基于近紅外光譜和高光譜圖像技術(shù)的配合飼料主要營(yíng)養(yǎng)成分檢測(cè)方法.pdf

1、配合飼料主要營(yíng)養(yǎng)成分的檢測(cè)是保證其品質(zhì)的重要技術(shù)手段之一，為了研究探討配合飼料主要營(yíng)養(yǎng)成分的近紅外反射光譜(NIRS)和高光譜圖像技術(shù)的快速檢測(cè)方法，收集了403個(gè)配合飼料樣本。分別利用近紅外光譜儀和高光譜成像儀對(duì)樣本進(jìn)行近紅外光譜掃描和圖像采集，獲取配合飼料的近紅外反射光譜和可見/近紅外光譜信息。通過(guò)異常樣本的剔除、樣本集劃分、最優(yōu)光譜預(yù)處理和特征波段選擇等技術(shù)手段和方法，結(jié)合偏最小二乘的化學(xué)計(jì)量方法，分別建立了基于近紅外光譜和高光譜

2、圖像技術(shù)的配合飼料中粗蛋白、粗灰分、水分、總磷、鈣含量的定量分析模型，并對(duì)模型進(jìn)行驗(yàn)證。主要研究?jī)?nèi)容和結(jié)果如下:
　　1)建立了基于NIRS技術(shù)的配合飼料樣本中粗蛋白、粗灰分、水分、總磷、鈣含量定量分析模型。采集配合飼料樣本的近紅外反射光譜信息，并采用杠桿值-學(xué)生殘差法剔除異常樣本，以SPXY法為粗蛋白、CG法為粗灰分、水分、總磷和鈣成分的最優(yōu)樣本集劃分方法，優(yōu)化了各個(gè)主要營(yíng)養(yǎng)成分的光譜預(yù)處理方法，采用相關(guān)系數(shù)法確定了其特征波段。

3、粗蛋白校正集實(shí)測(cè)值與模型預(yù)測(cè)值之間的決定系數(shù)R2c為0.8623，均方根誤差RMSEC為2.0718％，相對(duì)分析誤差RPDc為2.5582，其驗(yàn)證集決定系數(shù)R2v為0.8001，均方根誤差RMSEP為1.8709％，相對(duì)分析誤差RPDv為2.9558;粗灰分校正集實(shí)測(cè)值與模型預(yù)測(cè)值之間的決定系數(shù)R2c為0.7198，均方根誤差RMS EC為1.1765％，相對(duì)分析誤差RPDc為1.8954，其驗(yàn)證集決定系數(shù)R2v為0.8039，均方根誤

4、差RMSEP為1.0050％，相對(duì)分析誤差RPDv為2.2388;水分校正集實(shí)測(cè)值與預(yù)測(cè)值之間的決定系數(shù)R2c為0.7446，均方根誤差RMS EC為1.5546％，相對(duì)分析誤差RPDc為1.9789，其驗(yàn)證集決定系數(shù)R2v為0.6869，均方根誤差RMSEP為1.7131％，相對(duì)分析誤差RPDv為1.7921;總磷校正集實(shí)測(cè)值與預(yù)測(cè)值之間的決定系數(shù)R2c為0.8059，均方根誤差RMSEC為0.1166％，相對(duì)分析誤差RPDc為2.3

5、156，其驗(yàn)證集決定系數(shù)R2v為0.7876，均方根誤差RMSEP為0.1178％，相對(duì)分析誤差RPDv為2.2071;鈣校正集實(shí)測(cè)值與預(yù)測(cè)值之間的決定系數(shù)R2c為0.3270，均方根誤差RMSEC為0.1903％，相對(duì)分析誤差RPDc為1.2086，其驗(yàn)證集決定系數(shù)R2v為0.2766，均方根誤差RMSEP為0.1978％，相對(duì)分析誤差RPDv為1.1628。結(jié)果表明，所建立的粗蛋白、粗灰分和總磷定量分析模型表現(xiàn)出較好的預(yù)測(cè)性能;水分

6、定量分析模型預(yù)測(cè)精度仍然不夠理想，有待進(jìn)一步優(yōu)化;鈣含量定量分析模型預(yù)測(cè)能力較差，不能用于實(shí)際定量分析。
　　2)應(yīng)用高光譜圖像技術(shù)獲取飼料樣本的可見/近紅外光譜信息，建立了基于高光譜圖像技術(shù)的配合飼料樣本中粗蛋白、粗灰分、水分、總磷、鈣含量定量分析模型。采集配合飼料樣本的可見/近紅外反射光譜信息，采用杠桿值-學(xué)生殘差法剔除異常樣本，以SPXY法為粗蛋白、CG法為粗灰分、水分、總磷和鈣成分的最優(yōu)樣本集劃分方法，優(yōu)化了各個(gè)主要營(yíng)養(yǎng)成

7、分的光譜預(yù)處理方法，采用相關(guān)系數(shù)法確定了其特征波段。粗蛋白校正集實(shí)測(cè)值與預(yù)測(cè)值之間的決定系數(shù)R2c為0.8373，均方根誤差RMSEC為2.1327％，相對(duì)分析誤差RPDc為2.4851，其驗(yàn)證集決定系數(shù)R2v為0.7778，均方根誤差RMSEP為2.6155％，相對(duì)分析誤差RPDv為2.1143;粗灰分校正集實(shí)測(cè)值與預(yù)測(cè)值之間的決定系數(shù)R2c為0.7932，均方根誤差RMSEC為1.0107％，相對(duì)分析誤差RPDc為2.2064，其驗(yàn)

8、證集決定系數(shù)R2v為0.7758，均方根誤差RMSEP為1.0611，相對(duì)分析誤差RPDv為2.1204;水分校正集實(shí)測(cè)值與預(yù)測(cè)值之間的決定系數(shù)R2c為0.6470，均方根誤差RMSEC為1.8221％，相對(duì)分析誤差RPDc為1.6849，其驗(yàn)證集決定系數(shù)R2v為0.6314，均方根誤差RMSEP為1.6003％，相對(duì)分析誤差RPDv為1.9371;總磷校正集實(shí)測(cè)值與預(yù)測(cè)值之間的決定系數(shù)R2c為0.6038，均方根誤差RMSEC為0.1

9、656％，相對(duì)分析誤差RPDc為1.5700，其驗(yàn)證集決定系數(shù)R2v為0.4672，均方根誤差RMSEP為0.1916％，相對(duì)分析誤差RPDv為1.3570;鈣校正集實(shí)測(cè)值與預(yù)測(cè)值之間的決定系數(shù)R2c為0.4784，均方根誤差RMSEC為0.1676％，相對(duì)分析誤差RPDc為1.3723，其驗(yàn)證集決定系數(shù)R2v為0.4406，均方根誤差RMSEP為0.1755％，相對(duì)分析誤差RPDv為1.3105。結(jié)果表明，所建立的粗蛋白、粗灰分定量分

10、析模型表現(xiàn)出較好的預(yù)測(cè)性能;水分定量分析模型預(yù)測(cè)精度仍然不夠理想，有待進(jìn)一步優(yōu)化;總磷和鈣含量定量模型預(yù)測(cè)能力較差，不能用于實(shí)際定量分析。
　　3)比較基于NIRS技術(shù)和高光譜圖像技術(shù)在特征波段建立的各項(xiàng)營(yíng)養(yǎng)成分的PLS定量分析模型，采用NIRS技術(shù)建立的粗蛋白最優(yōu)模型效果比較理想，校正集決定系數(shù)高達(dá)0.8623，模型能夠較準(zhǔn)確地用于實(shí)際的定量分析中;采用高光譜圖像技術(shù)和近紅外光譜技術(shù)建立的粗灰分定量分析模型均可用于實(shí)際定量分析，