近红外光谱分析与传统方法检测豆粕中营养成分的比较

近红外光谱分析技术(NIR)能简单、快速、准确地测定有机物中的化学成分。本实验用该法测定豆粕中各种常规营养成分,并将其与化学方法进行比较。数据显示:NIR与化学方法测定的结果相比,粗蛋白质、粗脂肪、灰分、水分、中性洗涤纤维和酸性洗涤纤维测定值的差异均不显著(P>0.05),相对误差分别为0.68%、9.61%、2.23%、1.17%、6.36%和6.34%;两种方法测定结果的相关系数(r)分别为0.9561、0.9408、0.9512、0.9924、0.9632和0.9584(P<0.01)。表明NIR可以应用于豆粕中营养成分的测定。     

近红外(NIRS)和粗蛋白预测氨基酸含量的精度比较研究

本试验使用同一套饲料样品进行NIRS的定标方程、本实验的粗蛋白（CP）一元回归方程、NRC的CP一元回归方程、田河山的CP一元回归方程之间的精度比较研究。研究结果表明，用粗蛋白为指标建立的预测豆粕和玉米氨基酸的3种方程（本试验建立的预测方程、田河山的预测方程、NRC的预测方程）取得了比较一致的预测结果，经F检验达到了显著或极显著的程度，但R值都不高，大部分在0.40～0.70之间，远低于NIRS的预测方程。NIRS预测豆粕氨基酸定标方程的相关系数中，除蛋氨酸、胱氨酸、苏氨酸外，都在0.90以上，蛋氨酸、胱氨酸、苏氨酸相关系数分别为0.823、0.887、0.883，而且粗蛋白进行预测的相关系数在0.39、0.52、0.68。显然NIRS预测的结果要好于用粗蛋白预测的效果，从标准差上看，用粗蛋白含量预测氨基酸的标准差一般为NIRS的2～6倍，NIRS的预测精度显然好于用粗蛋白预测的精度。     

近红外光谱分析与传统方法检测玉米中营养成分的比较

<正>在饲料工业中,各种原料以及成品的营养成分分析需要使用不同的仪器和方法,不同的试剂,且样品需要经过不同的物理、化学方法预处理,不但手续繁琐,而且耗时费力、花费高、安全性能差。因此,怎样快速、准确、经济、安全地测定饲料中各种营养成分已成为生产实践中亟待解决的问题。近红外光谱分析技术     

关于饲料中粗灰分检测的若干思考

饲料粗灰分是饲料当中的有机物质通过高温灼烧以后,被氧化而逸失所剩余残渣的总体,其包含倒料中的盐类、氧化物、混入饲料当中的土、砂石等等.饲料粗灰分检测有极其重要的作用,基于此,本文就饲料中粗灰分的检测进行深入地研究.     

饲料中粗蛋白含量不同检测方法的比较

饲料中粗蛋白的测定方法很多,本文用常量蒸馏测定法和半微量蒸馏测定法同时对饲料中粗蛋白进行测定,并且对实验结果进行分析比较,比较结果表明,两种方法并无明显差异,因此在饲料粗蛋白检测工作中,两种方法可相互替代。     

近红外光谱快速分析次粉水分和粗蛋白效果的研究

本文探讨了利用近红外光谱分析技术快速测定次粉中水分和粗蛋白含量的可行性。结果表明：次粉水分和粗蛋白近红外测定值与化学测定值之间具有极显著的相关性,相关系数分别为0.9966,09997。因此,利用近红外光谱法对次粉中水分和粗蛋白进行快速测定是可行的。     

近红外光谱快速分析次粉水分和粗蛋白效果的研究

本文探讨了利用近红外光谱分析技术快速测定次粉中水分和粗蛋白含量的可行性。结果表明:次粉水分和粗蛋白近红外测定值与化学测定值之间具有极显著的相关性,相关系数分别为0.9966,09997。因此,利用近红外光谱法对次粉中水分和粗蛋白进行快速测定是可行的。     

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。     

含无机氮饲料粗蛋白的检测方法探讨

本文依据现行国标方法对饲料中粗蛋白的含量进行了测定,并在此基础上对方法稍作改进。经对两种测定方法的比较,发现当饲料中有无机含氮化合物时,对粗蛋白含量测定的干扰明显,此时应先排除无机含氮化合物的干扰后再行测定。     

饲料中粗蛋白测定的方法

测定饲料中粗蛋白含量一般使用凯氏定氮法,其原理是在催化剂作用下,用硫酸破坏有机物,使含氮物转化成硫酸铵,再加入强碱进行蒸馏使氨逸出,用硼酸吸收后,再用酸滴定,测出氮含量,从而计算出粗蛋白含量。通过对2012年产的一份玉米样品的检验,来比较分析高氯酸-硫酸消化法和混合催化剂法这两种常用方法,供参考。     

近红外光谱法检测饲料玉米品质的优化PLS模型

试验基于化学计量学方法,提出了饲料玉米品质检测的优化近红外光谱定量模型。首先以偏最小二乘法分别建立饲料玉米水分、蛋白质测定的全光谱定标模型,然后综合运用光谱变换、异常样本剔除和特征波长选择等技术方法优化其性能。结果表明:优化模型的建模波点数减至全光谱的5%以下,R_c²和R_p²升到0.99以上,RMSEC和RMSEP降至0.05以下,RPD提高到12以上,预测结果与参考值的差异不显著(P>0.05)。由此可见,优化模型的预测能力和运行效率得到了显著改善,可将其用于实际检测工作。     

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。     

近红外光谱定量分析技术及其在草坪管理中的应用

介绍了近红外光谱(NIRS)定量分析技术的分析原理、技术状况及其应用情况,并从草坪土壤的分析、草坪施肥计划的制定、草坪精细管理、草坪自动化评价等方面详述了近红外光谱定量分析技术在草坪管理中的应用。     

红三叶与紫花苜蓿蛋白质利用率的比较

红三叶Trifolium pratense和紫花苜蓿Medicago sativa是蛋白质含量高的优质豆科牧草,但是研究发现紫花苜蓿在青贮过程中其蛋白质的降解率要高于红三叶,造成苜蓿蛋白质利用率降低,形成浪费和污染。红三叶蛋白质降解率低的机理已阐明,并已开始用于指导苜蓿生产实践。     

肉用仔鹅饲粮适宜粗纤维和粗蛋白水平的研究

采用3×3因子的析因设计,将189只1日龄健康肉用仔鹅随机分成9组,每组3个重复,每个重复7只;将日粮的粗纤维和粗蛋白分前、后期各设低、中、高3个水平,构成9个处理,18种日粮,研究不同粗纤维和粗蛋白水平对1~35日龄(前期)、36~63日龄(后期)肉仔鹅生长性能和营养物质利用率的影响。结果:1~35日龄肉仔鹅对日粮中粗纤维水平非常敏感,但对蛋白质水平要求不高;低纤维水平日粮组日增重与料重比明显好于中、高纤维组(P<0.01),日粮粗纤维和粗蛋白水平极显著影响鹅对能量和蛋白质的利用率(P<0.01);1~35日龄肉仔鹅饲粮粗纤维水平以3.5%、粗蛋白水平以17%~19%为宜。36~63日龄,较低的粗蛋白水平即可满足鹅的需要;高纤维水平日粮组鹅的日增重与料重比明显好于低纤维水平组(P<0.01);日粮粗纤维和粗蛋白水平极显著影响鹅对能量和蛋白质的利用率(P<0.01)。试验表明36~63日龄肉仔鹅饲粮适宜粗纤维水平为10%,粗蛋白水平为14%。     

Prediction of chemical composition and peroxide value in unground pet foods by near‐infrared spectroscopy

The massive development of the pet food industry in recent years has lead to the formulation of hundreds of canine and feline complete extruded foods with the objective of meeting both the needs of the animals and numerous demands from pet owners. In the meantime, highly variable raw material compositions and the industry's new production techniques oblige manufacturers to monitor all phases of the extrusion process closely in order to ensure the targeted composition and quality of the products. This study aimed at evaluating the potential of infrared technology (visible and near‐infrared spectrophotometer; 570–1842 nm) in predicting the chemical composition and peroxide value (PV) of unground commercial extruded dog foods. Six hundred and forty‐nine commercial extruded dog foods were collected. For each product, an unground aliquot was analysed by infrared instrument while a second aliquot was sent to a laboratory for proximate analysis and PV quantification. The wide range of extruded dog food typologies included in the study was responsible for the wide variability observed within each nutritional trait, especially crude fibre and ash. The mean value of the 208 pet foods sampled for PV quantification was 17.49 mEq O₂/kg fat (min 2.2 and max 94.10 mEq O₂/kg fat). The coefficients of determination in cross‐validation of NIRS prediction models were 0.77, 0.97, 0.83, 0.86, 0.78 and 0.94 for moisture, crude protein, crude fat, crude fibre, ash and nitrogen‐free extract (NFE) respectively. PV prediction was less precise, as demonstrated by the coefficient of determination in cross‐validation (0.66). The results demonstrated the potential of NIRS in predicting chemical composition in unground samples, with lower accuracy for moisture and ash, while PV prediction models suggest use for screening purposes only.