共查询到20条相似文献，搜索用时 15 毫秒
1.
为了对内蒙古地区温性荒漠草原牧草的营养成分进行快速检测，试验以85份混合鲜草为研究对象采用偏最小二乘(partial least square regression, PLS)法建立干物质(dry matter, DM)、粗蛋白(crude protein, CP)、酸性洗涤纤维(acid detergent fiber, ADF)、中性洗涤纤维(neutral detergent fiber, NDF)、粗脂肪(ether extract, EE)和粗灰分(crude ash, Ash)含量的近红外光谱(near-infrared reflectance spectroscopy, NIRS)预测模型。结果表明：DM、NDF、ADF和Ash的定标集决定系数(R2)分别为0.985,0.728,0.749,0.727,验证集R2分别为0.848,0.536,0.673,0.741,验证相对分析误差(ratio of performance to deviation for validation, RPD)为8.163,1.899,1.927,... 相似文献
2.
为实现玉米DDGS营养指标的快速检测,本实验采用傅立叶变换近红外光谱技术,建立玉米DDGS水分、粗蛋白质、粗脂肪、粗灰分和氨基酸定量分析模型。收集全国范围内230个玉米DDGS样品,随机分为215个校正样品和15个验证样品,通过对不同组分独立进行光谱的预处理、交互检验计算和优化定标,得到的水分、粗蛋白质和粗脂肪定标方程决定系数R~2均在0.9以上,交互验证均方根误差(RMSECV)在0.30以内,相对分析误差RPD>3;粗灰分R~2为0.81,RMSECV为0.12,RPD为2.3,盲样验证结果均满足GB/T 18868要求,模型均有较好的准确性和稳定性;氨基酸组分建模和验证效果也较好。结果表明,采用傅立叶变换近红外光谱技术能够实现对玉米DDGS的快速检测。 相似文献
3.
《动物营养学报》2021,33(7)
本研究旨在探讨近红外光谱(NIRS)技术在定量分析高寒草原天然牧草营养品质的可行性。试验于2015—2018年,每年6—9月份,从青藏高原高寒草原放牧研究样地收集不同放牧强度(0、3.6、5.3、7.6只/hm2)的混合和4个优势种(莎草科矮生嵩草、蓼科珠芽蓼、蔷薇科金露梅和豆科锦鸡儿)牧草样品共计1 280份,随机分为定标样品集(n=854)和预测样品集(n=426),建立天然牧草干物质(DM)、粗脂肪(EE)、粗蛋白质(CP)、酸性洗涤纤维(ADF)、中性洗涤纤维(NDF)含量及体外干物质消化率(IVDMD)和估算代谢能(EME)营养品质近红外光谱(NIRS)预测模型,实现天然牧草营养品质的快速和准确评估。结果显示:牧草DM、CP、EE、ADF、NDF含量及IVDMD和ME变异较大;DM、CP、ADF、NDF含量及IVDMD和EME的NIRS预测模型的验证决定系数(R2CV)为0.992～0.999,外部验证相对分析误差(RPD)为3.82～5.97,取得了最佳的定标效果,且定标方程均具较好的预测能力,能够成功应用于日常分析。EE含量的NIRS预测模型的R2CV为0.837,外部RPD为2.30,定标效果不理想,定标模型虽不能用于准确的定量分析测定,但仍能应用于牧草EE含量的粗略测定。综上所述,本研究建立的高寒草原天然牧草DM、CP、ADF、NDF含量及IVDMD和EME的NIRS预测模型能够成功应用于日常分析。 相似文献
4.
为了探讨利用近红外漫反射光谱技术(NIDRS)快速定量分析饲料添加剂L-赖氨酸硫酸盐中L-赖氨酸含量的可行性,本试验在全国范围内收集了具有代表性的L-赖氨酸硫酸盐添加剂76个,采用国家标准方法对样品中的L-赖氨酸含量进行化学赋值;用光栅型近红外光谱仪扫描L-赖氨酸硫酸盐样品,获取了不同物理状态下样品的近红外光谱图。依据L-赖氨酸含量将样品分为定标集和验证集,运用适当的光谱预处理方法,采用竞争性自适应重加权(CARS)算法结合偏最小二乘法(PLS)建立了L-赖氨酸硫酸盐的近红外定标分析模型,并将该模型与全波长模型进行了比较。结果表明:用烘干、60目粉碎后的样品结合CARS算法建立的定标模型最优,定标集校正决定系数(R2C)为0.954,校正集标准偏差(SEC)为0.510,交互验证标准偏差(SECV)为0.659;验证集预测决定系数(R2P)为0.952,预测标准偏差(SEP)为0.554,相对分析误差(RPD)值为3.83。由此可见,NIDRS定量分析L-赖氨酸硫酸盐具有一定可行性,对于丰富我国氨基酸盐及其他氨基酸制品的快速检测方法具有实际的应用意义。 相似文献
5.
研究采集宁夏区内各市县(固原、海原、同心、中卫、中宁、永宁、平罗)抽取玉米样品120批,用近红外分析仪扫描定标样品集获得玉米近红外光谱图,利用偏最小二乘法建立模型,并分别经过无预处理、均值中心化、标准正态变量转换、一阶导数、标准正态变量转换结合去趋势校正(SNV+D)预处理光谱,获得水分、粗蛋白、粗脂肪、粗纤维预测模型,分别是经过MC、SNV+D、SNV+D、SNV+D光谱预处理后效果最好。预测决定系数R2 p分别为0.951、0.976、0.728、0.897,相对分析误差RPD除粗脂肪为2.62外,其他均大于3的近红外预测模型,通过预测模型验证集验证后,并对模型预测值与实测值进行U检验,结果为差异不显著(P>0.05)。该近红外预测模型对玉米中水分、粗蛋白、粗纤维具有较佳预测效果,粗脂肪的预测精度有待进一步提高。 相似文献
6.
7.
本试验基于近红外光谱技术,以大豆油为材料,探讨利用近红外光谱技术快速测定油脂中过氧化物的含量。首先研究了光谱预处理方法、分析谱区及PLS模型因子数对校正模型的影响,然后应用偏最小二乘法(PLS)建立了豆油过氧化值的近红外定量模型。结果显示:最佳光谱预处理方法为一阶导数+SNV,最适分析谱区为12003.2~7498.2cm-1与5450.1-4597.6cm-1,最佳因子数为9,最优模型的决定系数r=0.9882,RMSECV=0.503,RMSEP=0.521,RPD=12,盲样验证测试结果与国标经典法结果不存在显著性差异(P0.05),相对偏差均小于5%,说明所建立的分析模型具备较强的预测能力和实用性。 相似文献
8.
9.
10.
土壤退化是草地退化的更深层次指示,运用遥感手段大面积测定土壤有机碳进而评估草地土壤状况有助于对草地退化状态的正确认识。以甘南州高寒草地土壤为研究对象,使用ASD地物光谱仪,在室内条件下对土壤样品进行可见光/近红外光谱测量,分析8种光谱变换形式与土壤有机碳含量的相关性并选取特征波段,利用3种多元回归方法(逐步多元线性回归、主成分回归、偏最小二乘回归),通过验证样本的决定系数(Rv2)、均方根误差(RMSE)和剩余估计偏差(RPD)来评价模型,进而确定高寒草地土壤有机碳的最佳估测模型。结果表明,微分变换方法可以显著提高光谱特征与土壤有机碳含量的相关性,在所有变换形式中以光谱反射率的一阶微分与土壤有机碳含量相关性最好,最大相关系数绝对值为0.865;基于光谱反射率一阶微分变换形式的3种多元回归方法对土壤有机碳均有极好的预测能力,表明对于土壤有机碳的稳定监测来说光谱反射率的一阶微分是非常有效的变换形式;综合考虑基于所有光谱变换形式的3种多元回归方法的预测结果,偏最小二乘回归法具有高的Rv2和RPD,同时具有低的RMSE值,是研究区土壤有机碳估测的最优回归方法;基于光谱反射率对数的一阶微分变换形式所建立的偏最小二乘回归模型具有相对较高的预测集决定系数(Rv2=0.878)、最大剩余估计偏差(RPD=2.946)和最小均方根误差(RMSE=7.520),因此该模型为甘南高寒草地土壤有机碳的最优估测模型,最优模型的RPD大于2.5说明该模型有足够的稳定性可以应用于其他地区土壤有机碳的估测。 相似文献
11.
为提高生产中燕麦(Avena sativa L.)饲草营养品质检测分析效率，实现快速准确预测多指标含量，本研究从中国河北、甘肃、内蒙、四川、贵州、江苏和山东7个省份采集并制作了273份燕麦饲草青贮样本，使用便携式近红外仪器采集光谱，利用偏最小二乘回归法(Partial least square, PLS),建立了新鲜样品和干燥样品营养成分的定量分析模型。结果表明：新鲜样品含水量和酸性洗涤纤维的模型可以用于定量分析，外部验证决定系数(Correction of validation,Rval2)分别为0.94和0.88,相对分析误差(Ratio of performance to deviation, RPD)大于2.5;干燥样品的含水量、酸性洗涤纤维和粗蛋白的模型能够用于实时检测分析，Rval2分别为0.90,0.90,0.88,RPD均大于2.5,中性洗涤纤维、可溶性碳水化合物、粗脂肪的模型能达到粗估的效果，Rval2分别为0.76,0.85,0.85,... 相似文献
12.
近红外光谱技术(NIRS)测定玉米粉碎粒度的研究 总被引：2，自引：0，他引：2
试验研究了近红外光谱技术(NIRS)快速测定玉米粉碎粒度的应用。建立的近红外定量预测模型定标决定系数(RC2)为0.9463,相对标准差(RSD)为6.5619%,相对分析误差(RPD)为4.3771,定标结果较好;并对模型的预测能力进行了验证,其中验证决定系数(RV2)为0.9186,相对标准差为6.8646%,相对分析误差为4.0856,预测能力较好,表明近红外技术具有较高的准确度。实验研究结果对饲料生产过程中粉碎粒度的控制具有重要的实际意义。 相似文献
13.
为探索NIRS技术在测定燕麦(Avena sative)干草品质上的应用,试验于2020—2021年收集了249份不同品种、年限和生长时期的燕麦干草,通过WinISI III定标软件建立燕麦干草主要营养成分的近红外光谱模型。结果显示：粗蛋白(CP)、中性洗涤纤维(NDF)和粗脂肪(EE)预测模型的定标系数(RSQ)和外部验证决定系数(RSQv)均在0.83以上,校正标准误(SEC)、交叉验证误差(SECV)和预测标准误差(RMSEP)均小于0.02,相对标准误差(RPD)均大于3,预测值逼近化学分析的精度具有良好的预测效果。酸性洗涤纤维含量(ADF)建模效果较差,定标系数和外部验证决定系数分别为0.83和0.84,校正标准误(SEC)、交叉验证误差(SECV)和预测标准误差(RMSEP)均小于0.01,接近化学分析精度,且RPD大于2.50。因此,所建ADF模型也可用于近红外预测。 相似文献
14.
近红外反射光谱(NIRS)技术分析奶粉品质的研究 总被引：6，自引：0，他引：6
奶粉中蛋白质和脂肪是影响奶粉营养品质的主要因素,利用近红外反射光谱分析技术对来自国内不同地区的奶粉共900份样品进行蛋白质和脂肪成分测定分析。研究了不同的样品数日、光谱预处理和散射校正技术对发展奶粉近红外测定定标模型的影响。结果表明．在样品数目为200—400范围内建立的定标分析模型较理想;数学预处理中以一阶导数较好,且以“1,4,4,1”的处理组合最为理想;光谱散射校正中采用“标准正态变量转换(SNV) 趋势变换法(De—trending)”的组合建立回归方程效果较好。利用改进最小二乘法回归技术(Modified PLS)建立多种定标模型,并进行交叉验证(cross—Validation)来分析各种因素对定标模型的影响。同时筛选出较理想的蛋白质和脂肪定标分析回归方程,其中蛋白质和脂肪含量的相关系数高速0．973和0．850。探讨了NIRS技术在建模应用中的一些影响因素,以及由NIRS技术建立奶粉分析模型用于快速分析和在线检测的可行性。 相似文献
15.
本实验研究了通过近红外反射(NIR)光谱对豆粕中掺假棉籽粕的定量分析方法。在豆粕中分别掺入0%、5%、10%、15%、20%、25%、30%(m/m)棉籽粕,每个处理包含建模集样品20个、验证集样品10个,使用傅立叶变换近红外光谱仪获取掺假样本的NIR光谱,采用OPUS化学计量学软件拟合建模集样品棉籽粕掺假率的NIR光谱预测模型,再用验证集样本对预测模型进行验证,评价预测模型的相对误差。结果表明,豆粕中棉籽粕掺假率的NIR光谱预测模型的决定系数(R2)为0.975、交叉验证均方根误差(RMSECV)为1.58、斜率为0.974,棉籽粕掺假比例为5%、10%、15%、20%、25%、30%的NIR光谱预测值的相对误差分别为15.0%、0.50%、1.87%、1.45%、1.28%、0.87%。因此,利用NIR光谱可以准确定量测定豆粕中棉籽粕的掺假比例。 相似文献
16.
《饲料工业》2015,(9)
文章利用近红外光谱分析技术对猪料、虾料、膨化料三种不同工艺的颗粒料进行水分、粗蛋白预测效果的研究,并分析不同加工工艺对其应用的影响。收集每个品种饲料各400个,选择了最优的光谱散射校正和数学处理方法,确定最佳主因子数,建立猪料、虾料、膨化料样本水分、粗蛋白的NIRS定标模型。结果表明:除虾料水分的决定系数R2略低于0.9,其他料的水分和粗蛋白的R2都在0.9以上;除膨化料的水分,其余各料的水分、粗蛋白的相对标准差RSD均小于10%;所有料水分、粗蛋白的相对分析误差RPD均大于3,取得了良好的定标效果。NIRS能够准确的预测这三种饲料的水分、粗蛋白含量。猪料的水分定标模型效果最好,虾料次之,最后是膨化料;虾料的粗蛋白模型效果最好,膨化料次之,猪料略差。 相似文献
17.
18.
《动物营养学报》2020,(3)
本研究旨在探讨利用近红外光谱技术评估高粱中粗蛋白质、水分含量的可行性。以收集的110份高粱样品作为研究对象,采用GB/T 6432—1994、GB/T 6435—2014中方法分别对粗蛋白质、水分含量进行测定,利用傅里叶变换近红外光谱仪采集样品的近红外漫反射光谱,光谱扫描范围4 000～12 800 cm~(-1),分辨率16 cm~(-1),样品重复装样扫描4次,每次扫描64次获得平均光谱,取4次扫描光谱作为样本的原始光谱。分别选取矢量归一化、最小-最大归一化、一阶导数、二阶导数、多元散射校正、一阶导数+减去一条直线、一阶导数+矢量归一化、一阶导数+多元散射校正探索适用于高粱中粗蛋白质、水分含量的光谱预处理方法。利用定标集样品光谱数据,采用偏最小二乘方法结合全交互验证手段来防止过拟合现象,建立定标模型。在此基础上,利用定标决定系数、定标均分根误差、定标相对分析误差、交互验证决定系数、交互验证均方根误差、交互验证相对分析误差确定最优模型。结果显示:粗蛋白质含量扫描光谱采用一阶导数+多元散射校正光谱预处理,光谱范围为9 401.9～5 443.6 cm~(-1)与4 603.0～4 243.9 cm~(-1)。水分含量扫描光谱采用一阶导数+减去一条直线,光谱范围为7 500. 3～6 096. 5 cm~(-1)与5 451. 8～4 243.9 cm~(-1)。高粱中粗蛋白质、水分含量的近红外光谱预测模型定标相对分析误差分别为8.41、12.20;交互验证相对分析误差分别为4.97、7.97;外部验证相对分析误差分别为3.32、5.36。由结果可知,本研究建立的高粱中粗蛋白质和水分含量的近红外光谱预测模型的相对分析误差均大于评估值,具有精确地评估高粱中粗蛋白质和水分含量的应用效果。 相似文献
19.
采用滤光片型8620近红外光谱技术(NIRS),结合主成分回归法,以105个不同的奶牛精料补充料样品建立了常规化学成分以及可消化总养分(TDN)含量的近红外定量分析校正模型。常规化学成分中,粗蛋白、粗脂肪、粗灰分、中性洗涤纤维、酸性洗涤纤维、酸性洗涤木质素和可消化总养分含量的校正模型决定系数R2分别为0.9132、0.9016、0.9220、0.9171、0.8928、0.7083和0.8346;研究发现除酸性洗涤木质素之外,其他成分含量的相对分析误差RPD(SD/SEP)均大于2.5,因此除酸性洗涤木质素之外,所建近红外预测模型对奶牛精料补充料常规营养成分以及TDN含量的快速测定具有重要的实际意义。 相似文献
20.
本实验旨在研究当建模样品集的数据分布分别呈正态分布与均匀分布时对构建玉米粗蛋白的傅立叶近红外预测模型的影响,探讨建立近红外光谱预测模型的快速方法。本试验组建3个不同定标集,且其粗蛋白含量的数据分布分别呈现均匀分布(10.00,0.85)、正态分布1(10.02,0.692)、正态分布2(10.01,0.692)特征,建立粗蛋白的近红外预测模型。结果表明:均匀分布、正态分布1和正态分布2所对应的模型的R2分别为0.9879、0.9858、0.9862,RMSECV分别为0.1055、0.1079、0.1069,RSD%分别为1.06、1.08、1.07;均匀分布模型在预测各个范围的粗蛋白时其误差均在0.04以内,而正态分布1模型的误差依次为0.09、0.06、0.02、0.01、0.07、0.10。结果显示,在相同定标样品数下,定标集呈均匀分布时所建预测模型的预测误差变异小,并且在预测含量偏离平均数较大的样品时效果好于正态分布,而正态分布则是在预测含量在接近平均数的样品时有优势;同时在减少一定数量的定标样品后,使用均匀分布的定标集仍然可以保持所建预测模型的准确性。 相似文献