近紅外光譜法測定飼料中粗纖維含量研究

陳義飛

(黑龍江省大慶市糧食質量檢驗監測站 163316)

近紅外光譜法測定飼料中粗纖維含量研究

陳義飛

(黑龍江省大慶市糧食質量檢驗監測站 163316)

近紅外光譜法是基于近紅外光譜分析技術建立的一種對糧油及其制品中有機物含量進行分析的一種快速方法。筆者研究的主要內容是應用近紅外光譜法對常見飼料中粗纖維含量進行測定的方法,建立有針對性的近紅外光譜模型,并對其準確度及精密度進行驗證。

近紅外;飼料;粗纖維

1 近紅外光譜法原理

一般來說波長為400～750 n m的光線是可見光,距離可見光區較為接近的波長為750～2500 n m之間的光線為近紅外光。有機物的不同官能團在近紅外光譜區的吸收都有各自的特征,因此其近紅外光譜中所包含的特殊信息就成為用來進行定性或者定量分析的基礎。因此通過對已知化學成分含量的樣品集進行近紅外掃描,收集其特征譜圖就能夠建立起可靠的預測模型,以此對同類或類似的未知確切化學組成的樣品進行定性評價或者定量分析。

2 使用儀器設備及試劑

2.1 儀器設備

儀器及設備有近紅外分析儀,7200型,瑞典波通儀℉限公司;水分磨;感量0.1 mg分析天平;石英濾堝;陶瓷篩板;灰化皿;鼓風干燥箱;干燥器;馬弗爐;冷提取裝置等。

2.2 試劑

試劑有鹽酸、硫酸、丙酮、氫氧化鉀、濾器輔料、正辛醇、石油醚等。

3 飼料粗纖維含量預測模型建立

3.1 建立樣品集

收集黑龍江省內15個不同飼料生產廠家生產的同類家畜飼料樣品200份。采用國家標準方法《G B5497-1985糧食、油料檢驗水分測定法》中定溫定時法,對全部200份飼料樣品進行水分含量檢測,選定均勻分布在9.1%～10.0%,10.0%～11.0%,11.0%～12.0%,12.0%～13.0%,13.0%～14.0%,14.0%～15.2%的各個階段的樣品176份作為飼料粗纖維含量預測模型樣品集。將樣品集中的樣品分別采用國家標準方法《G B/T6434-2006飼料中粗纖維測定方法》中的過濾法對樣品中粗纖維含量進行測定。樣品集中的飼料樣品所含粗纖維范圍為2.6%～6.8%。

3.2 收集近紅外譜圖

優化飼料樣品的近紅外光譜采集條件：選取10個代表性飼料樣品,分別對掃描次數,重新裝樣次數以及樣品裝樣厚度的效果進行分析。通過改變單一條件進行采集光譜,計算標準差等方式,比較各種采集方案的精密度和準確度,最終確定當掃描次數為30次,裝樣厚度為12mm,重新裝樣次數為2次時,被檢樣品的掃描所得近紅外光譜譜圖穩定性最好,并且重現性最佳,準確度和精密度達到最佳效果。

譜圖的收集：將近紅外儀開機后,穩定1 h以上,保證近紅外光源溫度達到恒定,光線穩定。建立建模曲線收集項目,設定重新裝樣次數為兩次,每次裝樣掃描次數為30次,裝樣厚度為12 mm。連續對樣品集中全部176份飼料樣品進行近紅外掃描,記錄近紅外譜圖。

3.3 模型建立

用傅立葉變換、偏最小二乘法、多元線性回歸等化學計量學方法對光譜進行處理和校正,從而建立穩定、可靠的定性或定量分析模型。

建立模型之前首先要進行異常值的剔除,采用光譜杠桿值以及學生殘差為標準來找出異常樣品,如果某份樣品的光譜杠桿值達到平均影響值的1.7 倍,學生殘差達到了平均值的2.8倍,就歸為異常樣品。通過已有的統計學軟件計算得出樣本粗纖維的光譜杠桿值和學生殘差,發現26號,79號以及144號樣品均為異常樣品,因此將這三份樣本從樣本集中除去。最終將所余的173個樣本重新編號,再次進行掃描和異常值計算,均合格。最后,根據采用國家標準方法測得的樣品粗纖維含量的化學值,依據排序法指定定標集和驗證集。最終確定能基本涵蓋全部173份樣品信息的120份樣本為所建模型的定標集,其他53份樣本作為驗證集。定標集確定之后,對原始光譜圖進行處理,選取能夠明顯觀察到特征吸收峰的區段作為建立飼料粗纖維預測模型的光譜區域。采用偏最小二乘法建立模型,并且對各個光譜做附加散射校正以及平滑處理等操作,選出最佳預測模型。綜合考慮模型的準確性,最終在800～1260 n m波長范圍內,選取附加散射校正以及一階導數再加做9點平滑處理最終的到的預測的校正決定系數為0.9773,驗證決定系數0.9677,全部達到較好的預期效果。經過計算得到,該預測模型的決定系數為0.843,標準分析誤差為0.269。理論上能夠達到很好的預測效果以及穩定性和重現性。

4 預測模型的外部驗證

選取未參與建模的40份樣品,采用國標方法測定其纖維素含量的化學值,接著用近紅外儀進行掃描,得到預測值。將外部驗證樣品的預測值與其化學值進行結果的比對檢驗。預測結果與經典方法結果的絕對誤差范圍為-0.32%～0.36%。在除去異常值的情況下,預測結果與經典方法結果的絕對誤差范圍為-0.12%～0.23%,誤差的絕對值均小于0.5%。這一結果表明了近紅外光譜法測得的預測數據與化學方法檢測的化學值不存在顯著性差別,一致性較好,有較高的準確度和精密度。

5 結論

最近幾十年以來,糧油檢驗工作者對于近紅外光譜法在飼料檢驗中的研究越來越廣泛和深入,尤其是對有機成分含量的檢測過程中,近紅外檢測方法有著速度快,準確性高,穩定性好等諸多優點。近紅外分析技術的應用也越來越普遍。目前,有越來越多的與飼料相關的檢測項目有了近紅外國標方法,比如各種飼料中的常規成分：包括蛋白質、淀粉、脂肪含量等的檢測等。隨著近紅外光譜技術的不斷發展和普及,會有越來越多的近紅外快速方法被應用于飼料的檢測,更加輕便,易于操作的近紅外儀器的研制也必將更快地推進近紅外光譜分析技術在飼料品質檢測中的應用。

由于近紅外方法是一種二級方法,還要依托化學方法進行建模,只要建立科學的近紅外預測模型,就能夠快速準確的檢測出大批量飼料中各種成分的含量,能夠大大的降低檢測時間,節約檢測費用,有效的提高工作效率。