排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
近红外光谱技术以其快速、便捷、无损、绿色等优点,成为动物饲料营养价值评定研究中最具潜力的方法之一。本文简述了近红外光谱技术应用于饲料营养成分含量的测定、饲料的掺假鉴别及定量分析、饲料在瘤胃的降解情况、饲料在动物体内的消化代谢情况和反刍动物采食量预测方面的有效性和准确性,并指出了后续应对已有模型进行不断优化。最终得出结论：目前近红外光谱技术结合化学计量学在饲料营养成分含量的测定、掺假鉴别和定量分析方面的准确性和稳定性较高,而对饲料在瘤胃的降解情况、动物体内消化率和采食量的预测方面,其准确性还有待进一步提高。 相似文献
2.
为快速、高效、无损评定无芒雀麦干草营养价值,将101份样品的7种营养成分湿化学分析结果与近红外光谱结合,通过标准正态变量变换（SNV）、去散射处理（Detrend）和标准多元离散矫正处理（Standard MSC）等预处理方法,利用改良偏最小二乘法（MPLS）和主成分分析（PCA）等算法分别建立了粗蛋白质（CP）、干物质（DM）、中性洗涤纤维（NDF）、酸性洗涤纤维（ADF）、粗脂肪（EE）、灰分（Ash）和有机物（OM）的近红外预测定标模型。结果表明：CP和EE外部验证分析误差的值（RPD）为3.0089和2.7721,预测模型准确性较高,可以用于实际生产中的含量测定;NDF和ADF的RPD值仅次于CP和EE,分别为2.1421和2.0678,预测模型可以用于粗略的预测;DM、OM和Ash的RPD值为1.7718、1.1548和1.3602,预测模型效果不理想。综上所述,构建的无芒雀麦CP、EE、NDF和ADF含量模型效果较好,为快速、高效、无损评定无芒雀麦干草营养价值提供理论依据与技术支撑。 相似文献
3.
本研究利用近红外光谱(NIRS)技术构建高羊茅(Festuca arundinacea)干草的近红外预测模型，于甘肃省庆阳市采集101份高羊茅样品，将湿化学分析结果和NIRS结合，利用改良偏最小二乘法(MPLS)进行预测模型的建立和验证。最终建立了高羊茅干草干物质(DM)、粗蛋白质(CP)、有机物(OM)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、粗脂肪(EE)、灰分(Ash)这7种营养成分的预测模型，其中建立的CP和DM的预测模型外部验证相对分析误差(RPD)值为3.53和2.55，预测模型的预测效果较好，可以用于实际生产中预测成分含量；OM、 NDF、 ADF、EE和Ash的预测模型RPD值为2.17、2.04、2.06、2.06和2.02，所预测的结果可以作为一些饲料生产中的参考。 相似文献
4.
无芒雀麦(Bromus inermis)具有丰富的营养价值。近红外光谱技术(NIRS)具有快速、高效和无损等优点，本研究利用NIRS和改良偏最小二乘法(MPLS)，结合湿化学分析方法分析了101份无芒雀麦样品中K、Ca、P、Mg、Fe、Al和Mn元素含量。结果表明：所建立的预测模型中，K、P、Fe和Al的外部验证相对分析误差(RPD)较高，分别为2.60、2.88、4.60和2.68，说明预测准确性较高，可以替代传统分析方法来预测无芒雀麦中K、P、Fe和Al含量；Ca和Mg的RPD值为2.37和2.38，预测精度较弱，能够在样品数量较大时粗略预测含量来进行样品筛选；Mn的RPD值较低，为1.93，预测效果较差，预测值与实测值的误差较大。 相似文献
1