燕麦干草品质的近红外光谱定量分析
基于高光谱技术的燕麦β-葡聚糖含量测定方法研究
谱技术和二维 图像技术完美结 合 ， 可 以提取出被测样
本的外观信息和 内部品质信 息 ， 具 有不破坏样 本 、 不
需 预处 理 样 本 、 多组分 同时分析 、 分 析 速 度 快 及 操 作 简便 等 优 点 ， 结合 化 学 计 量 学 方 法 可实 现样 本 组 分 快 速、 无 损 的分 析 检 测 ， 目前 已广 泛 应 用 于 农 畜 产 品 品 质、 食 品安 全 检 测 等 领 域 ， 成 为一个 研究 热点¨ Ｊ 。
速、 准确 、 无损检测。因此 ， 探索一种快速 、 准确 、 无损
收 稿 日期 ：２ ０ １ ７ — ０ ２ — １ ３
（ Ｆ Ｄ Ａ） 认定 １ ３一 葡 聚糖具 有防止心 血管疾 病 ， 降 低 胆 固醇 的功 效 ｊ 。 目前 ， 燕 麦 中 ｐ一 葡 聚 糖 含 量 的 化 学
周青梅 等利用近红外光 谱法测定 麦芽 中的 ｐ 一 葡 聚糖含量 ， 化学测定值与预测值之间的决定系数 Ｒ 达 到０ ． ８ ２ ７ ； 田海清 等基于漫反射高光谱成像技术建
拐 点 波 长 与 ｐ一 葡 聚糖 含 量 进 行 统 计 分 析 发现 ： 燕麦 ｐ 一 葡 聚糖 含 量 的 敏 感 波 段 在 ４ ９ ２ 、 ８ ７ ４、 ９ ３ ０ ｎ ｍ附近 ， 采 用 高
光谱技术对燕麦 Ｂ 一 葡 聚糖 含 量 进 行无 损 检 测 是 可 行 的 。研 究 结 果 为 燕 麦 Ｂ 一葡 聚 糖 含 量 的快 速 无 损 检 测 提 供
了理 论 依 据 和 实用 方 法 。
关键词 ：燕 麦 ；１ ３ － 葡聚糖 ；高光谱 ；分段线性 回归
中图分 类号 ：Ｓ １ ２ ３； Ｔ Ｓ ２ ０ ７ ． ３ 文献标识码 ：Ａ 文章编号 ：１ ０ ０ ３ － １ ８ ８ Ｘ（ ２ ０ １ ８） ０ ４ － ０ １ ４ ９ － ０ ７
近红外技术在饲料中的应用
近红外技术在饲料中的应用
近红外光谱技术(Near Infrared Spectroscopy, NIRS)是一种快速、准确、无损的分析技术,在饲料行业中有着广泛的应用。
1. 饲料原料成分分析
近红外技术可以快速、准确地测定饲料原料中的粗蛋白、粗脂肪、粗纤维、灰分等主要营养成分,是传统化学分析方法的有力补充。
2. 饲料添加剂及其他成分分析
近红外技术还可以用于检测饲料中的添加剂如维生素、氨基酸、矿物质等,以及霉菌毒素、农药残留等有害物质。
3. 饲料品质评价
通过对饲料营养成分、физ化特性等的检测,可对饲料品质进行全面评价,为配合比设计提供依据。
4. 工艺过程控制
将近红外分析仪应用于生产线上,可实时监控原料及产品质量,为工艺调控提供数据支持。
5. 成分标定和产品识别
利用近红外光谱特征,可以建立产品指纹图谱库,用于饲料原料和产品的快速识别和分类。
近红外技术操作简单、分析速度快、无需复杂的样品制备过程,在饲
料质量控制和研发中发挥着重要作用。
随着技术的不断完善,其在饲料行业的应用将更加广泛。
多花黑麦草营养品质最优近红外分析建模方法的研究
第32卷第2期V o l.32N o.2草地学报A C T A A G R E S T I A S I N I C A2024年2月F e b.2024d o i:10.11733/j.i s s n.1007-0435.2024.02.030引用格式:南丁罕,格根图,王志军,等.多花黑麦草营养品质最优近红外分析建模方法的研究[J].草地学报,2024,32(2):610 -619N A N D i n g-h a n,G E G e n-t u,WA N G Z h i-j u n,e t a l.S t u d y o nO p t i m a lM o d e l i n g M e t h o df o rN u t r i t i o n a lQ u a l i t y o f M u l t i-F l o w e r e dR y e g r a s s[J].A c t aA g r e s t i aS i n i c a,2024,32(2):610-619多花黑麦草营养品质最优近红外分析建模方法的研究南丁罕,格根图*,王志军,赵牧其尔,闫星全,珠娜(内蒙古农业大学草原与资源环境学院,农业农村部饲草栽培㊁加工与高效利用重点实验室,内蒙古呼和浩特010019)摘要:近红外光谱分析技术作为专门针对有机物快速㊁便捷㊁无污染检测技术的典型代表,可以满足快速高效检测需求,建立多花黑麦草(L o l i u mm u l t i f l o r u m)便携式近红外分析模型可以有效监控多花黑麦草营养品质动态并对田间管理做出相应的调整以提高多花黑麦草的营养品质㊂本研究通过对多花黑麦草干燥粉碎及新鲜切短两种预处理下建立的2种近红外模型的比较选择最优建模方法㊂结果表明:多花黑麦草样品在干燥粉碎预处理之后六项营养品质近红外模型的相关系数均优于新鲜切短样品的近红外模型;干燥粉碎预处理样品六项营养品质近红外模型相关系数均高于0.81,模型质量良好可用于生产实践;新鲜切短预处理样品可溶性碳水化合物含量近红外模型的相关系数高于0.81,模型质量良好可用于生产实践㊂关键词:黑麦草;近红外光谱模型;营养品质;样品预处理中图分类号:S543+.6文献标识码:A 文章编号:1007-0435(2024)02-0610-10S t u d y o nO p t i m a lM o d e l i n g M e t h o d f o rN u t r i t i o n a l Q u a l i t y o fM u l t i-F l o w e r e dR y e g r a s sN A N D i n g-h a n,G EG e n-t u*,WA N GZ h i-j u n,Z H A O M u-q i-e r,Y A N X i n g-q u a n,Z HU N a(C o l l e g e o fG r a s s l a n d,R e s o u r c e s a n dE n v i r o n m e n t,I n n e rM o n g o l i aA g r i c u l t u r a lU n i v e r s i t y,K e y L a b o r a t o r y o f F o r a g eC u l t i v a t i o n,P r o c e s s i n g a n dE f f i c i e n tU t i l i z a t i o n,M i n i s t r y o fA g r i c u l t u r e a n dR u r a lA f f a i r s,H o h h o t,I n n e rM o n g o l i a010019,C h i n a)A b s t r a c t:A s a r e p r e s e n t a t i v e o f r a p i d,c o n v e n i e n t,a n d p o l l u t i o n-f r e ed e t e c t i o n t e c h n o l o g y f o ro r g a n i cm a t-t e r,n e a r-i n f r a r e d s p e c t r o s c o p y a n a l y s i s t e c h n o l o g y c a n f u l f i l l t h e r e q u i r e m e n t s o f s w i f t a n de f f i c i e n t d e t e c-t i o n.T h ee s t a b l i s h m e n to fa p o r t a b l en e a r-i n f r a r e da n a l y s i s m o d e lo f r y e g r a s s m u l t i f l o r ac a ne f f e c t i v e l y m o n i t o r t h e n u t r i t i o n a l q u a l i t y d y n a m i c s o f r y e g r a s sm u l t i f l o r a a n dm a k e c o r r e s p o n d i n g a d j u s t m e n t s t o f i e l d m a n a g e m e n t t o i m p r o v e t h en u t r i t i o n a l q u a l i t y o f r y e g r a s sm u l t i f l o r a.I n t h i s s t u d y,t h eo p t i m a lm o d e l i n g m e t h o dw a s i d e n t i f i e d b y c o m p a r i n g t w o n e a r-i n f r a r e dm o d e l s e s t a b l i s h e d u n d e r t w o p r e t r e a t m e n t s:d r y i n g, c r u s h i n g,a n d f r e s hc u t t i n g o f r y e g r a s s.T h e f i n d i n g s a r e a s f o l l o w s:t h e c o r r e l a t i o n c o e f f i c i e n t(R2)o f t h e s i xn e a r-i n f r a r e dm o d e l s o f n u t r i t i o n a l q u a l i t y o f r y e g r a s sm u l t i f l o r a s a m p l e s a f t e r d r y i n g a n d c r u s h i n g p r e-t r e a t m e n tw a s b e t t e r t h a n t h a t o f t h e f r e s h l y c u t s h o r t e n e d s a m p l e s.T h e R2o f t h en e a r-i n f r a r e dm o d e l o f t h e s i xn u t r i t i o n a l q u a l i t i e so f t h ed r y,c r u s h e d,a n d p r e t r e a t e ds a m p l e sw a sh i g h e r t h a n0.81,i n d i c a t i n g t h a t t h em o d e l q u a l i t y w a s g o o d a n d c o u l db eu s e d i n p r o d u c t i o n p r a c t i c e.T h e R2o f t h eN I R m o d e lw i t h W S Cc o n t e n t i n t h e f r e s h l y c u t p r e t r e a t m e n t s a m p l ew a s h i g h e r t h a n0.81,i n d i c a t i n g t h a t t h em o d e l q u a l i t y w a s g o o d a n d c o u l db eu s e d i n p r o d u c t i o n p r a c t i c e.K e y w o r d s:R y e g r a s s;N e a r-i n f r a r e d s p e c t r o s c o p y m o d e l;N u t r i t i o n a l q u a l i t y;S a m p l e p r e t r e a t m e n t收稿日期:2023-11-20;修回日期:2023-11-27基金项目:国家重点研发计划:巴林左旗肉牛优质健康养殖关键技术研发与示范(2022Y F D1601203);财政部和农业农村部:国家现代农业产业技术体系资助作者简介:南丁罕(1998-),男,蒙古族,内蒙古赤峰人,硕士研究生,主要从事牧草加工与利用研究,E-m a i l:1076380707@q q.c o m;*通信作者A u t h o r f o r c o r r e s p o n d e n c e,E-m a i l:g e g e n t u@163.c o m多花黑麦草(L o l i u mm u l t i f l o r u m)是禾本科一年生优质的冷季型㊁速生性可刈割牧草;因其易栽第2期南丁罕等:多花黑麦草营养品质最优近红外分析建模方法的研究培㊁消化率高㊁抗逆性强㊁产量高㊁刈割后再生性强㊁适口性好且蛋白质含量丰富,是温带地区畜牧生产中极佳的饲草[1-3]㊂多花黑麦草茎叶柔嫩光滑多汁,在其干物质中含有丰富的蛋白质,适口性好㊁消化率高,营养价值较高且全面[4];富含氮㊁磷㊁钾等营养元素以及根际微生物,能有效地改善土壤的理化性质,提高地力,促进作物生长[5];具有抗逆性强㊁生长速度快㊁产量高㊁品质好㊁分蘖能力强㊁刈割后再生性好等特点,广受各种家畜喜爱,深受广大养殖户欢迎[6]㊂近红外光谱分析技术(N e a ri n f r a r e dr e f l e c-t a n c e s p e c t r o s c o p y,N I R S)是一种利用有机化学物质在近红外谱区内的光学特性快速测定物质化学组分含量的现代光谱技术㊂近红外光介于电磁波谱中可见光与中红外光之间,美国材料检测协会(A S T M)定义其波长范围为780~2526n m㊂近红外光谱分析技术作为专门针对有机物快速㊁便捷㊁无污染检测技术的典型代表,可以满足快速高效检测需求[7];若建立各指标的近红外模型就可以快速㊁准确㊁批量地预估营养指标含量[8];但针对黑麦草营养指标利用便携式及台式近红外光谱仪进行快速现场检测未见报道㊂近红外光谱仪按用途分实验室㊁便携式和在线分析光谱仪按分光器可分为滤光片型㊁光栅色散型㊁傅里叶变换型等㊂随着N I R S在各领域广泛应用和市场需求多样化,种类越来越丰富,逐渐向专用型㊁便携型㊁实时测量型方向发展[9-10];20世纪70年代,美国N o r r i s等人[11]首次利用近红外光谱测定农产品中水分㊁蛋白质㊁脂肪等含量,现代近红外光谱技术才得以发展㊂K h a l e d u z z a m a n和A u r e l i等[12-13]利用近红外反射光谱测定动物蛋白原料㊁家禽饲料中的水分和粗蛋白质含量,并建立了丰富的数据库,提高了检测效率和结果准确度㊂我国对于近红外光谱的分析及其研究工作起步于70年代,由中国农业大学最早开展这项技术的研究,并在1978年开始关注该技术在农业中的应用发展㊂2002年,我国出台了‘G B/T18868-2002饲料中水分㊁粗蛋白质㊁粗纤维㊁粗脂肪㊁赖氨酸㊁蛋氨酸快速测定近红外光谱法“,此后,使用近红外光谱技术评价饲草料营养品质受到了诸多国内研究者的关注㊂薛祝林等利用近红外光谱预测苜蓿草捆的营养品质和消化率,该试验初步建立了苜蓿草捆质量的定量分析模型,为苜蓿草产品动物饲料配方的生产㊁分销和配方提供技术支持[14]㊂目前国内已有成熟的硬件产品,建立黑麦草便携式近红外分析模型可以有效监控黑麦草营养品质动态并对田间管理做出相应的调整由此提高黑麦草产量与营养品质,可以有效提高经济效益㊂本研究旨在利用近红外光谱技术建立新鲜切短和干燥粉碎等不同预处理方式黑麦草常规营养成分的近红外预测模型,分析黑麦草不同预处理方式对其建立的近红外预测模型准确性的影响㊂1材料与方法1.1试验地自然概况试验样地位于呼和浩特市土默特左旗北什轴乡海流村内蒙古农业大学科技园区,地理位置为北纬40ʎ31'17ᵡ,东经111ʎ23'46ᵡ,海拔1018m,属温带大陆性季风气候,日照时间较长,年日照时数为2876.5h,无霜期130d,年平均气温6.3ħ,年平均降水量400m m,年蒸发量1800m m,蒸降比为4.3ʒ1,相对湿度较低,年平均湿度为54%,土壤为轻度盐碱的沙质栗钙土㊂表1为试验地土壤基本理化性质㊂表1土壤基本化学性质T a b l e1 B a s i c c h e m i c a l p r o p e r t i e s o f s o i l地区D i s t r i c t p H值p Hv a l u e全氮T o t a lN/g㊃k g-1速效磷A v a i l a b l eP/m g㊃k g-1速效钾A v a i l a b l eK/m g㊃k g-1海流图试验地H a i L i u T uT e s t e d g r o u n d9.170.414.068.131.2试验设计建模试验样地总面积3h m2,分为5个20mˑ35m小区㊂在2022年4月下旬进行精细整地㊁耙平㊁镇压,做到地块平整,并施入底肥㊂在5月4日进行播种,撒播用种量为3.75k g㊃h m-2,行距15c m,播种深度3~5c m㊂在每茬次的拔节期㊁抽穗期和开花期三次取样中间间隔5天,第一茬在6月15 25日取样,第二茬在7月15 25日取样,第三茬在8月15 25日取样,第四茬在9月15 25日取样㊂(1)仪器选择本实验选择德国C a r l Z e i s s手持式近红外光谱分析仪㊂表2为仪器各项参数㊂116草 地 学 报第32卷表2 近红外光谱仪参数对照T a b l e 2 P a r a m e t e r c o m p a r i s o no f n e a r -i n f r a r e d s pe c t r o m e t e r 仪器名称I n s t r u m e n t n a m e德国凯尔蔡司手持式近红外分析仪H a n d h e l dN I Ra n a l y z e r f r o m K y l eZ e i s s ,G e r m a n y工作原理H o wi tw o r k s近红外漫反射技术,卡尔蔡司二极管阵列光栅连续谱,每次测量进行内部自动黑白标准校正N e a r -i n f r a r e d d i f f u s e r e f l e c t a n c e t e c h n o l o g y ,C a r l Z e i s s d i o d e a r r a y g r a t i n g co n t i n u u m ,i n -t e r n a l a u t o m a t i c b l a c k -a n d -w h i t e s t a n d a r d c o r r e c t i o n f o r e a c hm e a s u r e m e n t每个阵列的二极管数量(像素)N u m b e r o f d i o d e s p e r a r r a y (pi x e l s )256平均光谱像素间距A v e r a g e s p e c t r a l p i x e l pi t c h 3n m 波长范围W a v e l e n g t h r a n ge 950~1650n m 光谱分辨率S p e c t r a l r e s o l u t i o n ɤ10n m 波长稳定性W a v e l e n g t h s t a b i l i t y>1n m波长漂移W a v e l e n g t hd r i f t ɤ10p m ㊃k-1(2)光谱采集将样品切短至3~5c m 装入样品盒内压实,用德国C a r l Z e i s s 手持式近红外分析仪测得田间近红外光谱图㊂每个样品扫描4次,求4次的平均值㊂待样品烘干粉碎之后,将样品放入试样杯中,在德国C a r l Z e i s s 手持式近红外分析仪上进行光谱采集,每个样品扫描4次,求4次的平均值㊂获得样品干燥粉碎处理下手持近红外仪光谱图㊂(3)建立模型将采集到的420个样品,以4ʒ1的比例(隔5选1)分为建模集(C a l i b r a t i o n )和验证集(V a l i d a t i o n)两组㊂采用M A T L A B 分析软件和U c a l 软件,利用偏最小二乘法建立黑麦草不同处理下两台近红外仪器的近红外光谱模型,建模时计算样品光谱值的马氏距离(M D i ),剔除异常值以进行模型优化㊂同时借助S P S S 17.0进行所有数据的整理和分析㊂首先汇总336份建模集样品六项指标的近红外光谱图,对应其湿化学指标绘制出每项指标的因子图,找出每项指标最优建模因子数㊂再用每项指标最优因子数建立近红外预测模型导出每项指标的散点图算出其校正决定系数(R 2)和交互验证残差均方根(R o o t m e a ns qu a r e e r r o r o f c r o s s -v a l i d a t i o n ,R M S E C V )等指标对模型进行进一步优化,并确定最终模型㊂(4)模型验证建模完成后㊁用验证集样品导入模型通过模型给出的预测值以及测得的湿化学指标来验证模型的准确性㊂根据预测值和湿化学指标的R 2评价模型的准确性,模型决定系数0<R 2ɤ0.49时模型质量极差,不具备参考价值;0.49<R 2ɤ0.64时模型质量一般,可用作粗略预测;0.64<R 2ɤ0.81时模型质量良好,可提供较为准确的预测值;0.81<R 2ɤ0.91时模型质量优秀,可提供准确的预测值,0.91<R 2<1时模型质量极好㊁可应用于样品的快速测定㊂1.3 测定指标检测每个生长期各种营养成分含量,测定方法如表3所示㊂表3 各营养品质含量测定方法T a b l e 3 M e t h o d s f o r d e t e r m i n i n g t h e c o n t e n t o f e a c hn u t r i t i o n a l q u a l i t y测定指标D e t e r m i n a t i o n i n d e x 测定方法D e t e r m i n a t i o nm e t h o d干物质D r y m a t t e r (D M )采用干燥法,将待测样品置于105ħ烘箱中30m i n ,然后在65ħ干燥至恒重,计算其含量㊂干燥的样品在研磨机中研磨并储存在拉链袋中用于营养测定[15]T h e c o n t e n t o f t h e s a m p l ew a s c a l c u l a t e d b y d r y i n gt h e s a m p l e i na no v e na t 105ħf o r 30m i n ,a n d t h e n d r y i n g t o a c o n s t a n tw e i gh t a t 65ħ.T h e d r i e d s a m -p l e s a r e g r o u n d i na g r i n d e r a n d s t o r e d i n z i p -l o c kb a gs f o r n u t r i e n t d e t e r m i n a t i o n [15]粗蛋白质C r u d e p r o t e i n (C P )参照G B6432-86[16]R e f e r t oG B6432-86[16]中酸性洗涤纤维N e u t r a l /A c i d i cd e t e r g e n t f i b e r s (A D F ,N D F )使用A n k o m2000纤维分析系统[17]U s i n g t h eA n k o m2000F i b e rA n a l y s i sS y s t e m [17]粗灰分C r u d e a s h (A s h)采用550ħ燃烧法测定I tw a s d e t e r m i n e db y th e 550ħc o m b u s t i o nm e t h o d 可溶性碳水化合物S o l u b l ec a r -b o h yd r a te s (W S C )用硫酸-蒽酮比色法测定[18]D e t e r m i n e db y su l f a t e -a n t h o n e c o l o r i m e t r i cm e t h o d [18]216第2期南丁罕等:多花黑麦草营养品质最优近红外分析建模方法的研究2 结果与分析2.1 不同茬次黑麦草营养品质化学定量分析表4为各茬次黑麦草营养品质汇总,其中干物质含量(D r y ma t t e r ,D M )第四茬均值最高,为22.54%㊂粗蛋白(C r u d e p r o t e i n ,C P )第一茬均值最高,为15.72%㊂酸性洗涤纤维(A c i d i cd e t e r ge n tf i b e r s ,A D F )第一茬均值最高,为35.56%㊂中性洗涤纤维(N e u t r a l d e t e r ge n tf i b e r s ,N D F )第一茬均值最高,为58.48%㊂粗灰分(C r u d e a s h ,A s h )第一茬均值最高,为18.80%㊂可溶性碳水化合物(W a t e r s o l u b l e c a r -b o h y d r a t e s ,W S C )第四茬均值最高,为7.96%㊂表4 第一茬黑麦草营养品质T a b l e 4 N u t r i t i o n a l q u a l i t y o f t h e f i r s t s t u b b l e o f r y e gr a s s 样品参数S a m p l e p a r a m e t e r 干物质D r y m a t t e r /%F M粗蛋白质C r u d e p r o t e i n /%D M中性洗涤纤维N e u t r a l d e t e r g e n t f i b e r/%D M 酸性洗涤纤维A c i dd e t e r g e n t f i b e r/%D M 粗灰分C r u d eA s h /%D M 可溶性碳水化合物W a t e r s o l u b l ec a r b o h yd r a te s /%D M 第一茬T h ef i r s t s t u b b l e16.88ʃ1.3815.72ʃ3.7135.56ʃ1.6158.48ʃ3.9618.80ʃ1.642.00ʃ0.27第二茬T h e s e c o n d s t u b b l e 16.82ʃ1.7613.83ʃ4.4931.07ʃ1.3654.76ʃ2.6514.12ʃ0.914.51ʃ0.66第三茬T h e t h i r d s t u b b l e 19.63ʃ1.319.24ʃ1.2125.18ʃ2.6546.63ʃ2.9811.34ʃ0.786.12ʃ0.50第四茬T h e f o u r t h s t u b b l e 22.54ʃ3.9910.24ʃ3.6323.94ʃ1.9643.81ʃ3.7511.59ʃ1.337.96ʃ1.422.2 样品干燥粉粹处理下手持式近红外仪光谱模型的建立图1为干燥粉碎处理下的样品近红外光谱汇总图㊂2.2.1 最优因字数选择 在建模拟合的过程中,需要通过一个有效的特征信息,去描述建模拟合的特征,这个特征即为因子㊂本试验当中,最大因子数设置为15,建模软件内部会根据每个指标的不同,选择最优因子数㊂图2为建模过程中的因子图,图像表明本试验因子数设置在合理范围内㊂图中横坐标是因子数,纵坐标为交叉验证的标准误差,随着因子数的增多,横坐标的增大,纵坐标内部交叉校正标准差(C r o s s s q u a r e e r r o r o f c a l i b r a t i o n ,S E C V )缓慢下降,最低峰为建模最优因字数㊂如图2结果所示,对干物质含量(D M )建模时曲线在因子数为06时,S E C V 值降到最低,即D M 含量的近红外预测模型建立过程中,因子数为06时,模型质量最好;同理,由图2可以得出,C P ,A D F ,N D F ,A s h ,W S C 这5个模型因子数分别为05,07,07,08,07时,S E C V 值出现最低值,这表示在上述因子数时模型质量最好㊂而曲线的再次升高也直接表明,因子数并不是越多越好,如果因子数过多,S E C V 值到达低峰处会再次升高,即出现 过拟合 现象㊂图1 干燥粉碎处理样品近红外光谱汇总图F i g 1 S u m m a r y o f n e a r -i n f r a r e d s p e c t r a o f ad r y c r u s h e d s a m pl e 316草地学报第32卷图2干燥粉碎处理手持式近红外模型因子图F i g.2 F a c t o r d i a g r a mo f h a n d h e l dn e a r-i n f r a r e dm o d e l f o r d r y c r u s h i n gp r o c e s s i n g2.2.2模型的建立图3为各营养指标建模集回归图,表5为干燥粉碎处理手持式近红外模型参数㊂由图3和表5可知,预测值总体呈现出在2~3处集中总体呈现出一条直线的趋势,这条线所计算出的斜率即为评定建模结果的R2,D M,C P,A D F,N D F,A s h和W S C预测模型R2分别为0.827,0.884,0.947,0.922, 0.959和0.947㊂各项营养品质建模集R2均大于0.81,这表示建模集相关性非常高,能够建立模型㊂416第2期南丁罕等:多花黑麦草营养品质最优近红外分析建模方法的研究图3 干燥粉碎处理手持式近红外模型回归图F i g .3 R e g r e s s i o n p l o t o f h a n d h e l dn e a r -i n f r a r e dm o d e l f o r d r y c r u s h i n gp r o c e s s i n g表5 干燥粉碎处理手持式近红外模型参数T a b l e 5 D r y c r u s h i n gp r o c e s sh a n d h e l dn e a r -i n f r a r e dm o d e l pa r a m e t e r s 参数P a r a m e t e r 干物质D r y m a t t e r 粗蛋白质C r u d e p r o t e i n中性洗涤纤维N e u t r a l d e t e r ge n tf i b e r 酸性洗涤纤维A c i dd e t e r ge n tf i b e r 粗灰分C r u d e a s h可溶性碳水化合物W a t e r s o l u b l e c a r b o h yd r a te s R20.8270.8840.9470.9220.9590.947S E C V 0.3180.9041.222.0850.6340.5472.3 样品新鲜切短至3~5c m 处理下手持近红外仪光谱模型的建立图4为干燥粉碎处理下的样品近红外光谱汇总图㊂2.3.1 最优因字数选择 从图5中可以看出,在鲜样切短至3~5c m 处理下的近红外光谱模型建模时D M ,C P ,A D F ,N D F ,A s h 和W S C 六指标的最低S E C V 值时因子数分别为05,05,03,03,05,07㊂因此在上述因子数建立该指标的模型㊂516草 地 学 报第32卷图4 鲜样切短至3~5c m 近红外光谱汇总图F i g .4 S u m m a r yp a n e l o f n e a r -i n f r a r e d s pe c t r a c u t s h o r t t o 3~5cm 图5 新鲜切短处理模型因子图F i g .5 F r e s h l y cu t s h o r t p r o c e s s e dm o d e l f a c t o r p l o t 2.3.2 验证模型 由图6结果可知C P ,A D F ,N D F 和A s h 的回归图显示该四项指标的预测值散点不集中,整体规律较差㊂由图6可以看出DM 和WS C 的模型预测值散点较为集中,整体呈现线性的趋势,因此这两个模型的预测能力相对较好㊂616第2期南丁罕等:多花黑麦草营养品质最优近红外分析建模方法的研究图6 新鲜切短手持式近红外模型回归图F i g .6 R e g r e s s i o n p l o t o f f r e s h l y cu t s h o r t h a n d h e l dN I R m o d e l 由表6可知C P ,A D F ,N D F 和A s h 的R 2均小于0.64,该四项指标的预测能力一般,D M 的0.64<R 2<0.81,D M 预测模型良好,W S C 的R 2大于0.82,W S C 预测模型优秀㊂表6 新鲜切短处理手持式近红外模型参数T a b l e 6 P a r a m e t e r s o f h a n d h e l dN I R m o d e l s t r e a t e dw i t h f r e s hc u t s h o r t参数P a r a m e t e r干物质D r y ma t t e r 粗蛋白质C r u d e p r o t e i n 中性洗涤纤维N e u t r a l d e t e r ge n tf i b e r 酸性洗涤纤维A c i dd e t e r ge n tf i b e r 粗灰分C r u d e a s h可溶性碳水化合物W a t e r s o l u b l e c a r b o h yd r a te s R 20.7530.4160.5740.3910.6090.900S E C V1.4090.2970.4520.8360.2860.2112.4 两个模型的验证集验证结果表7为三种模型的验证集验证结果㊂DM ,C P ,A D F ,N D F 和A s h 含量预测模型的验证结果显示干燥粉碎处理近红外模型R 2均高于新鲜切短处理近红外模型质量更好㊁预测能力更强㊂W S C 含量预测模型验证结果显示两个模型的R 2均高于0.81,模型均可用于生产实践当中㊂716草 地 学 报第32卷表7 验证集验证结果T a b l e 7 V a l i d a t i o n s e t v a l i d a t i o n r e s u l t s处理方式P r o c e s s i n g mo d e 参数p a r a m e t e r 干物质D r y m a t t e r 粗蛋白质C r u d e p r o t e i n 中性洗涤纤维N e u t r a l d e t e r g e n t f i b e r 酸性洗涤纤维A c i dd e t e r g e n t f i b e r 粗灰分C r u d e a s h 可溶性碳水化合物W a t e r s o l u b l e c a r b o h yd r a te s 干燥粉碎处理R 20.8110.8240.8420.8540.8880.862D r y a n dc r u s h p r o c e s s i n gS E P 0.7901.9421.2781.2841.1530.931新鲜切短处理R 20.6990.3040.4460.3060.4980.824F r e s h l y c h o p pe da n ds h o r t e n e d S E P2.5810.8481.1891.5170.4690.8263 讨论近红外光谱技术被誉为近代分析化学中的 巨人 ,因其便捷㊁快速㊁无污染㊁准确性高㊁对样品无破坏和不消耗化学试剂等特点,在现代农业当中被广泛应用㊂但查阅文献发现我国对黑麦草近红外光谱模型建立方面的研究很少,其中赵环环等人对黑麦草粗蛋白近红外光谱模型的建立研究中建模样品太少,因此模型的准确性相对较低㊂本试验采集了四个茬次三个生育期的黑麦草样品420份,确保了样品的多样性㊂郭涛等人[19]发现样品不同预处理对近红外模型的准确性具有显著影响,但其研究只对干草的不同处理做了研究,对新鲜状态下的样品没有研究报道㊂因此本研究对同一批样品不同预处理下分别建立两台仪器的近红外模型,通过对比分析黑麦草六项营养指标的近红外模型建模验证结果,确定最优建模样品预处理方法㊂D M 含量决定了牧草有机质的积累情况㊂对比两个样品预处理下的D M 含量模型,样品干燥粉碎处理下的模型R 2优于新鲜切短处理下的模型R 2,干燥粉碎处理下的模型准确性更高㊂C P 是衡量牧草营养品质的重要指标,可以影响家畜产乳量和乳蛋白产量[20],牧草蛋白含量高其饲喂价值和经济效益往往也较好[21]㊂因此C P 是评价牧草质量的重要指标㊂通过手持式近红外仪两个模型的验证集R 2可以看出黑麦草在干燥粉碎处理下的近红外模型预测准确度更高㊂A D F ,N D F 含量是决定牧草消化率的重要指标[22],A D F ,N D F 含量分别与家畜消化率㊁饲草采食率呈负相关[23-24],即A D F 含量越小,饲草越可消化㊁饲用价值高,N D F 含量越低㊁家畜饲草采食率越高[25]㊂在本试验中,手持式近红外仪两种预处理方式下干燥粉碎处理下的模型R 2更高,模型质量更好㊂牧草A s h 含量代表其饲用品质的好坏,越低代表其饲用品质越好㊂对比两个模型的验证集R 2,干燥粉碎处理下的模型质量更好㊂W S C可以维持瘤胃碳元素和氮含量的供应平衡,是牧草青贮发酵的重要原料[26-27],同时可以反映牧草对恶劣环境的影响的抵御能力[28]㊂黑麦草的加工贮存方式有干草和青贮两种,我国南方春季阴雨多湿,不易调制优质干草,而且多花黑麦草含有较高的水溶性碳水化合物,茎叶柔软多汁,是一种较易青贮的原料[29]㊂因此W S C 含量是黑麦草生产当中非常重要的品质指标㊂对比分析手持式近红外仪两种预处理下的模型R 2两个模型质量均良好,可用于实际生产当中黑麦草W S C 含量的快速测定㊂综合比较两种预处理下近红外模型的准确性,在干燥粉碎处理下的近红外预测模型准确度更高,更适用于黑麦草种植生产当中营养品质的快速测定㊂这主要是因为在干燥粉碎状态下样品的均一性更高,更利于采集样品的光谱信息㊂在田间对新鲜状态下切短至3~5c m 的样品采集光谱信息时,因样品的搅拌度低㊁装入样品盒时不能确保样品的每一部位都能被仪器扫描到光谱信息,因此导致新鲜切短状态下的黑麦草样品近红外模型准确度低于干燥粉碎状态下的黑麦草近红外模型㊂4 结论对比发现多花黑麦草样品在干燥粉碎预处理之后六项营养品质近红外模型的R 2均优于新鲜切短样品的近红外模型㊂干燥粉碎预处理样品六项营养品质近红外模型R 2均高于0.81,模型质量良好可用于生产实践㊂新鲜切短预处理样品W S C 含量近红外模型的R 2高于0.81,模型质量良好可用于生产实践㊂参考文献[1] 张新跃,李元华,苟文龙,等.多花黑麦草研究进展[J ].草业科学,2009,26(1):55-60[2] 陈佐南.多花黑麦草品种比较试验[J ].贵州畜牧兽医,2005,29(4):7-8[3] 舒健虹,李辰琼,尚以顺.多花黑麦草品种比较试验[J ].贵州畜牧兽医,2006,30(3):8-9[4] 巩丽琼,陈智华,陈仕勇,等.多花黑麦草青贮技术研究进展[J ].草业与畜牧,2015(3):5-8816第2期南丁罕等:多花黑麦草营养品质最优近红外分析建模方法的研究[5]王明蓉,王松,罗富成.多花黑麦草品种比较试验[J].四川草原,2004(5):15-17[6]关皓,张明均,宋珊,等.添加剂对不同干物质含量的多花黑麦草青贮品质的影响[J].草业科学,2017,34(10):2157-2163 [7]于光辉,宋春阳,董瑞兰.近红外光谱技术在反刍动物饲料分析和模型预测中的应用[J].中国畜牧杂志,2016,52(11):82-87[8]刘娜.全株玉米青贮营养价值快速评价及预测模型构建[D].兰州:甘肃农业大学,2019:39-41[9] P A S Q U I N I C.N e a r i n f r a r e d s p e c t r o s c o p y:A m a t u r e a n a l y t i c a lt e c h n i q u e w i t h n e w p e r s p e c t i v e s A r e v i e w[J].A n a l y t i c aC h i m i c aA c t a,2018(10):8-36[10]T A N GY,J O N E SE,M I N A S N YB.E v a l u a t i n g l o w-c o s t p o r t a-b l e n e a r i n f r a r e d s e n s o r s f o r r a p i d a n a l y s i s o f s o i l s f r o mS o u t hE a s t e r nA u s t r a l i a[J].G e o d e r m aR e g i o n a l,2020(3):20-24[11]N O R R I SK H,B U T L E R W L.T e c h n i q u e s f o ro b t a i n i n g a b-s o r p t i o n s p e c t r a o n i n t a c tb i o l o g i c a l s a m p l e s[J].I r eT r a n s a c-t i o n s o nB i o m e d i c a l E l e c t r o n i c s,1961,8(3):153-157 [12]K HA L E D U Z Z AMA N A B M,S A L I M H M.D e v e l o p m e n t o fl o c a l c a l i b r a t i o n s f o r t h e n u t r i t i o n a l e v a l u a t i o no f f i s hm e a l a n d m e a t&b o n em e a l b y u s i n g n e a r-i n f r a r e d r e f l e c t a n c e s p e c t r o s-c o p y[J].J o u r n a lo fA p p l i ed A n i m a lRe s e a r c h,2020,48(1):24-43[13]A U R E L IR,U E B E R S C H L A G Q,K L E I NF,e t a l.U s e o f n e a ri n f r a r e d r e f l e c t a n c e s p e c t r o s c o p y t o p r e d i c t p h y t a t e p h o s p h o r-u s,t o t a l p h o s p h o r u s,a n d c r u d e p r o t e i n o f c o m m o n p o u l t r y f e e di n g r e d i e n t s[J].P o u l t r y S c i e n c e,2017,96(1):54-65[14]薛祝林,刘楠,张英俊.近红外光谱法预测紫花苜蓿草捆的营养品质和消化率[J].草地学报,2017,25(1):165-171 [15]D A V I DT.P l a n t s t r a t e g i e s a n d t h ed y n a m i c s a n ds t r u c t u r eo fp l a n tc o m m u n i t i e s[J].B u l l e t i n o f M a t h e m a t i c a l B i o l o g y, 1989,51(3):71-80[16]刘庆华,聂芙蓉.‘饲料原料学“教学实验与实习内容的设计[J].郑州牧业工程高等专科学校学报,2005,5(2):145-146 [17]杨晓鹏,李平,董臣飞,等.多花黑麦草+燕麦混播草地地上生物量和营养品质动态研究[J].草地学报,2020,28(1):149-158[18]呼凤兰,王鹏飞.温水浸泡对带壳欧李种子层积效果的影响[J].北方果树,2013,5(1):4-6[19]郭涛,黄右琴,代露茗,等.苜蓿干草不同处理方式对近红外预测模型预测准确性的影响[J].动物营养学报,2021,33(5): 2939-2948[20]H Y U N G S O OP,J I H Y EK,K I C H O O NC,e t a l.E f f e c t o f r a i n-f a l l a f t e r c u t t i ng o n f e e dv a l u eo f I t a l i a nr y e g r a s s[J].J o u r n a lo f t h eK o r e a nS o c i e t y o fG r a s s l a n da n dF o r a g eS c i e n c e,2016, 36(4):293-297[21]席冬梅,陈勇,彭洪清.多花黑麦草不同生长期营养价值评定[J].草原与草坪,2005(2):62-64[22]陈莉敏,赵国敏,廖兴勇,等.川西北7个燕麦品种产量及营养成分比较分析[J].草业与畜牧,2016(2):19-23 [23]王辉辉.青藏高原高寒牧区燕麦优良品种筛选及营养价值评定[D].兰州:甘肃农业大学草业科学,2008:19-21 [24]牛小平,呼天明,杨培志,等.22个紫花苜蓿品种生产性能比较研究[J].西北农林科技大学学报:自然科学版,2006,34(5):45-49[25]李向林,张新跃,唐一国,等.日粮中精料和牧草比例对舍饲山羊增重的影响[J].草业学报,2008,17(2):85-91 [26]Y A N GZF,N I EG,P A NL,e t a l.D e v e l o p m e n t a n dv a l i d a t i o no f n e a r-i n f r a r e d s p e c t r o s c o p y f o r t h e p r e d i c t i o n o f f o r a g e q u a l i-t yp a r a m e t e r s i nL o l i u m m u l t i f l o r u m[J].P e e r J,2017(5)14-32 [27]杨晓鹏,李平,董臣飞,等.多花黑麦草+燕麦混播草地地上生物量和营养品质动态研究[J].草地学报,2020,28(1):149-158[28]王嘉佳,唐中华.可溶性糖对植物生长发育调控作用的研究进展[J].植物学研究,2014,3(3):71-76[29]丁成龙,顾洪如,许能祥,等.不同刈割期对多花黑麦草饲草产量及品质的影响[J].草业学报,2011,20(6):186-194(责任编辑闵芝智)916。
近红外光谱技术在农产品品质检测中的应用探究
近红外光谱技术在农产品品质检测中的应用探究近红外光谱技术是一种非常有效的无损检测技术，它可以快速、准确地对农产品的品质进行检测。
在农产品种类繁多的现代农业中，保证农产品的品质对于提高农产品的市场竞争力至关重要。
本文将探讨近红外光谱技术在农产品品质检测中的应用。
近红外光谱技术是一种分析物质性质的无损、快速、便捷的方法。
近红外光谱的主要原理是物质在近红外波段（800-2500 nm）的反射、吸收和散射特性。
不同物质的分子结构和组分会导致不同的光学特性，因而能够通过近红外光谱技术对农产品的品质进行检测。
近红外光谱技术可以用于农产品的质量检测。
以粮食为例，通过对近红外光谱图像的分析可以确定粮食的水分含量、面筋吸水量、脂肪含量等多个关键指标。
这些指标直接关系到粮食的烹饪品质和加工特性，通过近红外光谱技术获取这些指标可以快速、准确地判断粮食的品质，避免因品质不佳导致的食品安全问题。
近红外光谱技术可以用于农产品的鉴别与分类。
不同的农产品有着不同的化学组分和光谱特征，通过对不同农产品的近红外光谱进行分析，可以根据其光谱特征进行鉴别，实现各类农产品的自动分类。
这在大规模的农产品加工和储存中具有重要的应用价值，能够提高生产效率和减少人工成本。
近红外光谱技术还可以用于农产品中有害物质的检测与监控。
农产品中常常存在着农药残留、重金属和毒素等有害物质，这些物质会给人们的健康带来潜在的危害。
通过近红外光谱技术可以对这些有害物质进行快速、非破坏性的检测，大大缩短了传统检测方法需要的时间，并且减少了对样品的破坏，能够为农产品的安全提供更加有效的监控手段。
近红外光谱技术在农产品品质检测中具有广泛的应用前景。
通过近红外光谱技术可以对农产品的质量进行准确快速的检测，对农产品的鉴别分类提供关键数据支持，同时还可以为农产品中有害物质的检测与监控提供有效的手段。
未来随着技术的不断发展，近红外光谱技术在农产品品质检测中的应用将会得到进一步的拓展和推广。
小麦高代品系品质性状的近红外光谱分析
小麦高代品系品质性状的近红外光谱分析近几十年来，小麦作为人类最重要的粮食作物为全世界提供了重要的粮食安全保障，小麦品质性状的优劣影响着生产者和消费者的利益，受到人们关注。
由于传统的粮食质量检测方法存在时间消耗长、投入大和准确性低的特点，近年来，利用近红外光谱（NIR）技术来分析小麦品质性状越来越受到关注。
近红外光谱作为一种无损、快速的检测技术，已经被广泛应用于小麦品质性状的测试和分析中。
它主要利用光谱仪检测样品的吸收率和反射率，通过分析吸收率的指数变化特征，来确定样品的品质性状，包括淀粉含量、蛋白质含量、水分含量等。
近红外光谱技术具有准确性高、反应时间短、仪器成本低、样品投入量小，因此在农业质量测试中越来越受到重视。
针对小麦高代品系的品质性状，本研究采用中国科学院植物研究所的近红外光谱仪，对10个小麦高代品系的粒状、粉粒、蛋白质含量、淀粉含量、糙米、水分含量进行测试，并通过分析普尔法（P）和偏移量（d）系数，以及检测结果和标准值之间的相关性，研究小麦高代品系的品质特征。
研究结果显示，小麦高代品系的粒状、粉粒、淀粉含量、糙米、水分含量和蛋白质含量的近红外光谱检测均与标准值具有良好的相关性，相关系数分别达到0.937、0.935、0.937、0.945、0.926和0.951，表明了近红外光谱技术在小麦高代品系品质性状测试中的有效性。
结论：小麦高代品系的粒状、粉粒、蛋白质含量、淀粉含量、糙米和水分含量等均可准确、有效地通过近红外光谱技术检测，且可以与标准值精确匹配，从而提高小麦农业质量控制的准确性和效率，有助于保障小麦农业的高产稳产。
本研究表明，近红外光谱技术在小麦品质性状检测中具有良好的应用前景，它为小麦种质育种提供了一种准确而快速的检测手段，进一步提升了小麦质量的控制。
研究也表明，由于小麦的品质性状受到多种因素影响，比如季节、土壤条件等，远红外光谱技术检测小麦品质性状时，需要把多种因素考虑在内，才能准确检测出小麦的品质性状。
近红外光谱法快速测定羊草干草品质的研究
ＡＤＦ
３ ７
Ｎｏ ｅ：ＣＰ：Ｃｒ ｄ ｒ ｔ ｉ ｔ ｕ ｅ ｐ ｏ ｅｎ；ＮＤＦ：Ｎｅ ｔ ａ ｅ ｅ ｇ ｎｔｆｂ ｒ ｕ ｒ ｌ ｔ ｒ ｅ ｉ ｅ ；ＡＤＦ：Ａｃ ｄ ｄ ｉ
０
－
ｄｔｒ ｅｔｆ ｅ ； ｅｓｍｅｂ ｌｗ； ｅｅｇ ｎ ｉ ｒ Ｔｈ ａ ｅｏ ＤＭ ： ｂ 营养化 学成分 占干物质 百
均具 有 十 分 重 要 的 意 义 。
关键 词
羊草 ； 近红外光谱 ；品质 ； 模型 文献标识码 ： Ａ Ｄ Ｉ ０ ３ ６￣．ｓｎ １ ０ ５ ３ ２ １ ）０２ ３—４ Ｏ ：１． ９ ４ ｉ ． ０ ００ ９ （０ １ １—７００ ｓ
报 道 。 实验 的 Ｉ的 即 是 创 建 并 优 化 草 ｒ 的 近 红 外 模 本 １ ： 草
近 红外 光 谱 法快 速 测定 羊 草 干草 品质 的研 究
石 丹 ，张英俊
１ ０ ９ ０ １３
中国农业大学草地研究所 ，北京
摘
要
试验 共采 集我国北 方不同区域 、 同生育期 、 同干燥 方式的羊草干草 １ ０份 ， 不 不 ５ 利用近红外漫反射
光谱 （ Ｒ ） ＮＩ Ｓ 技术 ， 用偏 最 小二 乘 回归 算法 （ Ｌ ） 在 国内首 次建 立 了适 配 范 围广 的羊 草 干草 的 粗蛋 白 采 Ｐ Ｓ，
（ Ｐ 、中性洗涤纤维 （ Ｆ 和酸性洗涤纤维 （ ＤＦ 的校正 模型 ，并对模 型的预测 能力进 行 了验证 。 果表 Ｃ ） ＮＤ ） Ａ ） 结 明， 所建模型 的预测结果与 常规 化学分 析得 到的结 果十分 相近 ：交互 验证 相关 系数 （ ） Ｒ 分别 为 ０ ９ ３７ ． ６ ， ０ ９ ９４和 ０ ９ ７９ ． ５ ． ４ ，交互验证误差（ Ｅ Ｖ） ＲＳ Ｃ 分别为 １４ ，１ ２ 和 １ ２ ； ．１ ．７ ．７ 外部验证相关系数为 ０ ９５ ．６ ， ０ ９ ６ ０ ９ ３ 并且验证集样 品的标准差 与预测标准差之 比均 大于 ３０ ．５ 和 ．５； ． 。由此可见 ， 近红外光谱技术 可以准 确预测羊草干草中的 Ｃ ，Ｎ Ｆ和 ＡＤ Ｐ Ｄ Ｆ含量 ， 这对 于快 速测定我 国羊草 的品质 、准确筛 选优质 的育种 材料
近红外光谱仪的分析方法
近红外光谱仪的分析方法近红外光谱仪（NIR）是一种非破坏性的分析仪器，它可用于分析物质的化学成分和品质特征，适用于食品、制药、化妆品、纺织品等多个领域。
本文将介绍近红外光谱仪的基本原理、分析方法以及仪器的使用注意事项。
基本原理红外光谱是指物质分子在受到一定波数范围内的红外辐射后，分子内部振动和分子间振动引起的特殊谱线。
近红外光谱仪利用一定波数范围内的红外辐射，通过样品对该辐射的吸收、透射和散射来分析样品。
与传统的红外光谱仪相比，近红外光谱仪是在红外光谱的高频段（波数约为4000-10000 cm-1）进行分析，适合于进行定性和定量分析。
分析方法定性分析近红外光谱仪可用于物质的定性分析，通过比较已知样品的光谱图和待测样品的光谱图来确定待测样品的成分。
这种方法适用于样品成分较为单一的物质，如各种单一化合物、药品等。
定量分析近红外光谱仪还可用于物质的定量分析，通过建立样品的定量分析模型，利用仪器测得的光谱图数据计算出待测样品的成分。
这种方法适用于复杂样品或者需要快速分析大量样品的情况，如食品、化妆品等行业的质量控制。
近红外光谱仪所建立的定量分析模型一般分为两种类型：一是基于化学计量学方法（如主成分分析、偏最小二乘法等）建立的模型，二是基于光谱匹配（spectral matching）建立的模型。
校正与验证在建立定量分析模型时，需要进行校正与验证。
校正是指利用部分已知样品数据来建立模型，验证则是指利用另外的已知样品数据来评估模型的可靠性。
建立模型时，一般将样品数据分为校正集和验证集，其中校正集用于训练模型，验证集用于评估模型的预测能力。
仪器使用注意事项样品制备近红外光谱仪的样品制备非常关键。
对于不同行业的样品，有不同的样品制备方法。
如在食品行业中，需要将食品样品研磨成粉末或浸泡在溶剂中；在药品行业中，需要将药品样品溶解后进行稀释。
无论是何种样品制备方法，需确保样品充分混合且无气泡，避免对光谱结果产生影响。
近红外光谱技术在农产品品质检测中的应用探究
近红外光谱技术在农产品品质检测中的应用探究近红外光谱技术基于农产品所特有的光谱特征，通过光谱信号与样本的关联分析，可以快速、准确地评估农产品的质量指标，如水分含量、脂肪含量、糖含量、蛋白质含量等。
近红外光谱技术在农产品的水分检测中具有显著的优势。
水分是农产品中重要的品质指标之一，对农产品的保鲜和贮存具有重要意义。
传统的水分检测方法通常需要耗费大量时间和人力，而近红外光谱技术能够通过扫描样本的近红外光谱，快速获取水分含量的信息。
研究表明，近红外光谱技术在谷物、果蔬、中药材等农产品水分检测中具有高度准确性和可行性。
近红外光谱技术在农产品品质指标检测中的应用较为广泛。
农产品的品质指标往往与其光谱特征密切相关，因此可以通过分析近红外光谱来评估农产品的品质。
在农产品的糖度检测中，近红外光谱技术可以通过检测样本的葡萄糖、果糖等特定成分的光谱特征，快速、准确地评估糖度指标。
类似地，近红外光谱技术还可以用于农产品的蛋白质、脂肪等指标检测。
这些品质指标的检测对于农产品的品质评价和加工质量控制具有重要意义。
近红外光谱技术还可以用于农产品质量检测中的快速筛选。
传统的质量检测方法需要取样、样品制备、实验操作等耗时耗力，而近红外光谱技术通过对样本的非接触式扫描，不需破坏样品，可以实现对大批量样品的快速检测和分析。
这对于生产环节中的快速筛选和质量控制具有重要意义。
虽然近红外光谱技术在农产品品质检测中具有许多优势，但也存在一些挑战与限制。
近红外光谱技术的仪器设备需要高度精确的校正和校准，以确保准确的检测结果。
样品的制备和光谱数据的处理也对结果的准确性有重要影响，需要专业的操作和算法支持。
农产品的品质评估是一个综合指标，其受多种因素的影响，因此需要充分考虑样品的异质性、环境因素等。
近红外光谱技术在农产品品质检测中具备广泛应用前景。
通过对农产品的光谱特征进行分析，可以快速、准确地评估农产品的质量指标。
未来，随着近红外光谱技术的不断改进和推广，相信其在农产品品质检测中的应用将会越来越广泛。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第２８卷，第９期２００８年９月光谱学与光谱分析ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｅｃｔｒａｌＡｎａｌｙｓｉｓＶ０１．２８，Ｎｏ．９，ｐｐ２０９４—２０９７
Ｓｅｐｔｅｍｂｅｒ，２００８
燕麦干草品质的近红外光谱定量分析赵秀芳ｈ２，李卫建３，黄伟１，曹姑１，戎郁萍Ｈ１．中目农业大学草地研究所，北京１０００９４２．中国科学院南京土壤研究所，江苏南京２１０００８３．农业部环境保护科研监测所．天津３００１９１
摘要应用近红外漫反射光谱（Ｎ１ＲＳ）分析技术，采用偏最小二乘回归法（ＰＬＳ），建立了适合不同品种类型和不同生长发育时期的ＮＩＲＳ测定燕麦全株干草的粗蛋白（ＣｒｕｄｅＰｒｏｔｅｉｎ，ＣＰ）、秸秆中性洗涤纤维（Ｎｅｕ－ｔｒａｌＤｅｔｅｒｇｅｎｔ
Ｆｉｂｅｔ，ＮＤＦ）和酸性洗涤纤维（ＡｃｉｄＤｅｔｅｒｇｅｎｔＦｉｂｅｒ，ＡＤＦ）含量的稳定校正模型。结果表明，
采用二阶导数（２ｓｔＤｅｒｉｖ）＋平滑处理（Ｎｏｒｒｉｓ）、多元散射校正（ＭＳＣ）＋二阶导数（２ｓｔＤｅｒｉｖ）＋平滑处理（Ｎｏｒｒｉｓ）、多元散射校正（ＭＳＣ），分析谱区为９６６８～４５１８，９５５０～５５４３，８９４３～４０４２ｃｒｆｌ－１建立粗蛋白、中性洗涤纤维和酸性洗涤纤维的校正模型，其校正和预测效果最佳。其中ＣＰ与ＮＤＦ的建标决定系数（也）和交叉检验的决定系数（Ｒｋ）均在０．９５以上，各项误差均小于３％，ＲＰＤ值均大于３，逼近了化学分析的精确度，具有较好的预测效果。ＡＤＦ的建模效果较ＣＰ与ＮＤＦ差，其建标决定系数和交叉检验决定系数分别为０．９１２０，０．８５５３，建标误差（ＲＭＳＥＣ）和检验误差（ＲＭＳＥＣＶ）分别为２．３３％，２．６２％，接近了化学分析的精确度，且ＲＰＤ值大于２．５，说明所建的ＡＤＦ模型也可用于近红外预测。
关键词燕麦干草；品质；近红外光谱中图分类号：０６５７．３文献标识码：ＡＤＯＩ：１０．３９６４／ｊ．ｉｓｓｎ．１０００—０５９３（２００８）０９—２０９４—０４
引言燕麦（Ａｒｅｎａｓａｔｉｒｅ）是一种优良的禾本科牧草。燕麦饲草具有较高的营养价值，是家禽和家畜的一种较好的食物来源Ｄ－３］。在牧草收获季节，将燕麦植株调制成干草备其他季节使用，是各畜牧单位常用的方法，其营养品质主要取决于粗蛋白（ＣＰ）、中性洗涤纤维（ＮＤＦ）和酸性洗涤纤维（ＡＤＦ）含量Ｈ］。目前国内外对燕麦饲草以上３个性指标的测定均采用常规化学测定方法Ｅｓ，６］，这些方法不仅周期长，成本高，处理、操作麻烦，不利于对其进行即时监测，而且大量危险性化学药品的使用，对检验员和环境也造成了一定的危害。近年来，近红外在玉米秸秆、紫花苜蓿、黑麦草等牧草品质分析方面得到了广泛应用，而近红外在燕麦饲草品质分析中的应用国内外尚未见报道。因此研究用ＮＩＲＳ快速、准确测定燕麦饲草ＣＰ，ＮＤＦ和ＡＤＦ的方法，最终为快速发展我国的畜牧业提供优质牧草，具有巨大的推动作用［７］。１实验部分１．１实验材料供试样品采自２００６年河北坝上地区种植的２２份燕麦种质资源，其中苏鲁滩１１份，沽源牧场１１份，分别于拔节、开花、乳熟和完熟期，齐地刈割，每小区随机采集５株，乳熟期和完熟期样品包括穗在内，６０℃下烘干至恒重，剪碎，混匀，用Ｔａｉｓｉｔｅ＿ＦＷｌｏｏ（天津）万能高速粉碎机和近红外超微粉碎机进行粉碎，然后过１ｉＴｌｒｎ筛。得到１７６份燕麦饲草全株干样。１．２近红外光谱数据的获取采用ＴｈｅｒｍｏＥｌｅｃｔｒｏｎ的傅里叶变换近红外光谱仪（Ａｎ—
ｔａｒｉｓ），室温。仪器工作参数为，谱区范围４０００～１００００
Ｃ１ＴＩ～，扫描次数３２次，分辨率８ｃｍ～，检测器ＩｎＧａＡｓ。每个样品最终的近红外光谱由６次采集的光谱平均得到。１．３数据处理与分析采用定量分析软件ＴＱＡｎａｌｙｓｔｖ６．ｏ（ＰＩＳ方法）和统计
收稿日期：２００７—０５—２６．修订日期：２００７＿（）８—２８基金项目：国家牧草种质资源的描述标准和规范项目（２００４ＤＫＡ３０４４０－２—５）和国家“十一五”科技支撑项目（２００６ＢＡＤｌ６８０６）资助作者简介：赵秀芳，女，１９８０年生，中国农业大学草地研究所硕士研究生ｅ－ｍａｉｌ：１ｗｊ４１９６＠ｓｉｎａ．ｃｏｍ＊通讯联系人ｅ－ｍａｉｌ：ｒｏｎｇｙｕｐｉｎｇ＠ｃａｕ．ｅｄｕ．ｃｎ
万方数据第９期光谱学与光谱分析２０９５
软件ＳＡＳ对数据进行处理与分析。１．４建立ＮＩＲＳ定量分析模型的方法近红外分析的样品集包括建标样品集和检验样品集。根据样品集中应尽可能的包含那些分布在两端即最高、最低范围内的样品的原则，按照样品各化学成分含量大小，顺序排列后，将样品按２：１的比例划分成建标集和检验集啊］，再作交叉验证并用验证样品集进行外部验证，最后根据舀，ｒ知，南，ＲＭＳＥＣ，ＲＭＳＥＣＶ，ＲＭＳＥＰ和ＲＰＤ等指标确定最优模型。２结果与讨论２．１燕麦全株干草ＣＰ，ＮＤＦ和ＡＤＦ的化学分析结果表１所示是２２份燕麦干草全株干草ＣＰ、ＮＤＦ和ＡＤＦ的化学分析结果。样品的ＣＰ按ＡｏＡｃ【９］方法测定，测试的标准误差为０．４１％；ＮＤＦ和ＡＤＦ含量的测定采用ＶａｎＳｏ—ｅｓｔＣ”］方法，测试的标准误差分别为０．８０％，０．４６％。表１为１７６份实验样品的ＣＰ，ＮＤＦ和ＡＤＦ的分析结果，其中包括校正集样品和预测集样品。由表１可见，样品中这３个指标的含量变幅均很大，样品来源范围广，其含量变化范围基本上可以覆盖当前生产上推广品种和品种选育中可能出现的ＣＰ，ＮＤＦ和ＡＤＦ的含量，可以很好地用于建立燕麦干草ＣＰ，ＮＩ）Ｆ，ｍ）Ｆ的近红外光谱校正模型。Ｔａｂｌｅ１ＴｈｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆＣＰ。ＮＤＦａｎｄＡＤＦＣＯＩｌｔｅｌｌｌｔｓｉｎｔｈｅｔｏｒａｇｅｇｒａｓｓｏｔＡｒｅｎａｓａｔｉｒｅ２．２ＣＰ。ＮＩ）Ｆ与ＡＤＦ近红外校正模型建立与优化本实验利用ＴＱＡｎａｌｙｓｔｖ６．０分析软件分别对ＣＰ，ＮＤＦ，ＡＤＦ建标集的１１８个燕麦干样进行了谱区范围的优化，最佳光谱预处理方法与最佳主因子数的筛选。由此建立的ＣＰ、ＮＤＦ与ＡＤＦ校正模型建标决定系数最大，标准差最小。另外，本研究对ＣＰ，ＮＤＦ，ＡＤＦ的校正模型进行了内部交叉检验，并剔出了异常样品，得到了ＣＰ，ＮＤＦ，ＡＤＦ的最佳校正模型。由表２可以看出，ＣＰ与ＮＤＦ的建标决定系数、交叉检验的决定系数分别为０．９６１０和０．９５５８，０．９５１３和０．９３６８，建标误差、检验误差分别为１．０８％和１．１６％，２．０１％和２．５２％，逼近了化学分析的精确度。另外根据Ｓｉｎ—ｒｉｏ．ｅｖｅ［１１］和ＰａｒｋＬ”］的报道，当ＲＰＤ（ＳＤ／ＲＭＳＥＣＶ）大于２．５时，模型能用于近红外预测，大于３．０时模型具有较好的预测效果［１３Ｊ“，以上２个指标ＲＰＤ值均到了３．０以上，说明所建的ＣＰ、ＮＤＦ近红外模型具有较好的预测效果。ＡＤＦ的建模效果较ＣＰ与ＮＤＦ差，建标决定系数、交叉检验决定系数分别为０．９１２０，０．８５５３，建标误差、检验误差分别为２．３３％，２．６２％，接近了化学分析的精确度，且ＲＰＤ值大于２．５，说明所建的ＡＤＦ模型也可用于近红外预测。
Ｔａｂｌｅ２ＴｈｅｏｐｔｉｍａｌｃｏｎｄｉｔｉｏｎｓａｎｄｏｏｔｉｍｉｚａｔｉｏｎｒｅｓｕｌｔｓｆｏｒｔｈｅｃａｌｉｂｒａｔｉｏｎｏｆＣＩＰ。ＮＩ）１７ａｎｄＡＤＦ
注：２ｄｅｒｉｖｅ：二阶求导；ＮＤ：Ｎｏｒｒｉｓ平滑处理；ＭＳＣ：多元散射校正；Ｒｂ：决定系数；Ｒｂ：交叉检验决定系数；ＲＭＳＥＣ：建标标准误差；Ｒ！ｖＩｓＥｃＶ：交叉检验标准误差；ＲＰＤ：交叉检验相对标准差（ＳＤ／‘ＳＥＣＶ）
２．３ＣＰ．ＮＤＦ与ＡＤＦ校正模型对外部样品的预测效果评价为了进一步检验模型的优劣，本实验采用检验集样品来对模型的预测效果进行评定，衡量参数选用外部检验ＲＰＤ，预测相关系数，卫，预测标准误差ＲＭＳＥＰ。由表３可以看出，ＣＰ，Ｍ）Ｆ，ＡＤＦ的预测决定系数（南）分别为０．９５９８，
０．９４８３，０．９０１４，预测标准误差（ＲＭＳＥＰ）分别为１．０８％，２．１８％，１．９ｌ％，外部检验ＲＰＤ值均大于３，说明所建的ＣＰ，ＮＤＦ，ＡＤＦ模型具有很好的预测效果。
Ｔａｂｌｅ３Ｔ１ｌｅｅｖａｌｕａｔｉｏｎｏｆｔｈｅｃａｌｉｂｒａｔｉｏｎｍｏｄｅｌｓｗｉｔｈｖａｌｉｄａｔｉｏｎｓｅｔｓ
注：ＡＮＬ：近红外分析值；ＬＡＢ：化学分析值；ＲＭＳＥＰ：预测标准误差；ＲＰＤ：预测相对标准误差（ＳＤ／ＲＭＳＥＰ）
另外，散点图１，图２，图３给出ＣＰ，ＮＤＦ，ＡＤＦ预测值与化学值之间的相关系数（产）分别为０．９７３９，０．９６０８，
０．９３７０，均在０．９３以上，表明预测值与化学值比较接近，可
用来对未知样品中的ＣＰ，ＮＤＦ和ＡＤＦ含量进行实际预测。
述３０丢２０盖各ｌＯｚ
０ｏ１０２０３０
Ｃｈｅｎａｉｅａｌｖａｌｕｅ，＇％
Ｆｉｇ．１Ｃｏｎ＇ｅｌａｔｌｏｎｂｅｔｗｅｅｎｍｅａｓｕｒｅｄａｎｄｉ】ｒｅｄｉｃｔｅｄｖａｌｕｅｏｆＣＰ
万方数据２０９６光谱学与光谱分析第２８卷逞６０寺４（）∽笛２０ＺＯ芎丢三笪Ｚ０１０２０３０４０５０６０７０Ｃｈｅｍｉｃａｌｖａｌｕｅ／．｝６Ｆｉｇ．２ＣｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｍｅａｓｕｒｅｄａｎｄｐｒｅｄｉｃｔｅｄｖａｌｕｅｏｆＮＤＦ３０２０ｌＯＯ０１０２０３０４０Ｃｈｅｒｏｉｃａｌｖａｌｕｅ肼Ｆｉｇ．３ＣｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｍｅａｓｕｒｅｄａｎｄｐｒｅｄｉｃｔｅｄｖａｌｕｅｏｆＡＤＦ３讨论３．１近红外反射光谱测定燕麦饲草品质性状的可行性本研究以２２份种质资源，４个生长期的燕麦饲草为研究样品，采用偏最小二乘（ＰＬＳ）分析法，通过选择适宜的分析谱区和适当的光谱处理方法，分别建立了ＮＩＲＳ测定燕麦饲草的ＣＰ，ＮＤＦ，ＡＤＦ的校正模型，并对模型进行了交叉、外部检验，结果表明，３个校正模型的交叉和外部检验决定系数分别为０．８５５３（ＡＤＦ）～ｏ．９５５８（ＣＰ），０．９０１４（ＡＤＦ）～［１］［２］［３］［４］［５］［６］［７］［８］［９］Ｄｏ］［１１］［１２］［１３］［１４］［１５３［１６］０．９５９８（ＣＰ），各项误差均小于３％，其预测的精确性与化学方法相当。目前近红外在燕麦品质分析中的应用国内外尚未见报道。与其他饲草近红外模型相比，如Ｆｒａｎｋ等［１５］应用ＮＩＲＳ测定小麦草品质含量的研究，Ａｌｅｘａｎｄｅｒ［１６］等应用ＮＩＲＳ测定蓝茎冰草品质性状的研究，白琪林ｆ７］应用ＮＩＲＳ测定玉米秸秆ＮＤＦ与ＡＤＦ含量的研究，本实验建立的ＣＰ，ＮＤＦ与ＡＤＦ含量的模型，具有以下特点；样品数量大、品种数量多、建模效果也与其相似。以上结果表明ＮＩＲＳ技术可用于分析燕麦干草的品质性状。３．２ＮＩＲＳ校正模型建立的影响因子分析近红外作为一种间接的测试技术，存在诸多影响其分析准确性的因素。概括起来主要有四点：（１）样品的代表性；（２）化学分析误差；（３）样品状态、装样条件对测量结果的影响；（４）光谱预处理方法对测定结果的影响。本研究选用了２２个燕麦品种，并在不同的地点种植（苏鲁滩和沽源牧场）；其燕麦饲草的粗蛋白、中性洗涤纤维、酸性洗涤纤维含量的变化范围分别为６．４３％～２６．７２％，２３．９５％～６３．１１％，９．９２％～３３．５９％，基本上覆盖了燕麦成分含量的常态分布范围。因此，样品具有较好的代表性。近红外光谱分析的误差来源于对照方法，必须对被测样品的成分或性质进行准确测定。本研究采用国家标准方法，并进行多次重复测定，目的在于减少化学分析误差。针对样品含水量、样品温度、样品粒度等状态和装样条件对测定结果的影响，本研究采用统一烘干、重复装样、取平均光谱的方法，来消除干扰。此外，本试验还采取选择适宜光谱范围和适当预处理方法来减弱或消除各种非目标因素对光谱的影响，对提高所建模型的质量有重要作用。