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。     

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。     

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。...     

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。     

近红外光谱分析技术在鲜鸡肉快速检测分析中的应用研究

应用傅立叶变换近红外光谱分析技术建立鲜鸡肉快速定量检测方法.共收集到9个鸡种的148个鲜肉样品,采用其中111个样品分别建立脂肪、蛋白质和水分的定量分析模型,模型的相关系数(R)分别为0.993、0.994和0.979,校正均方差(RMSEC)分别为0.126、0.198和0.232;对其余37个验证样品进行预测分析,与化学分析值配对t检验,两者差异不显著.研究结果表明,傅立叶变换近红外光谱分析方法准确、可靠,且分析快速简便,有望在鲜鸡肉质量检测中得到广泛应用.     

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。     

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。     

近红外光谱分析技术在测定饲料中植酸磷含量上的应用

植酸是一种抗营养因子。传统的用三氯化铁沉淀植酸的化学分析法费时费工,不能满足饲料工业发展的需要。为了寻求快速检测饲料中植酸磷(简称P.P.)含量的手段,本试验运用近红外光谱分析技术(简称 NIRS),分别以植酸磷含量较高的米糠饼和植酸磷含量较低的高粱为样品,对这两种饲料的化学分析法测值与近红外光谱法测值进行了比较。试验结果表明:用48个米糠饼样品和50个高粱样品进行定标,相关系数(R,下同)分别为0.901和0.890,残余标准差(RSD,下同)分别为0.06和0.03;另用不参与定标的25个米糠饼样品和21个高粱样品对定标结果进行检验,R 分别为0.803和0.917,RSD 分别为0.07和0.02。NIRS 法的分析精度基本上可以达到化学分析法的要求。作者认为,达项技术作为饲料中 PP 含量快速分析的手段是可行的。     

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。     

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.     

近红外光谱分析技术及其在评定饲料营养价值中的应用(续)

4 近红外光谱分析的误差来源影响近红外分析准确性的因素有:4.1 标样的数量及筛选4.1.1 标样数量:标样数量的多少直接影响分析准确性,数量太少不足以反映被测饲料群体常态分布规律,数量太多将增加标样的筛选工作量.Windham(1989)提出在窄范围或封闭式样品中需要50—100个样品,对宽范围或开放性样品群,至少要150个以上样品.4.1.2.标样设计:在有限的饲料样品群内为提高软件估测的准确性,对同一套样品进行多种成分定标,或针对每一成分在该样品群中独立     

近红外漫反射光谱定量分析天然牧草营养成分

为了快速测定内蒙古锡林郭勒盟草原天然牧草的营养成分,试验选用内蒙古锡林郭勒盟草原2016年5-11月份的主要牧草及混合牧草样品共407份,研究利用近红外漫反射全光谱扫描技术结合实验室检测数据,用修正偏最小二乘法（MPLS）,进行粗蛋白（CP）、中性洗涤纤维（NDF）、酸性洗涤纤维（ADF）、木质素（ADL）、粗灰分（Ash）、粗脂肪（EE）、钙（Ca）、磷（P）的定标和验证。结果表明：Ca、NDF、DM、CP、Ash的外部验证相对分析误差RPD（SD/SEP）均 > 3,NIRS预测值与化学值的相关系数RSQ均在0.9以上,说明这5个指标的定标效果较好, 建立的定标模型可以用于实际检测;ADF外部验证相对分析误差2.5     

近红外光谱法与常规化学分析法苜蓿营养成分的对比研究

选取20个不同来源的苜蓿样品作为研究对象,分别使用近红外光谱法和常规化学分析法检测苜蓿样品中水分、粗蛋白、粗脂肪、粗灰分、酸性洗涤纤维和中性洗涤纤维的含量,验证近红外光谱分析法与常规化学分析法检测的符合程度。试验结果表明：与常规化学分析法比较,苜蓿近红外光谱预测模型更适用于苜蓿样品中粗蛋白、粗脂肪、粗灰分、酸性洗涤纤维和中性洗涤纤维含量的检测,但并不适用于苜蓿水分含量的检测,因此,需要对已有的近红外预测模型进行调整和优化。     

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。     

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。     

近红外光谱分析技术在黑麦草粉粗蛋白测定中的应用

选取河北省吴桥试区不同品种、不同熟期、不同地块的黑麦草样品65份 ,用凯氏定N法进行了常规粗蛋白含量的测定。从中选出30个粗蛋白含量不同的样品作为近红外漫反射技术(NIR技术)测定的定标样品集。结果指出 :用NIR法得到的预测值与用凯氏定N法得到的测定值间的复相关系数达到R2=0.99 ,定标标样的标准误均方RMSEC=0.34 % ;用21个样品作检测样品集 ,凯氏定N法得到的测定值与NIR预测值间的复相关系数为R2=0.98 ,检测集样品预测标准误均方RMSEP=0.42 %。这一结果表明NIR作为一种黑麦草粉粗蛋白快速分析的技术是可行的     

利用近红外漫反射(NIR)技术快速检测多维饲料中维生素E的含量

本文尝试将近红外漫反射技术应用于预测多维预混料中维生素E的含量,并分析此方法的可行性。利用125个多维预混料小规模定标集进行定标,获得定标方程,并将20个多维预混料预测结果与高效液相色谱(HPLC)法的检测结果进行比较,结果表明用近红外漫反射技术预测多维预混料中维生素E含量可行。     

近红外光谱技术在当前和未来的应用

近红外光谱学可以为饲料工业作出宝贵的贡献,而且质量控制系统也可利用这种近红外区光谱技术。核准的结果甚至可以证实,近红外区光谱技术能够达到和化学分析相同的准确度,甚至超过化学分析的准确度。     

近红外光谱法检测预混料中的维生素A

用一组以石粉为稀释剂配制的维生素Ａ定标样品（浓度范围是２００－６０００ＩＵ／ｇ，梯度１５０ＩＵ／ｇ）４０个，一组以多种维生素为背景配制的维生素Ａ定标样品（浓度范围５００－１５００ＩＵ／ｇ，梯度４７０－ＩＵ／ｇ）３０个和与它们组成，浓度范围相同的各一组检验样品，研究了近红外光谱法在测定饲料添加剂预混料中维生素Ａ的应用。结果表明，维生素Ａ是在１７２１ｎｍ和１８７２ｎｍ波长处有两个较稳定的特征吸收峰，回     

饲料中金霉素含量近红外检测模型的创建

采用国家标准的高效液相色谱法测定饲料中的金霉素含量,同时选择192份代表性饲料样品,利用TQ Analyst分析软件,根据改良偏最小二乘回归法的判断分析技术,建立了金霉素判断近红外光谱仪的数学模型。结果表明,金霉素的RSQcal值大于0. 932、RPDCV值均大于2. 5%,表明化学分析值与近红外预测值之间具有良好的线性相关性,取得了良好的定标结果。随后利用40份独立样品进行外部验证,预测效果良好,与定标结果相一致,表明该模型具有比较好的稳定性,可用于实际定量分析。