鱼粉品质的近红外反射光谱快速检测方法解析文档格式.docx

1、牛智有中国农业大学工学院博士生副教授 （华中农业大学 , 100083北京市 韩鲁佳中国农业大学工学院教授博士生导师苏晓鸥国家饲料质量检测中心研究员 , 100081北京市 杨振海农业部畜牧兽医局高级畜牧师 , 100026北京市 引言鱼粉是饲料主要的蛋白质来源 , 其品质直接影 响饲料产品的质量 , 鱼粉品质的检测是保证饲料质量的关键因素之一 。 鱼粉品质以蛋白质 、 脂肪 、 水分 和灰分的含量等指标来体现 , 若对各个成分采用传统的检测分析方法 , 需对每个样品进行破坏性处理 , 还需熟练的操作技能 , 耗时费力 , 因此有必要研究鱼 粉成分的快速检测方法 。近 红 外 反 射 光 谱

2、（near infrared reflectance spectro scopy , 简称 N I R S 分析技术是一项发展较快 的定性 、 定量分析技术 , 具有快速 、 无损和费用低等 特点 1。 近红外光谱分析技术可用于测定饲料中的 常规成分和微量成分 , 还可以进行饲料营养价值评 定 , 以及在线品质控制 2。本试验应用近红外反射光谱分析技术 , 探索鱼 粉中水分 、 粗蛋白 、 粗脂肪 、 粗灰分 、 总磷 、 盐分 、 钙含 量的快速检测方法 , 建立其相应的定量分析定标模 型 , 并用检验样本集对定标模型的可靠性进行检验 。1材料与方法111试样制备本试验收集了 145个鱼粉样

3、品 , 其中国产鱼粉 98种 , 分别来自山东 、 辽宁 、 浙江 、 河北等地鱼粉加 工厂 ; 进口鱼粉 47种 , 分别来自新西兰 、 秘鲁 、 印尼 、 智利 、 美国等国家 。 这些样品的品质 、 性状 、 产地 、 鱼 种等都存在差异 。112鱼粉品质的化学分析水分测定按 GB T 6435-1986; T 6432-1994; T分测定按 GB -磷 按 GB T 6437-1992; GB T 6439-1992。 113样品处理样品用旋风磨粉碎 , 使之全部通过 1mm 孔径 的筛子 , 并混合均匀 。 采用光谱影响值 L everage 和 化学值残差 R esidual 的

4、阈值对样品进行判断 4。 当 光谱影响值的阈值大于样品集平均影响值的 2倍 , 就认为该样品光谱异常 ; 化学值残差的阈值大于样 品集平均值的 3倍 , 就认为该样品化学值异常 。 通过 判断分析 , 剔除了异常样品 , 样品中水分 、 粗蛋白 、 粗 脂肪 、 粗灰分 、 总磷 、 盐分 、 钙含量统计见表 1所示 。 从表中可以看出 , 各成分含量变化范围较大 , 样品具 有良好的代表性 。表 1鱼粉样品品质各成分化学测定值Tab . 1 Che m ical co m position value of f ish m eal sam ples 成分 样品数 最大值 %最小值 %平均值

5、%标准差 水分 1401413161329179711452粗蛋白 141691792317458129691248粗脂肪 144151*8721637粗灰分*0519*总磷 140316*201838盐分 140515801462182811103钙 137*4167111457114光谱采集11411仪器及参数设定试验仪器 :AN TA R IS N ear 2I R A nalyzer （360N 型 , 美国 T her m o N ico let 公司 傅里叶变换近红外反 射光谱仪 ; 慢反射积分球附件 ; 旋转式石英样品池 （内径 5c m 。仪器参数 :扫描谱区范围 400010

6、000c m -1; 扫 描 次 数 32次 ; 采 样 间 隔 210c m -1; 分 辨 率 16c m -1。11412光谱处理和数据分析利用近红外光谱仪自带 TQ A nalysis v 610软 件 , 对原始光谱进行卷积平滑 、 一阶导数和二阶导数 预处理 , 利用逐步多元线性回归 （S M L R 、 偏最小二 乘法 （PL S 和主成分分析回归法 （PCR 作为建立定 标模型的化学计量方法 , 并通过比较定标标准差 （S EC 、 决定系数 （R 2 、 交互验证标准差 （S ECV 和 交互验证决定系数 （1-6。1对 145个鱼粉样品分别进行光谱扫描 , 其光谱 如图 1

7、所示 。 纵坐标是和本底相比的相对吸光度 , 即 吸光度 A =-lg （I I 0 , I 为鱼粉样本的反射光强 度 , I 0为本底的发射光强度 。从图中可以看出 , 在全波长范围内 , 曲线存在多 个吸收峰 , 特别是在 40007500c m -1范围内 , 有强 烈的吸收 , 分别是鱼粉中水分 、 粗蛋白质 、 粗脂肪等 化学成分的特征吸收峰 ; 在 750010000c m -1范围 内没有显著的吸收峰存在 。 鲜明的光谱特征为鱼粉 中化学成分的定量分析提供了丰富的信息。图 1鱼粉样品的近红外光谱图F ig . 1 N I R S spectrum of fish m eal sa

8、mp les212定标模型的建立21211光谱的预处理近红外光谱分析一般无需对样品进行前处理 , 直接对其进行光谱扫描 。 在扫描过程中 , 光谱信息可 能受到来自各方面因素的影响 , 因此对原始光谱进 行预处理是十分必要的 。采用卷积平滑 、 一阶导数和二阶导数分别对原 96第 5期 牛智有 等 :始光谱进行预处理 , 在自动优化功能所选择的最佳 谱区范围内建立定标模型 。 通过比较 , 以一阶导数加 9点卷积平滑处理效果最佳 , 其定标和交互验证结 果见表 2。表 2鱼粉近红外光谱定标和交互验证统计Tab . 2 N I RS calibration and cross validatio

9、n st atistics for f ish m eal sam ples成分 样品数 最佳谱区 c m -1标准差 S EC 决定系数R 2验证标准差S ECV验证决定系数1-V R主因子数 T水分 11040741016912119015550193901672018978粗蛋白 11143561077255195212500196721900019458粗脂肪 11451931428454168016950197601830019525粗灰分 10442481235783173114300191811580019003总磷 1104047157727315801241019580134

10、2019179盐分 110411810868321860139001938014860190310钙 10743041366487136113610144911523013892注 :钙用逐步多元线性回归法 （S M L R , 其余为偏最小二乘法 （PL S 21212回归方法的选择不同的回归方法对定标效果有较大的影响（S M L R 、 偏最小二乘法 （S 法 （PCR , 并对3。从表 3, , 其他成分采用偏最小二乘法 （PL S 效果最好 , 逐步多元线性回归方法表 3不同回归方法对鱼粉样品品质定标效果的比较Tab . 3 Co m par ison of regression m

11、ethods for N I RScalibration s of f ish m eal sam ples成分 回归方法校正集 检验集 S EC R 21-V R S E P r水分 S M L RPL SPCR11032015550179901760019290184801752018970183801780013740161401879 01963 01905粗蛋白 S M L R5165021254183018410196701837019450181761120211404170001891 01980 01908粗脂肪 S M L R018690169501959019470193

12、5019460195201925015850176201932 01981 01941粗灰分 S M L R11601114331145201896019180191601887019000190111410019240198901927 01973 01966总磷 S M L R013960126501417019510187401879019170185401475012070140501913 01963 01926盐分 S M L R0139001781017370193801720019030164601683013370181901877 01945 01869钙 S M L R1

13、13611137811415014490014842013759013890012675012908019621104511068014060138901314（L , , 采用上述 3种 , 因此在对鱼粉进 （PL S , 但难以预测鱼粉中钙的含量 。213定标模型的可靠性检验利用建立的定标模型 , 分别对检验集 30个鱼粉样 品的水分 、 粗蛋白 、 粗脂肪 、 粗灰分 、 总磷和盐分进行图 2水分预测值与化学值的相关关系F ig . 2 R elati onsh i p betw een p redicted and chem ical data of M C in fish m eal

14、 samp les 预测 , 其预测值与化学分析值的相关性见图 2图 8所示 。 同时对模型预测值与化学分析值的相关性进行 F检验 7, 检验结果为 , 除 钙 外 , 其 他成 分 的 F F 0101（1128 , 说明在置信 度 为 99%下 ,N I R S 预测值与化学分析值之间具有显著的线性相关性 , 从而说明所建立的水分 、 粗蛋 白 、 粗脂肪 、 粗灰分 、 总磷和盐分的定标模型具有良 好的可靠性 , 钙的定标模型可靠性较差 。3结论（1 通过对鱼粉样品的近红外光谱分析 , 采用 偏最小二乘法 （PL S , 钙采用逐步多元线性回归 （S M L R , 对光谱进行 9点卷积

15、平滑后一阶导数的 预处理方法建立定标模型 , 其交互验证决定系数 （1-V R 和验证标准差 （S ECV 分别为 :水分 , 01897和 01672; 粗蛋白 , 01945和 21900; 粗脂肪 , 01952和07农业机械学报 2005年图 3粗蛋白预测值与化学F ig . 3 R elati onsh i p betw een p redicted and chem ical data of CP in fish m eal samp les 图 5粗灰分预测值与化学F ig . 5 R elati onsh i p betw een p redicted and chem ica

16、l data of ash in fish m eal samp les图 4粗脂肪预测值与化学F ig . 4 R elati onsh i p betw een p redicted and chem ical data of CF in fish m eal samp les 图 6值的相关关系F ig . 6 R elati onsh i p betw een p redicted and chem ical data of P in fish m eal samp les 图 8钙预测值与化学F ig . 8 R elati onsh i p betw een p redicted

17、and chem ical data of Ca in fish m eal samp les图 7盐分预测值与化学F ig . 7 R elati onsh i p betw een p redicted and chem ical data of N aC l in fish m eal samp les01830; 粗 灰 分 , 01900和 11580; 总 磷 , 01917和 01342; 盐分 , 01903和 01486; 钙 , 01389和 11523。 （2 用所建立的定标模型对 30个检验集样品进 行预测 , 其预测值与化学分析值的相关系数 （r 和标准差 （S E

18、P 分别为 :水分 , 01963和 01374; 粗蛋白 , 01980和 21140; 粗脂肪 , 01981和 01585; 粗灰分 , 01973和 01924; 总磷 , 01963和 01207; 盐分 , 01945和 01337; 钙 01406和 01962。 同时通过相关性 F 检验 , 在置信度为 99%下 , 除钙之外的其他定标模型高 度显著 。（3 用近红外光谱分析方法能够准确地检测鱼 粉中水分 、 粗蛋白 、 粗脂肪 、 粗灰分 、 总磷和盐分的含 量 , 钙的预测效果不理想 。 由于近红外光谱分析方法 是一种快速 、 简便的检测分析方法 , 通过光谱分析并 建立校

19、正模型 , 可以达到检测鱼粉中品质成分含量 的目的 。参考文献1陆婉诊 , 袁洪福 , 徐广通 等 . 现代近红外光谱分析技术 . 北京 :中国石油化工出版社 , 2001. 2张丽英 . 饲料分析及饲料质量检测技术 . 北京 :中国农业大学出版社 , 2003.3农业部畜牧兽医局 , 中国饲料工业协会 , 中国饲料标准化委员会 等 . 饲料工业标准汇编 . 北京 :中国标准出版社 , 2002. 4闵顺耕 , 覃方丽 , 李宁 等 . 傅里叶变换近红外光谱法测定大麦中蛋白质 、 淀粉和赖氨酸含量 . 分析化学研究简报 , 2003,31（7 :8438455 X iccato G , T r

20、ocino A , Boever J , et al . P redicti on of chem ical compo siti on , nutritive value and ingredient compo siti on of European compound feeds fo r rabbits by near infrared reflectance spectro scopy （N I R S . A ni m al Feed Science andT echno logy , 2003, 104（4 :1531686 A r m inda M B , Ian M , R h

21、ona M P , et al . U se near infrared reflectance spectro scopy （N I R S fo r the p redicti on of thechem ical compo siti on and nutriti onal attributes of green crop cereals . A ni m al Feed Science and T echno logy , 1998, 75（8 :15257张录达 , 严衍禄 . 傅里叶变换近红外光谱定量分析数学模型的建立与评价 . 北京农业工程大学学报 , 1990（增刊 :18257第 5期 牛智有 等 :