近紅外光譜分析技術在飼料分析中的應用研究.pdf

1、飼料原料的品質是保證飼料產品質量與安全的根本，為了能快速有效地控制原料的品質，本課題采用近紅外光譜(NIRS)快速檢測的方法，收集了49個純魚粉樣品，按1％、5％、9％的比例分別向純魚粉樣品中摻入了尿素、豆粕、麥麩和菜粕，制成12個假魚粉，市面上售有的4個摻假魚粉，50個豆粕樣本和50個麥麩，分別在950～1650nm范圍內進行近紅外光譜掃描，采用不同的光譜處理方法分別進行了魚粉的摻假判別、豆粕尿素酶活性及魚粉、豆粕、麥麩常規(guī)化學成分的

2、近紅外光譜定量分析模型的建立，結果如下： 1、先用主成分回歸(PCR)對56個魚粉樣品(44個純魚粉及12個自制的摻假魚粉)進行分析，可以明顯地區(qū)分純魚粉與摻假魚粉。由此可知，近紅外光譜法可作為鑒別魚粉的一項新技術。再在此基礎上，采用PCR結合馬氏距離(Mahalanobis)法，用44個純魚粉樣品創(chuàng)建了近紅外光譜模型，驗證結果表明，采用標準化(SNV)處理方式建立的模型在9主成分數(shù)下對驗證集樣品進行預測，誤辨數(shù)為0，驗證效果最

3、好。 2、采用一階導數(shù)(SG1)+附加散射(MSC)+中心化(mean center)預處理方法，用偏最小二乘法(PLS)建成了豆粕尿素酶活性測定的校正模型，其校正決定系數(shù)R<'2>為0.916，定標標準差(SEC)為0.045，外部驗證決定系數(shù)R<'2>為0.926，預測標準差SEP=0.035，測量重復變異系數(shù)為0.09。結果基本達到了定量分析的要求。 3、用偏最小二乘(PLS)定標方法，結合中心化、多元散射、導數(shù)處

4、理的方法，對豆粕樣品化學成分建立了的定標模型，定標集化學分析值與NIRS預測值之間的決定系數(shù)R<'2>和標準差RMSEC分別為：0.9695和0.117(水分)。0.9755和0.338(粗蛋白)，0.9507和0.271(粗脂肪)，0.845和0.076(粗灰分)，0.9384和0.267(粗纖維)。用驗證集樣本對NIRS定標模型進行了檢驗，其預測值與化學分析值之間的決定系數(shù)R<'2>和標準差RMSEP分別為：0.9327和0.115

5、(水分)、0.9533和0.313(粗蛋白)、0.9847和0.221(粗脂肪)、0.8541和0.078(粗灰分)、0.9009和0.248(粗纖維)。除粗灰分外，其它成分均達到了定量分析的要求。用同樣的方法對魚粉各化學成分建立了定標模型，定標集化學分析值與NIRS定標模型預測值之間的決定系致R<'2>和交互驗證標準差RMSECV分別為：0.9559和0.216(水分)．0.9651和0.386(粗蛋白)，0.9421和0.288(粗

6、脂肪)．0.8899和0.249(鈣)．0.9553和0.085(磷)，0.9235和0.135(鹽分)。用驗證集樣品對NIRS定標模型進行了檢驗，其預測值與化學分析值之間的決定系數(shù)R<'2>和標準差RMSEP分別為：0.9395和0.314(水分)，0.908和0.827(粗蛋白)．0.9101和0.613(粗脂肪)．0.8353和0.474(鈣)．0.83和0.294(總磷)，0.9238和0.393(鹽分)。除鈣、磷驗證效果稍差之

7、外，其它成分均達到了定量分析的要求。 用相同的處理方法對麥麩樣品各化學成分建立了定標模型，定標集化學分析值與NIRS定標模型預測值之間的決定系數(shù)R<'2>和交互驗證標準差RMSECV分別為：0.9701和0.101(水分)，0.9572和0.123(粗蛋白)，0.9304和0.109(粗脂肪)，0.981 4和0.129(粗纖維)，0.9582和0.105(粗灰分)。用驗證集樣品對NIRS定標模型進行了檢驗，其預測值與化學分析值