利用近紅外光纖分析技術(shù)檢測(cè)飼料中粗纖維含量

王旭峰，馬冰峰，石 磊，鄧丹雯，*，耿 響

（1.南昌大學(xué)生命科學(xué)與食品工程學(xué)院，江西南昌 330047；2.江西省產(chǎn)品質(zhì)量監(jiān)督檢測(cè)院，江西南昌330029；3.江西出入境檢驗(yàn)檢疫局，江西南昌 330002）

近幾十年來(lái)，對(duì)于飼料的營(yíng)養(yǎng)和品質(zhì)研究已經(jīng)相當(dāng)深入，比如飼料中的常規(guī)成分、磷、氨基酸、總能等的檢測(cè)[1-3]。由于目前飼料是以植物性飼料為主，其中的粗纖維成分含量高、變異大，會(huì)引發(fā)不同的問(wèn)題。因此，粗纖維含量是評(píng)價(jià)飼料質(zhì)量的一個(gè)很重要的指標(biāo)。通常，對(duì)飼料中粗纖維的含量是采用GB 6434-2006以過(guò)濾法測(cè)定。該方法復(fù)雜費(fèi)時(shí)、效率低、成本高[4]。隨著近紅外光譜分析技術(shù)（NIRS）的準(zhǔn)確性和精確性大大提高，將NIRS用于飼料品質(zhì)分析，具有快速、準(zhǔn)確、低成本、無(wú)污染的特點(diǎn)，便于對(duì)飼料品質(zhì)進(jìn)行即時(shí)監(jiān)測(cè)，提高飼喂質(zhì)量[5]。光纖在通訊領(lǐng)域的應(yīng)用引起了通訊技術(shù)的革命。光纖具有化學(xué)和熱穩(wěn)定性、對(duì)電磁干擾不敏感、傳輸信號(hào)能量集中、靈敏度高、價(jià)格低廉等優(yōu)點(diǎn)[6]，使得光纖在近紅外光譜分析技術(shù)中得以應(yīng)用，不但大大減少分析儀器的光學(xué)零件，降低光學(xué)系統(tǒng)調(diào)整難度，便于分析裝置的小型化，且實(shí)現(xiàn)了生產(chǎn)過(guò)程的快速在線監(jiān)測(cè)。吳擁軍等[7]已經(jīng)利用光纖結(jié)合近紅外漫反射光譜技術(shù)，通過(guò)非侵入方式獲得植物內(nèi)在成分信息，應(yīng)用系統(tǒng)聚類分析方法獲得分類結(jié)果。與傳統(tǒng)的植物學(xué)分類比較一致。González-Martín I等[8]結(jié)合使用光纖探頭，使測(cè)定未經(jīng)任何處理的飼料中維生素的檢測(cè)方法成為可能，較好的控制了因加工條件引起的維生素破壞。本研究收集具有代表性的飼料樣品，利用近紅外光譜分析結(jié)合光纖技術(shù)，建立飼料中粗纖維含量的定量分析模型，以實(shí)現(xiàn)粗纖維含量的快速、無(wú)損分析和飼料品質(zhì)的在線監(jiān)測(cè)，為近紅外光纖技術(shù)的應(yīng)用提供依據(jù)。

1 材料與方法

1.1 材料與儀器

實(shí)驗(yàn)材料 收集2011～2012年不同廠家不同時(shí)期生產(chǎn)的豬飼料產(chǎn)品126個(gè)，涵蓋乳豬料、小豬料和中大豬料，利用高速萬(wàn)能粉碎機(jī)將飼料粉碎過(guò)40目篩，混勻備用。

NIRFlex N-500型傅里葉近紅外光譜儀、近紅外光纖探頭 瑞士步琪（Buchi）公司；FW135型高速萬(wàn)能粉碎機(jī)，表面皿。

1.2 實(shí)驗(yàn)方法

1.2.1 化學(xué)值測(cè)定 采用GB 6434-2006所規(guī)定的方法測(cè)定豬飼料中粗纖維的含量。

1.2.2 光譜采集 將飼料裝入表面皿，壓實(shí)后高度約4mm，利用近紅外光纖探頭直接對(duì)飼料樣品進(jìn)行圖譜采集，掃描范圍為4000～10000cm-1，掃描次數(shù)32次，分辨率為8cm-1，重新裝樣兩次，分別掃描，共得到3條近紅外光譜，取其平均光譜建模。

1.3 異常樣品的剔除

采用光譜杠桿值（Leverage）和學(xué)生殘差（Residuals），作為判斷異常樣品的統(tǒng)計(jì)量。光譜杠桿值的閾值設(shè)為各樣本平均影響值的2倍，如果大于該閾值，則可判斷該樣本光譜異常。學(xué)生殘差的閾值設(shè)為樣本平均值的3倍，大于該閾值意味著該樣本化學(xué)值異常。光譜和化學(xué)值均異常的樣本為“特異”樣本，從樣本集中剔除[9]。

1.4 近紅外定標(biāo)模型的建立與驗(yàn)證

利用偏最小二乘法建立飼料中粗纖維的定量模型。通過(guò)通過(guò)獨(dú)立的驗(yàn)證集對(duì)建立的定標(biāo)模型進(jìn)行檢驗(yàn)。運(yùn)用校正決定系數(shù)（Rc2）、驗(yàn)證決定系數(shù)（Rv2）、定標(biāo)標(biāo)準(zhǔn)分析誤差（SEC）、驗(yàn)證標(biāo)準(zhǔn)分析誤差（SEP）和相對(duì)分析誤差（RPD）來(lái)評(píng)價(jià)定標(biāo)模型的優(yōu)劣[10]。Rc2與Rv2越大，SEC與SEP越小，模型精度越高；SEC與SEP越接近，模型穩(wěn)定性越好；RPD越大越好，當(dāng)RPD大于3時(shí)，認(rèn)為定標(biāo)效果良好，可用于實(shí)際的檢測(cè)分析。

1.5 數(shù)據(jù)處理

采用NIRCal 5.2及SPSS 18.0軟件。

2 結(jié)果與分析

2.1 樣本的近紅外反射光譜圖

在4000～10000cm-1譜區(qū)范圍內(nèi)，飼料樣本近紅外反射光譜曲線各區(qū)段表現(xiàn)出獨(dú)特吸收特征（如圖1所示），這為粗纖維的NIRS定量分析提供了豐富的光譜信息基礎(chǔ)。

2.2 異常樣品的剔除

利用NIRCal軟件計(jì)算出樣本粗纖維的光譜杠桿值和學(xué)生殘差，結(jié)果如圖2所示，由圖2可知，102#樣品光譜杠桿值和學(xué)生殘差均異常，屬于異常樣本，應(yīng)從樣本集中剔除。因此，用于飼料中粗纖維含量定量分析的樣本為125個(gè)。

圖1 所有飼料樣本的近紅外光譜譜圖Fig.1 NIRS original spectra of 126 forage samples

圖2 異常樣品檢查結(jié)果Fig.2 Results of outlier test

2.3 模型定標(biāo)

異常值剔除后，將剩下的125個(gè)樣本，根據(jù)各個(gè)樣品粗纖維含量的化學(xué)值，按照排序法裁定定標(biāo)集和驗(yàn)證集，建模定標(biāo)集樣本為87份，驗(yàn)證集樣本為38份。

圖3 樣本前兩個(gè)主成分得分情況Fig.3 Plot of principal component score

圖3為全部樣品前兩個(gè)主成分得分情況，由圖3可知，所選取的87個(gè)定標(biāo)集樣品基本能涵蓋全部125個(gè)樣品的信息。定標(biāo)集和驗(yàn)證集飼料樣本粗纖維含量統(tǒng)計(jì)結(jié)果，如表1所示。

表1 定標(biāo)集和驗(yàn)證集粗纖維含量（%）Table 1 Crude fiber content of the calibration set and validation set（%）

2.4 光譜預(yù)處理和模型的建立

對(duì)原始光譜圖進(jìn)行分析，去除基本觀察不到明顯特征吸收峰的波段，選取9000～4180cm-1區(qū)段作為建立定量模型的光譜區(qū)域。采用偏最小二乘法建立定標(biāo)模型，分別對(duì)光譜進(jìn)行附加散射校正（MSC）、變量標(biāo)準(zhǔn)化（SNV）、一階導(dǎo)數(shù)（（First derivative）和平滑（Smoothing）處理，選擇最佳定量模型。定標(biāo)結(jié)果見(jiàn)表2。

表2 光譜不同預(yù)處理的定標(biāo)結(jié)果Table 2 Calibration results of different spectral pretreatments

從表2中可以看出，原始光譜雖然只經(jīng)過(guò)一階倒數(shù)處理所得到的校正決定系數(shù)Rc2最大，但其驗(yàn)證決定系數(shù)Rv2不夠理想。因此，綜合考慮模型的準(zhǔn)確性，在9000～4180cm-1波數(shù)范圍內(nèi)選取附加散射校正（MSC full）+一階導(dǎo)數(shù)+9點(diǎn)平滑處理作為最佳處理方法，此時(shí)模型該譜區(qū)NIRS定標(biāo)模型的校正決定系數(shù)為0.9698，驗(yàn)證決定系數(shù)0.9402，均達(dá)到很好的效果；SEC與SEP均相對(duì)較小且較為接近，模型具有很好的精度和穩(wěn)定性。

為了對(duì)定量分析模型的預(yù)測(cè)精度和可靠性進(jìn)行進(jìn)一步評(píng)價(jià)，應(yīng)用相對(duì)分析誤差RPD作為統(tǒng)計(jì)參數(shù)，對(duì)38個(gè)驗(yàn)證集樣本中粗纖維進(jìn)行預(yù)測(cè)飼料中粗纖維含量定量分析模型的定標(biāo)和驗(yàn)證結(jié)果見(jiàn)表3。

從表3中可以看出，無(wú)論是定標(biāo)集還是驗(yàn)證集，飼料中粗纖維含量的真實(shí)值和定標(biāo)模型預(yù)測(cè)值間的決定系數(shù)都在0.90以上，具有很好的線性相關(guān)性；標(biāo)準(zhǔn)分析誤差較為接近，具有很好的穩(wěn)定性；相對(duì)分析誤差RPD均大于3，具有很高的預(yù)測(cè)精度。結(jié)果表明，所建立的NIRS定量分析模型可以較準(zhǔn)確地預(yù)測(cè)飼料中粗纖維的含量。

采用一元線性回歸方法，分別得到定標(biāo)集和驗(yàn)證集樣品中粗纖維含量的真實(shí)值與NIRS定標(biāo)模型預(yù)測(cè)值的線性相關(guān)關(guān)系，如圖4、圖5所示。

從圖4和圖5可以直觀地看出，粗纖維含量的化學(xué)測(cè)量值和模型預(yù)測(cè)值之間的有很好的線性相關(guān)性，說(shuō)明取得了較好的定標(biāo)效果。

3 結(jié)論

圖4 定標(biāo)集樣品粗纖維含量化學(xué)值與NIR預(yù)測(cè)值相關(guān)關(guān)系（定標(biāo)集）Fig.4 Relationship between the actual values and predicted values for calidation set

圖5 驗(yàn)證集樣品粗纖維含量化學(xué)值與NIR預(yù)測(cè)值相關(guān)關(guān)系（驗(yàn)證集）Fig.5 Relationship between the actual values and predicted values for validation set

本研究通過(guò)利用近紅外光譜技術(shù)結(jié)合光纖探頭對(duì)飼料樣品進(jìn)行分析，直接接觸樣品，對(duì)樣品無(wú)破壞、無(wú)污染，大大簡(jiǎn)化了分析檢測(cè)過(guò)程；建立起飼料中粗纖維含量的NIRS定標(biāo)分析模型，模型預(yù)測(cè)值與化學(xué)值之間的決定系數(shù)達(dá)0.90以上，具有很好的相關(guān)性；標(biāo)準(zhǔn)分析誤差較為接近，具有很好的穩(wěn)定性；相對(duì)分析誤差大于3，具有準(zhǔn)確的預(yù)測(cè)精度。為近紅外光纖技術(shù)在飼料粗纖維含量檢測(cè)中的應(yīng)用和飼料品質(zhì)的在線監(jiān)測(cè)提供了依據(jù)。

[1]牛智友，韓魯佳.反芻動(dòng)物飼料中總磷的近紅外反射光譜分析研究[J].飼料工業(yè)，2008，29（3）：42-44.

[2]Prediction of chemical composition of ruminant feeds by near infrared reflectance spectroscopy（NIR）in Uruguay[J].Revista Argentina de Production Animal，2002，22（2）：81-86.

[3]Theo van Kempen，Jean-Christophe Bodin.Near-infrared reflectance spectroscopy（NIRS）appearstobesuperiorto nitrogen-based regression as a rapid tool in predict-ing the poultry digestible amino acid.contentofcommonly used feedstuffs[J].Animal Feed Science and Technology，1998，76：139-147.

[4]陳邵蘋(píng).近紅外漫反射光譜測(cè)定飼料中粗纖維[J].飼料工業(yè)，1996，17（6）：32-33.

表3 NIRS定量分析模型的定標(biāo)與驗(yàn)證結(jié)果Table 3 Calibration and validation results of quantitative analysis model

[5]尚晨，張?jiān)聦W(xué)，李炎，等.紫花苜蓿粗蛋白和粗纖維近紅外分析模型的建立[J].光譜學(xué)與光譜分析，2009，29（12）：3250-3252.

[6]吳利剛，王煊軍，樊瑞軍.光纖技術(shù)在近紅外光譜儀中的應(yīng)用[J].光學(xué)技術(shù)，2006，32：144-147.

[7]吳擁軍，李偉，相秉仁，等.光纖近紅外漫反射光譜技術(shù)在前胡族植物分類中的應(yīng)用探討[J].計(jì)算機(jī)與應(yīng)用化學(xué)，2000，17（2）：111-112.

[8]González-Martín I， González-Cabrera J M， Bustamante-Rangel M，et al.Near infrared reflectance spectroscopy（NIRS）technology for determination of tocopherols in animal feeds[J].Analytica Chimica Acta，2006，558（1，2）：132-136.

[9]閔順耕，李寧，張明祥.近紅外光譜分析中異常值的判別與定量模型優(yōu)化[J]. 光譜學(xué)與光譜分析，2004，24（10）：1205-1209.

[10]Huang Guangqun，Wang Xiaoyan，Han Lujia.Near infrared reflectance spectroscopy for total nutrient analysis in organic fertilizer using linear support vector machine[J].Transactions of the Chinese Society for Agricultural Machinery，2010，41（2）：93-96.