论文部分内容阅读
目的:传统的方法无法对苜蓿干草品质进行快速等级划分,实践中迫切需要开发快速检测苜蓿产品质量并对其进行等级划分的方法。近红外光谱技术检测技术具有快速、准确、可同时检测多项指标、操作方便等特点,可有效解决以上问题。本文在前人的基础上,探索以便携式近红外仪器为基础的光谱模型在石河子地区苜蓿干草品质分析应用的可行性,同时初步建立石河子地区苜蓿干草粗蛋白(CP)、酸性洗涤纤维(ADF)、中性洗涤纤维(NDF)、相对饲喂价值(RFV)、粗饲料分级指数(GI)等指标的近红外预测模型,为石河子地区近红外光谱分析技术的研究提供基础。方法:(1)对524个样品的CP、ADF、NDF的成分含量的测定以及RFV、GI值的计算,按比例抽取一定数量的样品。通过杠杆作用、浓度残差和霍特林T~2剔除光谱和化学异常值。最终确定各指标近红外模型的校正集和验证集的数量。(2)通过不同的预处理、不同的建模回归方法、不同波段确定各指标的最佳建模方法。(3)比较各模型的校正集标准误差(RMSEC)、校正相对系数(R_c)、校正决定系数(R_c~2)、验证集标准误差(RMSEP)、验证相对系数(R_p)、验证决定系数(R_p~2)、相对分析误差(RPD)来衡量模型的准确性与精确性。(4)通过比较便携近红外仪自带模型和本试验中所建立的CP、ADF、NDF模型对验证集样品的预测结果与化学值之间的相关系数,分析两组模型的准确性。结果:在挑选出苜蓿干草CP、ADF、NDF、RFV、GI近红外模型的校正集样品个数为分别为138、138、166、144、166个,验证集样品个数分别为69、69、83、71、83个条件下:(1)试验中CP模型最佳的预处理方式为基线+平滑处理处理;NDF模型最佳的预处理方式为多元散射校正(MSC),ADF、RFV、GI模型最佳的预处理方式为不处理。NDF的最佳建模方法为主成分回归(PCR);CP、ADF、RFV、GI模型的最佳建模方法为偏最小二乘回归法(PLS)。所有指标使用全光谱段(1100~1800nm)进行建模效果最好。(2)所建出的最佳CP模型的RMSEC、R_c、RMSEP、R_p、RPD值分别为1.2043、0.9489、1.1243、0.9558、3.9773;所建出的最佳ADF模型的RMSEC、R_c~2、RMSEP、R_p~2、RPD值分别为1.4433、0.9285、1.5654、0.9150、3.5935;所建出的最佳NDF模型的RMSEC、R_c~2、RMSEP、R_p~2、RPD值分别为1.6571、0.9513、1.7834、0.9326、3.1541;所建出的最佳RFV模型的RMSEC、R_c~2、RMSEP、R_p~2、RPD值分别为11.2899、0.9471、12.7513、0.9292、3.5388;所建出的最佳GI模型的RMSEC、R_c~2、RMSEP、R_p~2、RPD值分别为1.0357、0.9708、1.1999、0.9591、4.7629。(3)其中本试验中所建立的CP、ADF、NDF模型,其所预测的外部验证集结果与化学值之间的相关系数分别为0.8801、0.9023、0.8826,均大于便携式近红外自带模型对验证集预测结果与化学值之间的相关系数(0.8617、0.8707、0.8721)。结论:本试验所建立的石河子地区苜蓿干草CP、ADF、NDF、RFV、GI等指标的近红外模型可以运用于实际测量,并在一定程度上提高了便携式近红外仪自带模型的准确度。