饲料中粗灰分的近红外光谱快速检测

饲料中粗灰分的近红外光谱快速检测吉林燃料乙醇有限责任公司张小希杨维旭132021摘要：本文论述了采用近红外光谱DA7200对饲料中粗灰分的定量过程。在化学分析检验数据的基础上，采用偏最小二乘法（PLS）建立分析模型，并进行准确性和重复性的验证。实验表明：近红外光谱法同标准分析方法之间，无显著性差异；同时，为粗灰分含量的检验提供了新的方法模式。关键词：粗灰分近红外光谱偏最小二乘法（PLS）1前言饲料中的粗灰分主要为矿物质盐及无机盐类，粗灰分的检测对评价饲料品质及卫生质量具有较大意义。近红外光谱作为分析行业最新技术，在饲料检验上已开始全面应用，我们按照GB/T18868—2002《饲料中水分、粗蛋白质、粗纤维、粗脂肪、赖氨酸、蛋氨酸快速测定的近红外光谱法》，采用DA7200建立数据模型的过程中，将粗灰分指标也纳入分析组份中，发现其对近红外光谱具有较强的响应。通过对光谱区域的选择和基线的合理处理，经验证、调整、再验证，数据表明：近红外光谱法在粗灰分的检测上，分析效果较为理想，且提高了分析效率、降低检验成本；值得推广应用。但粗灰分同近红外光谱间的函数关系的建立机理，有待进一步研讨。2试验部分2.1仪器:波通（Perten）公司DA7200近红外光谱。波长范围950-1650nm，采用二极管阵列检测器（CCD），因其光电管阴极涂附光敏性极高的In、Ga、As,且冷控处理，避免温度因素造成的噪音及漂移，从而对光谱的精细结构有更好的分辨能力。2.2样品和基础数据测定：储运分公司提供DDGS饲料样品。粗灰分测定基础数据的标准方法：GB/T6438-92饲料中粗灰分的测定方法2.3样品光谱采集：将样品经过3303保水磨破碎后，混合均匀。置于测量盘中，近红外光谱扫描，每个样品重复测量3次，并将光谱均值化处理。图1：DDGS饲料中粗灰分的近红外光谱及相关系数（R2）图.25-(gUntitled-GRA1S/AIFileEditViewInsertActiveAppApplicati.3Add-OnsToolsHelpCorrelationDisplayConstit.950 1050 1150 1250 1350 1450 1550 165（2.4化学计量学处理方式：在Grams32软件系统的化学计量方法中，我们 |UK|C-ncel.25-(gUntitled-GRA1S/AIFileEditViewInsertActiveAppApplicati.3Add-OnsToolsHelpCorrelationDisplayConstit.950 1050 1150 1250 1350 1450 1550 165（2.4化学计量学处理方式：在Grams32软件系统的化学计量方法中，我们 |UK|C-ncel|—elp|选用偏最小二乘法（partialleast_square简称PLS）分别对经过不同预处理FLSilns/IQ Visiui1RouioiiIiitor HepionId.it TT=tn>:<u=etoed.itspectra1repions. ■OShowSingleView|PreProc|RegionsSpectraDisplayJRawFShow[AHSample|2£.：|0722ddgs.s|jJ日回区|口巳1：印「「1而日1：而门|下|ashJSaveVisualTools的光谱进行分析。光谱预处理方式是将乘积分散校正法（MSC）、标准正态变量转换法（SNV）、标准化处理（Normalization）与一阶、二阶（sg1.2）导数处理相结合对光谱进行预处理，并以交互验证的标准偏差（SECV）和所建模型的相关系数（R2）为衡量曲线预测效果的主要参数，根据马氏距离、主因素分析图及光谱残差图及浓度残差图等分析结果剔除特异样品⑶。最后，分别选择不同的波段，比较各波段的预测效果，从而确定定标模型。在两定标模型预测效果接近状态时，则需根据其对验证样品的分析结果进行最终取舍。 图2：模型中灰分验证曲线Calibration:DDGS-AshlavecnerefeR-yrotarobaL8.04.05.0 6.0 7.0lavecnerefeR-yrotarobaL8.04.05.0 6.0 7.0NIR-PredictedValue8.0表1灰分分析模型的评价参数(波段1150-1500nm)项目样本数范围相关系数SEP平均偏差标准法再现性灰分684.15-7.620.958将表1中的预测标准偏差(SEP)与标准方法再现性比较，可发现近红外方法的测定数据符合标准方法的再现性要求。2.5分析模型的验证及调整：为了验证分析模型的准确性，随机抽取DDGS饲料作为验证集样品，用所建立的Ash模型进行未知样品的预测，并同标准方法的测定结果相比较。按统计学的T检验进行评价，统计分析结果见下表2：表2：近红外分析与标准方法测定结果的对比统计结果组分样本数量范围(％)差值(%)|T|灰分Ash204.15-7.62-0.231.64注：差值为两种方法所得结果差值的平均值。采用T检验方法，判定近红外分析方法和标准方法是否存在显著性差异：给定显著水平a=0.05，查得T(0.0519)=2.09。由此可以看出：T检验结果|T|均小于2.09，说明两种分析方法测定结果是一致的，即用近红外光谱法代替标准方法进行分析检验是完全可行的。2.6方法重复性实验：模型对求救未知样品的粗灰分指标进行15次重复性实验，预测结果证明测量方法具有较好的重复性，见下表3：表3：变性燃料乙醇分析重复性实验预测结果次数(15)平均值STDCV标准方法重复性数据值(%)00.53 结果和讨论3.1通过此次数据模型的建立，交互验证表明：DA7200对粗灰分指标具有光谱识别能力，采用DA7200近红外光谱测量DDGS饲料中粗灰分的含量，同GB/T6438-92规定方法比较：测定数据较接近，测量精度及准确度符合要求，该方法是可取、可行的；是近红外光谱应用上的新发现，但各公司的近红外仪器或有一定的差距。3.2粗灰分同近红外光谱间的函数关系的建立机理：3.2.1通过图1：DDGS饲料中粗灰分的近红外光谱及响应相关系数(R2)，可以看出在1150-1500nm处有6个较强的光谱吸收。表4：粗灰分光谱吸收响应值：波长数(nm)118512481376138414131492光谱吸收值R2(Abs)083.2.2:近红外光谱属分子振动光谱，是基频分子振动的倍频和组合频；主要反映含氢基团X〜H(C、S、O、N)的特征信息。DDGS中粗灰分主要指金属氧化物、碱土金属碱式磷酸盐及存于原粮组织中的二氧化硅。两者之间并无直接联系，通过查阅相关资料，笔者认为有可能金属与粗蛋白质中的酸性基(-COOH或-SH等)、配位基团(-NH2等)，进行配位作用，生成具有环状结构的螯合物，作用方式包括内络盐、金属螯合酸及螯合阳离子，形成NIR的特征信息、而对近红外光谱间接产生响应的机理；但形成氨配化合物的反应过程、金属对螯合物稳定性的影响，有待于更深层次的探讨。参考文献Marie-Farance Laporte,PaulPaqin.Near-InfraredAnalysisofFat,ProteinandCaseininCowsMilk.J.Agric.FoodChem,1999,47(7):2600-2605。李庆波《牛奶主要成分含量近红外光谱快速测量法》；《食品科学》：2002第六期121-124。蒋健《近红外光谱法在调合汽油控制分析中的应用》；/fbwzh/20040810-2.html,2004慈云祥周天泽《分析化学中的配位化合物》；北京大学出版社；1986(II)P135-162。RapidanalyzeofashintheforagebyNear-infraredspectroscopy(DA7200)Abstract:ThemethodofassayofashintheforagebyNear-infraredspectroscopy(DA7200)hasbeenexpoundedinthisthesis.Basedonthedataofchemicalanalysis,theauthorshasdescribedthesittingregressionmodelsbypartialleast-squares(PLS),andhasvalidatedtherepeatabilityandaccuracy.Therefore,themethodbetweenNear-infr