（草业科学专业论文）近红外光谱技术评定绵羊采食性和日粮营养成分的研究.pdf

摘要 红外光谱技术( n e a ri n f r a r e dr e f l e c t a n c es p e c t r o s c o p y 简称n i p 。s ) 是一种快速，准确， 无损的有机物分析新技术，许多国家已将该技术成功地应用于食品、药物，饲料等的质量检测， 而我国在这一方面的研究才刚刚开始，尤其是在应用近红外技术预测家畜的采食量和采食性方面 的研究还未见报道。本实验应用近红外光谱技术( n i r s ) 获取绵羊粪便样品的光谱信息，利用数 学方法建立关于绵羊日粮中采食成分含量和营养成分含量与粪便光谱的回归模型，来探讨近红外 光谱技术( n i i l s ) 在放牧家畜采食估测中应用的可行性。主要研究结果如下： 1 外部样品检验结果表明：d m i 、日粮羊草比例、老芒麦比例、碱茅比例和灰藜比例的预测 相关系数r 分别为0 6 8 9 6 ，0 8 9 0 2 ，0 7 3 4 4 ，o 8 6 2 4 和0 8 2 9 5 ，外部验证标准误差( r k s e p ) 分别为 1 0 7 ( g 删) ，1 0 2 0 ( 删) ，1 1 1 0 ( 删) ，8 4 4 ( 嗍) 和3 7 6 ( 删) 。预测样品各指标的预测平 均值与常规分析平均值差异不大，说明所建各近红外模型具有较好的整体预测效果：本实验中羊 草、碱茅和灰藜的模型的预测可靠性高，可用来对未知日粮样品中的羊草、碱茅和灰藜比例进行 实际预测：而删i 的预测结果较差，表明基于较小的建标样品集( n = 3 5 ) 建立的定标模型对未知 样品的预测准确性会降低l 灰藜近红外模型预测效果较差。表明饲革比例在日粮中所占比例较小 时( 小于1 0 o ) ，粪便中可提取的代表性近红外光谱信息少，尤其在样品集较小的情况下。会显 著降低模型的预测效果：老芒麦近红外模型预测效果较差表明相同种属或者化学特征的植物的光 谱信息可能有所重合，这种不同成分间的干扰会影响粪便中光谱信息的提取。 2 外部样晶检验结果表明：c p ，a d f 和n d f 的预测值相关系数r 分别为0 8 9 2 7 ，0 0 8 9 4 和 0 7 6 4 8 ，c p 。a d f 和n d f 的外部验证标准误差( r m s e p ) 分别为0 8 7 ( 蹦) ，3 5 0 ( 删) 和2 3 3 ( 删) 。 预测样品各指标的预测平均值与常规分析平均值差异不大，说明所建各近红外模型具有较好的整 体预测效果；本实验中c p 和n d f 模型的预测值与化学值比较接近，可用来对朱知日粮样品中的 c p 和n d f 进行实际预测；而a d f 近红外模型预测效果较差表明当未知样品的成分如超出建标样品 集的范嗣时，近红外模型将不能准确预测未知样品的含量，而建标样品含量变化较小时，近红外 的预测性能也会显著降低。 有研究结果表明家畜粪便中有反映日粮特点的光谱信息，本研究结果也表明近红外光谱技术 ( n i l l s ) 可以用于分析绵羊日粮的物理成分和化学成分，但是粪便成分受到请多因素的影响，能 不能获取变异范嗣丈且具有广泛代表性的样品决定着模型的稳定性和可靠性的高低，因此，在放 牧环境f ，考虑到家茸采食活动的复杂性等诸多冈素，对于通过扫描家备粪便建立近红外模型来 评价家葺的采食状况和日粮营养水平将是一个长期，i ：作。 关键词：红外光谱技术，粪便，绵羊，采食量，采食性，日粮营养成分 a b s t r a c t n e a ri n f r a r e dr e f l e c t a n c es p e c t r o s c o p y 州m s ) i sa ne f f e c t i v ea n dn o n - d e s t r u e t i v ea n a l y t i c a lm e t h o d f o ro r g a n i cc o m p o u n d s i n c et h ei n t r o d u c t i o no fn i r si nt h e1 9 6 0 s 。t h en u m b e ro fn i r s - a l d e d 删y t i c a la p p l i c a t i o n sh a sg r e a t l y “p a n d e d t h en i r st e c h n o l o g yh a sb c e l lw i d e l yu s e dt oa s s e s s n u t r i t i o nv a l u e sf o rh e r b i v o r e si nr e c e n ty e a r s h o w e v e r , t h e r eh a sb e e nl i t t l ep u b l i s h e de x p e r i m e n to f u s i n gn i p st e c h n i q u et op r e d i c tt h ei n t a k ea n dd i e tc o m p o s i t i o no f a n i m a l sg r a z i n gi nt h et y p i c a ls t e p p e g r a s s l a n d t h es t u d yw a sc o n d u c t e dt od e t e r m i n ei ff e c a ln i p si sa b l et op r e d i c td i e tc o m p o s i t i o na n d d i e t q u a l i t y o f f o r a g e - f e ds h e e p a n de v a l u a t e t h e p e r f o r m a r m o f f e c a l n i p se q u a t i o n s 1 t h ee x t e r n a lv a l i d a t i o nr e s u l t ss h o w e dt h a tt h ec 衔c i e n to f c o r r e l a t i o no f p r e d i c t i o n ( 0f o rd m ia n d t h ep r o p o r t i o no fl o l 口c h i n e n s i s , e l y m u ss i b i r i c u s , p u c c i n e l l i ad i s t a n sa n dc h e n o p o d i u ma l b u mi n d i e t sw e ”r e s p e c t i v e l yo 6 8 9 6 。0 8 9 0 2 0 ，7 3 4 4 ，o 8 6 2 4 a n do 8 2 9 5a n dt h er o o tm e a ns q u a r ee r r o ro f p r e d i c t i o n ( r m s e p ) f o rd m ! a n db o t a n i c a lc o m p o s i t i o n si nd i e t sw e l - e1 0 7 0 9d m ) ，1 0 2 0 ( d m ) 1 1 1 0 ( d m ) ，8 4 4 ( d m ) a n d3 7 6 ( d m ) ，r e s p e c t i v e l y t h e r ew a sl i t t l ed i f f e r e n c eb e t w e e nt h e a v e r a g ev a l u e so fd m ia n db o t a n i c a lc o m p o s i t i o n so b t a i n e db yu s i n gf e c a ln i r sp r e d i c t i o na n db y u s i n gl a b o r a t o r ya n a l y s i s t h ef e c a ln i r sg a v ea 训s f k t o f ya c c u r a c yi nt h ea n a l y s i so f t b op r o p o r t i o n s o f , e y r a u $ c h i n e n s i s , p u c c i n e l l i ad i s t a n sa n dc h e n o p o d i u ma l b u mi nt h i ss t u d y t h ep o o rp e r f o r m a n c e o fp r e d i c t i o nf o rd m is h o w e dt h 越t h ec a l i b r a t i o nm o d e lb a s e do ns m a l lc a l i b r a t i o ns a m p i es e tf n = 3 5 ) w o u l dp r o v i d eal o w e ra c c u r a c yi nt h ep r e d i c t i o nf o ru n k n o w ns a m p l e t h ep o o rq u a l i t yo f c a l i b r a t i o n f o rc h e n o p o d i u ma l b u mw a sp r o b a b l yd u et ot h ea m o u n to ft h i sc o m p o n e n tl e s st h a n1 0 i nt h ed i e t t h ep o o rq u a l i t yo fp r e d i c t i v em o d e lf o re l y m u ss i b i r i c u ss h o w e dt h es p i r a li n f o r m a t i o nm e a s u r e d f r o mt h ep l a n to f t h es a m es p e c i e so r0c h e m i c a lc h a r a c t e r i s t i c sm a yb ec o i n c i d e n c e t h eh o m o g e n e i t yo f t h ec o m p o s i t i o n sa n a l y z e dw o u l da f f e c ts p e t ：t r a li n f o r m a t i o ne x t r a c t i o n , e s p e c i a l l yi ns m a l ls a m p l es e t 2 t h ee x t e m a lv a l i d a t i o nr e s u l t ss h o w e dt h a tt h ec o e f f i c i e n to f c o r r e l a t i o no f p r e d i c t i o n ( r ) f o rc 只a d f a n dn d fi nd i e t sw e r er e s p e c t i v e l y0 8 9 2 7 , 0 0 8 9 4a n d0 7 “8 , a n dt h er o o tm e a ns q u a r ee r r o ro f p r e d i c t i o n ( r m s e p ) f o rd m i a n db o t a n i c a lc o m p o s i t i o n si nd i e t sw g r e0 8 7 ( d m ) ，3 5 0 ( d m ) a n d 2 3 3 ( d m ) r e s p e c t i v e l y t h ef e c a ln i r sm o d e l sd e v e l o p e di nt h i ss t u d yg a v eas a t i s f a c t o r ya c c u r a c y i nt h ea n a l y s i so fc pa n dn d f t h ep o o rp e r f o r m a n c eo fp r e d i c t i o nf o ra d fs h o w e dt h a tt h en i r s e q u a t i o n sc a nn o tb ee x t r a p o l a t e db e y o n dt h ec o n d i t i o n sr e p r e s e n t e di nc a l i b r a t i o ns a m p l e sa n dl i t t l e v a r i e t yo f s a m p l e sw o u l dr e d u c et h eq u a l i t yo f n l r sp r e d i c t i v ee q u a t i o n t h er e s u l t sc o n f i r m e dt h a tt h ep o t e n t i a lo ff e c a ln i r sa sap r o m i s i n gt e c h n i q u et om e a s u r ed i e t a r y c o m p o s i t i o na n dd i e tq u a l i t yo f f o r a g e - f e ds h e e p h o w e v e r , a d d i t i o n a lw o r k i nt h i sa r g am a yb er e q u i r e d t od e t e r m i n ei ff e c a ln i r sp r e d i c t i o n so fn u t r i t i o nv a l u e sc a l la t t a i nh i g h e rl e v e l so fa c c u r a c ya n d p r e c i s i o n k e y w o r d s ：n e a ri n f r a r e dr e f l e c t a n c es p e c t r o s c o p y ( n i r s ) ，f e c a l ，s h e e p ，i n t a k e ，d i e tc o m p o s i t i o n , d i e t q u a l i t y 1 1 缩略词表 v 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成 果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发 表或撰写过的研究成果，也不包含为获得中国农业大学或其它教育机构的学位或证书 而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示了谢意。 研究生签名：销啦 时间： 2 。7 年占月，日 关于论文使用授权的说明 本人完全了解中国农业大学有关保留、使用学位论文的规定，即：学校有权保留 送交论文的复印件和磁盘，允许论文被查阅和借阅，可以采用影印、缩印或扫描等复 制手段保存、汇编学位论文。同意中国农业大学可以用不同方式在不同媒体上发表、 传播学位论文的全部或部分内容。 ( 保密的学位论文在解密后应遵守此协议) 研究生签名： 导师签名：? ， 舒椭 可诎 时间：2 - * 。7 年, e l ，歹同 帆泐7 年月驴 中国农业大学硕t 学位论文 第一章7 1 言 第一章引言 1 研究目的和意义 典型草原在我国草原区占有最大面积，典型草原分布区也是我国草地畜牧业最发达的地区。 但是伴随着草地畜牧业的发展，出现了一些实践中难以解决的问题如何合理利用草地资源，制 定一个有效的饲养管理模式，提高畜牧业的生产水平和草地的生态效益，是草地畜牧业发展中急 待解决的一个问题。采食量和食性是草食动物营养的基础，也是影响草地营养价值评价的关键因 素，是草地生产能力和草地管理的基本内容( 任继周，1 9 9 8 ) 对于自由放牧状态下的家畜，测 定放牧家畜采食的营养成分，及时了解家畜的营养状况是件非常困难的事情，所以它也成为草地 放牧研究中最重要内容之一。随着草食动物营养研究和草地科学的发展，对于草食动物食性食量 的测定方法研究得比较多，但仍缺乏满意、准确又简便易行的方法( 任继周，1 9 9 8 ) 测量草食动物日粮植物组成的方法以及存在的相关问题已经由n o r b a r y 与s a n s o n ( 1 9 9 2 ) ， d o v e 与l i a y e s ( 2 0 0 0 ) ，松梅等( 2 0 0 3 ) 作了详细的介绍。广泛麻用的估测方法是直接观察采食 行为法，该方法通过测量动物在不同植物群落或种类上的采食时间来计算日粮的植物组成。这种 方法的最主要的缺点是，很难将采食时间或采食频率准确的转化成采食量。在天然和半天然草地 上，野生草食动物食性研究通常是采_ l j 捕杀检查瘤胃中食糜的方法( n o r b u r y s a n s o n ，1 9 9 2 ) 因为每只草食动物只能得到一个观测值，所以这种方法不仅代价大，而且无法对动物即时的变化 做进一步的研究。这种方法得到的观察值通常也只是代表该动物在被捕杀前- d , 段时间的采食组 成，加之不同植物种类或植物部位的消化率可能不同，这也可能是误差的来源。t o r e l l ( 1 9 5 4 ) 首次将食道瘘管法应用于放牧绵羊的采食与营养的研究，此后三四十年间，此法曾得到广泛的应 用( 杨诗兴，1 9 8 7 ：韩建国和贾慎修，1 9 9 0 ) ，但是装有食道瘘管的动物表现出来的采食行为可 能不能代表正常动物的习性。植物种类之间饱和链烷模式存在很大的区别( d o v e 。1 9 9 2 ：l a r e d o 等，1 9 9 1 1m a l o s s i n i 等，1 9 9 6 ) ，饱和链烷的这种特点适合作为食性指示剂用于测量牧草混合 物中各种植物或植物的不同部位的组成比例( d o v e ，1 9 9 2 ) ，利用这种技术也可以通过分析家音 或者野生动物的粪便中各种饱和链烷的浓度，根据其采食的各种植物的饱和链烷模式，计算家畜 日粮中各种植物的组成比例，实现对采食纽分的估测，估测结果准确，但是这种技术分析成本高， 不利于广泛推广。 近红外光谱技术( n e a ri n f r a r e dr e f l e c t a n c es p e c t r o s c o p y ，简称n i p s ) 是2 0 世纪7 0 年 代兴起的一种有机物分析技术，具有快速，准确，成本低的特点，它是利_ i j 物质在近红外光谱区 特定的吸收特性进行分析的一种方法。红外光谱是波跃在7 8 0 n m - - s o p m 的一段电磁波，包括近红 外，中红外和远红外3 个区域，其中近红外的波长为7 8 0 2 5 0 0 n m ，最早由t o m a sh e r s c h e l 于1 8 0 0 年首先发现( 吴谨光，1 9 9 4 ) 。近2 0 多年来随着计算机技术、信息技术的飞速发展，以及n i p s 仪 器的不断改进和软件版本的不断翻新，使得近红外光谱技术的稳定性，实用性，准确性不断提高， 应用领域也越来越广。利用近红外光谱法通过家畜粪便样品米预测其日粮营养成分的方法已经被 成功的虑_ j 到牛、鹿和山羊( c o l e m a n ，1 9 8 9 ，l y o na n ds t u t h 1 9 9 2 ，l e i t ea n ds t u t h 。1 9 9 5 ) 。 中国农业大学硕卜学位论文第一章引言 本实验应用近红外光谱技术( n i 骼) 获取绵羊粪便样品的光谱信息利用数学方法建立关于绵羊 日粮中采食成分含量和营养成分含量与粪便光谱的回归模型，探讨近红外光谱技术( n i 醛) 在草 地畜牧业中的应用的可行性。 2 近红外光谱分析技术( n ir s ) 的原理与特点 2 1 近红外光谱技术的原理 近红外光是指波长在7 8 0 - - 2 5 0 0 n m 范围内的红井光。有机物对红外光有显著吸收，但物质并 非对各个波长的红外光都有强烈吸收，而是有选择性的吸收。有机物在红外波段的吸收是与分子 中的原子，以及与化学键结合的各种基团的运动一振动有关。在没有外来辐射情况下。这些原子 或基团就以一定的特征频率作各种形式的运动。当红外辐射作用于有机物时，与其特征频率有关 的辐射( 频率与特征频率相同或倍频) 能量。由于共振被吸收，使原有振动被加强，从基态激发 到更高一级的能态，从而使物质产生不同的吸收光谱。近红外光谱主要是由于有机物分子振动的 倍频( 振动状态在相隔一个或几个能级间的跃迁) 或合频( 分子两种振动状态的能级同时发生跃 迁) 能对特定波段电磁波产生吸收而形成的谱带。光谱记录的是有机物分子中单个化学键的倍频 和合频信息，主要是含氢基团x h ( x - c 、n 、o ) 的信息，不同种类的化学键，能形成特定的 吸收光谱。因此，相同数量的不同有机物分子所产生的近红外谱带不同，可以在近红外谱带与有 机成份含量之间建立联系，这样通过物质的近红外光谱信息，便可预测物质中该成份的含量。 主要应用两种方法获得近红外光谱：透射光谱技术和反射光谱技术。透射光谱( 波长一般在 7 0 0 4 1 1 0 0 r i m 范围内) 是指将待测样品置于光源与检测器之间，检测器所检测的光是透射光或与样 品分子相互作用后的光( 承载了样品结构与组成信息) 。反射光谱( 波长一般在1 1 0 0 2 5 0 0 n m 范围 内) 是指将检测器和光源置于样品的同一侧，检测器所检测的是样品以各种方式反射回来的光。物 体对光的反射分为规则反射( 镜面反射) 与漫反射。规则反射指光在物体表面按入射角等于反射 角的反射定律发生的反射，漫反射是光投射到物体后( 常是粉末或其它颗粒物体) ，在物体表面 或内部发生方向不确定的反射。应用漫反射光进行的分析称为漫反射光谱法( 高荣强等，2 0 0 2 ) 。 对于混浊样品，样品中有能对光产生散射的颗粒物质，光在样品中经过的路程是不确定的，因此 对于这种样品多采用炭反射光谱法。牧草、植物籽实等印属于这类样品。 样品的光密度值是入射光强与反射光强之比的对数。被测样品在近红外区的不同波长点处会 产生相应的光密度值，光密度值的大小与样品中某些成分的含量有关( 计成等。1 9 9 7 ) 。因此根据 被分析的成分，选择足够多的，有代表性的样品，分别进行样品的近红外光谱测定和常规化学分 析，便可_ 咐数学方法建立关于样品中某纽分的同! n 模型。如果模型的各项性能指标符合一定的标 准，则以后可根据物质的近红外光谱信息，由同归模型获得其某组分的化学值，从而达到快速测 定样品某成分含量的目的。 2 2 近红外光谱分析的特点 2 2 1 近红外光谱分析的优点 2 中国农业大学硕 一学位论文第一章引言 ! i m 鼍曼曼曼曼曼曼曼墨量詈曼曼曼曼皇蔓皇曼曼量| 皇量量曼! 曼量皇量置皇曼曼曼皇曼曼曼曼量皇量量皇量置曼皇皇量皇曼罾| 曼詈曼皇曼皇曼曼置量皇曼量曼皇 ( 1 ) 测定快速：应用相应定标软件，在一分钟内便可溯出样品的多种成分含量： ( 2 ) 制样简单：只须将样品进行粉碎处理。为保证样品的均匀一致，通常将样品磨成1 0 0 5 0 0 哪粒径的细粉放入样品杯内进行测定； ( 3 ) 一次测多个成分； ( 4 ) 无损检测：同样品可用不同定标进行多次分析，不对样品造成破坏和损失： ( 5 ) 不需要化学试剂： ( 6 ) 检测无污染，无消耗品，对环境及人体健康有利，同时降低长期检测成本 n i p s 光谱分析的另一个特点是测量范围广，可以测定各种类型的样品，除了可检测一般液体， 固体样品外还可以用近红外漫反射光谱检测粉末样品、纤维样品、期状样品、乳类和肉类样品( 沈 乐年，2 0 0 2 ) 。此外，随着光纤技术的发展，近红外光谱技术还可以用于产品的在线分析，从而 可以对产品进行实时监测，及时发现残、次品，大幅度提高生产效率，在家畜饲料的日粮配置中 可以根据日粮实时测定结果，及时调整日粮组成。 2 2 2 近红外光谱分析的缺点 利用近红外光谱分析测试灵敏度低，在近红外光谱区，分子振动的倍频，合频谱带强度是其 基频的1 0 到1 0 0 0 0 分之一。因此，对于组分分析测定，要求其含量不能太低。其次，近红外定 量分析方法是种间接分析技术，必须首先用一定数量的样品，经标准方法测定其组成或性质， 建立光谱数据与样品组成或性质间关联的校正模型，而建立模型需要一定的费用、时间和化学计 量学知识。第三，测定结果准确与否与建模的质量及其合理应用密切相关( 魏良明，2 0 0 3 ) ，因 此需要样品中营养成份分析的化学测定尽量准确，并且建标样品的选择遵循科学的取样方法。以 获得相关系数高的预测模型。第四，近红外光谱是由有机物中多个化学键振动的倍频与合频共同 形成的，然而单个化学键的倍频和合频跃迁儿率低，造成近红外光谱具有大量复杂，微弱的谱带， 这些谱带的存在干扰了n i r s 测定。但使用一定的数学方法可减弱或消除这种干扰如在定量分 析中，光谱求导数可明显地消除基线漂移的影响，二阶导数可消除基线倾斜所造成的误差，两个 相邻波长的一阶导数之比，可对光谱重叠和光谱干扰进行校正。 2 3 影响近红外光谱结果准确性的因素 近红外光谱分析技术虽具有快速，简便、相对准确等优点，但准确性受多种田素的影响。影 响近红外光谱分析技术的冈素很多，主要有样品分析的外界条件、取样过程和常规化学分析的准 确性等。，其主要影响因素包括以下几个方面： 2 3 1 标样本身的误差 标样是n i i l s 技术的建模基础。标样中被预测组分的含量范用及分布状况将直接影响建标方 程的测定范用和预测准确性。标样数量太少不足以反映被测群体的常态分布规律，数量太多将增 加标样的筛选i ：作量。w i n d h a m ( 1 9 8 9 ) 提出在窄范围或封闭式样鼎中需要5 0 - 1 0 0 个样品，对宽范 围或开放性样品群，至少要1 5 0 个以上样品( 计成等，1 9 9 7 ) 。在有限的样品群中为提高软件估 3 中国农业大学硕 。学位论文第一章引言 测的准确性，对同一套样品进行多种成分定标，或针对每一成分在该样品群众独立筛选样晶分别 定标。即所谓标样设计。对于成分含量间相关性强的被测成分可根据同套样品进行定标，对于相 关性差的成分，则在定标时考虑在样品群中，根据确定的筛选原则，分别以另外的样品进行定标， 以提高定标效果及检验准确性。在近红外测定过程中常根据定标成分的含量梯度配置相应的样 品，通过反复调整可降低近红外测定与化学法测值的差距，降低定标标准的误差，提高近红外法 与化学法的相关 2 3 2 样品粒度大小及装样紧实度 样品粒度大小及分布是影响近红外预测效果的重要因素之一。样品粒度及分布对于估测准确 性的影响主要时由于粒径的差异直接影响光反射。样品的颗粒差异会使发射光分散从而改变样品 近红外光谱( s h e n k ，1 9 7 9 ) 。样品的散射系数受样品的制样，装样与测量条件的影响。降低样品 颗粒的粒度( 但样品颗粒的直径不能小于分析光的波长) 或者增加分析光的直径，都可以使分折 光范围内样品颗粒物理状态的离散度下降，从而降低随机误差。装样的紧实度将直接影响近红外 光的吸收与散射，因此保持每次装样的一致性是减小误差的关键。 2 3 3 样品的含水量 样品的水分含量显著的影响样品粉碎后颗粒的大小。形状及其分布，进而影响样品在近红外 区的吸收，导致n i r s 分析误差。另外，由于水分在近红外区的强吸收会掩盖有用光谱信息，因 此如果样品含有较多水分，也会给近红外分析造成困难。 2 3 4 样品的温度 样品粉碎时常常引起样温的变化。样温变化对于样品的吸收光谱有影响。w i l l i a m s ( 1 9 8 2 ) 的研究表明：用同一模型预测不同温度的样品时，随着样温的升高预测值越来越低于真值；用不 同温度下的建标模型预测同一样品时，随着建标温度的升高样品的预测值逐渐偏高。同时他认为 可以用以下三种方法来减弱温度对n i r s 技术测定效果的影响：一是选择对温度不敏感的光谱点 做同门；二是将样品温度处理到与建标时样品温度一致；三是_ i j 增加补偿值的方法来纠上e 温度变 化引起的误差。 2 3 5 实验室分析误差 近红外定标的准确性是以常规分析数据的准确性为基础的，常规分析的准确性直接影响定标 的准确性，因此实验室的分析准确性很重要。 3 近红外光谱分析的方法 4 中国农业大学硕卜学位论文第一章引言 3 1 近红外光谱分析模型的建立 近红外光谱分析模型的建立由建立定标方程和对定标方程进行检验两部分组成( 见图1 - 1 和 图l - 2 ) 。其中建标过程包括采集样品，常规化学分析，划分样品组。近红外分析和回归分析等五 步。检验过程是通过模型获取一系列未知样品的预测值，并进行预溯值与化学分析值的相关性分 析。来检验模型的实用性，它可消除在建模过程中的过拟合现象。 凰1 1 ：n i r s 技术的建模过程 f i g a - i ：t h ec a l i b r a t i o no f n i r sm o d e l 3 2 分析步骤 3 2 1 定标： 田卜2 ：h i 鹤技术的模型检验过程 f i g 1 - 2t h cv a l i d a t i o no f n i r sm o d e l 中国农业大学硕 ：学位论文第一章引言 运用一套定标用样品，根据其化学测定值和特定波长的光密度值，运用多元回归计算求出定 标方程的系数，记求出定标方程的过程，包括以下几步： ( 1 ) 取样：从大量样品中筛选出定标方程用的样品，样品需具有代表性，包括物理学、化 学、植物学特性和加工贮藏方法。对于工业产品，在取样时应考虑造成产品间差异的各个因素， 配制各个水平的样品。 ( 2 ) 常规分析方法测定成分含量，获得标样的某成分的含量值，用常规化学方法对样品中某成 份含量进行测定，获得样品中该成份的含量，所得化学值在后期建模过程中作为真值来使用，近 红外光谱仪测得的光谱值以化学值为标准进行回归，因此常规分析法的准确性直接影响建模效 果。为保证模型的准确性，样品的常规分析应切实按照标准方法进行。 ( 3 ) 根据常规化学测定的结果，选择出约2 3 的样品，所选样品的化学测定值应在整个样品组的 化学测定值中呈现均匀的梯度分布。将这些样品用于数学建模，称为建标样品。从剩余样品中再 选出一定数量、有代表性的样品作为对模型预测效果进行检验的样品，称为检验样品。 ( 4 ) 获取光谱数据：用近红外光谱分析仪获取定标样品的光谱数据，进行化学转换( 一阶或二 阶导数形式) ( 5 ) 进行回归分析数学建模：利用样品成分含量及样品的光谱数据，运用多元回归计算产 生某成分的定标方程。 ( 6 ) 定标方程准确性的检验： ( 7 ) 定标方程优劣的评判：为了评价n i r s 定标模型的定标效果和预测精度，引入以下几个参数 1 决定系数1 1 2 r 2 = ( 1 一 ( 儿- y 。) 2 ( j ，。- y 。) 2 1 1 0 0 栉：样本数；只：第i 个样品的预测值；只：第f 个样品的参考值( 真值) ；y ：样本真值的 平均值。 舻接近1 0 0 表示预测浓度值接近真值，若酽= 1 则说明存在完全拟合。当预测残筹平方和大 于总平方和( 真值的方差) ，1 1 2 成为负值，表示拟合效果极差。 2 建模标准误差( r 骼e c ) 和预测标准误差( r i i s e p ) ： 6 ( p 为网1 月因子数日) 中国农业大学硕十学位论文第一章引言 标准误差是衡量模型好坏的一个重要指标。标准误差越小表明模型预测值越接近化学 测定值，模型的预测效果越好。 3 2 2 预测 预测是指考察定标方程用于测定未参与定标样品的准确性。预测所选样品应能代表被测样品 的大致含量范围。用预测标准差r m s e p 、变异系数、预测相关系数r 和偏差对定标方程做最终评 价。若预测样品的特性与定标样品相近，则预测效果好，否则效果差预测标准差和相关系数与 定标值两者相差不应太大，才能说明定标是可行的 4 近红外技术在饲料品质预测方面的研究进展 1 9 7 6 年，r r i s ( 1 9 7 6 1 最早将近红外光谱技术用于饲草品质分析，最早用于谷物中的水分、 蛋白质的测定。近2 0 年来随着光学、计算机数据处理技术、化学光度理论和方法的不断发展， 以及新型n i r 仪器的不断出现和软件版本的不断翻新，该技术的稳定性、实用性、准确性不断提 高应_ j 领域也越来越广，目前已广泛用于配合饲料、牧草等的营养价值测定。许多国家已将该 技术成功地戍用于食品、油料、药物、饲料等的质量检测。n i r s 在饲料分析方面，不仅能用于 饲料常量成分分析，如水分、粗蛋白质、粗纤维、粗脂肪，也能用于微量成分( 如氨基酸、维生 素) ，有毒有害成分( 如植酸磷、棉酚等) 的检测，并且已发展应用于饲料营养价值的评定( 如 干草) 、青贮饲料的采食董和有机物消化率的测定另外，n i 骼还用于饲料加工过程的在线分 析。 4 1 常规营养成份的测定 饲料的常规养分主要指粗蛋白( c p ) ，中性洗涤纤维( n d f ) ，酸性洗涤纤维( a d f ) ，灰份( c a ) ， 水分等。r r i s ( 1 9 7 6 ) 用近红外光谱成功分析了饲草中的粗蛋白，中性洗涤纤维，酸性洗涤纤维 含量。目前关于这方面的研究很多，并已经成为分析测定常规营养成分的标准方法之一。 b e r a r d o ( 1 9 9 6 ) 采用偏最小二乘法建立定标方程，成功预测了混合牧草样晶中的租蛋白和酸 性洗涤纤维含量。- a e s 等( 1 9 9 8 ) 年利_ h j 近红外光谱技术分析了墨两哥苜蓿的各常规化学成份， 取得很好效果。v i l l a r i n ( 2 0 0 2 ) 分品种，茬次，年份收集了西班牙g a l i c i a 地区的青贮禾草 样品，用近红外光谱法对样品的粗蚩向，中性洗涤纤维，酸性洗涤纤维，粗纤维进行了分析，其 决定系数( 1 c = f ) 达0 9 以上。同时他认为可以用化学测定值的标准差与方程的预测标准误之比是 否人于3 0 ( s d s e v 3 o ) 来做为接受n i r s 法预测方程的依据。二十世纪九十年代中国农科院葺 7 中国农业大学硕t 学位论文第一章引言 牧所在近红外分析技术方面做了大量工作，但多基于精饲料，在粗饲料尤其在牧草方面研究较少 赵还还( 1 9 9 9 ) 和魏良明( 2 0 0 4 ) 分别用傅立叶近红外漫反射光谱技术快速测定了玉米籽粒中的 蛋白质含量，陈绍江等( 2 0 0 3 ) 测定了玉米秸秆的n d f 与a d f 含量，刘强等( 2 0 0 5 ) 测定了玉米 青贮的n d f 和a t ) f 含量均取得很好效果。 4 2 测定饲料的微量成份 n i p s 技术可以用于矿物质，酶等微量成分分析。早在1 9 8 9 年，c l a r k 就用n i p s 法分析了高 羊茅，冰草，苜蓿三种牧草中钡( b a ) ，锂( l i ) ，钼( m o ) ，镍( n i ) ，铅( p b ) ，钒( v ) ，铝( a 1 ) ， 硫( s ) 和硅( s i ) 的含量，发现用n i p s 法对铝( a 1 ) 和硫( s ) 的预测效果较好，而在预测其 它元素含量时结果较差( c l a r k ，1 9 8 9 ) 壳多糖水解酶是与高羊茅抗病性有关的酶类，r o b e r t s ( 1 9 9 4 ) 年用n i p s 法与常规化学方法相结合的方法对其建立预测模型，所得方程的决定系数( 酽) 达0 9 以上，变异系数( c v ) 小于1 0 ，说明可以用n i p s 法来对壳多糖水解酶活性进行测定 f a i r b r o t h e r ( 1 9 9 0 ) 用n i p s 法分析了6 种冷季型豆科牧草，2 种冷季型禾草和4 种暖季型禾草 的细胞肇碳水化合物( 果胶，阿拉伯耱，木塘，葡萄糖) 含量，实验中分别用各种草的近红外光 谱信息建立方程，其预测决定系数( 舻) 均在0 8 5 以上，但对单一草种的某组分进行预测时，基于 混合牧草建标的方程的预测效果没有基于单一草种建标的方程的预测效果好。s m i t h ( 2 0 0 1 ) 用 n i p s 法分析了肉鸡粪便风干样的水分，总n ，c a ，总能和总p 组分，发现预测相关系数( r ) 在0 8 以上，说明可以用n i p s 法很好的预测风干鸡粪中的这些成份。 4 3 有毒有害成分及维生素的检测 b i r t h ( 1 9 8 2 ) 用n i r s 测定了棉仁中棉酚含量，3 0 个样品的定标结果表明，n i p s 预测值 与化学法测值的相关系数为0 9 9 ，预测标准误为0 0 7 。b i s t o n 等( 1 9 8 8 ) 用近红外光谱技术分 别测定了菜籽饼中总葡萄甙含量，其相关系数达到0 9 以上。 4 4 评定粗饲料的营养价值 n i p s 技术除了可用于饲料的常规养份分析外，还可结合一些消化代谢实验，建立定标方程， 实现饲料营养价值的快速测定。m i z u n o 等( 1 9 8 8 ) 用近红外光谱技术分析了羊饲料的总干物质和 总可消化养分，认为近红外光谱分析技术在测定这两项指标上具有同常规分析方法相同的准确 性。l i n d g r e n ( 1 9 8 8 ) 用4 4 0 份禾本科，豆科及它们混合后形成的样品建立代谢能和粗蛋白的定 标方程。并用从整个瑞典农场收集的6 2 1 份样品对方程进行纠正，所得方程可以很好预测牧草的 这两种指标，并可用于生产实践。w i l m a n ( 2 0 0 0 ) 研究了2 5 种青贮禾草，1 种豆科青贮牧草， 一种全株青贮小麦的细胞壁降解率与近红外光谱的关系，结果表明：在1 4 3 0 1 6 2 0 n m 和 1 9 6 0 2 2 3 0 n m 区段，光谱值与细胞壁降解率成正相关，而这两个区域正好是与果胶，淀粉含量成 正相关的光谱区；在2 2 3 0 - - 2 4 0 0n m 区段，光谱值与细胞壁降解率成负相关，而这一区段义是和 木质素含量成正相关的光谱区域。说明可用n i p s 法来对这几种青贮产品的细胞壁降解率进行预 8 中国农业大学硕十学位论文 第一章引言 测。v o l k e r s ( 2 0 0 3 ) 通过对不同生育期、施氮量、土壤特点和不同年份的饲料玉米n a x o s 样品 的研究表明，可以用n i 骼法很好的预测饲料玉米的净能和粗蛋白含量。 4 5 氨基酸的检测 j a c k s o n ( 1 9 9 5 ) 用n i r s 预测了谷物等饲料样品的真可消化氨基酸含量，结果表明，动物蛋 白( 包括肉骨粉、鱼粉和家禽副产品) 、谷物( 包括玉米，小麦和麦麸) 的通用定标方程及肉骨 粉、鱼粉和豆粕特殊定标方程的相关系数均在0 9 0 以上，他认为n i r s 能够替代体内法预测可 消化氨基酸。国内丁丽敏等( 1 9 9 7 ) 进行了豆粕、菜粕，玉米等饲料的真可消化氨基酸的定标研 究结果除胱氨酸外，其它真可消化氨基酸的定标方程效果良好，但精度需进一步提高。 5nlr s 技术在通过粪便估测草食家畜采食性和日粮营养成分方面的应用 5 1 估测草食家畜干物质采食量 家畜个体采食量估测需要两个值：粪便捧出量和日粮消化率。饱和链烷技术是应用最广的测 定家畜个体采食量的方法，但是饱和链烷法存在成本较高，不宜推广的缺点。f l i n n 等( 1 9 9 2 ) 首次应用近红外技术评测家畜的采食量，与饱和链烷法得出的结果相比较，近红外技术获得了 比较满意的结果( r 2 = 0 8 0 ，s e p = 1 4 0 9 d1 ) 。c o a t e s ( 1 9 9 8 ) 研究了粪便的近红外光谱法在北澳大利 亚热带地区的应用。对比厩养实验和放牧实验的结果，表明厩养实验提供的数据更为精确，但厩 养和放牧实验的结合仍然获得了满意的预测效果。d e c r u y e n a e r e 等( 2 0 0 3 ) 的实验表明运用近红 外技术测定圈养绵羊的采食量比运用饱和链烷技术测定的结果更准确。g a r n s w o r t h y 等( 2 0 0 4 ) 的 实验表明运用近红外技术测定圈养奶牛的采食量与运用饱和链烷技术测定的结果相近。b o v a l 等 ( 2 0 0 4 ) 的圈养实验表明运用近红外技术测定牛的有机物采食量( o h i ) 的准确性偏低 ( 酽= 0 6 1 ，s e c = 4 6 9 k gb 旷7 5 ) ，近红外模型准确性偏低的原因可能是日粮的植物均来自于同一个 种植区域和实验时间较短，这就导致粪便样舳的变化较小，不具有很好的代表性。 5 2 日粮化学组成的测定 l y o n s 和s t u t h ( 1 9 9 2 ) 用近红外光谱的粪便扫描值预测自由放牧状态下牛的日粮的营养状 况，得剑了d o h 和c p 的预测方程式的r z 分别为0 8 0 和0 9 2 ，可消化有机物的预测方程式的s e c ( 定标标准误差) 和s e v ( 校验标准误差) 分别为1 6 6 和1 6 5 ，与s e e ( 实验室标准误差) 1 6 8 比较是符合要求范围的。对丁粗蛋白的预