论文部分内容阅读
近红外光谱分析技术是指利用物质在近红外光谱区的特征吸收及其所包含的信息,来进行定性或定量分析的一种技术。通过利用已知化学成分含量的样品的近红外光谱,建立预测模型,进而对同一种类或相似类型的未知样品进行预测。本研究内容主要包括饲料中水分、粗蛋白、粗纤维和粗脂肪含量的测定、饲料样品光谱采集、定量模型建立、验证以及定性分析。具体内容如下：一、收集江西省内不同厂家不同时期生产的饲料样品190个,采用经典的化学分析方法对样品中水分、粗蛋白、粗纤维和粗脂肪的含量进行测定。其中样品中水分含量范围为范围为9.72%～14.65%、粗蛋白14.90%～21.20%、粗纤维1.91%～4.66%、粗脂肪2.62%～4.47%。二、对饲料样品的近红外光谱采集条件进行优化,主要包括扫描次数和样品装样厚度这两个参数指标。选取5个代表性饲料样品,采集光谱,计算标准差,通过比较得到最优的条件参数。结果显示当扫描次数位32次,装样厚度为4m时,样品的近红外光谱最为稳定,且重现性最好。三、研究了饲料中各组分含量定量分析模型的建立。通过聚光和步琦两台近红外光谱仪器对饲料样品进行光谱的采集,结合化学计量法,应用偏最小二乘和人工神经网络等校正方法分别建立饲料中各组分含量的近红外定量分析模型。其中聚光上的水分、粗蛋白、粗纤维和粗脂肪模型的决定系数(R2)分别为0.911、0.867、0.945和0.917,标准分析误差(SEC%)分别0.307、0.504、0.223和0.171；步琦模型的决定系数分别为0.9241、0.9069、0.9698和0.9009,标准分析误差(SEC%)分别为0.2116、0.4008、0.1131和0.1301。结果表明聚光和步琦的饲料模型均达到了很好的预测效果,且具有很好的模型稳定性和数据重现性。四、对所建立的饲料近红外定量分析模型进行了外部验证。收集未参与建模的饲料样品30～50个,测定其化学值,采集光谱,应用已建立的饲料模型对其水分、粗蛋白、粗纤维和粗脂肪含量进行预测。将预测结果与化学值进行成对结果的t检验。结果显示除去异常值,预测结果与经典方法结果的绝对误差均小于0.5%,t检验结果显示两种方法不存在显著性差别,一致性较好。五、对三种不同的饲料样品的定性判别进行了初步的探讨,利用软件对饲料的光谱进行了主成分分析,提取主成分,以尝试对收集到的样品进行分类。实验结果表明,应用近红外光谱分析技术,建立饲料中各组分含量的定量分析模型,能够准确地对饲料的品质进行快速检测,检测结果的误差达到了国家标准所规定的误差范围要求,为近红外光谱分析技术在饲料领域的应用提供了理论依据。