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。     

样品水分含量分布状态对傅立叶近红外预测模型的影响

试验旨在研究样品水分含量呈正态分布与匀态分布对傅立叶近红外所建模型预测效果的影响。试验以豆粕水分含量的分布形态为研究对象,采用单因子试验设计,设3个不同σ值的正态分布样品校正集和1个匀态分布样品校正集,分别建立预测豆粕水分含量的模型。结果表明:3个正态分布所建预测模型的RMSECV低于匀态分布所建模型,当用4个模型预测水分含量范围在9%~14%,平均值为11.47%的样品集时,3个正态模型预测结果分别为12.23%、11.41%、11.48%,而匀态模型为11.47%,显然优于正态模型。正态模型预测中间水分含量的准确性较高,优于匀态模型,而匀态模型预测两端高、低水分的样品的准确性优于正态模型。     

利用近红外光谱技术分析玉米秸秆和小麦秸秆的营养成分

为利用近红外光谱技术(near-infrared reflectance spectroscopy, NIRS)分别建立玉米秸秆(corn straw)和小麦秸秆(wheat straw)的近红外预测模型,本研究从甘肃、新疆和河南3个省(区)共采集玉米秸秆样品155份、小麦秸秆样品135份,选取玉米秸秆124份作为定标集、31份作为验证集,小麦秸秆108份作为定标集、27份作为验证集,利用近红外光谱技术结合改良偏最小二乘法(MPLS)等化学计量学方法分别建立玉米秸秆和小麦秸秆的干物质(dry matter,DM)、粗蛋白(crude protein, CP)、中性洗涤纤维(neutral detergent fiber, NDF)、酸性洗涤纤维(acid detergent fiber, ADF)和酸性洗涤木质素(acid detergent lignin, ADL) 5个指标的近红外预测模型。结果表明:1)玉米秸秆DM、CP、NDF、ADF和ADL的平均含量分别为94.60%、 5.16%、 63.88%、 36.33%和3.32%;小麦秸秆DM、 CP、 NDF、 ADF和ADL的平均含量分别为95.35%、3.42%、77.31%、46.59%和6.84%。2)玉米和小麦秸秆的CP含量预测模型交互验证决定系数(1-VR) 0.90,且外部验证决定系数(RSQ) 0.84,构建的模型可以用于实际预测。3)玉米秸秆DM、NDF、ADF和小麦秸秆DM各指标定标模型的1-VR值在0.80左右,可以粗略地预测其营养成分含量,其余各指标模型预测效果不太理想,模型需要进一步优化。综上所述,本研究为生产实践中快速预测玉米和小麦秸秆营养成分含量提供了理论依据,并且通过NIRS建立了其近红外预测模型。     

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。     

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。     

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。     

高寒草原天然牧草营养品质近红外光谱预测模型的建立

本研究旨在探讨近红外光谱(NIRS)技术在定量分析高寒草原天然牧草营养品质的可行性。试验于2015—2018年,每年6—9月份,从青藏高原高寒草原放牧研究样地收集不同放牧强度(0、3.6、5.3、7.6只/hm2)的混合和4个优势种(莎草科矮生嵩草、蓼科珠芽蓼、蔷薇科金露梅和豆科锦鸡儿)牧草样品共计1 280份,随机分为定标样品集(n=854)和预测样品集(n=426),建立天然牧草干物质(DM)、粗脂肪(EE)、粗蛋白质(CP)、酸性洗涤纤维(ADF)、中性洗涤纤维(NDF)含量及体外干物质消化率(IVDMD)和估算代谢能(EME)营养品质近红外光谱(NIRS)预测模型,实现天然牧草营养品质的快速和准确评估。结果显示:牧草DM、CP、EE、ADF、NDF含量及IVDMD和ME变异较大;DM、CP、ADF、NDF含量及IVDMD和EME的NIRS预测模型的验证决定系数(R2CV)为0.992～0.999,外部验证相对分析误差(RPD)为3.82～5.97,取得了最佳的定标效果,且定标方程均具较好的预测能力,能够成功应用于日常分析。EE含量的NIRS预测模型的R2CV为0.837,外部RPD为2.30,定标效果不理想,定标模型虽不能用于准确的定量分析测定,但仍能应用于牧草EE含量的粗略测定。综上所述,本研究建立的高寒草原天然牧草DM、CP、ADF、NDF含量及IVDMD和EME的NIRS预测模型能够成功应用于日常分析。     

青贮玉米不同部位(组织)养分含量近红外预测模型的构建

在甘肃省民勤县采集227份青贮玉米(Zea mays)样品,采用改良偏最小二乘的化学计量学方法,用3种导数处理和10种光谱散射处理相结合的方法,建立青贮玉米原料不同部位(组织)的干物质、有机物、粗蛋白、粗脂肪、中性洗涤纤维(neutral detergent fiber,NDF)、酸性洗涤纤维(acid detergent fiber,ADF)和酸性洗涤木质素(acid detergent lignin,ADL)等养分含量的近红外预测模型,旨在利用近红外光谱技术建立青贮玉米不同部位(组织)养分含量的近红外预测模型.结果表明:1)ADF含量预测模型的决定系数(coefficient of determination for validation,RSQV)和外部验证相对分析误差(ratio of performance to deviation for validation,RPD)均高于其他成分,而NDF、粗蛋白和有机物含量的RSQV和RPD均低于ADF;ADF、NDF、粗蛋白和有机物这4个指标的RSQV均大于0.9,且其RPD均大于2.5,能用于实际生产中准确分析;2)粗脂肪含量的RSQV和RPD分别为0.701和1.838,建立的模型只能用于样品的粗略预测;3)干物质、ADL含量的RSQV和RPD分别为0.525和1.549、0.631和1.602,这2种营养成分的预测模型不能用于实际生产中的检测,模型还需要进一步优化.综上所述,本试验初步建立了青贮玉米不同部位(组织)ADF、NDF、粗蛋白和有机物含量这4种营养成分近红外预测模型,能够应用于生产实际.     

青贮玉米不同部位(组织)养分含量近红外预测模型的构建

在甘肃省民勤县采集227份青贮玉米(Zea mays)样品,采用改良偏最小二乘的化学计量学方法,用3种导数处理和10种光谱散射处理相结合的方法,建立青贮玉米原料不同部位(组织)的干物质、有机物、粗蛋白、粗脂肪、中性洗涤纤维(neutral detergent fiber, NDF)、酸性洗涤纤维(acid detergent fiber, ADF)和酸性洗涤木质素(acid detergent lignin, ADL)等养分含量的近红外预测模型,旨在利用近红外光谱技术建立青贮玉米不同部位(组织)养分含量的近红外预测模型。结果表明:1) ADF含量预测模型的决定系数(coefficient of determination for validation, RSQV)和外部验证相对分析误差(ratio of performance to deviation for validation, RPD)均高于其他成分,而NDF、粗蛋白和有机物含量的RSQV和RPD均低于ADF;ADF、NDF、粗蛋白和有机物这4个指标的RSQV均大于0.9,且其RPD均大于2.5,能用于实际生产中准确分析;2)粗脂肪含量的RSQV和RPD分别为0.701和1.838,建立的模型只能用于样品的粗略预测;3)干物质、ADL含量的RSQV和RPD分别为0.525和1.549、0.631和1.602,这2种营养成分的预测模型不能用于实际生产中的检测,模型还需要进一步优化。综上所述,本试验初步建立了青贮玉米不同部位(组织) ADF、NDF、粗蛋白和有机物含量这4种营养成分近红外预测模型,能够应用于生产实际。     

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。     

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。     

基于人工神经网络的狼尾草属牧草品质近红外光谱预测研究

本研究利用近红外光谱通过人工神经网络(Artificial neural network, ANN)建立狼尾草属(Pennisetum Rich)牧草水分、粗蛋白、木质素、酸性/中性洗涤纤维及灰分含量的预测模型。结果表明：基于人工神经网络的狼尾草属牧草品质预测模型总体优于全光谱偏最小二乘法(PLS)模型效果。在人工神经网络的方向传播(BP)网络模型中,6项表征牧草品质指标的校正均方根误差(RMSEC)、预测均方根误差(RMSEP)均显著低于PLS模型,同时校正集决定系数(R■)、预测集决定系数(R■)显著提高,除灰分含量预测不理想外,其他预测效果均理想。同时人工神经网络的BP网络对于近红外光谱的非线性数据具有良好的拟合能力,其预测模型对于指导狼尾草属牧草品质预测和分级管理研究具有广阔的应用前景。     

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.     

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     

紫色土光谱特征及其碱解氮的预测研究

文章分析探索了应用可见近红外光谱技术快速、高效、便捷测定土壤营养参数的可能性。采集蓬莱镇组紫色土样本,比对分析了不同肥力水平、土壤厚度和土壤粒径条件下采集土壤光谱对可见近红外光谱特征的影响,筛选出不同厚度、粒径土壤条件下的碱解氮含量预测模型。研究结果表明,土壤样本厚度为30mm时具有最大的光谱反射率,建立的氮含量预测模型效果最佳,校正集和验证集的相关系数分别为0.84和0.83,均方根误差分别为1.79和1.87。土样粒径在0.25-0.85mm时氮含量的预测效果最佳,校正集和验证集的相关系数均超过0.8,且均方根误差较小;但当土样粒径<0.25mm时,氮含量预测模型效果明显下降。采用20目（<0.85mm）过筛、30mm厚度土壤样本采集可见近红外光谱和偏最小二乘法（PLS）模型预测,可以实现对蓬莱镇组紫色土碱解氮含量的较好光谱预测。     

应用手持式近红外光谱仪检测桑椹可溶性固形物含量的偏最小二乘回归模型建立

可溶性固形物含量(SSC)是评价桑椹鲜果品质的重要指标,利用近红外光谱分析技术建立快速、实时无损地检测桑椹鲜果中可溶性固形物的方法。首先用手持式Micro NIR1700型近红外光谱仪采集桑椹的近红外光谱,对光谱进行预处理后,应用偏最小二乘回归(PLS)法建立桑椹鲜果SSC预测模型,并用随机蛙(Random-frog)和自适应重加权采样(CARS)2种方法筛选出最优波长变量,提高PLS模型预测精度。经过1阶求导(1stDer)、标准正态变量变换(SNV)和均值中心化(MNCN)相结合预处理后的全波长光谱PLS模型的预测效果最好,校正集与验证集的相关系数平方(R2)分别为0.916 1和0.925 0,均方根误差分别为0.985 8°Brix和0.654 3°Brix。相较于Random-frog法,用CARS方法优选出19个波长变量,所建PLS模型的预测效果更好,校正集与验证集的R2分别为0.933 2和0.943 4,均方根误差分别为0.782 0°Brix和0.582 8°Brix。研究结果表明,利用手持式Micro NIR 1700型近红外光谱仪结合化学计量学方法,能够用于现场对桑椹鲜果SCC的快速无损检测。     

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。     

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。...     

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。