基于傅里叶变换近红外光谱快速分析大麦秸秆营养成分.pdfVIP

检测与标准20244

年第期粮油与饲料科技

基于傅里叶变换近红外光谱快速分析

大麦秸秆营养成分

1111122

孙倩，聂欢，唐莉，郭学义，吕刚，郭涛，李飞

1.新疆泰昆集团，新疆昌吉

2.兰州大学草地农业科技学院，甘肃兰州

摘要：为实现大麦秸秆营养成分的快速定量检测，应用麦秸秆中的化学成分进行分析，不仅耗时，而且成

近红外光谱（nearinfrared,NIR）技术建立一种预测大本较高。

麦秸秆中干物质（drymatter,DM）、粗灰分（Ash）、粗傅里叶变换近红外光谱（fouriertransformnear-

蛋白（crudeprotein,CP）、粗脂肪（etherextract,EE）、infraredspectroscopy,FT-NIRS）检测是一种快速高效

中性洗涤纤维（neutraldetergentfibre,NDF）、酸性洗涤且不破坏饲料和牧草样品的分析技术。样品不需要烦

纤维（aciddetergentfiber,ADF）和酸性洗涤木质素（acid琐的前处理，可直接扫描，省时省力，而且无须消耗

detergentlignin,ADL）的高效、快速、准确的方法。共

化学试剂。FT-NIRS检测采用化学计量学的多元校

n

收集192份大麦秸秆样品，随机分成定标集（=162）

正算法，分析结果的统计准确度接近标准方法，且全

n

和验证集（=30）。结果表明，大麦秸秆的DM、Ash、

自动化操作，减少了人工测试等误差，具有较高的精

CP、NDF和ADF的交叉验证均方根误差（rootmean

密度和重现性，是一种可靠、便捷、经济的检测分析

squareerrorofcrossvalidation,RMSECV）分别为0.146、

2技术。

R

0.354、0.179、0.957、1.060，预测集决定系数分别

为0.8846、0.9444、0.9528、0.9407、0.9211，相对分析因此，建立一个定标模型，利用FT-NIRS构建大

误差（relativepercentdeviation,RPD）分别为2.95、4.24、麦秸秆DM、Ash、CP、EE、NDF、ADF和ADL模型，

4.60、4.11、3.56，说明这五个模型预测效果较佳，可并对各模型进行外部验证，为饲料生产中快速评定大

用于实际检测。大麦秸秆的EE模型和ADL模型的R2麦秸秆的营养价值提供理论依据与技术支持。

分别为0.6222、0.6203，且RPD均在3以下，后期

仍需要添加代表性样品，以提高模型的预测能力和准1实验仪器和材料

确性。

1.1主要仪器设备及参数设计

关键词：近红外光谱技术；大麦秸秆；营养成分；傅里

德国布鲁克MATRIX-Ⅰ近红外光谱仪；扫描范围

叶变换；定量分析

-1-1