贮备饲料近红外光谱模型快速预测青绿饲料营养成分含量

为快速检测饲料的营养成分,该研究利用贮备饲料的近红处技术(near-infrared,NIR)快速分析模型预测青绿饲料的营养成分含量。基于贮备饲料的NIR定标模型,将建模优化模式转移应用到青绿饲料的营养成分定量检测,以判断模型转移能力。在实验室环境下扫描并记录新鲜的青绿饲料样本和储存的贮备饲料样本的近红外反射光谱,利用230个贮备饲料样本进行光谱定标训练,以修正偏最小二乘(modified-partial least squares,M-PLS)建模方法,结合随机局部样本、局部选参、局部非连续性可调、交叉检验等技术相结合的方式建立局部优化模型,分别测试120个贮备饲料样本和120个青绿饲料样本中的氮(nitrogen,N)、中性洗涤纤维(neutral detergent fiber,NDF)、酸性洗涤纤维(acid detergent fiber,ADF)含量。将贮备饲料的定标校正模型应用于贮备饲料验证样本的营养成分测定,其标准误差(square error of prediction,SEP):N为1.02、NDF为16.56和ADF为13.47,相关系数均在0.9以上,相对预测偏差(relative prediction derivation,RPD)均大于3;该模型具有对青绿饲料样本的营养成分预测能力,其预测SEP:N为0.90、NDF为14.11和ADF为9.98,预测相关系数均在0.9以上,预测RPD均大于3,达到快速检测误差标准。由于局部建模过程中考虑了数据的潜在非线性结构和具有近似光谱响应的样本之间的不均匀性,相对全局建模方式而言具有更好的数据驱动性质,其建模效果优于全局建模方法。结果表明,基于贮备饲料样本建立的NIR定标校正模型可以用于青绿饲料营养成分的预测,特别是局部分析模型的应用能够提高NIR快速分析的预测精度。