近红外光谱技术预测胡麻饼营养成分的定标模型建立及验证

陈立业，年芳，李发弟，汝应俊，唐德富

(1.甘肃农业大学动物科技学院，甘肃 兰州　730070；2.甘肃农业大学理学院，甘肃 兰州　730070；3.丹尼斯克动物营养，新加坡　117525)



近红外光谱技术预测胡麻饼营养成分的定标模型建立及验证

陈立业1，年芳2，李发弟1，汝应俊3，唐德富1

(1.甘肃农业大学动物科技学院，甘肃 兰州730070；2.甘肃农业大学理学院，甘肃 兰州730070；3.丹尼斯克动物营养，新加坡117525)

摘要：【目的】 探讨近红外光谱技术用于胡麻饼营养价值评定的可行性.【方法】 以不同来源的胡麻饼为试验材料，在波长400～2 498 nm，以改进最小二乘法搭配不同光谱预处理建立胡麻饼水分、粗灰分、粗蛋白、粗脂肪和总能的近红外定标模型.【结果】 各指标模型交叉验证相关系数(1-VR)均在0.88以上，内部交叉验证集验标决定系数(RSQ)值均在0.92以上，外部验证集验标决定系数(RSQ)值均在0.85以上.【结论】 近红外光谱技术能够快速无损测定胡麻饼营养成分，可以使胡麻饼更好地应用于动物饲料中.

关键词：胡麻饼；近红外光谱；定标模型；内部交叉验证；外部验证

胡麻是我国甘肃、宁夏、青海、新疆、河北等地区的特种油料作物，压榨后的副产物为胡麻饼(粕)，胡麻饼粗蛋白含量为35%～38%，粗脂肪含量5%～13%，赖氨酸含量0.8%，低于大豆饼80%，蛋氨酸含量1%～5%，高出大豆饼一倍，其他氨基酸含量高于或等于大豆饼的含量，可见胡麻饼是西北及华北地区产量丰富的畜禽蛋白质饲料[1].因胡麻种植地区的气候、土壤肥力和品种不同胡麻饼(粕)的养分含量也有很大差异，又因其存在毒性问题，限制了胡麻饼(粕)在畜禽生产中的应用.因此，开展胡麻饼饲料对畜禽营养价值的研究，对精确配制畜禽饲粮有重大意义.

20世纪60年代，美国学者Norris等[2]首先开始应用近红外光谱(near infrared spectroscopy，NIRS)技术测定了谷物中的水分、蛋白质、脂肪等含量，并致力于其他农产品品质的研究.近年来，NIRS技术已经成为饲草水分含量测定(moisture in forage，AOAC official method 991.01)、酸性洗涤纤维和粗蛋白含量分析(acid detergent fiber and crude protein in forage，AOAC official method 989.03)的标准方法[3]对大豆和小麦中水分和蛋白的分析也得到了美国谷物化学家学会(AACC)[4]和国际谷物协会(ICC)的认可[5].以上研究表明，NIRS技术用于营养成分预测具有极大潜力.目前尚未有对胡麻饼(粕)营养成分进行NIRS定标及验证研究的报道.鉴于此，本试验采集不同来源胡麻饼样品70个，分析常规化学成分变异度，建立50个样品的粗蛋白、能量、水分、粗灰分、粗脂肪的近红外定标模型、内部验证集及20个样品的外部验证集，探讨近红外光谱技术用于胡麻饼营养价值评定的可行性.

1材料与方法

1.1样品采集与制备

采集甘肃、青海、宁夏不同来源胡麻饼样品70个，样品无霉变、发酵、结块和异味，符合饲料卫生标准.每个样品选取具有代表性胡麻饼25～30片，粉碎后充分混合并过0.45 mm孔筛，采用四分法取样500 g左右，广口瓶干燥密封，置于4 ℃冰柜中保存.

1.2测定指标及方法

水分(Moisture)按照GB/T 6435-1986[6]测定，粗蛋白(CP)按照GB/T 6432-94[7]测定，粗脂肪(CF)按照GB/T 6433-94[8]测定，粗灰分按照GB/T 6438-1992[9]方法测定，总能(GE)采用IKA C2000全自动氧弹仪测定.

1.3光谱采集

试验采用美国 FOSS公司 XDS-RCA可见/近红外光谱仪，随机配备WinISI Ⅲ光谱采集软件.设定参比扫描数量为32次，光谱扫描间隔2 cm-1，分辨率为8 cm-1.开机自检通过后采集样品光谱，将样品尽量用力压实于样品杯内，在波长400～2 498 nm进行光谱扫描，每个样品重复装样扫描3次，得到一条平均近红外光谱图.

1.4定标模型的建立与验证

光谱分析采用FOSS公司ISIscan软件，取GH(Global H)=10.0，NH(Neighborhood H)=3.0方法剔除超常样品.50个胡麻饼样品的全光谱信息，采用改进最小二乘法(MPLS)配合不同光谱预处理方法建立近红外定标模型，并对模型的预测效果进行内部交叉验证，比较近红外光谱模型分析得到的预测值和化学测定值的符合程度.用另外20个已知化学测定值的样品，对定标模型进行外部验证，将预测值与化学测定值相比较，进一步确定模型是否可用.

1.5定标模型评价参数及评定标准

定标模型采用交叉验证相关系数(1-VR)、交叉检验标准偏差(SECV)、模型的交叉验证偏差(Bias)、定标标准偏差(SEC)、定标决定系数(RSQ)对模型的优劣进行综合评定.1-VR值越大，SECV值越小即为最佳模型.

验证集采用预测值与化学测定值间的平均偏差(Bias)、验标标准偏差(SEP)、验标决定系数(RSQ)及实验室实测值和近红外值进行评定.RSQ值越大，同时验证集的预测值与化学测定值间的平均偏差(Bias)较小的模型，即为最佳模型.

2结果与分析

2.1胡麻饼化学成分的变异度分析

根据国家标准胡麻饼的水分含量不得超过12%.由表1可知，70个样品中胡麻饼水分含量最大值为9.71%，样品水分含量均符合国家规定范围.在干物质基础上以粗蛋白和粗灰分为质量控制指标，按含量分为三级，粗蛋白(%)含量≥34.0%为一级、≥32.5%为二级、≥31.0%为三级，粗灰分(%)含量<7%为一级品、<8%为二级品、<9%为三级品.按以上的蛋白含量评定标准，试验所选样品符合一级品的为62个，占样品总数的88.57%，二级品8个占样品总数的11.43%.在样品中粗灰分含量<7%的共38个，一级品占总样品数的54.29%，二级品23个，仅有9个样品为三级品.70个样品中胡麻饼脂肪含量最小值为3.84%，最大值为17.78%，粗脂肪含量在7%以上的样品有40个，占总样品数的57.14%，达到10%以上的18个样品，占总数的25.71%，样品变异度37.80%的数值较大，因为不同来源样品的压榨工艺不同所致.总能为17.89～20.05 MJ/kg，平均值为18.87 MJ/kg，极差为2.16 MJ/kg.结果显示定标样品具有良好的连续性与代表性，满足定标条件的要求.

表1　不同来源胡麻饼化学成分含量分布(干物质基础)

2.2胡麻饼样品的近红外光谱图

图1所示为70个样品在400～2 498 nm近红外漫反射光谱图.近红外光谱属于分子振动光谱，是基频分子振动的倍频和组合频，主要反映样品中的C-H、O-H、N-H、S-H等含氢基团的特征信息.近红外漫反射光谱由于仪器状态、样品状态与测量条件的差异，容易造成光谱的平移或偏转，所以，在进行定标模型建立之前要对光谱进行平滑滤噪和求导等数学预处理.

2.3胡麻饼化学成分NIRS定标模型的建立与内部验证

由表2可知，胡麻饼不同化学成分NIRS的定标模型的建立以改进偏最小二乘法为建模方法，但最优模型建模时光谱数据的预处理方法不同，水分以MMSC处理，定标模型交叉检验结果SECV为0.236 7，1-VR为0.916 4；粗灰分以SNV处理，SECV为0.244 7，1-VR为0.957 1；粗蛋白以DET处理，SECV为0.424 1，1-VR为0.884 4；粗脂肪以SNV处理，SECV为0.672 3，1-VR为0.955 6；能量以None处理，SECV为0.119 9，1-VR为0.890 2.各项指标最优定标模型SECV值均较小，1-VR值均在0.88以上.

胡麻饼营养成分定标模型的内部交叉验证结果见表3.水分、粗灰分、粗蛋白、粗脂肪和总能的定标决定系数RSQ值分别为0.938、0.972、0.921、0.983和0.932，各项指标RSQ值均在0.92以上.

图1　70个胡麻饼的近红外光谱图

指标光谱预处理参数nSECRSQSECV1-VRBias水分MMSC2.4.4.1500.21350.93280.23670.9164-0.1420粗灰分SNV0.0.1.1470.20950.96870.24470.9571-0.1468粗蛋白DET0.0.1.1490.39210.90010.42410.8844-0.2545粗脂肪SNV0.0.1.1460.45180.98020.67230.9556-0.4034能量None1.4.4.1480.09990.92190.11990.8902-0.0719

SEC：实验室分析值和近红外分析值的标准偏差；Bias：近红外预测值与化学测定值间的平均偏差.

表3　不同来源胡麻饼化学成分定标模型内部验证

Bias：验证集的预测值与化学测定值间的平均偏差.

各营养指标验证的平均偏差(Bias)均小于0.6倍的定标标准偏差(SEC)，而且预测标准偏差(SEP)值小于定标标准偏差(SEC)值的1.3倍，均在验标系统报警极限值以内.

2.4胡麻饼化学成分NIRS定标模型的外部验证

由表4可知，水分的NIRS预测结果与化学分析值的定标决定系数RSQ为0.927；粗灰分RSQ为0.931；粗蛋白RSQ为0.888；粗脂肪RSQ为0.947；能量RSQ为0.855.各项指标RSQ值均在0.85以上，验证集的预测值与化学测定值间的平均偏差(Bias)分别为0.019、0.140、-0.112、-0.084、0.120，按照饲料中水分、粗蛋白质、粗脂肪、粗纤维、赖氨酸、蛋氨酸快速测定近红外光谱法(GB18868-2002)[10]国家标准的要求，水分含量≤10%、25%≤CP≤40%、CF≥10%的饲料样品的近红外值与化学测定值之间的平均偏差分别要≤0.30%、≤0.50%、≤0.35%，上述营养指标的近红外定标模型均能很好地逼近化学测定值.

表4　不同来源胡麻饼化学成分定标模型外部验证

*：测定结果；NIR：近红外预测结果；Bias：验证集的预测值与测定值间的平均偏差.

3讨论

Williams等[11]应用NIRS测定了谷实类、油料籽实的粗蛋白质和水分含量.随着NIRS技术的发展，Schaalje等[12]测定了大豆的氮含量.Fontaine等[13]完成了对鱼和鱼粉中油脂和蛋白质含量的检测.到1978年加拿大和美国两国的谷物协会已将近红外光谱分析方法作为公用方法.国内也有许多学者作了这方面的研究工作，卢利军等[14]应用近红外分析仪(NIRS)快速测定黄豆粕中水分、蛋白质和粗脂肪的含量.通过光谱扫描、统计分析，分别找出测量黄豆粕水分、蛋白质、粗脂肪的波长及校准常数值.经数理统计分析结果表明：近红外法与常规水分测定法、经典凯氏定氮法、索氏浸提法所测定的结果呈密切的线性相关，检测结果令人满意.唐绍清等[15]利用精米粉脂肪含量化学分析值及其近红外反射光谱以建立分析精米中脂肪含量数学模型.选取3段谱区分别采用4种不同的预处理方法，对其结果进行比较，发现选择不同谱区和不同光谱预处理方法对所建模型有很大的影响，同时证明了利用近红外光谱技术测定稻米脂肪含量的可行性.如朱文秀等[16]采集了12份不同的油菜种子样品，分别采用两种不同的测定方法，对样品进行了品质参数的分析比较，结果表明，近红外光谱值与化学方法的测定结果相似.

一个定标模型的优劣取绝于所建模型相关系数的高低及误差的大小.即以交叉验证相关系数(1-VR)、交叉检验标准偏差(SECV)、模型的交叉验证偏差(Bias)、定标标准偏差(SEC)、定标决定系数(RSQ)对模型的优劣进行综合评定.1-VR值越大，SECV值越小即为最佳模型，本试验中胡麻饼的水分、粗灰分、粗蛋白、粗脂肪和总能的近红外定标模型的交叉验证相关系数(1-VR)值均在0.88以上，通常相关系数越接近于1，说明定标模型对定标样品集的变异描述的能力越强，所以好的模型的定标决定系数(RSQ)一般均要求高于0.7，而本试验定标决定系数(RSQ)值均在0.91以上，内部交叉验标决定系数(RSQ)值均在0.92以上，外部验证集验标决定系数(RSQ)值均在0.85以上，都达到了实用的要求，说明近红外光谱技术用于测试胡麻饼营养成分是可行的.

4结论

70个不同来源胡麻饼水分、粗蛋白、粗灰分、粗脂肪和能量的变化范围分别为6.26%～9.71%、32.76%～38.56%、4.16%～8.99%、3.84%～17.78%和17.89%～20.05%，样本基本符合正态分布，具有良好的连续性与代表性,满足试验条件的要求.定标模型各项指标交叉验证相关系数(1-VR)值均在0.88以上，定标决定系数(RSQ)值均在0.91以上，内部交叉验标决定系数(RSQ)值均在0.92以上，外部验证集验标决定系数(RSQ)值均在0.85以上，验证集的预测值与化学测定值间的平均偏差(Bias)均较小.

在试验中，为了使模型达到理想的分析效果，减小试验误差，采用平均光谱、平均化学值，运用建模软件的优化手段，删除异常值，选用多种预处理方法排除干扰信息，所建立定标模型可用，对样品的预测效果比较理想.

参考文献

[1]武殿祥.要重视胡麻饼料的开发和利用[J].饲料研究,1986(7):32

[2]Norris K H,Barnes R F,Moore J E,et al.Prediction forage quality by NIRS[J].Animal Science,1976,43(4):897-899

[3]Baur F J,Ensminger L G.The association of official analytical chemists[J].Bioscience kepports,2008,28(5):239-249

[4]Thompson B N.Influence of whole meal granularity on analysis of HRS wheat for protein and moisture by near in frared reflectance spectrospy[J].Cereal Chemistry,1978,55(6):1014-1037

[5]Consuel O M.Effects of late nitrogen fertilizer application on head rice yield,protein content,and grain quality of rice[J].Cereal Chem，73(5):556-560

[6]中国兽药监检所.GB/T 6435-1986饲料水分的测定方法[S].北京:中国标准出版社,1994

[7]国家饲料质量监督检验中心(北京).GB/T 6432-1994饲料中粗蛋白测定方法[S].北京:中国标准出版社,1994

[8]国家饲料质检中心(北京).GB/T 6433-1994饲料粗脂肪测定方法[S].北京:中国标准出版社,1994

[9]国家饲料质量检验中心(武汉).GB/T 6438-1992饲料中粗灰分的测定方法[S].武汉:中国标准出版社,1992

[10]国家饲料质量监督检验中心(北京).GB18868-2002饲料中水分、粗蛋白质、粗纤维、粗脂肪、赖氨酸、蛋氨酸快速测定近红外光谱法[S].北京:中国标准出版社,2002

[11]Williams P C,Norris K H,Sobering D C.Determination of protein and moisture in wheat and barley by near infrared transmission[J].Journal of Agricultural Food Chemistry,1985,33:239-244

[12]Schaalje G B,Mundel H H.Use of residual maximum likelihood to evaluate accuracy of two NIRS calibration procedures,relative to Kjeldahl,for determining nitrogen concentration of soybeans[J].Plant Sci,1991,71:385-392

[13]Fontaine J H J,Sehirmer B.Near-infrared reflectance spectroscopy enables the fast and accurate prediction of the essential amino acid contents in soy,rapeseed meal,sunflower meal,peas,fishmeal,meat meal products and poultry meal[J].Agric Food Chem,2001,49(1):57-66

[14]卢利军,庄树华,李爱军,等.应用近红外技术测定黄豆粕中水分、蛋白质和粗脂肪[J].分子科学学报,2001,17(2)：115-120

[15]唐绍清,石春海,焦桂爱,等.利用近红外反射光谱技术测定稻米中脂肪含量的研究初报[J].中国水稻科学,2004,18(6):563-566

[16]朱文秀,赵继献,张品,等.近红外光谱分析与化学方法检测油菜种子品质参数的比较[J].安徽农学通报,2010,16(17):182-183

(责任编辑赵晓倩)

Establishment and verification of predicting model in linseed cake nutrients by near infrared spectroscopy (NIRS)

CHEN Li-ye1，NIAN Fang2，LI Fa-di1，RU Ying-jun3，TANG De-fu1

(1.College of Animal Science and Technology,Gansu Agricultural University,Lanzhou 730070；2.College of Science，Gansu Agricultural University,Lanzhou 730070；3.Danisco Animal Nutrition,Singapore 117525)

Abstract：【Objective】To investigate the feasibility of near infrared spectroscopy linseed cake assessed for nutritional value.【Method】 A predicting model was built on moisture,ash,CP,fat and GE of linseed cake with wavelength in 400～2 498 nm,modified partial least square collocate different spectral preprocessing.【Result】 The model coefficient of determination for cross validation (1-VR) was above 0.88.Use internal validation and external validation confirmed the stability of the model.Regression squared (RSQ) values of internal validation set above 0.92.Regression squared (RSQ) values of external validation set above 0.85.【Conclusion】 Near infrared spectroscopy can fast nondestructively determine linseed cake nutrients,and make linseed cake better used in animal feed.

Key words：linseed cake；near infrared spectroscopy (NIRS)；calibration model；internal cross validation；external validation

通信作者：年芳，女，副教授，硕导，主要从事饲料营养研究.E-mail：nianf@gsau.edu.cn

基金项目：甘肃省自然科学基金(1010RJ2A187).

收稿日期：2014-10-07；修回日期：2015-03-21

中图分类号：S 816

文献标志码：A

文章编号：1003-4315(2016)02-0016-05

第一作者：陈立业(1988-)，女，硕士研究生，研究方向为动物营养.E-mail：chenliye19880225@163.com