光谱技术检测饲料中营养成分的研究进展*

黄金耒，钱孟波 ，贾 楠 ，郎冲冲 ，王海峰 ，朱 君 ，李 斌 ，王 伟

（1.浙江农林大学光机电工程学院，浙江 杭州 311314；2.北京市农林科学院智能装备技术研究中心，北京 100097； 3.国家农业智能装备工程技术研究中心，北京 100097；4.枣庄市市中汽车性能检测站，山东 枣庄 277100）

0 引言

饲料作为动物性食品的重要物质保障，是养殖业发展的物质基础，饲料产品营养均衡是畜禽健康生长和农畜产品质量安全的前提，做好饲料营养成分分析检测，是生产饲料的必要环节，可以保证饲料原料和饲料产品的品质。目前，检测饲料中营养成分的方法主要有传统方法和光谱分析技术。传统方法已经是成熟的技术，并且已经在多个领域得到应用，甚至凯氏定氮法等已经成为国家标准检测方法，但它们仍然有许多局限性。例如：检测时间长、线性范围窄、样品制备方法复杂，还有测试结果取决于检查员的经验和技术知识等。所以，寻找一种快速、准确、操作简便的新型方法来检测营养物质尤为重要。基于上述原因，光谱分析用于检测饲料营养成分的方法迅速发展起来。光谱技术包括拉曼光谱及表面增强拉曼、近红外反射及傅里叶变换近红外、高光谱和太赫兹时域光谱等，可以通过单次扫描提供与营养成分及其结构相关的定性定量信息。此外，这些技术很少需要样品制备和预处理。因此，它们是快速测定饲料营养成分的理想方法。

饲料产品的常规营养指标通常是指粗蛋白质、粗纤维、粗脂肪、粗灰分、矿物质、水分等[1]。主要营养成分可概括为6类：蛋白质是由氨基酸所形成的线性聚合物，饲料中蛋白质平均氮量为16%；碳水化合物分子通式是（CH2O）n，为饲养动物体供能；脂肪需要吸收氧来氧化脂肪的碳和氢，产热量高；维生素是调节动物生长、生产、繁殖和保证动物健康所必需的有机物质；矿物质饲料包括提供碳、氢、氧、氮、硫、钙、磷等常量元素的饲料以及提供铁、锌、铜、碘等微衡量元素的无机盐类等；水分对动物起着至关重要的作用，动物采食水比干物质多，而且动物缺水时会死亡更快。饲料主要营养成分分类及生理作用如表1所示。

表1 饲料中主要营养成分分类及生理作用

目前，国内外相关学者积极开展饲料中营养成分检测方法研究，这对畜牧养殖业的发展具有重要意义。基于此，课题组首先分析了饲料中主要营养成分及其生理作用；然后对饲料营养成分的传统检测技术展开介绍，通过分析得出，饲料中营养成分传统检测方法存在适用性差和消耗材料多等缺点；最后重点探讨了光谱技术应用在饲料营养成分检测方面的研究进展，进而得出光谱检测技术存在着快速、准确、稳定的优点，在营养检测方面展现出了巨大的潜力。

1 传统检测方法

饲料中营养成分检测就是要对其性质和含量进行分析，在检测分析的层面，不仅要确保精确度和灵敏度足够高，还要节省时间，避免浪费大量的检测材料，简化检测步骤。目前，我国国家标准已有规范的检测方法，包括对饲料中粗蛋白[5]、水分[6]、钙[7]、粗脂肪[8]、维生素B2[9]等的测定。部分国家标准测定法的简要原理、检出限和定量限如表2所示。

除了上述表格的内容，检测范围还包括粗纤维[10]、粗灰分[11]、总磷[12]、维生素E[13]、维生素D3[14]、维生素B1[15]、维生素B6[16]、维生素B12[17]、维生素A[18]、维生素K3[19]，以及饲料中钙、铜、铁、镁、锰、钾、钠、锌含量的测定[20]。由表2可知，国家标准检测方法比较完善，但都有各自优缺点，比如凯氏定氮法操作简便，但适用性低；荧光分光光度法灵敏度高，但操作复杂且消耗试剂多；高效液相色谱法检出率高，但仪器昂贵且耗时长。所以，发展能快速测定、简化处理步骤、节省检测材料等的定性定量分析方法具有重要意义。

表2 国家标准测定法

目前，检测饲料中蛋白质含量应用较多的还有双缩脲法，优点是快速、干扰物质少，但灵敏度差。双缩脲法[21]检测蛋白质是利用氨基酸的氨基与羧基相互作用生成-CONH-基团，这种基团在碱性环境中发生双缩脲反应，生成物质的显色深浅与蛋白质浓度成正比。用双缩脲法检测饲料中的蛋白质，是把饲料样品与碱性溶液混合，再经过双缩脲试剂处理，反应后所得吸光值在标准曲线上查出所对应的值，得到饲料样品蛋白质含量。Liu等[22]通过引入一种碱性试剂与十二烷基硫酸钠的结合和热处理，建立了一种适用于玉米基产品蛋白质测定的改良双缩脲法，该方法提高了以牛血清蛋白为标准预测玉米醇溶蛋白含量的准确性。

与国标方法相比，液相色谱串联质谱法（LCMS）增加了饲料中维生素检测的灵敏度，能够对低浓度样品进行检测，但使用的仪器昂贵，检测成本高。LC-MS是通过液相色谱分离后的各个组分依次进入质谱检测器，各组分在离子源被离子化，产生带有一定电荷、质量数不同的离子。不同离子在电磁场中的运动行为不同，采用质量分析器按不同质荷比（m/z）把离子分开，得到依质荷比顺序排列的质谱图。通过对质谱图的分析处理，可以得到样品的定性和定量结果。梁玉树等[23]建立了超高液相色谱串联质谱法（UPLC-MS/MS），可同时测定配合饲料中6种水溶性维生素（VB1、VB2、VB3、VB6、VB7、VB12）的方法。结果表明，上述6种维生素的检出限为0.05 μg/kg～1.97 μg/kg，定量限为0.16 μg/kg～6.5 μg/kg。王博等[24]使用液相色谱-串联四极杆质谱法测定猪浓缩饲料中25-羟基维生素D3的含量，结果显示，该方法的检测限和定量限分别为5 μg·kg-1、10 μg·kg-1。

2 基于光谱技术的饲料营养成分检测研究进展

为了评估原材料、产品的营养价值，定量分析营养成分是必不可少的。近年来，快速发展的光谱技术也逐渐应用于饲料原料及其产品营养成分的定量分析。国内外相关学者积极展开研究，取得了不错的成果。

2.1 光谱技术及其特点

光谱方法中拉曼光谱[25]可以得到样品分子振动或转动信息，从而可用于物质鉴定。而表面增强拉曼光谱的发展很大程度上提高了拉曼技术的灵敏度，它在检测速度和低样品消耗以及生物友好的环境和水检测条件方面也显示出优势。近红外光谱[26]通过分子振动激发从样品中提取信息，根据透射辐射与入射辐射的比率获得光谱信息，利用有机物在近红外光谱区的振动吸收，从而快速测定样品中各种化学成分的含量。傅里叶变换近红外[27]是通过在近红外区域（4 000 cm-1～12 000 cm-1）使用傅里叶变换技术，与色散仪器相比，提高了光谱再现性和波数精度。傅里叶变换近红外广泛应用于许多领域，例如：制药[28]、石油[29]、食品[30]。傅里叶变换近红外光谱的优点是快速、准确和无损，因此，这是一种很有前景的检测技术。但实际上，在一些重要的情况下，需要质量参数的空间分布[31]，而仅使用基于图像处理的计算机视觉技术无法提供所需的光谱信息。因此，高光谱成像被引入，它同时包含了物质的光谱信息和二维空间信息[32]，它将成像和光谱学集成在一个系统中，提供来自物体的光谱和空间信息，这些信息形成了一个三维数据，比单方面成像或光谱信息更详细地表征物体[33]。然而，这些方法不能探测远红外线光谱区，该光谱区包含研究材料的大量物理和化学信息。而太赫兹辐射（0.1 THz～10 THz频率范围内的辐射）位于远红外范围内[34]。太赫兹时域光谱技术是通过太赫兹脉冲在样品上透射或反射，直接获取样品的时域波形，然后通过傅里叶变换得到其相应的频域分布波形，通过分析和计算该频谱的光谱数据，就可以得到被测样品的折射率、吸收系数等，后续结合化学计量法建模可以对物质进行定性定量分析。太赫兹光谱作为光电技术的一种，由于其具有低能量、宽频带、高灵敏度、高分辨率和穿透性等特点而被认为是最有前景的检测方法之一。而且太赫兹光谱对检测物质中目标分子的微小差异和变化极其敏感[35]，包括分子间和分子内的相互作用，因此太赫兹光谱被用于研究化学材料的结构和相互作用。近年来，太赫兹光谱广泛应用于安全检查[36]、材料科学[37]、军事通信[38]、生物医学[39]和农业产品检验[40]等领域，也有学者开始探索太赫兹时域光谱技术检测饲料谷物中的营养物质。

2.2 蛋白质成分检测研究进展

饲料中蛋白质对畜禽的生命活动起着关键性的作用，其生理作用是其他营养成分不可代替的。但某些饲料、食品生产企业为了利益最大化，向产品中添加非蛋白含氮物质冒充高蛋白产品，这种低蛋白饲料不仅会影响动物正常发育，还会危害畜禽健康，进而严重影响人类食品卫生安全。所以，对饲料中粗蛋白定量定性分析是饲料品质划分的重要环节。Bao等[41]选择利用拉曼光谱仪检测蛋白，通过使用铝和碘离子修饰的银纳米粒子，所研究的蛋白质检测灵敏度显著提高。王勇生等[42]采集高粱的近红外漫反射光谱，利用化学计量法建立近红外光谱预测模型并验证，结果显示，粗蛋白质的预测模型定标相对分析误差、交互验证相对分析误差、外部验证相对分析误差分别为8.41、4.97、3.32，其建立的高粱中粗蛋白质近红外光谱预测模型能够准确评估高粱中粗蛋白质含量。高睿等[43]采集牧草叶片样本的高光谱图像光谱信息，与所测的化学值结合建立牧草粗蛋白分析模型。结果显示，牧草粗蛋白最优模型决定系数、均方根误差、相对分析误差分别为0.933、6.034 mg/g、4.322，模型精度较高，为检测牧草粗蛋白提供了新的思路。在太赫兹方面，岳伟伟等[44]采集三种芳香族氨基酸的太赫兹信号，结果显示，酪氨酸和色氨酸分别在0.976 THz和1.465 THz处有明显吸收峰。所得结果为研究蛋白质等其他生物大分子提供方法和思路。Wei等[45]研究了太赫兹光谱和化学计量学用于大豆蛋白质含量定量检测的可行性。预测集相关系数、预测集均方根误差和相对标准差分别为0.965 9、1.308 5%和3.533 4%。实验结果表明，太赫兹光谱和化学计量学可以用于快速准确检测大豆中的蛋白质含量。

2.3 维生素成分检测研究进展

维生素是维持畜禽生长发育的必需营养成分，主要是起到催化作用。每一种维生素的化学结构不同，产生的生理作用有所差异，合理添加维生素能更好地促进畜禽体内的营养素合成。因此，对维生素定性定量检测尤为重要。王萍[46]将高效薄层色谱与荧光光密度扫描以及表面增强拉曼光谱相结合，建立了一种定性定量分析饲料中VB2和VB9的方法。王燕妮等[47]采集3种不同载体（二氧化硅、脱脂米糠和石粉）预混合饲料的近红外光谱进行建模分析，结果显示，以二氧化硅和脱脂米糠为载体的预混合饲料维生素E定量模型的预测决定系数R2分别为0.989、0.980，相对分析误差RPD分别为8.10、6.90，说明检测结果准确可靠，可以用来定量分析。另外，还有将近红外光谱检测技术成功应用于预混合饲料中维生素A、D3、K3和E的分析[48-51]。王芳等[52]采用透射式太赫兹时域光谱仪扫描5种维生素样本，通过分析计算得到吸收系数，结果显示，维生素A在1.100 THz、1.165 THz、1.405 THz处有3个吸收峰，维生素B2在1.030 THz、1.100 THz、1.165 THz处有3个吸收峰。Yu等[53]对维生素C、B1、B2和B64种维生素的太赫兹振动光谱进行了实验测量和理论分析。应用全几何优化和使用密度泛函理论[54]的频率计算来获得这些维生素的结构和振动频率，计算结果与实验数据一致，模拟结果表明，分子间的相互作用相当弱，因此气相模拟谱接近固相。计算结果证实大部分吸收峰来自分子内模式；其他的被归因于分子间相互作用或声子模式。所以，结合太赫兹时域光谱和密度泛函理论计算识别维生素分子的特征光谱是可信的，太赫兹时域光谱技术将成为一种快速有效的物质鉴别技术。

2.4 多营养成分检测研究进展

饲料中一般含有粗蛋白、粗纤维、维生素等多种营养成分，但是受到采集方式、生产工艺、储存条件等影响，饲料营养品质参差不齐，会对畜禽生长发育造成影响。因此，有必要对饲料整体营养成分进行检测分析，划分营养品质。刘哲等[55]采集牧草样品的近红外光谱，使用修正偏最小二乘进行建模，结果显示，钙、中性洗涤纤维、干物质、粗蛋白、粗灰分的相对分析误差均大于3，相关系数均在0.9以上，说明这5种营养成分的定标效果良好，有着较高的准确度。张顺等[56]用近红外仪器扫描采集玉米DDGS样品光谱数据。结合偏最小二乘法建立营养成分定量分析模型，结果显示，水分、粗蛋白质和粗脂肪定标方程决定系数分别为0.91、0.92、0.95，相对分析误差RPD均大于3，结果表明，傅立叶变换近红外光谱技术能快速准确检测玉米DDGS的水分、粗蛋白质和粗脂肪。周昊杰等[57]利用便携式近红外仪扫描苜蓿干草和玉米青贮样品，建立了苜蓿干草、玉米青贮主要营养成分的近红外数据库。Hetta等[58]利用高精度近红外光谱仪和偏最小二乘回归模型的近红外高光谱成像技术对不同成熟度的玉米饲料进行评价，结果显示，各变量预测效果显著，这些发现为进一步将该技术应用于建模和饲料评价开辟了新的可能性。Sagrario等[59]利用两种手持式近红外仪采集复合饲料的光谱数据，结合化学测量值建立预测模型。结果显示，对于PhIR仪器，CP、CF、淀粉（STCH）的交叉验证测定系数分别为0.90、0.85、0.89；对于MICRO仪器，CP、CF、STCH的交叉验证测定系数分别为0.89、0.91、0.91，且RPD各参数的值均大于2.2。研究结果表明，此研究两种手持近红外仪器在检测复合饲料营养成分方面具有潜力。

高光谱技术同时包含了光谱信息和图像信息[60]。其中，图像信息可以显示成像对象在特定波长上由于其相应化学成分的分布而产生的不同光谱强度。而光谱信息可以被认为是该像素特有的光谱指纹，用以表征该特定像素的组成[61]。付苗苗等[62]利用高光谱成像仪采集配合饲料样本的图像光谱信息，建立饲料营养成分定量分析模型。结果显示，粗蛋白、粗灰分的分析模型预测性能较好，两者验证集决定系数、均方根误差、相对分析误差分别为0.777 8、2.615 5%、2.114 3和0.775 8、1.061 1%、2.120 4。

3 典型快速检测设备

对于畜牧养殖业，饲料中营养物质的检测必须快速、准确且可以现场实时检测。鉴于此，许多公司都在加快研究检测设备的进度，目前，已有公司生产用以检测饲料中营养物质的设备，营养物质的典型快速检测设备及其特点如表3所示。

表3 典型快速检测设备及其特点

4 总结和展望

基于光谱分析的饲料营养成分检测技术，有着广泛的应用前景，目前取得了一定的成果。同时，光谱分析技术也存在需要解决的问题，例如，光谱检测数据库丰富度、数据预处理和建模精度等方面还需进一步研究。为此，课题组提出如下展望：

1）进一步开发数据解析算法。实验的不确定性，还有背景的噪声，都会带来冗余的数据，这就需要开发更加精确的算法以用于对光谱采集到的数据进行预处理和建模。算法要在不去掉样品特征信息的同时最大化滤除噪声带来的干扰，并且，也可以对信号进行多次预处理，探索各种预处理方法及其组合的可能性。

2）进一步研发便携式检测仪器。目前，大多数光谱检测营养物质的过程是在实验室进行的，能够现场检测饲料中营养物质的设备还比较欠缺，且实验器材昂贵、体型大。所以，研制方便携带、效率高、低价位的小型光谱检测仪是技术上需要解决的一个关键问题。建立针对营养物质的特定光谱数据库，可以在很大程度上简化检测过程。

3）进一步提升检测灵敏度。尽管太赫兹时域光谱技术具有诸多优点，但阻碍其在饲料检测中广泛应用的主要问题是灵敏度有限，所以，这就需要将样品信号进行放大处理。基于超常光学传输效应的超材料是由周期性排列的亚波长元件组成的人造材料，有独特的电磁特性且具有很强的局部化和增强的场，能够灵敏地探测到极少量的化学和生物物质。可将光谱技术和可以提高灵敏度的超材料结合起来检测营养物质。