动物营养与饲料科学专业优秀论文 近红外光谱分析技术在饲料分析中的应用研究.docVIP

动物营养与饲料科学专业优秀论文 近红外光谱分析技术在饲料分析中的应用研究 关键词：近红外光谱技术 饲料 校正模型 定量分析 偏最小二乘法 摘要：饲料原料的品质是保证饲料产品质量与安全的根本，为了能快速有效地控制原料的品质，本课题采用近红外光谱(NIRS)快速检测的方法，收集了49个纯鱼粉样品，按1％、5％、9％的比例分别向纯鱼粉样品中掺入了尿素、豆粕、麦麸和菜粕，制成12个假鱼粉，市面上售有的4个掺假鱼粉，50个豆粕样本和50个麦麸，分别在950～1650nm范围内进行近红外光谱扫描，采用不同的光谱处理方法分别进行了鱼粉的掺假判别、豆粕尿素酶活性及鱼粉、豆粕、麦麸常规化学成分的近红外光谱定量分析模型的建立，结果如下： 1、先用主成分回归(PCR)对56个鱼粉样品(44个纯鱼粉及12个自制的掺假鱼粉)进行分析，可以明显地区分纯鱼粉与掺假鱼粉。由此可知，近红外光谱法可作为鉴别鱼粉的一项新技术。再在此基础上，采用PCR结合马氏距离(Mahalanobis)法，用44个纯鱼粉样品创建了近红外光谱模型，验证结果表明，采用标准化(SNV)处理方式建立的模型在9主成分数下对验证集样品进行预测，误辨数为0，验证效果最好。 2、采用一阶导数(SG1)+附加散射(MSC)+中心化(mean center)预处理方法，用偏最小二乘法(PLS)建成了豆粕尿素酶活性测定的校正模型，其校正决定系数Ramp;lt;amp;#39;2amp;gt;为0.916，定标标准差(SEC)为0.045，外部验证决定系数Ramp;lt;amp;#39;2amp;gt;为0.926，预测标准差SEP=0.035，测量重复变异系数为0.09。结果基本达到了定量分析的要求。 3、用偏最小二乘(PLS)定标方法，结合中心化、多元散射、导数处理的方法，对豆粕样品化学成分建立了的定标模型，定标集化学分析值与NIRS预测值之间的决定系数Ramp;lt;amp;#39;2amp;gt;和标准差RMSEC分别为：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(粗纤维)。用验证集样本对NIRS定标模型进行了检验，其预测值与化学分析值之间的决定系数Ramp;lt;amp;#39;2amp;gt;和标准差RMSEP分别为：0.9327和0.115(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(粗纤维)。除粗灰分外，其它成分均达到了定量分析的要求。用同样的方法对鱼粉各化学成分建立了定标模型，定标集化学分析值与NIRS定标模型预测值之间的决定系致Ramp;lt;amp;#39;2amp;gt;和交互验证标准差RMSECV分别为：0.9559和0.216(水分)．0.9651和0.386(粗蛋白)，0.9421和0.288(粗脂肪)．0.8899和0.249(钙)．0.9553和0.085(磷)，0.9235和0.135(盐分)。用验证集样品对NIRS定标模型进行了检验，其预测值与化学分析值之间的决定系数Ramp;lt;amp;#39;2amp;gt;和标准差RMSEP分别为：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(钙)．0.83和0.294(总磷)，0.9238和0.393(盐分)。除钙、磷验证效果稍差之外，其它成分均达到了定量分析的要求。 用相同的处理方法对麦麸样品各化学成分建立了定标模型，定标集化学分析值与NIRS定标模型预测值之间的决定系数Ramp;lt;amp;#39;2amp;gt;和交互验证标准差RMSECV分别为：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(粗纤维)，0.9582和0.105(粗灰分)。用验证集样品对NIRS定标模型进行了检验，其预测值与化学分析值之间的决定系数Ramp;lt;amp;#39;2amp;gt;和标准差RMSEP分别为：0.9477和0.142(水分)，0.9517和0.148(粗蛋白)，0.8935和0.133(粗脂肪)，0.9579和0.161(粗纤维)．0.8833和0.114(粗灰分)。各成分定标结果均达到了定量分析的要求。 正文内容 饲料原料的品质是保证饲料产品质量与安全的根本，为了能快速有效地控制原料的品质，本课题采用近红外光谱(NIRS)快速检测的方法，收集了49个纯鱼粉样品，按1％、5％、9％的比例分别向纯鱼粉样品中掺入了