样品集的数据分布特征对建立玉米粗蛋白近红外预测模型的影响

本实验旨在研究当建模样品集的数据分布分别呈正态分布与均匀分布时对构建玉米粗蛋白的傅立叶近红外预测模型的影响,探讨建立近红外光谱预测模型的快速方法。本试验组建3个不同定标集,且其粗蛋白含量的数据分布分别呈现均匀分布(10.00,0.85)、正态分布1(10.02,0.692)、正态分布2(10.01,0.692)特征,建立粗蛋白的近红外预测模型。结果表明:均匀分布、正态分布1和正态分布2所对应的模型的R2分别为0.9879、0.9858、0.9862,RMSECV分别为0.1055、0.1079、0.1069,RSD%分别为1.06、1.08、1.07;均匀分布模型在预测各个范围的粗蛋白时其误差均在0.04以内,而正态分布1模型的误差依次为0.09、0.06、0.02、0.01、0.07、0.10。结果显示,在相同定标样品数下,定标集呈均匀分布时所建预测模型的预测误差变异小,并且在预测含量偏离平均数较大的样品时效果好于正态分布,而正态分布则是在预测含量在接近平均数的样品时有优势;同时在减少一定数量的定标样品后,使用均匀分布的定标集仍然可以保持所建预测模型的准确性。     

近红外模型转移技术在饲料生产中的应用

研究建立应用于饲料生产线上的近红外预测模型,该模型同时应用于实验室的离线近红外检测。以豆粕和玉米粉为例,获取37个豆粕和49个玉米粉样品的离线光谱,并获取其中22个豆粕和26个玉米粉样品的在线光谱,建模方法采用偏最小二乘法(Partial least squares, PLS),首先用离线光谱和在线光谱分别建立近红外定量分析模型,之后基于光谱共享法的模型转移技术,建立光谱共享模型,将三种模型的建模结果进行比较。结果表明,光谱共享模型预测效果最好,其中,豆粕水分和粗蛋白模型的验证集相关系数(Correlation coefficient of validation set, R_P)分别为0.942和0.959,模型改善率(Model improvement rate, R_i)为17.4%和68.4%,预测残差绝对值的方差S²为0.075和0.003;玉米粉水分和粗蛋白模型R_P分别为0.944和0.994,R_i为0.6%和80.9%,S²为0.042和0.01...     

应用近红外光谱分析技术检测毒死蜱的含量

运用近红外光谱技术结合偏最小二乘法进行了溶液中微量的毒死蜱含量的测定试验。配制39个质量浓度为0.005 0、0.007 5、0.010 0……0.100 0 mg/kg的毒死蜱溶液样品,依2∶1分为校正集和预测集,其中26个毒死蜱溶液样品作为校正集,13个毒死蜱溶液样品作为预测集,校正集样品浓度为0.005 0、0.007 5、0.012 5、0.015 0……0.095 0、0.100 0 mg/kg,预测集样品浓度为0.010 0、0.017 5、0.025 0……0.097 5 mg/kg。选取1 100~1 500 nm波长范围的光谱,用二阶导数(2nd-der)结合标准正态变量变换(SNV)方法进行预处理,采用主因子数8进行建模,在波长为1 100~1 500 nm时得到了校正集(留一交叉验证法)相关系数R2为0.996 1,预测集相关系数R2为0.993 9,校正标准差为0.001 76 mg/kg,预测标准差为0.002 40 mg/kg的结果。在检测模型中预测值与实际值之间具有显著的线性相关性。研究结果有助于利用近红外光谱技术快速测定溶液中毒死蜱的含量。     

应用傅利叶近红外光谱定性、定量检测鱼粉中掺杂三聚氰胺的研究

本试验旨在研究利用傅利叶近红外光谱对鱼粉中掺杂的三聚氰胺进行定性鉴定及定量预测的可行性及方法.本研究收集饲用鱼粉106个,通过添加三聚氰胺标准品到饲用鱼粉中,以制备三聚氰胺含量不同的掺假鱼粉236个,三聚氰胺含量为0.1%～15.0%;然后用傅利叶近红外光谱仪采集饲用鱼粉、掺杂三聚氰胺鱼粉和三聚氰胺标准品的近红外光谱曲线,采用因子算法建立定性模型,利用偏最小二乘分析(PLS)建立定量分析模型.结果显示,根据三聚氰胺标准品和鱼粉的近红外光谱,可选取6 873.4～6 514.7 cm-1作为定性分析的特征光谱,而据此所建定性分析模型对检验集样品识别率为96.5%;用于定量分析的近红外特征光谱为7 560.0～7 058.5、6 915.8～6 098.1及4 601.6～4 246.7 cm -1,用此特征光谱所建0.1%～15.0%定量分析模型和0.1%～5.5%定量分析模型的交叉验证标准差平方根(RMSECV)分别为0.634%和0.210%,决定系数R2为94.77%和98.59%.用此二定量模型对检验集样品预测,其预测标准差平方根(RMSEP)分别为0.779%和0.188%,能较准确地预测鱼粉中掺杂三聚氰胺的含量.因此,傅利叶近红外光谱能够较准确、快速地鉴定鱼粉中是否掺杂三聚氰胺及定量预测其含量.     

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。     

1～21 日龄黄羽肉鸡豆粕净能预测模型

本试验旨在建立合理的1～21日龄黄羽肉鸡豆粕净能(NE)预测模型.对豆粕净能进行测定,为维持净能(NEm)与沉积净能(NEp)之和,NEm测定采用回归法,NEp测定采用套算法;测定21个豆粕样品的概略养分含量,并进行NE与表观代谢能(AME)、化学成分的一元或多元线性回归分析,建立模型;将21个豆粕样品水分分别调整为1...     

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。     

玉米豆粕混合水活性等温吸附曲线研究

试验研究了玉米、豆粕混合后水活性等温吸附曲线。结果表明:Henderson模型拟合玉米、豆粕9:1、6:4混合水活性等温吸附曲线效果最好,Chungpfost模型拟合玉米、豆粕8:2、7:3、5:5混合水活性等温吸附曲线效果最好,并由最佳拟合模型计算出不同玉米、豆粕按不同比例混合后的绝对安全水分和相对安全水分含量,其数值分别为10.596%和12.507%、10.251%和12.337%、10.342%和12.736%、10.323%和12.446%、10.558%和12.689%。     

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。     

蛋白酶在体外对豆粕球蛋白和β-伴球蛋白降解效果的研究

本试验旨在体外评估几种蛋白酶对豆粕中球蛋白和β-伴球蛋白的降解效果,为饲用蛋白酶效果的快速评估提供依据。试验设4个处理(3个蛋白处理组和1个空白对照组),每个处理3个重复,蛋白酶DP100、蛋白酶J和蛋白酶K的添加量分别为1%、0.25%和0.3%,为各蛋白酶制剂产品推荐添加量的20倍。豆粕和豆粕加酶样品在相同的缓冲体系中酶解,用试剂盒检测豆粕酶解前后球蛋白和β-伴球蛋白的含量,进而评估不同蛋白酶对豆粕中球蛋白和β-伴球蛋白的降解效果。结果表明:豆粕中球蛋白和β-伴球蛋白的含量分别为13.47%和13.96%,占豆粕总蛋白含量的29.6%和30.3%;不同蛋白酶在体外对豆粕中球蛋白和β-伴球蛋白的降解幅度不同,蛋白酶DP100、蛋白酶J和蛋白酶K对豆粕中球蛋白降解率分别为73.3%、5%和5.9%,对豆粕中β-伴球蛋白的降解率分别52.1%、8.4%和0%。表明,蛋白酶DP100在体外对豆粕中球蛋白和β-伴球蛋白的降解效果明显优于蛋白酶J和蛋白酶K。