和标准差(RMSEP)分别为0.9321和0.0359,相对分析误差为3.93。结果表明,利用近红外光谱反射分析技术可以定量检测反刍动物饲料中总磷的含量。     

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。     

基于人工神经网络的狼尾草属牧草品质近红外光谱预测研究

本研究利用近红外光谱通过人工神经网络(Artificial neural network, ANN)建立狼尾草属(Pennisetum Rich)牧草水分、粗蛋白、木质素、酸性/中性洗涤纤维及灰分含量的预测模型。结果表明：基于人工神经网络的狼尾草属牧草品质预测模型总体优于全光谱偏最小二乘法(PLS)模型效果。在人工神经网络的方向传播(BP)网络模型中,6项表征牧草品质指标的校正均方根误差(RMSEC)、预测均方根误差(RMSEP)均显著低于PLS模型,同时校正集决定系数(R■)、预测集决定系数(R■)显著提高,除灰分含量预测不理想外,其他预测效果均理想。同时人工神经网络的BP网络对于近红外光谱的非线性数据具有良好的拟合能力,其预测模型对于指导狼尾草属牧草品质预测和分级管理研究具有广阔的应用前景。     

蛋白质饲料原料质量安全检测——豆粕质量检测与分析

对豆粕质量检测结果进行了统计分析,结果表明,豆粕质量较好,但也有在豆粕中掺入低质价廉的原料的情况。氢氧化钾蛋白质溶解度指标合格率偏低,尿素酶活性大部分为0,存在豆粕偏熟的现象。     

豆粕蛋白质含量近红外快速测定技术的研究

采用近红外光谱分析技术,结合改进最小二乘回归法(MPLS),以40个不同来源的豆粕饲料样品建立豆粕蛋白质含量分析的预测模型。模型定标相关系数(RSQ)为0.916 0,定标标准差(SEC)为0.150 3,交互验证标准差(SECV)为0.324 2。试验表明,利用近红外光谱分析技术可以比较准确地定量检测豆粕中蛋白质的含量。     

近红外反射光谱法(NIRS)分析奶牛精料补充料营养成分的研究

采用滤光片型8620近红外光谱技术(NIRS),结合主成分回归法,以105个不同的奶牛精料补充料样品建立了常规化学成分以及可消化总养分(TDN)含量的近红外定量分析校正模型。常规化学成分中,粗蛋白、粗脂肪、粗灰分、中性洗涤纤维、酸性洗涤纤维、酸性洗涤木质素和可消化总养分含量的校正模型决定系数R2分别为0.9132、0.9016、0.9220、0.9171、0.8928、0.7083和0.8346;研究发现除酸性洗涤木质素之外,其他成分含量的相对分析误差RPD(SD/SEP)均大于2.5,因此除酸性洗涤木质素之外,所建近红外预测模型对奶牛精料补充料常规营养成分以及TDN含量的快速测定具有重要的实际意义。     

一种新型缓释尿素替代日粮中部分豆粕对肉牛生长性能、养分消化率及血液生化指标的影响

试验旨在研究一种新型缓释尿素替代日粮中部分豆粕对肉牛生长性能、养分消化率及血液生化指标的影响。选择18头健康、体重相近(315±5)kg、7月龄左右生长期西门塔尔杂交公牛,随机分为豆粕组、缓释尿素组和普通尿素组3组,每组6头牛。豆粕组饲喂含11.12%豆粕(粗蛋白质(CP)为15.51%、干物质(DM)为48.06%)的试验日粮(精粗比4∶6)。按照等能等氮原则,缓释尿素组和普通尿素组饲喂含缓释尿素和普通尿素分别占各自日粮的1.41%和1.15%,即2个试验组分别用缓释尿素和普通尿素替代豆粕组日粮中75%豆粕。预试期14 d,正试期60 d。结果表明:①各组间平均日增重和料重比均无显著差异(P>0.05),但缓释尿素组和普通尿素组的平均日采食量(ADMI)显著低于豆粕组(P<0.05)。②缓释尿素组和普通尿素组的干物质和有机物(OM)表观消化率显著高于豆粕组(P<0.05);缓释尿素组粗蛋白质的表观消化率显著低于普通尿素组(P<0.05),但与豆粕组相比无显著差异(P>0.05);普通尿素组粗脂肪(EE)表观消化率最低,豆粕组最高,各组间均存在显著差异(P<0.05);各处理组间的中性洗涤纤维(NDF)和酸性洗涤纤维(ADF)的表观消化率均无显著差异(P>0.05)。③与豆粕组相比,缓释尿素替代日粮中部分豆粕未对肉牛各项血液生化指标产生影响(P>0.05);缓释尿素组的白蛋白(ALB)、谷丙转氨酶(ALT)和谷草转氨酶(AST)均显著高于普通尿素组(P<0.05)。由上述结果可知,缓释尿素和普通尿素可替代日粮中部分豆粕应用于肉牛生产中,且缓释尿素替代豆粕效果优于普通尿素。     

粉碎粒度对豆粕蛋白溶解度测定的影响

豆粕作为目前最好的植物蛋白饲料，在饲料生产中应用最为广泛。但生豆粕中含有抗胰蛋白酶、抗维生素因子、尿酶、植酸等有害的物质，会影响氨基酸利用率和代谢能值，进而影响畜禽生产性能，降低饲料的转化效率。需要适当加热将其破坏。判断豆粕品质多采用尿素酶活性这一化学指标。Balloun、Abrahan等指出尿素酶活性只能作为加热至适合程度的评价指标，而对受热过度的豆粕却没有任何意义。而Rinehart提出的采用０．２％KOH溶液测定蛋白质溶解度的方法，克服了测定尿素酶活性的不足，可以真实反映出豆粕的品质。本试验旨在通过对０．７５mm…     

基于近红外光谱技术快速测定豆油过氧化值的研究

本试验基于近红外光谱技术,以大豆油为材料,探讨利用近红外光谱技术快速测定油脂中过氧化物的含量。首先研究了光谱预处理方法、分析谱区及PLS模型因子数对校正模型的影响,然后应用偏最小二乘法(PLS)建立了豆油过氧化值的近红外定量模型。结果显示:最佳光谱预处理方法为一阶导数+SNV,最适分析谱区为12003.2~7498.2cm-1与5450.1-4597.6cm-1,最佳因子数为9,最优模型的决定系数r=0.9882,RMSECV=0.503,RMSEP=0.521,RPD=12,盲样验证测试结果与国标经典法结果不存在显著性差异(P0.05),相对偏差均小于5%,说明所建立的分析模型具备较强的预测能力和实用性。