玉米DDGS近紅外光譜轉移研究

鄭一航 宋 濤 張 順 郭麗君 張鳳枰

(四川威爾檢測技術股份有限公司1，成都 610041) (通威股份有限公司水產畜禽營養與健康養殖農業農村部重點實驗室2，成都 610093) (通威股份有限公司水產健康養殖四川省重點實驗室3，成都 610093)

玉米干全酒糟(DDGS)是以玉米為原料，由酵母發酵蒸餾提取酒精后將剩余的殘液(含至少四分之三以上的可溶性固形物)濃縮干燥后所得的產品。玉米DDGS具有高能、高蛋白、營養價值高等特點，且產量大、質優價廉，已成為一種倍受關注的新型飼料原料。為了充分利用其價值，快速、準確測定玉米DDGS主要營養成分含量尤為重要。近年來，近紅外光譜分析技術日益成熟，已被廣泛應用于動物飼料營養成分測定[1-6]。然而，實際應用時，近紅外光譜分析技術易受到如儀器類型、環境條件、樣品狀態和裝樣方式等因素影響，從而影響所建預測模型的效果和適用性[7]。因此，建立良好的玉米DDGS近紅外定量分析預測模型并實現在不同型號儀器間的共享，有利于降低建模成本、提高預測模型的利用效率。目前已在飼料[8-11]、糧油[12,13]、煙草[14]和模型轉移算法[15]等領域開展了模型轉移研究，取得了良好的效果，但鮮有關于玉米DDGS營養成分NIRS預測模型轉移的報道。研究玉米DDGS營養成分預測模型在近紅外儀器之間的轉移，旨在為飼料生產企業近紅外儀器升級換代提供預測模型轉移方法的參考，降低近紅外儀器運行成本，提升近紅外儀器的使用效率。

1 材料與方法

1.1 樣品采集與制備

采集2018—2019年國產玉米DDGS樣品215個，樣品來自通威股份有限公司華東、華南、華西、華北、華中等地區飼料分公司。所有樣品采用FW100型高速萬能粉碎機粉碎，全部過40目篩，混合均勻，裝入密閉容器中，2～4 ℃保存。其中200個樣品為定標集樣本，15個樣品為外部驗證集樣本。

1.2 營養成分含量化學分析

水分：GB/T 6435—2014直接干燥法，101-1AB型電熱鼓風干燥箱；粗蛋白質：GB/T 6432—2018，Kjeltec 2300全自動凱式定氮儀；粗脂肪：GB/T 6433—2006，Soxtec2055脂肪測定儀；氨基酸：GB/T 18246-2000酸水解法，L-8900全自動氨基酸分析儀。每種成分測定時均做2次平行實驗。

1.3 近紅外光譜數據掃描

玉米DDGS樣品近紅外光譜數據采集分別采用DS2500F型近紅外分析儀(以下簡稱2500F)、TR 3750-5000型近紅外分析儀(以下簡稱5000)，主要參數見表1。

光譜數據采集前，取出樣品于室溫下平衡24 h，分別使用兩種型號近紅外分析儀掃描以收集光譜數據，每個樣品均掃描3次，取其平均光譜。

表1 近紅外分析儀主要參數

1.4 近紅外光譜模型建立方法

利用FOSS WinISI Ⅲ建模軟件，通過選擇全光譜范圍[16]，為消除光譜信號的基線漂移、隨機噪音及顆粒度不均勻造成的影響，參考國內外近紅外建模文獻[17-19]，根據不同組分特性，采用標準正態化和散射處理(SNVD)、導數處理方法[20]、數據間隔點、平滑處理間隔點、二次平滑處理間隔點等方法進行光譜預處理。根據主成分分析計算出馬氏距離(FOSS WinISI Ⅲ 軟件均以Global H表示，簡稱GH)，剔除GH≥3.0的異常光譜。采用改進偏最小二乘法(MPLS)，以內部交互驗證的方式建立定標模型，再經過定標樣品集校正預測模型，剔除預測值與化學值的絕對差大于定標平均誤差2倍的化學異常值，以最高交互驗證決定系數1-VR和最低交互驗證標準差(SECV)值確定最佳定標模型。

1.5 近紅外模型直接轉移

2500F型和5000型近紅外分析儀由于波段范圍和分辨率的不同，必須對寬范圍光譜進行裁剪，與窄范圍光譜波段保持一致(1 100～2 500 nm)，分辨率轉換為2 nm。用2500F型儀器掃描定標樣品集得到原始光譜建立預測模型(簡稱2500F原始模型)，將2500F原始模型直接轉移到5000型儀器使用。

1.6 近紅外光譜轉移

本研究近紅外光譜轉移理論是采用多元校正轉移方法(direct standardization, DS)，分別在源機和目標機上采集標準光譜(Xm,Xs)，建立兩者光譜之間的函數關系Xm=Xs*F，F為m×m轉換矩陣(m為波長點數)，利用最小二乘法原理求解轉換矩陣F，通過F轉換，實現建模光譜的轉移，即與目標機光譜一致[21]。以2500F型近紅外分析儀為主儀器，5000型近紅外分析儀為從儀器，利用WinISI Ⅲ 軟件對近紅外光譜建立標準化文件的方法實現原始光譜的轉移[22]。取10個具有代表性的樣品分別在兩臺儀器掃描獲得光譜，分別求其平均光譜為標準光譜，以2500F光譜為Host文件，5000型儀器為Master文件建立標準化文件，通過軟件Apply single sample STD功能將2500F型主儀器原始光譜利用標準化文件轉移到5000型從儀器上，使轉移后的光譜與5000原始光譜基本保持一致，用轉移后的新光譜建立新的預測模型。

1.7 預測模型評價

原始模型與轉移模型均采用交互驗證標準差SECV、交互驗證決定系數1-VR(1-VR)、系統偏差(Bias)來評價。分別用化學分析法和已建立的近紅外模型測定15個玉米DDGS樣品，根據樣品光譜的馬氏距離(GH)對模型光譜匹配度做判斷，GH≥3.0時，光譜匹配度低模型不可用；GH<3.0時，光譜匹配度高模型可用；同時通過濕化學檢測值與預測值成對樣本的t檢驗[23]，進一步評判模型的預測性能和可靠性[24]。

2 結果與討論

2.1 玉米DDGS營養成分含量化學分析結果

定標集、外部樣品驗證集玉米DDGS樣品的營養成分測定結果見表2。

2.2 玉米DDGS原始光譜和轉移光譜

由圖1可知，2500F原始光譜的吸光度明顯高于5000儀器原始光譜的吸光度，說明2500F與5000的原始光譜存在較大差異；2500F轉移到5000的光譜與5000原始光譜比較，相差較小，即相似度較高。通過研究直接轉移模型與通過光譜轉移模型的適用性，探討兩臺不同儀器之間的模型共享的最佳方法。通過定標樣品集在兩種機型掃描所得原始光譜及2500F轉移到5000儀器上的轉移光譜分別建立預測模型，其中2500F原始光譜所建模型直接轉移到5000為模型A，5000原始光譜所建模型為模型B，2500F原始光譜轉移到5000后所建模型為模型C。

表2 玉米DDGS樣品營養成分含量測定結果

圖1 近紅外掃描樣本平均光譜圖對比

2.3 玉米DDGS營養成分預測模型轉移

2.3.1 原始預測模型建立

對5000原始光譜的水分、粗蛋白質、粗脂肪進行建模，不同的光譜預處理方法對應的預測模型參數見表3。結果表明，參數為“2,4,4,1”的光譜預處理方法所得預測模型效果最佳；同理驗證谷氨酸、甘氨酸、賴氨酸是參數為“1,4,4,1”的光譜預處理方法所得預測模型效果最佳。根據結論，采用改進偏最小二乘法通過剔除化學值異常的樣品光譜建立5000原始預測模型(模型B)，參數見表4。采用同樣的方法，建立2500F原始預測模型(模型A)，參數見表5。

表3 5 000原始光譜不同光譜預處理方法對應的預測模型參數

表4 5 000原始光譜建立預測模型參數

表5 2 500F原始光譜建立預測模型參數

2.3.2 光譜轉移后預測模型建立

根據DS方法將2500F原始光譜實現光譜轉移，轉移到5000儀器上后，采用與原始模型一致的光譜預處理方法，采用改進偏最小二乘法經過兩輪異常值剔除建立預測模型(模型C)并與模型B各參數對比如表6所示。

通過SECV和1-VR值來看，模型B與模型C無顯著差異；同時發現模型C的粗蛋白質、粗脂肪、賴氨酸的SECV值比模型B更小，1-VR值比模型B更接近1。說明轉移后的水分、粗蛋白質、粗脂肪預測模型具有良好的預期效果。

表6 光譜轉移后建立預測模型C與5000原始預測模型B各參數對比

2.3.3 外部樣品集驗證光譜轉移建立的預測模型

衡量預測模型效果的統計參數除了SECV和1-VR外，還包括通過外部樣品集驗證轉移后預測模型光譜匹配度、系統偏差(Bias)、濕化學檢測值與預測值的差異性。取15個驗證集樣品，用5000掃描得到近紅外光譜，分別用2500F原始預測模型直接轉移到5000儀器上(模型A)、5000原始預測模型(模型B)和2500F光譜轉移5000所建預測模型(模型C)進行模擬驗證，各預測模型經外部樣品驗證各參數對比如表7所示。

表7 三種模型經外部樣品驗證各參數對比

外部驗證樣品在5000儀器掃描所得光譜使用模型A均報警嚴重(GH≥3)，是由于2500F和5000的檢測器、波數精度不一樣，2500F原始模型是根據2500F原始光譜進行建立的，而通過圖1又知，2500F的原始光譜的吸光度明顯高于5000原始光譜，說明二者差異較大，2500F儀器原始模型直接轉移到5000儀器上應用光譜匹配度低，不能適用于日常分析；使用模型B無報警樣品，使用模型C只有1個樣品報警(GH≥3)，兩者差異不顯著，說明2500F(寬波段)轉移到5000(窄波段)后光譜與5000原始光譜基本一致，說明要想實現2500F儀器所建模型與5000儀器共享，不能將2500F原始模型直接轉移到5000儀器上，必須先進行光譜轉移才能實現較好的模型傳遞。由于模型A不能應用于日常分析，因此本研究中未統計模型A的系統偏差、t統計值。通過系統偏差(Bias)來看，模型B與模型C基本一致；對濕化學分析值與預測值進行成對樣本t檢驗，如表7所示，經查表t0.05(28)=2.048，t0.05)，說明模型B和模型C的預測性能均較好，均能應用于日常分析。綜上，2500F(寬波段)原始光譜轉移到5000(窄波段)后建立玉米DDGS水分、粗蛋白質、粗脂肪、谷氨酸、甘氨酸、賴氨酸預測模型與5000原始預測模型的預測效果基本一致。

3 結論

本研究探討了玉米DDGS水分、粗蛋白質、粗脂肪、谷氨酸、甘氨酸、賴氨酸等指標近紅外光譜模型從2500F原始近紅外光譜轉移到5000上所建預測模型適用性和共享問題。從定標模型交互驗證標準差(SECV)、交互驗證決定系數(1-VR)、光譜匹配度(GH)、系統偏差(Bias)以及濕化學分析值與預測值差異等參數來看，2500F原始光譜轉移到5000后所建預測模型與5000原始光譜所建預測模型效果基本一致。因此，從2500F原始光譜轉移到5000后所建玉米DDGS水分、粗蛋白質、粗脂肪、谷氨酸、甘氨酸、賴氨酸等指標的預測模型是可以替代5000原始預測模型的，能適用于日常分析。實現模型共享，可極大提高建模效率、模型利用率、降低運行成本。另外，不同型號的近紅外分析儀的預測模型轉移方法略有不同，需多維度評價轉移模型的適用性來實現模型共享。