近红外漫反射光谱法快速测定新鲜青贮饲料化学成分含量

探讨近红外漫反射光谱技术(NIRS)测定新鲜青贮饲料化学成分的可行性。在液氮(-196℃)冷冻下对119份具有代表性的青贮饲料样品进行粉碎处理,利用传统分析方法测得其化学成分含量,同时利用近红外光谱仪扫描得到其近红外光谱,采用改良偏最小二乘回归方法(MPLS)建立其近红外定量分析校正模型。结果表明:干物质(DM)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)和粗灰分(CA)的相对分析误差RPD值(SD/SECV)均大于3,校正模型的外部验证决定系数R2v均大于0.85;粗蛋白(CP)、酸性洗涤木质素(ADL)和可溶性碳水化合物(WSC)的RPD值均大于2,其R2v分别为:0.82、0.65和0.71。近红外漫反射光谱法可以很好的测定新鲜青贮饲料中的DM、NDF、ADF和CA含量;CP含量测定效果较好,需要通过扩大样品CP含量变异范围进一步验证;可粗略估测ADL和WSC含量,测定精度有待于提高。

青贮饲料近红外光谱分析模型转移研究

为了探讨青贮饲料的近红外光谱(NIRS)分析模型在不同类型光谱仪器之间的转移,以傅里叶变换型近红外光谱仪Nicolet ANTARIS作为主仪器,光栅型近红外光谱仪FOSS 6500作为从仪器,采用斜率/截距和局部中心化2种方法进行了研究。结果表明,经斜率/截距和局部中心化法转移之后,所建立校正模型的决定系数R2和交互验证决定系数R2cv均大于0.85。采用斜率/截距法转移之后,ANTARIS仪器校正模型对FOSS 6500仪器验证集的预测标准差为20.27 g/kg,系统偏差为-3.75,采用局部中心化法转移之后的预测标准差为27.67 g/kg,系统偏差为-6.17。2种方法模型转移后的预测结果与FOSS 6500仪器模型的预测结果(预测标准差为20.60 g/kg,系统偏差为-1.04)非常接近,比转移前的预测结果(预测标准差为39.65 g/kg,系统偏差为-33.60)有较大程度改善,2种方法均获得较好的转移效果。

基于近红外光谱分析的绿茶水分无损检测模型建立

收集代表性绿茶样品158个,直接对新鲜样品进行近红外光谱扫描,运用改进偏最小二乘法(MPLS)在4种不同的光谱数据预处理方式下进行水分含量建模,并用验证集对最优模型进行检验。结果显示,光谱数据在散射处理方式SNV+Detrend下经过一阶导数处理后的预测结果最优,其定标标准差(SEC)为0.32%,样品预测值和实测值之间的决定系数(RSQ)为0.861,预测标准差(SEP)为0.5%,偏差(Bias)为-0.1%。说明应用近红外光谱分析技术实现绿茶中水分含量的无损检测是可行的,并可得到较为满意的预测效果。