基于近红外光谱技术评估高粱中粗蛋白质、水分含量的研究

本研究旨在探讨利用近红外光谱技术评估高粱中粗蛋白质、水分含量的可行性。以收集的110份高粱样品作为研究对象,采用GB/T 6432—1994、GB/T 6435—2014中方法分别对粗蛋白质、水分含量进行测定,利用傅里叶变换近红外光谱仪采集样品的近红外漫反射光谱,光谱扫描范围4 000～12 800 cm~(-1),分辨率16 cm~(-1),样品重复装样扫描4次,每次扫描64次获得平均光谱,取4次扫描光谱作为样本的原始光谱。分别选取矢量归一化、最小-最大归一化、一阶导数、二阶导数、多元散射校正、一阶导数+减去一条直线、一阶导数+矢量归一化、一阶导数+多元散射校正探索适用于高粱中粗蛋白质、水分含量的光谱预处理方法。利用定标集样品光谱数据,采用偏最小二乘方法结合全交互验证手段来防止过拟合现象,建立定标模型。在此基础上,利用定标决定系数、定标均分根误差、定标相对分析误差、交互验证决定系数、交互验证均方根误差、交互验证相对分析误差确定最优模型。结果显示:粗蛋白质含量扫描光谱采用一阶导数+多元散射校正光谱预处理,光谱范围为9 401.9～5 443.6 cm~(-1)与4 603.0～4 243.9 cm~(-1)。水分含量扫描光谱采用一阶导数+减去一条直线,光谱范围为7 500. 3～6 096. 5 cm~(-1)与5 451. 8～4 243.9 cm~(-1)。高粱中粗蛋白质、水分含量的近红外光谱预测模型定标相对分析误差分别为8.41、12.20;交互验证相对分析误差分别为4.97、7.97;外部验证相对分析误差分别为3.32、5.36。由结果可知,本研究建立的高粱中粗蛋白质和水分含量的近红外光谱预测模型的相对分析误差均大于评估值,具有精确地评估高粱中粗蛋白质和水分含量的应用效果。     

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。     

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     

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。...     

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.     

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。     

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。     

The correlationship between the metabolizable energy content,chemical composition and color score in different sources of corn DDGS

Background： This study was conducted to evaluate the apparent metabolizable energy （AME） and true metabolizable energy （TME） contents in 30 sources of corn distillers dried grains with solubles （DDGS） in adult roosters, and establish the prediction equations to estimate the AME and TME value based on its chemical composition and color score. Methods： Twenty-eight sources of corn DDGS made from several processing plants in 11 provinces of China and others imported from the United States. DDGS were analyzed for their metabolizable energy （ME） contents, measured for color score and chemical composition （crude protein, crude fat, ash, neutral detergent fiber, acid detergent fiber）, to predict the equation of ME in DDGS. A precision-fed rooster assay was used, each DDGS sample was tube fed （50 g） to adult roosters. The experiment was conducted as a randomized incomplete block design with 3 periods. Ninety-five adult roosters were used in each period, with 90 being fed the DDGS samples and 5 being fasted to estimate basal endogenous energy losses. Results： Results showed that the AME ranged from 5.93 to 12.19 MJ/kg, TME ranged from 7.28 to 13.54 MJ/kg. Correlations were found between ME and ash content （-0.64, P 〈 0.0]） and between ME and yellowness score （0.39, P 〈 0.05） of the DDGS samples. Furthermore, the best-fit regression equation for AME content of DDGS based on chemical composition and color score was AME = 6.57111 ＋ 0.5]475 GE - 0.10003 NDF ＋ 0.1 3380 ADF ＋ 0.07057 fat - 0.57029 ash - 0.02437 L （R^2 = 0.70）. The best-fit regression equation for TME content of DDGS was TME = 7.92283 ＋ 0.51475 GE - 0.10003 NDF ＋ 0.13380 ADF ＋ 0.07057 fat - 0.57029 ash - 0.02437 L （R2 = 0.70）. Conclusions： This experiment suggested that measuring the chemical composition and color score of a corn DDGS sample may provide a quality parameter for identifying corn DDGS sources energy digestibility and metabolizable energy content.     

用近红外反射光谱方法测定乳清粉的品质性状

本文用近红外反射光谱(NIRS)直接测定乳清粉的蛋白质、脂肪、灰份含量，均有很好的效果。同时对定标光谱进行不同的数学处理和散射处理，并采用不同的统计方法来优化这种成份的NIRS分析。建模时标准误很小而决定系数高。校正标准误、检验工作标准误、校正决定系数以及检验决定系数蛋白质依次分别为0．589，1．448，0．999和0．977，脂肪分别为0.257，0．570，0．989和0．938，灰份分别为0．178，0．206，0．990和0．988。同时对乳清粉品质的NIRS测定作了讨论。     

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。     

玉米干酒糟及其可溶物有效能值估测模型中定标样品选择方法的研究

本试验旨在探讨玉米干酒糟及其可溶物(DDGS)有效能值估测模型中定标样品的选择原则。从23个玉米DDGS样品(定义为全样品库)中按酶水解物能值(EHGE)相差0.21 MJ/kg左右的梯度选择9个定标玉米DDGS样品,定义为选择性样品库;将剩余的14个玉米DDGS样品定义为非选择性样品库。然后,比较选择性样品库与非选择性样品库化学成分含量及变异的差异,以及通过全样品库和选择性样品库分别建立其化学成分对EHGE之间的回归模型,比较根据回归模型计算得到的非选择性样品库EHGE的差异。结果表明,选择性样品库和非选择性样品库的玉米DDGS在粗蛋白质(CP)、粗灰分(Ash)、粗脂肪(EE)、粗纤维(CF)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)含量及EHGE平均值上均无显著性差异(P0.05),CP、Ash、EE、CF、ADF、NDF含量及EHGE变异的方差上均无显著性差异(P0.05)。选择性样品库和非选择性样品库化学成分含量在第一、二主成分得分载荷分布上,选择性样品库中仅1个玉米DDGS样品未与非选择性样品库的分布范围重叠。以选择性样品库样品建立的EHGE预测模型为EHGE=(3 566+53.94×EE-32.68×NDF)×4.184/1 000(R2=0.798 1,RSD=0.43 MJ/kg);以全样品库样品建立的预测模型为EHGE=(3 742+29.67×EE-29.71×NDF)×4.184/1 000(R2=0.535 0,RSD=0.44 MJ/kg)。由2个模型获得的非选择性样品库(n=14)玉米DDGS的EHGE计算值与其实测值的绝对残差平均值分别为0.47和0.33 MJ/kg,差异不显著(P0.05)。综上所述,在玉米DDGS有效能值的估测建模中,以EHGE作为定标样品的选择依据是可行的。     

The correlationship between the metabolizable energy content,chemical composition and color score in different sources of corn DDGS

Background

This study was conducted to evaluate the apparent metabolizable energy (AME) and true metabolizable energy (TME) contents in 30 sources of corn distillers dried grains with solubles (DDGS) in adult roosters, and establish the prediction equations to estimate the AME and TME value based on its chemical composition and color score.

Methods

Twenty-eight sources of corn DDGS made from several processing plants in 11 provinces of China and others imported from the United States. DDGS were analyzed for their metabolizable energy (ME) contents, measured for color score and chemical composition (crude protein, crude fat, ash, neutral detergent fiber, acid detergent fiber), to predict the equation of ME in DDGS. A precision-fed rooster assay was used, each DDGS sample was tube fed (50 g) to adult roosters. The experiment was conducted as a randomized incomplete block design with 3 periods. Ninety-five adult roosters were used in each period, with 90 being fed the DDGS samples and 5 being fasted to estimate basal endogenous energy losses.

Results

Results showed that the AME ranged from 5.93 to 12.19 MJ/kg, TME ranged from 7.28 to 13.54 MJ/kg. Correlations were found between ME and ash content (-0.64, P < 0.01) and between ME and yellowness score (0.39, P < 0.05) of the DDGS samples. Furthermore, the best-fit regression equation for AME content of DDGS based on chemical composition and color score was AME = 6.57111 + 0.51475 GE - 0.10003 NDF + 0.13380 ADF + 0.07057 fat - 0.57029 ash - 0.02437 L (R² = 0.70). The best-fit regression equation for TME content of DDGS was TME = 7.92283 + 0.51475 GE - 0.10003 NDF + 0.13380 ADF + 0.07057 fat - 0.57029 ash - 0.02437 L (R² = 0.70).

Conclusions

This experiment suggested that measuring the chemical composition and color score of a corn DDGS sample may provide a quality parameter for identifying corn DDGS sources energy digestibility and metabolizable energy content.     

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。     

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。     

玉米酒精糟的营养价值及其对生长育肥猪肉品质的影响

玉米酒精糟(corn distillers dried grains with solubles,DDGS)是燃料乙醇工厂以玉米为原料发酵生产酒精的副产品,含有丰富的蛋白质、脂肪、有效磷和维生素,是一种良好的饲料原料。近年来,随着燃料乙醇工厂数量的增多、规模的扩大及加工工艺的改进,玉米DDGS的产量和质量也不断提高,并且被越来越多地用于养猪生产中。但是其中过高的脂肪含量,特别是不饱和脂肪酸,导致生长育肥猪的肉品质下降,对猪肉的货架期及深加工造成了一定的负面影响。作者综述了玉米DDGS的营养价值及其对猪肉品质的影响。