近红外光谱检测青贮饲料的营养成分

曹明月，李 贤，黄好强，兰 剑，牛 岩，陆 静，郑爱荣，兰尊海

(1.河南海瑞正检测技术有限公司，河南 郑州 450001;2.河南省饲草饲料站，河南 郑州 450002)

我国是一个农业大国，具有丰富的农作物秸秆资源。玉米秸秆是主要农作物秸秆之一，我国每年可产生1.82亿吨[1]。反刍动物能够有效利用纤维含量较高的粗饲料，玉米秸秆作为反刍动物的主要粗饲料在其养殖日粮中长期占有很大比例，但秸秆的营养物质含量低，牲畜食用转化率不高，而秸秆经过青贮工艺与其它精细饲料配比以后，其气味、适口性、消化率等性状品质发生较大的改变，可长期保存用以满足牲畜日粮需求。在秸秆青贮及混合饲料配比过程中，需实时监测分析营养成分含量。近红外光谱技术具有快速、高效、无损等特点，近年来，被广泛应用于农产品、饲料中营养物质及功能性组分的测定及定量预报[2-6]。近红外检测技术在饲料分析过程中，具有测试重现性好、分析速度快(一个样品的多种组分只需要3 min-4 min即可完成)、分析效率高、适用范围广、分析成本低等特点[7-8]，可实现快速高效、绿色无污染、实时分析的检测需求。XICCATO等[9]采用偏最小二乘回归方法(PLSR)，对光谱进行二阶导数和20点平滑预处理，对164个兔子饲料样品中干物质、粗蛋白质、粗纤维、中性洗涤纤维、酸性洗涤纤维、酸性木质素、淀粉含量进行近红外分析。本试验拟通过建立青贮饲料中营养成分的近红外预测模型，探讨近红外光谱快速检测青贮饲料营养指标的方法。

1 材料与方法

1.1 样品的预处理

将来自不同奶牛场随机抽取的154批次具有代表性的青贮样品各500 g，放入电热鼓风干燥箱中，65℃，48h干燥后进入粉碎筛，混合均匀，控制粒度在40目，储存于自封袋中，平衡水分24小时后用于化学成分的测定和近红外光谱数据采集。

1.2 分析仪器与近红外光谱数据采集

采用美国Unity公司Spectrastar 1400XL-3型近红外光谱仪的光栅扫描方式对青贮样品进行近红外光谱分析。将平衡水分24小时后的青贮样品放入分析杯中，装入样品体积约占杯体积的1/2-2/3处，观察杯底部，保证无空隙。将装好的样品杯置于适配环上，在波长1 400-2 500 nm范围内对每个样品重复扫描两次，采集光谱。

1.3 青贮样品化学成分分析

试验中样品的化学成分按照国家标准或作业指导书的测定方法进行：粗蛋白测定参照《GB/T 6432-1994饲料中粗蛋白的测定》；粗脂肪测定参照《GB/T 6433-2006饲料中粗脂肪的测定》；水分测定参照《GB/T 6435-2014饲料中水分的测定》；淀粉测定参照《ZYA-SL-005-2017测定》；中性洗涤纤维参照《GB/T 20806-2006饲料中中性洗涤纤维的测定》；酸性洗涤纤维参照《NY/T 1459-2007饲料中酸性洗涤纤维的测定》，每个样品测定两次，在误差允许范围内取两次平均值为测定值。

1.4 建立近红外光谱定标模型

将近红外采集的光谱数据与化学检测数据分别导入Ucal化学计量分析软件中。通过Scatter correction(SNV-Detrending)散射校正和Derivates 衍射等预处理光谱数据来降低样品粒度与均匀性对分析结果的影响[10]，采用偏最小二乘法(partial least squares regression, PLS)提取光谱中的有效信息，建立青贮粗蛋白、粗脂肪、水分、淀粉、中性洗涤纤维、酸性洗涤纤维含量的近红外定标模型。

2 结果与分析

2.1 青贮样品的近红外光谱图谱

利用近红外光谱仪扫描的样品光谱图，见图1。横坐标为波数，纵坐标为吸光度，经过平滑、归一化处理(散射校正、变量标准化)和基线校正(一阶导数或二阶导数)处理后的光谱，见图2。

图1 青贮饲料近红外扫描光谱图

图2 青贮饲料样品近红外光谱的二阶导数

2.2 青贮样品的化学分析结果

用于建立定标模型的青贮样品，其化学分析结果见表1。从表1可看出，所选样品组分含量范围广，具有良好的代表性。

表1 青贮饲料样品营养成分的化学分析结果

2.3 近红外定标模型的建立

利用Ucal数据分析软件对青贮的近红外光谱进行散射(Detrend)和标准归一化(SNV)预处理，再选用偏最小二乘法(PLS)建立青贮的粗蛋白、粗脂肪、水分、淀粉、中性洗涤纤维、酸性洗涤纤维含量的近红外光谱定标模型，以决定系数R2和标准差SEC作为衡量定标模型质量优劣的指标[11]，决定系数越大、标准差越小，表明模型的预测精度越高。同时对验证样品进行预测，对定标模型的定标效果和预测精度进一步验证[12]。

本试验定标模型参数见表2。粗蛋白、粗脂肪、水分、淀粉、中性洗涤纤维、酸性洗涤纤维的标准偏差(SEC)分别为0.322，0.215，0.230，1.909，2.785，2.275；影响因子分别为9，14，15，7，11，12，决定系数(R2)分别是0.913，0.854，0.992，0.808，0.884，0.870，均大于0.8，说明粗蛋白、粗脂肪、水分、淀粉、中性洗涤纤维、酸性洗涤纤维具有良好的线性关系，可用于预测青贮样品中的营养成分。

表2 模型参数优化及校正结果

2.4 定标模型的验证

采用外部验证模型的方法对随机选取的10个青贮样品进行预测模型验证，分别进行实验室化学检测和近红外预测分析，采用一元线性回归分析的方法对青贮样品中营养成分的相关性与回归方程进行分析，得出粗蛋白、粗脂肪、水分、淀粉、中性洗涤纤维、酸性洗涤纤维的验证相关系数r2分别为：0.954 4，0.779，0.960 4，0.803 1，0.853 9，0.822 7。

3 讨论

青贮样品近红外定标模型中粗蛋白、粗脂肪、水分、淀粉、中性洗涤纤维、酸性洗涤纤维的决定系数R2分别为0.913，0.854，0.992，0.808，0.884，0.870；标准偏差(SEC)分别为0.322，0.215，0.230，1.909，2.785，2.275。验证相关系数r2分别为：0.9544，0.779，0.9604，0.8031，0.8539，0.8227。所测青贮饲料中粗蛋白、水分的定标集与验证集的决定系数R2和r2均大于0.9，且偏差都小于允许误差，说明青贮饲料粗蛋白、水分的定标模型预测精度较高。由于青贮饲料中粗脂肪含量较低，其它含量多的组分在近红外区会大量吸收从而掩盖粗脂肪的信息，导致青贮饲料粗脂肪近红外定标模型验证集决定系数r2<0.8，模型预测精度不高。淀粉、中性洗涤纤维、酸性洗涤纤维的验证集决定系数0.8

4 结论

近红外光谱分析技术在青贮饲料营养成分粗蛋白、水分、淀粉、中性洗涤纤维、酸性洗涤纤维分析中是可行的，建立的青贮近红外预测模型可实现快速检测，这为近红外分析技术在青贮饲料方面的应用提供参考，对控制饲料质量、实现近红外快速检测具有重要意义。