蛋白饲料原料粗蛋白含量近红外光谱模型转移研究

丁 柯，张月敬，沈广辉，于贤龙，杨增玲，刘 贤

中国农业大学工学院，北京 100083

蛋白饲料原料粗蛋白含量近红外光谱模型转移研究

丁 柯，张月敬，沈广辉，于贤龙，杨增玲，刘 贤*

中国农业大学工学院，北京 100083

建立良好的蛋白饲料近红外光谱定量分析模型及实现在不同仪器间的模型共享，能极大提高模型的利用效率，满足饲料行业快速发展的需要。针对蛋白饲料原料粗蛋白含量近红外分析模型适用性问题，首次采用光谱差值转移、直接校正和分段直接校正法进行了三台不同类型的近红外光谱仪之间的模型转移研究。实验样品为四种蛋白饲料原料：玉米蛋白粉、菜粕、酒糟和鱼粉。实验仪器包括MATRIX-Ⅰ傅里叶变换型近红外光谱仪(主仪器)，Spectrum 400傅里叶变换型近红外光谱仪(从仪器1)和SupNIR-2750光栅扫描型近红外光谱仪(从仪器2)。研究表明，同一样品体系在主仪器和从仪器2上所得光谱数据的差异性相对较小，且均与从仪器1所得光谱数据的差异性相对较大。除分段直接校正法对玉米蛋白粉从仪器2的预测结果无促进作用之外，其他模型的预测均方根误差和系统偏差均明显低于转移前。玉米蛋白粉、菜粕和酒糟样品采用三种方法转移后的模型预测相对分析误差(RPD)均大于3.0，预测效果良好。鱼粉样品模型转移后的预测RPD均大于2.5，预测效果较好。三种方法对于蛋白饲料原料不同仪器间的光谱差异进行了有效校正。该研究结果对于蛋白饲料品质近红外快速分析模型的广泛应用具有重要意义。

蛋白饲料； 粗蛋白； 近红外光谱； 模型转移

引 言

随着当前社会对畜禽产品需求的增加，养殖业得以迅速发展。与此同时，由于畜禽对蛋白质的营养需求较大，蛋白饲料一直是饲料企业的重点加工对象。为了满足饲料行业快速发展的需要，蛋白饲料主要营养成分含量的快速测定尤为重要。近年来，近红外光谱(near infrared reflectance spectroscopy，NIRS)分析技术在理论和技术上日益成熟，已应用于各种饲料原料的常规化学成分[1-3]和可利用氨基酸[4]、代谢能[5]等指标的快速分析。然而，实际应用时，近红外光谱易受到如仪器类型、测量环境和装样方式等测样条件以及样品状态等因素的影响，从而影响所建模型的效果及其适用性。因此，建立良好的蛋白饲料NIRS定量分析模型及实现其在不同仪器间的模型共享，能极大提高模型的利用效率，具有重要的经济价值和现实意义。

为了提高NIRS定量分析模型在不同类型仪器间的共享性，国内外学者已在不同领域开展了多种方法的模型转移研究[6-10]，并取得了不错的效果。而蛋白饲料近红外光谱模型转移方面相关研究却较少，仅检索到文献[11]针对豆粕样品开展了同型号光栅型近红外仪器之间的模型转移研究。基于前期已建立的稳定的粗蛋白含量NIRS分析模型，拟针对包括玉米蛋白粉、菜粕、酒糟(distillers dried grains with soluble，DDGS)和鱼粉样品在内的四种蛋白饲料，进行三台不同类型的NIRS仪器之间的模型转移研究，并探究不同NIRS仪器间光谱差异性大小对模型转移性能的影响。

1 实验部分

1.1 蛋白饲料样品的采集与制备

分别收集了145个玉米蛋白粉，161个菜粕，137个酒糟和85个鱼粉样品。样品分别来自北京、山东、河北、河南、广州等地区的饲料企业。所有样品采用ZM100旋风磨(Retsch，德国)粉碎，过40目筛。样品真空密封后置于样品室冷藏保存(4 ℃)。

1.2 粗蛋白含量实验室化学分析

粗蛋白含量的测定采用凯式定氮法(GB/T6432—1994)，使用Kjeltec 2300全自动凯式定氮仪(FOSS，丹麦)进行测定。

1.3 近红外光谱数据扫描

样品光谱数据采集分别采用三台不同类型的近红外光谱仪，分别为：(1)MATRIX-Ⅰ漫反射傅里叶变换型近红外光谱仪(BRUKER，德国，简称Bruker仪器)，Spectrum 400漫反射傅里叶变换型近红外光谱仪(Perkin Elmer，美国，简称PE仪器)，SupNIR-2750漫反射光栅扫描型近红外光谱仪(聚光科技有限公司，中国，简称Juguang仪器)。

三台实验仪器的近红外光谱采集参数如表1所示。

表1 近红外光谱实验仪器的光谱采集参数

光谱数据采集前，将样品放置于室温下24 h左右，使其与室温平衡。扫描样品时均采用旋转样品台，光谱扫描次数均为32次，每个样品重复扫描3次取其平均光谱。

1.4 不同仪器光谱差异性分析

经光谱预处理后，以Bruker仪器为基准仪器，以待研究仪器光谱与其光谱的欧式距离直观定量反映不同仪器间光谱差异性大小[12]。计算公式如下

(1)

1.5 光谱数据的匹配

选择Bruker仪器作为光谱数据匹配的基准，将傅里叶变换型PE仪器和光栅扫描型Juguang仪器的光谱数据格式分别向Bruker仪器进行转换。光谱数据匹配采用三次样条插值，利用Matlab中spline函数进行相关插值处理, 选用not-a-knot边界条件，先插值后截取[14]。

1.6 模型转移方法与评价

研究选择傅里叶变换型的Bruker仪器作为模型转移的主仪器，傅里叶变换型的PE仪器作为从仪器1，光栅扫描型的Juguang仪器作为从仪器2。

2 结果与讨论

2.1 不同类型仪器蛋白饲料NIRS光谱差异性

图1中(a)—(d)分别为PE仪器和Juguang仪器上所采集四种蛋白饲料样品的NIRS光谱与其在Bruker仪器上所得NIRS光谱平均光谱间的欧式距离分布情况，原始光谱均经过归一化处理。

由图1可知，对于各蛋白饲料样品，在Bruker仪器和Juguang仪器上所得NIRS光谱的光谱距离分布范围均较为接近，有着较多的重叠区域，且均和PE仪器上所得光谱的距离分布范围有较为明显的差别，反映了同一样品体系在Bruker仪器和Juguang仪器上所得NIRS光谱数据的差异性相对较小，且均与PE仪器上所得NIRS光谱数据间的差异性相对较大。

图1 不同仪器蛋白饲料光谱距离分布

表2 实验样品粗蛋白含量统计结果

表3 光谱匹配前后从仪器模型结果

2.2 样品粗蛋白含量统计

各种类蛋白饲料样品按浓度分集后，其校正集和验证集样品数与粗蛋白含量统计结果如表2所示。

2.3 光谱数据匹配前后从仪器的模型

表3为从仪器1(PE仪器)和从仪器2(Juguang仪器)蛋白饲料样品NIRS光谱数据匹配前后的模型结果。

由表3可以得出，两台从仪器各蛋白饲料样品体系匹配前后的模型结果均无明显差异。因此，可以利用匹配后的光谱数据进行模型转移研究。

2.4 模型转移前的预测

模型转移前，利用主仪器(Bruker仪器)建立的各蛋白饲料样品校正模型分别对主仪器和从仪器独立验证集进行预测，具体预测结果如表4所示。

表4 模型转移前的预测结果

由表4可知，直接采用主仪器(Bruker仪器)模型预测从仪器的验证集样品，预测效果均明显差于主仪器验证集的预测结果。同时，从仪器2的预测结果明显优于从仪器1，这与光谱差异性分析的结果相一致，与主仪器光谱差异较小，预测结果相对较好。对RPD值结果分析发现，除玉米蛋白粉和酒糟从仪器2的预测结果可以接受之外(RPD>2.25)，其他样品的从仪器预测结果与主仪器的预测结果相比较均严重衰减，其中菜粕和酒糟样品从仪器1的预测结果和鱼粉两台从仪器的预测结果RPD值均小于1.75，难以用于定量分析。比较分析表明，要实现主仪器所建模型在两台从仪器上的共享，很有必要进行模型转移。

2.5 模型转移

表5为分别利用DS，PDS和SS三种方法对五种蛋白饲料样品进行模型转移后，从仪器1和从仪器2的预测结果。

表5 模型转移后从仪器的预测结果

由表5可以看出，植物性蛋白饲料玉米蛋白粉、菜粕和酒糟样品采用三种方法转移后的模型预测结果RPD均大于3，取得了良好的预测效果。鱼粉样品从仪器1转移后的RPD值均大于3，从仪器2的RPD均大于2.5，也取得了较好的预测效果。

与转移前的预测结果(表4)进行比较分析，除PDS方法对于玉米蛋白粉从仪器2的预测RMSEP值无提高之外，采用DS，PDS和SS转移三种方法对四种蛋白饲料从仪器1和从仪器2进行模型转移后，预测RMSEP和Bias值均明显低于模型转移前。

进一步对RPD结果进行分析可知，对于从仪器1(图2)，采用三种方法模型转移后四种蛋白饲料样品的预测RPD值均明显高于转移前。其中，经DS，PDS和SS法转移后，玉米蛋白粉样品的预测RPD值分别提高239%，185%和186%； 菜粕样品的预测RPD值分别提高419%，471%和422%； 酒糟样品的预测RPD值分别提高110%，94%和124%； 鱼粉样品的预测RPD值分别提高224%，220%和226%。由此，对于主仪器和从仪器1即傅里叶变换型Bruker仪器和傅里叶变换型PE仪器之间的模型转移效果最大的为菜粕样品，最小的为酒糟样品。

对于从仪器2(图3)，除PDS方法对于玉米蛋白粉样品的模型转移无作用效果之外，三种方法模型转移后四种蛋白饲料样品的预测RPD值也均明显高于转移前。其中，经DS和SS法转移后，玉米蛋白粉样品的预测RPD值分别提高20%和19%； 经DS，PDS和SS法转移后，菜粕样品的预测RPD值分别提高80%，103%和120%； 酒糟样品的预测RPD值分别提高24%，40%和22%； 鱼粉样品的预测RPD值分别提高112%，93%和112%。由此，对于主仪器和从仪器1即傅里叶变换型Bruker仪器和光栅型Juguang仪器之间的模型转移效果最大的为鱼粉样品，最小的为玉米蛋白粉样品。

图2 蛋白饲料样品从仪器1的模型转移结果比较

图3 蛋白饲料样品从仪器2的模型转移结果比较

两台从仪器的结果比较分析发现，模型转移对从仪器1预测的作用效果明显大于对从仪器2预测的作用，这是由于主仪器与从仪器1的原始光谱差异性明显大于从仪器2，说明所采用的三种方法对于四种蛋白饲料玉米蛋白粉、菜粕、酒糟和鱼粉光谱不同仪器间的光谱差异进行了有效校正，从而有效提高已有粗蛋白含量分析模型的预测效果，促进模型的共享。

3 结 论

针对玉米蛋白粉、菜粕、酒糟和鱼粉等四种蛋白饲料原料粗蛋白含量近红外分析模型适用性和共享问题，采用三种方法开展了三台不同类型的NIRS仪器之间的模型转移研究。研究表明，同一样品体系在傅里叶变换型近红外光谱仪主仪器和光栅扫描型近红外光谱仪从仪器2上所得NIRS光谱数据的差异性相对较小，且均与傅里叶变换型近红外光谱仪从仪器1的光谱数据间的差异性相对较大。直接预测结果发现，要实现三台研究仪器间的模型共享，必须进行模型转移。

模型转移后，除PDS方法对于玉米蛋白粉从仪器2的预测结果无促进作用之外，采用直接校正、分段直接校正和光谱差值转移三种方法对四种蛋白饲料从仪器1和从仪器2进行模型转移后，预测RMSEP和Bias值均明显低于模型转移前。植物性蛋白饲料玉米蛋白粉、菜粕和酒糟样品采用三种方法转移后的模型预测结果RPD值均大于3，取得了良好的预测效果。鱼粉样品从仪器1转移后的RPD值均大于3，从仪器2的RPD均大于2.5，也取得了较好的预测效果。

[1] NIU Zhi-you, HAN Lu-jia, SU Xiao-ou, et al(牛智有，韩鲁佳，苏晓鸥，等).Transaction of the Chinese Society for Agricultural Machinery(农业机械学报)，2005, 36(5): 16.

[2] ZHOU Xing-fan, YANG Zeng-ling, LIU Xian, et al(周兴藩，杨增玲，刘 贤，等).Transaction of the Chinese Society for Agricultural Machinery(农业机械学报), 2012，3: 103.

[3] Fernandez-Ahumada E, Fearn T, Gomez-Cabrera A, et al.Applied Spectroscopy, 2013, 67: 924.

[4] LIU Bo-ping, QIN Hua-jun, LUO Xiang, et al(刘波平，秦华俊，罗 香，等).Chinese Journal of Analytical Chemistry(分析化学)，2007，35: 525.

[5] Tyagi P K, Shrivastav A K, Tyagi P K, et al.Indian Journal of Poultry Science, 2009, 44(1): 45.

[6] WANG Jia-jun, ZHE Wei, LIU Yan, et al(王家俊，者 为，刘 言，等).Acta Tabacaria Sinica(中国烟草学报)，2014, 20(6): 1.

[7] Leion H，Folestad S，Josefson M，et al.Journal of Pharmaceutical and Biomedical Analysis，2005, 37(1): 47.

[8] Bergman E L, Brage H, Josefson M, et al.Journal of Pharmaceutical and Biomedical Analysis, 2006, 41: 89.

[9] Ridder T D, Steeg B J V, Price G L.Applied Spectroscopy, 2014, 68(8): 852.

[10] Soldado A, Fearn T, Martinez-Fernandez A, et al.Talanta, 2013, 105: 8.

[11] WANG Qian, HUANG Jia-ming(王 倩，黄家明).Chinese Journal of Animal Science(中国畜牧杂志)，2014，13: 83.

[12] DUAN Rui-lu, LIU Ting-xi, ZHANG Sheng-wei, et al(段瑞鲁，刘廷玺，张圣微，等).Arid Zone Research(干旱区研究)，2014, 4: 750.

[13] Liu X, Han L J, Yang Z L.Journal of Dairy Science, 2011, 94(11): 5599.

[14] Williams P C, Sobering D C.Journal of Near Infrared Spectroscopy, 1993, 1: 25.

[15] Malley D F, McClure C, Martin P D, et al.Communications in Soil Science and Plant Analysis, 2005, 36(4-6): 455.

*Corresponding author

(Received Jun.12, 2015; accepted Oct.26, 2015)

Calibration Transfer of Near Infrared Spectrometric Models for Crude Protein of Protein Feed Materials

DING Ke, ZHANG Yue-jing, SHEN Guang-hui, YU Xian-long, YANG Zeng-ling, LIU Xian*

College of Engineering, China Agricultural University, Beijing 100083, China

The near infrared spectrometric quantitative model of protein feed and its sharing in different instruments can greatly improve the utilization efficiency of the model and meet the needs of rapid development of feed industry.Considering the issue of applicability of near infrared spectrometric models for crude protein of protein feed materials, calibration transfer was explored among three types of instruments using spectral subtraction correction, direct standardization and piecewise directs standardization methods for the first time.Four kinds of protein feed raw materials were involved in the present study, corn protein powder, rapeseed meal, fish meal and distillers dried grains with soluble.The experimental instruments included MATRIX-I Fourier transform near infrared instrument (master instrument), Spectrum 400 Fourier transform near infrared instrument (slave 1 instrument), and SupNIR-2750 grating near infrared instrument (slave 2 instrument).Results showed that the spectral data difference for all the samples between the master and slave 2 instrument was relatively small, and the difference between the master and slave 1 instrument, and slave 1 and slave 2 instrument were relatively large.All the root mean square error of prediction and bias values after calibration transfer were lower than the values before calibration transfer, except that no improvement was found for the prediction of corn protein powder of slave 2 instrument corrected by piecewise direct standardization method.The relative prediction deviation (RPD) of corn protein powder, rapeseed meal and distillers dried grains with soluble transferred by all three methods were higher than 3, which indicated good predictions, while the RPD of fish meal were all higher than 2.5, which indicated relative good predictions.All three techniques used in the study were effective in the correction of the difference between different instruments for protein feed materials.This study is of important practical significance for the application of near infrared spectrometric models for crude protein of protein feed materials.

Protein feed； Crude protein； Near infrared reflectance spectroscopy； Calibration transfer

2015-06-12，

2015-10-26

国家重大科学仪器设备开发专项课题(2014YQ47037705)，国家科技支撑计划资助(2014BAD08B11-2)和国家自然科学基金项目(31201827)资助

丁 柯，1991年生，中国农业大学工学院硕士研究生 e-mail：lx@cau.edu.cn *通讯联系人 e-mail：liuxian79@163.com

S814.2

A

10.3964/j.issn.1000-0593(2016)05-1334-06