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。     

傅立叶变换近红外光谱技术快速测定玉米DDGS营养成分

为实现玉米DDGS营养指标的快速检测,本实验采用傅立叶变换近红外光谱技术,建立玉米DDGS水分、粗蛋白质、粗脂肪、粗灰分和氨基酸定量分析模型。收集全国范围内230个玉米DDGS样品,随机分为215个校正样品和15个验证样品,通过对不同组分独立进行光谱的预处理、交互检验计算和优化定标,得到的水分、粗蛋白质和粗脂肪定标方程决定系数R~2均在0.9以上,交互验证均方根误差(RMSECV)在0.30以内,相对分析误差RPD>3;粗灰分R~2为0.81,RMSECV为0.12,RPD为2.3,盲样验证结果均满足GB/T 18868要求,模型均有较好的准确性和稳定性;氨基酸组分建模和验证效果也较好。结果表明,采用傅立叶变换近红外光谱技术能够实现对玉米DDGS的快速检测。     

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。     

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。     

宁夏玉米营养成分近红外分析模型建立与应用

研究采集宁夏区内各市县(固原、海原、同心、中卫、中宁、永宁、平罗)抽取玉米样品120批,用近红外分析仪扫描定标样品集获得玉米近红外光谱图,利用偏最小二乘法建立模型,并分别经过无预处理、均值中心化、标准正态变量转换、一阶导数、标准正态变量转换结合去趋势校正(SNV+D)预处理光谱,获得水分、粗蛋白、粗脂肪、粗纤维预测模型,分别是经过MC、SNV+D、SNV+D、SNV+D光谱预处理后效果最好。预测决定系数R² _p分别为0.951、0.976、0.728、0.897,相对分析误差RPD除粗脂肪为2.62外,其他均大于3的近红外预测模型,通过预测模型验证集验证后,并对模型预测值与实测值进行U检验,结果为差异不显著(P>0.05)。该近红外预测模型对玉米中水分、粗蛋白、粗纤维具有较佳预测效果,粗脂肪的预测精度有待进一步提高。     

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。     

近红外反射光谱(NIRS)技术分析奶粉品质的研究

奶粉中蛋白质和脂肪是影响奶粉营养品质的主要因素,利用近红外反射光谱分析技术对来自国内不同地区的奶粉共900份样品进行蛋白质和脂肪成分测定分析。研究了不同的样品数日、光谱预处理和散射校正技术对发展奶粉近红外测定定标模型的影响。结果表明．在样品数目为200—400范围内建立的定标分析模型较理想;数学预处理中以一阶导数较好,且以“1,4,4,1”的处理组合最为理想;光谱散射校正中采用“标准正态变量转换(SNV) 趋势变换法(De—trending)”的组合建立回归方程效果较好。利用改进最小二乘法回归技术(Modified PLS)建立多种定标模型,并进行交叉验证(cross—Validation)来分析各种因素对定标模型的影响。同时筛选出较理想的蛋白质和脂肪定标分析回归方程,其中蛋白质和脂肪含量的相关系数高速0．973和0．850。探讨了NIRS技术在建模应用中的一些影响因素,以及由NIRS技术建立奶粉分析模型用于快速分析和在线检测的可行性。     

预混料中维生素E的近红外光谱定量分析模型定标参考值选取

本研究旨在比较以检测值为定标参考值和以理论值为定标参考值2类近红外光谱(NIRS)定量分析模型的预测精准度差异。试验制备了225个维生素预混料样品,利用傅里叶变换近红外光谱仪采集样品在10 000～4 000 cm^-1内的NIRS,基于同一维生素预混料定标集,分别以检测值、理论值为定标参考值,借助偏最小二乘方法,筛选最优光谱预处理方式,构建维生素E的NIRS定量分析模型,并根据F-检验,采用同一独立验证集,评价NIRS定量分析模型的预测效果。结果表明：维生素E的NIRS定量分析模型A(Model-A),以检测值为定标参考值,最优光谱预处理方式为多元散射校正,定标集决定系数(R²)为0.992,最小交互验证标准误差(RMSECV)为4.50×10³IU/kg,相对分析误差(RPD)为11.2;维生素E的NIRS定量分析模型B(Model-B),以理论值为定标参考值,最优光谱预处理方式为变量标准化,定标集R²为0.991,RMSECV为4.94×10³IU/kg,RPD为10.6。...     

燕麦草常规营养成分含量近红外预测模型的建立

本试验旨在构建燕麦草常规营养成分含量的近红外预测模型。试验于2017—2019年,从我国京津冀等地区的牧场及种植基地收集了80份不同品种、不同产地和不同成熟度的燕麦草,参照燕麦草常规营养成分国标检测方法测定采集80份样品中水分(MSTR)、粗蛋白质(CP)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、粗脂肪(EE)和粗灰分(Ash)含量并进行燕麦草近红外光谱采集。使用OPUS7.5中的偏最小二乘(PLS)化学计量学方法将燕麦草的光谱图和理化指标进行关联,交叉检验法评价预测模型效果。结果显示：不同来源的燕麦草中MSTR、CP、NDF、ADF、EE和Ash含量变异较大;MSTR、CP、NDF、ADF和Ash含量预测模型校正决定系数(RSQcal)为0.886～0.977,交叉验证决定系数(1-VR)为0.84～0.95,交叉验证相对分析误差(RPDCV)为2.50～4.23,定标效果较为理想,外部验证预测决定系数(RSQv)为0.846～0.945,预测相对分析误差(RPDV)为2.57～4.20,表明模型均可应用于实际检测且适用性良好;EE含量预测模型RSQcal为0.870,1-V...     

近红外反射光谱技术评定棉籽粕营养价值和蛋公鸡代谢能

本试验旨在探讨利用近红外反射光谱技术测定棉籽粕常规营养成分含量和蛋公鸡代谢能的可行性。从全国范围内收集76个不同产地、年份、加工方式的棉籽粕样品,测定其常规营养成分含量,并通过蛋公鸡强饲试验测定其表观代谢能和真代谢能。随机选取定标集(n=56)和外部验证集(n=20)样品,建立近红外定标模型。结果表明:1)不同来源棉籽粕的营养成分和蛋公鸡代谢能变异较大,变异系数为2.52%~84.75%,其中水分、粗脂肪、粗纤维、表观代谢能和真代谢能的变异系数超过10%;粗蛋白质、粗灰分和总能的变异系数分别为9.58%、9.81%和2.52%。2)水分、粗蛋白质、粗脂肪、粗纤维、粗灰分和总能的定标决定系数为0.923 5~0.975 8,交互验证决定系数为0.824 7~0.930 3,外部验证决定系数为0.879~0.896;表观代谢能和真代谢能的定标决定系数为0.969 0和0.926 8,交互验证决定系数为0.917 0和0.905 7,外部验证决定系数为0.911和0.892。因此,常规营养成分和代谢能的定标方程均可用于日常分析。     

近红外反射光谱快速检测滇南小耳猪肉中水分、粗脂肪及粗蛋白含量的研究

应用近红外反射光谱技术(NIRS)对滇南小耳猪热鲜均质肉糜和绝干粉的水分、粗脂肪、粗蛋白含量进行建模研究,并筛选出最优的光谱预处理方法。采集11 000~4 300 cm-1范围内43份猪肉样品光谱数据,在多元散射校正(MSC)、二阶导数(Second derivative)、变量标准化校正(SNV)不同组合方式的光谱预处理基础上,采用偏最小二乘法(PLS),建立滇南小耳猪猪肉的水分、粗脂肪、粗蛋白质3个化学组分的近红外预测模型,筛选最佳的光谱预处理方法和主成分数。水分预测较好的是匀质肉糜原始光谱预测,R2为0.981,RMSEC为0.177,RMSEP为0.810,最佳主成分数为7;粗脂肪和粗蛋白预测效果较好的均是绝干粉的原始光谱,R2分别为0.986、0.976,RMSEC分别为0.567、0.765,RMSEP分别为2.325、2.697,最佳主成分数均为7。因此,近红外光谱分析方法能够很好地检测滇南小耳猪猪肉中的水分、粗脂肪和粗蛋白。     

可见/近红外漫反射光谱分析法测定牧草营养成分研究

选用新疆伊犁昭苏草原5~10月份的5种单一品种牧草及混合牧草样品共252份,利用可见/近红外漫反射全谱扫描技术结合实验室检测数据进行粗蛋白(CP)、干物质(DM)、粗脂肪(EE)和磷(P)的定标和检校。结果表明:CP采用改进偏最小二乘法(ModifiedPLS)和(SNV+Detrend;2,4,4,1)的数学转换方法定标结果最好,其定标决定系数(RSQ=0.960)和交叉验证相关系数(1-VR=0.9836)最高,定标标准分析误差(SEC=0.5155)和交叉校验定标标准分析误差(SECV=0.5859)最小,其交叉验证相对分析误差(RPD=8.5782)和外部验证相对分析误差(RPD=5.0575)均大于3;DM采用ModifiedPLS和(SNV+Detrend;1,4,4,1)的数学转换方法定标结果最好,其RSQ和1-VR分别为0.904和0.8878,SEC和SECV分别为0.1789和0.1990,其交叉验证和外部验证RPD分别为2.9385和3.0359;EE采用最小二乘法(PLS)和(SNV+Detrend;1,4,4,1)的数学转换方法定标结果最好,但是RSQ和1-VR值较低,分别为0.192和0.3715,SEC和SECV分别为1.4526和1.5122,其交叉验证和外部验证RPD分别为1.4363和0.5911;P采用Modified PLS和(SNV+Detrend;2,4,4,1)的数学转换方法定标结果最好,其RSQ和1-VR分别为0.748和0.8213,SEC和SECV分别为0.0168和0.0188,其交叉验证和外部验证RPD分别为2.0179和1.7647。以上结果说明利用可见/近红外光谱结合化学计量学手段对混合或单一牧草的CP进行快速检测是可行的,DM的预测模型需要进一步校正,而EE和P的分析误差较大,需要进一步提高实验室测定的精确度和增加样品含量来进一步校正模型。     

近红外光谱技术在牛肉产地鉴别中的应用

采用近红外光谱方法,通过辨别分析法,一阶导数、二阶导数并结合S-G平滑方式、Norris平滑方式处理光谱,利用TQ Analyst光谱分析软件建立判别分析模型。结果表明,采用一阶导数+Norris平滑方式在波段范围分别为6 198.09~5 025.58、4 447.04~4 117.68、7 795.55~6 932.00 cm~(-1)时,模型能够准确地鉴别出山西平遥牛肉、四川黑牛肉、安徽颍州牛肉。因此,近红外光谱技术用于牛肉产地的鉴别分析具有可行性,可以为肉类工业提供快速、有效的鉴别方法。     

近红外光谱法快速测定豆粕中的尿素酶活性

应用近红外光谱(NIRS)技术,采用中心化 一阶导数 附加散射校正的预处理方法,用偏最小二乘法(PLS),在950～1 650 nm谱区范围内建立了豆粕中尿素酶活性校正模型,其校正决定系数为0.916,外部验证决定系数为0.926,测量重复变异系数为0.09.结果表明:近红外光谱法可用于豆粕中尿素酶活性的实际快速测量,此模型可用于测量豆粕中尿素酶的活性     

近红外光谱分析技术在祼大麦质量监测上的应用

近红外光谱分析技术(NIRA)是本世纪70年代后期兴起的一门新的定量分析技术。它是利用饲料样品中有代表性的有机成分在近红外光谱区域的最强吸收波长不同,以及吸收的强度与饲料有机成分含量呈线性关系的原理进行定量分析。通过对已知有机成分含量的样品与其近红外光谱特征的回归分析,建立起定标方程,即可对含同一种有机成分的未知样品进行定量估测。这种方法,样品在测试前不需要破坏性的化学试剂预处理,又可在瞬间测出样品中多种营养成分含量。早在70年代后期,美国和加拿大谷物委员会就把NIRA测定粗蛋白质含量作为法定方法。我国对NIRA也进行了大量的研究工作。本文选用75个裸大麦样品,以化学法测定的粗蛋白质、粗纤维、粗灰分和水分四项常规成分含量为基准,应用NIRA法进行估测,并对结果进行比较和验证。     

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。     

近红外光谱检测猪血浆蛋白粉影响因素的探究

近红外光谱检测方法具有快速、准确的优点。为建立猪血浆蛋白粉快速准确的实时检测方法,文章主要探究了样品杯漏光度、样品结块、松紧度、水分等因素对近红外光谱检测猪血浆粉结果的影响。结果显示,样品结块、样品压紧及样品杯漏光会使近红外光谱扫描蛋白值结果降低;水分总体上会影响蛋白含量扫描值,水分降低会导致蛋白含量扫描值偏高。     

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。     

利用近红外分析仪预测血浆蛋白粉营养质量指标的探讨

利用近红外分析仪预测血浆蛋白粉中粗蛋白、水分、粗灰分的含量,以不同样品数量(30个、60个、90个样品)定标的分析模型,探讨了近红外分析结果与化学分析结果的误差。结果表明,在所建分析模型数据分布均匀的情况下,以90个样品定标的分析模型,近红外分析结果与化学分析结果误差最小。预计定标的样品数量在200个左右时,近红外分析的结果与化学分析结果可以相当,可以保证近红外分析结果的可靠性。     

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.