CN106841102A - 一种多花黑麦草中性洗涤纤维含量的测定方法 - Google Patents
一种多花黑麦草中性洗涤纤维含量的测定方法 Download PDFInfo
- Publication number
- CN106841102A CN106841102A CN201710115859.0A CN201710115859A CN106841102A CN 106841102 A CN106841102 A CN 106841102A CN 201710115859 A CN201710115859 A CN 201710115859A CN 106841102 A CN106841102 A CN 106841102A
- Authority
- CN
- China
- Prior art keywords
- sample
- itanlian rye
- neutral detergent
- detergent fiber
- fiber content
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000000835 fiber Substances 0.000 title claims abstract description 102
- 230000007935 neutral effect Effects 0.000 title claims abstract description 101
- 239000003599 detergent Substances 0.000 title claims abstract description 96
- 238000003556 assay Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 72
- 238000001228 spectrum Methods 0.000 claims abstract description 64
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 48
- 239000000843 powder Substances 0.000 claims abstract description 46
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims description 25
- 230000003595 spectral effect Effects 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 15
- 239000000126 substance Substances 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 10
- 238000009395 breeding Methods 0.000 claims description 9
- 230000001488 breeding effect Effects 0.000 claims description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 8
- 238000000556 factor analysis Methods 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 7
- 238000001320 near-infrared absorption spectroscopy Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 6
- 244000025254 Cannabis sativa Species 0.000 claims description 6
- 241000209082 Lolium Species 0.000 claims description 6
- 238000005406 washing Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 238000012258 culturing Methods 0.000 claims description 4
- 230000008676 import Effects 0.000 claims description 4
- 238000012821 model calculation Methods 0.000 claims description 4
- 229910052757 nitrogen Inorganic materials 0.000 claims description 4
- 238000010238 partial least squares regression Methods 0.000 claims description 4
- 238000009331 sowing Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims 1
- 238000003379 elimination reaction Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 24
- 239000004459 forage Substances 0.000 abstract description 7
- 238000004445 quantitative analysis Methods 0.000 abstract description 5
- 235000016709 nutrition Nutrition 0.000 abstract description 4
- 230000035764 nutrition Effects 0.000 abstract description 3
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical compound CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 description 12
- 241000209140 Triticum Species 0.000 description 9
- 235000021307 Triticum Nutrition 0.000 description 9
- 239000010902 straw Substances 0.000 description 9
- 239000000243 solution Substances 0.000 description 7
- 239000003153 chemical reaction reagent Substances 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 241000894007 species Species 0.000 description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 102000004139 alpha-Amylases Human genes 0.000 description 2
- 108090000637 alpha-Amylases Proteins 0.000 description 2
- 229940024171 alpha-amylase Drugs 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000012153 distilled water Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 229920005610 lignin Polymers 0.000 description 2
- 238000011068 loading method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000005418 vegetable material Substances 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- ZGTMUACCHSMWAC-UHFFFAOYSA-L EDTA disodium salt (anhydrous) Chemical compound [Na+].[Na+].OC(=O)CN(CC([O-])=O)CCN(CC(O)=O)CC([O-])=O ZGTMUACCHSMWAC-UHFFFAOYSA-L 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 229920002488 Hemicellulose Polymers 0.000 description 1
- 244000100545 Lolium multiflorum Species 0.000 description 1
- 229910004835 Na2B4O7 Inorganic materials 0.000 description 1
- RCEAADKTGXTDOA-UHFFFAOYSA-N OS(O)(=O)=O.CCCCCCCCCCCC[Na] Chemical compound OS(O)(=O)=O.CCCCCCCCCCCC[Na] RCEAADKTGXTDOA-UHFFFAOYSA-N 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000002421 cell wall Anatomy 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 235000019301 disodium ethylene diamine tetraacetate Nutrition 0.000 description 1
- UQGFMSUEHSUPRD-UHFFFAOYSA-N disodium;3,7-dioxido-2,4,6,8,9-pentaoxa-1,3,5,7-tetraborabicyclo[3.3.1]nonane Chemical compound [Na+].[Na+].O1B([O-])OB2OB([O-])OB1O2 UQGFMSUEHSUPRD-UHFFFAOYSA-N 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229940088598 enzyme Drugs 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
- 239000003960 organic solvent Substances 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000007096 poisonous effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- GEHJYWRUCIMESM-UHFFFAOYSA-L sodium sulfite Chemical class [Na+].[Na+].[O-]S([O-])=O GEHJYWRUCIMESM-UHFFFAOYSA-L 0.000 description 1
- 235000010265 sodium sulphite Nutrition 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- ZIBGPFATKBEMQZ-UHFFFAOYSA-N triethylene glycol Chemical class OCCOCCOCCO ZIBGPFATKBEMQZ-UHFFFAOYSA-N 0.000 description 1
- GYHQJCFKQZOTBN-UHFFFAOYSA-N trisodium;borate;decahydrate Chemical class O.O.O.O.O.O.O.O.O.O.[Na+].[Na+].[Na+].[O-]B([O-])[O-] GYHQJCFKQZOTBN-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
- G01N2021/3572—Preparation of samples, e.g. salt matrices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N2021/3595—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using FTIR
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种能够快速测定多花黑麦草中性洗涤纤维含量的多花黑麦草中性洗涤纤维含量的测定方法。该测定方法提供了一种基于近红外光谱技术的多花黑麦草中中性洗涤纤维真实含量的预测模型，在已知大量样品真实含量的基础上，采集样品的近红外原始光谱，建立基于近红外光谱技术和化学计量学方法的多花黑麦草中性洗涤纤维含量的定量分析预测模型，接着，只需要将待测的多花黑麦草样品经过预处理后得到待测多花黑麦草样品粉末；并采集其近红外原始光谱图，光谱采集过程时间短，在采集近红外光谱后就可以进行检测，具有操作简单、检测迅速、检测效率高、检测精度高等特点。适合在牧草营养品质评价领域推广应用。
Description
技术领域
本发明涉及牧草营养品质评价领域，具体涉及一种多花黑麦草中性洗涤纤维含量的测定方法。
背景技术
多花黑麦草(Lolium multiflorum Lam.)为禾本科黑麦草属一年生或越年生牧草，适于生长在气候温暖湿润地区，是具世界栽培意义的优良牧草之一，在我国南方多省(市)均有较大面积的栽培。近年来，随着国家农业产业结构的调整，草食畜牧业快速发展，多花黑麦草因其产量高、冬春季生长旺盛、适应性强、营养价值丰富等优点，解决了我国南方冬春季家畜饲草不足的问题，在我国南方地区粮草轮作中发挥了极其重要的作用，尤其是草产量高、营养品质好的优良多花黑麦草品种对畜牧业生产尤为重要。在多花黑麦草育种工作中，不仅要培育产量高的品种，同时还要兼顾牧草的品质。
中性洗涤纤维(Neutral detergent fiber，NDF)是植物材料或含植物材料的饲料中不溶于中性洗涤剂的那部分物质，包括纤维素、半纤维素、木质素、二氧化硅、角质蛋白和蜡质等，也是组成植物细胞壁的成分。牧草中NDF的含量是影响牧草营养品质的重要因素，NDF含量高，家畜难以消化其中的木质素，牧草品质低，因此研究NDF在多花黑麦草中含量的动态变化对于饲草生产、育种具有重要指导意义。目前国内对于牧草NDF测定主要以传统湿化学方法为主，存在操作复杂、误差较大、成本高、耗时长、有毒有害化学药品污染环境等突出问题，难以从大量的多花黑麦草品种(系)或样品中筛选出NDF含量适当的品种(系)或样品，因此找出一种能够快速测定多花黑麦草中NDF含量的方法，对多花黑麦草育种和牧草品质控制具有重要的意义。
发明内容
本发明所要解决的技术问题是提供一种能够快速测定多花黑麦草中性洗涤纤维含量的多花黑麦草中性洗涤纤维含量的测定方法。
本发明解决其技术问题所采用的技术方案为：该多花黑麦草中性洗涤纤维含量的测定方法，包括以下步骤：
A、建立多花黑麦草中性洗涤纤维含量近红外预测模型；所述多花黑麦草中性洗涤纤维含量近红外预测模型采用如下方法建立，具体包括如下步骤：
a、采集多花黑麦草样品，所述多花黑麦草样品包括不同品种、不同品系、不同生育期、不同栽培方式和不同部位的鲜草样品，分别将上述采集的多花黑麦草样品进行预处理，所述预处理的方法如下所述：将采集的多花黑麦草样品先在105℃的环境中杀青20min，然后在65℃的环境中烘干后，在微型粉碎机中粉碎成粉末并过40目筛得到多花黑麦草样品粉末；
b、将步骤a得到的多花黑麦草样品粉末分别进行近红外光谱采集得到每个多花黑麦草样品粉末的近红外原始光谱图；
c、采用PCA算法对所有多花黑麦草样品粉末的近红外原始光谱进行分析，剔除具有相似光谱的多花黑麦草样品，剩余的多花黑麦草样品为代表性多花黑麦草样品；
d、采用Van Soest方法对步骤c得到的代表性多花黑麦草样品逐个进行中性洗涤纤维含量进行测定得到每个代表性多花黑麦草样品中性洗涤纤维含量值；
e、依据代表性多花黑麦草样品中性洗涤纤维含量值将代表性多花黑麦草样品分为校正集和验证集两部分，具体方法如下：首先将得到的代表性多花黑麦草中性洗涤纤维含量值从小到大进行排序，然后每隔3个取1个作为验证集，其余作为校正集，并且调整代表性多花黑麦草中中性洗涤纤维含量的最小值和最大值，使之划归为校正集；
f、将校正集样品的近红外光谱图和校正集样品的中性洗涤纤维含量值的导入Bruker OPUS/QUENT 5.5商用光谱定量分析软件中，首先，在全谱范围内对校正集样品的近红外光谱进行预处理，接着采用偏最小二乘回归法结合交互验证对校正集样品建立预测校正模型，根据近红外定量校正模型的参数对预测校正模型进行评价，对预测校正模型进行评价的近红外定量校正模型参数包括决定系数R2、交互验证决定系数R2cv、交互验证均方根误差RMSECV，其决定系数R2为95.71％、交互验证决定系数R2 cv为94.48％，交互验证均方根误差RMSECV为2.23，确定最佳光谱预处理为最小-最大归一化，最佳光谱预处理为多元散射校正，最佳建模光谱区为5450.1～～4246.7cm-1，最佳因子数为7，在评价过程中根据马氏距离、主因素分析图、光谱残差图以及化学分析值残差图结果剔除异常的多花黑麦草校正集样品，从而得到最佳的多花黑麦草中性洗涤纤维含量最佳近红外预测校正模型；接着，将验证集样品的近红外光谱和验证集样品的中性洗涤纤维含量导入建立的预测校正模型中进行分析验证得到预测验证模型；接着，利用近红外定量验证模型的参数对所得的预测验证模型进行评价，对预测验证模型进行评价的近红外定量验证模型的参数包括外部验证决定系数R2ev和验证均方根误差RMSEP，其外部验证决定系数R2ev为91.17％，验证均方根误差RMSEP为2.6，在评价过程中根据马氏距离、主因素分析图、光谱残差图以及化学分析值残差图结果剔除异常的多花黑麦草验证集样品，从而得到最佳多花黑麦草中性洗涤纤维含量近红外预测模型；
B、将待测的多花黑麦草样品按照步骤a所述的预处理方法处理后得到待测多花黑麦草样品粉末；
C、将步骤B得到的待测多花黑麦草样品粉末进行近红外光谱采集得到待测多花黑麦草样品粉末的近红外原始光谱图；
D、将待测多花黑麦草样品粉末的近红外原始光谱图和步骤f中得到的多花黑麦草中性洗涤纤维含量近红外预测模型导入到Bruker OPUS/QUENT 5.5商用光谱定量分析软件中，通过模型运算分析，即可得到待测多花黑麦草样品中中性洗涤纤维的含量。
进一步的是，所述多花黑麦草的生育期包括分蘖期、拔节期、孕穗期、抽穗期、开花期、结实期、成熟期。
进一步的是，所述多花黑麦草的栽培方式包括撒播栽培方式、育苗移栽栽培方式、施用氮肥栽培方式。
进一步的是，所述多花黑麦草的采集部位包括茎、叶、全株。
进一步的是，在步骤b中，采用如下所述的方法对多花黑麦草样品粉末分别进行近红外光谱采集，具体的，取适量多花黑麦草样品粉末，放入Bruker MPA型傅里叶变换NIRS仪样品杯中，使样品自然摊平，设定仪器工作参数，在温度为25±0.5℃条件下采集样品近红外光谱，得到该样品的第一次近红外光谱值，接着，将样品杯中的样品取出后再放入样品杯中，使样品自然摊平，再次采集样品近红外光谱，得到该样品的第二次近红外光谱值，然后对第一次近红外光谱值和第二次近红外光谱值进行平均，得到该多花黑麦草样品的近红外原始光谱图。
进一步的是，所述Bruker MPA型傅里叶变换NIRS仪器工作参数设定为：谱区范围4000～12500cm-1，分辨率8cm-1，扫描次数64次。
进一步的是，采用Bruker OPUS/QUENT 5.5商用光谱定量分析软件对第一次近红外光谱值和第二次近红外光谱值进行平均，得到多花黑麦草样品的近红外原始光谱图。
进一步的是，在步骤d中，采用Van Soest方法的代表性多花黑麦草样品逐个进行中性洗涤纤维含量进行测定得到每个代表性多花黑麦草样品中性洗涤纤维含量值；
进一步的是，在步骤f中，在全谱范围内对校正集样品的近红外光谱采用一阶导数、二阶导数、减去一条直线、一阶导数+MSC(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、没有光谱预处理、最小-最大归一化、矢量归一化、消除常量偏移量和多元散射校正11种光谱预处理方法。
本发明的有益效果在于：本发明所述的多花黑麦草中性洗涤纤维含量的测定方法提供了一种基于近红外光谱技术的多花黑麦草中中性洗涤纤维真实含量的预测模型，在已知大量样品真实含量的基础上，采集样品的近红外原始光谱，建立基于近红外光谱技术和化学计量学方法的多花黑麦草中性洗涤纤维含量的定量分析预测模型，接着，只需要将待测的多花黑麦草样品经过预处理后得到待测多花黑麦草样品粉末；并采集其近红外原始光谱图，光谱采集过程时间短，在采集近红外光谱后就可以进行检测，除前期建立预测模型外，整个近红外检测过程仅需短短的几分钟，具有操作简单、检测迅速、检测效率高的特点，而且该方法是在在已知大量样品真实含量的基础上，采集样品的近红外原始光谱，建立基于近红外光谱技术和化学计量学方法的多花黑麦草中性洗涤纤维含量的定量分析预测模型，其检测精度非常高，此外，本发明的检测方法不需要加入任何有机试剂，不会损害检测人员的健康，更不会因使用化学试剂导致环境污染等问题，更加安全环保，对于多花黑麦草生产和育种工作具有极为重要的意义。
附图说明
图1是实施例中所述404份多花黑麦草样品的近红外光谱图；
图2是实施例中所述123份代表性多花黑麦草样品的近红外光谱图；
图3是实施例中校正集样品的近红外光谱在最佳预处理方式多元散射校正进行预处理后最佳建模谱区的近红外光谱图；
图4是实施例中交叉验证均方根误差RMSECV、交互验证决定系数R2 cv随着主成份维数的变化图；
图5是实施例中验证集样品中性洗涤纤维含量化学值与近红外光谱预测值之间的相关性图。
具体实施方式
下面结合实施例对本发明作进一步的说明。
该多花黑麦草中性洗涤纤维含量的测定方法，包括以下步骤：
A、建立多花黑麦草中性洗涤纤维含量近红外预测模型；所述多花黑麦草中性洗涤纤维含量近红外预测模型采用如下方法建立，具体包括如下步骤：
a、采集多花黑麦草样品，所述多花黑麦草样品包括不同品种、不同品系、不同生育期、不同栽培方式和不同部位的鲜草样品，分别将上述采集的多花黑麦草样品进行预处理，所述预处理的方法如下所述：将采集的多花黑麦草样品先在105℃的环境中杀青20min，然后在65℃的环境中烘干后，在微型粉碎机中粉碎成粉末并过40目筛得到多花黑麦草样品粉末；
b、将步骤a得到的多花黑麦草样品粉末分别进行近红外光谱采集得到每个多花黑麦草样品粉末的近红外原始光谱图；
c、采用PCA算法对所有多花黑麦草样品粉末的近红外原始光谱进行分析，剔除具有相似光谱的多花黑麦草样品，剩余的多花黑麦草样品为代表性多花黑麦草样品；
d、采用Van Soest方法对步骤c得到的代表性多花黑麦草样品逐个进行中性洗涤纤维含量进行测定得到每个代表性多花黑麦草样品中性洗涤纤维含量值；
e、依据代表性多花黑麦草样品中性洗涤纤维含量值将代表性多花黑麦草样品分为校正集和验证集两部分，具体方法如下：首先将得到的代表性多花黑麦草中性洗涤纤维含量值从小到大进行排序，然后每隔3个取1个作为验证集，其余作为校正集，并且调整代表性多花黑麦草中中性洗涤纤维含量的最小值和最大值，使之划归为校正集；
f、将校正集样品的近红外光谱图和校正集样品的中性洗涤纤维含量值的导入Bruker OPUS/QUENT 5.5商用光谱定量分析软件中，首先，在全谱范围内对校正集样品的近红外光谱进行预处理，接着采用偏最小二乘回归法结合交互验证对校正集样品建立预测校正模型，根据近红外定量校正模型的参数对预测校正模型进行评价，对预测校正模型进行评价的近红外定量校正模型参数包括决定系数R2、交互验证决定系数R2cv、交互验证均方根误差RMSECV，其决定系数R2为95.71％、交互验证决定系数R2 cv为94.48％，交互验证均方根误差RMSECV为2.23，确定最佳光谱预处理为最小-最大归一化，最佳光谱预处理为多元散射校正，最佳建模光谱区为5450.1～～4246.7cm-1，最佳因子数为7，在评价过程中根据马氏距离、主因素分析图、光谱残差图以及化学分析值残差图结果剔除异常的多花黑麦草校正集样品，从而得到最佳的多花黑麦草中性洗涤纤维含量最佳近红外预测校正模型；接着，将验证集样品的近红外光谱和验证集样品的中性洗涤纤维含量导入建立的预测校正模型中进行分析验证得到预测验证模型；接着，利用近红外定量验证模型的参数对所得的预测验证模型进行评价，对预测验证模型进行评价的近红外定量验证模型的参数包括外部验证决定系数R2ev和验证均方根误差RMSEP，其外部验证决定系数R2ev为91.17％，验证均方根误差RMSEP为2.6，在评价过程中根据马氏距离、主因素分析图、光谱残差图以及化学分析值残差图结果剔除异常的多花黑麦草验证集样品，从而得到最佳多花黑麦草中性洗涤纤维含量近红外预测模型；
B、将待测的多花黑麦草样品按照步骤a所述的预处理方法处理后得到待测多花黑麦草样品粉末；
C、将步骤B得到的待测多花黑麦草样品粉末进行近红外光谱采集得到待测多花黑麦草样品粉末的近红外原始光谱图；
D、将待测多花黑麦草样品粉末的近红外原始光谱图和步骤f中得到的多花黑麦草中性洗涤纤维含量近红外预测模型导入到Bruker OPUS/QUENT 5.5商用光谱定量分析软件中，通过模型运算分析，即可得到待测多花黑麦草样品中中性洗涤纤维的含量。
本发明所述的多花黑麦草中性洗涤纤维含量的测定方法提供了一种基于近红外光谱技术的多花黑麦草中中性洗涤纤维真实含量的预测模型，在已知大量样品真实含量的基础上，采集样品的近红外原始光谱，建立基于近红外光谱技术和化学计量学方法的多花黑麦草中性洗涤纤维含量的定量分析预测模型，接着，只需要将待测的多花黑麦草样品经过预处理后得到待测多花黑麦草样品粉末；并采集其近红外原始光谱图，光谱采集过程时间短，在采集近红外光谱后就可以进行检测，除前期建立预测模型外，整个近红外检测过程仅需短短的几分钟，具有操作简单、检测迅速、检测效率高的特点，而且该方法是在在已知大量样品真实含量的基础上，采集样品的近红外原始光谱，建立基于近红外光谱技术和化学计量学方法的多花黑麦草中性洗涤纤维含量的定量分析预测模型，其检测精度非常高，此外，本发明的检测方法不需要加入任何有机试剂，不会损害检测人员的健康，更不会因使用化学试剂导致环境污染等问题，更加安全环保，对于多花黑麦草生产和育种工作具有极为重要的意义。
预测模型的检测精度与采集样品的种类有直接的关系，为了进一步增加预测模型的检测精度，需采集不同生育期的多花黑麦草样品，所述多花黑麦草的生育期包括分蘖期、拔节期、孕穗期、抽穗期、开花期、结实期、成熟期。
进一步的是，预测模型的检测精度与采集样品的种类有直接的关系，为了进一步增加预测模型的检测精度，需采集不同栽培方式的多花黑麦草样品，所述多花黑麦草的栽培方式包括撒播栽培方式、育苗移栽栽培方式、施用氮肥栽培方式。
进一步的是，预测模型的检测精度与采集样品的种类有直接的关系，为了进一步增加预测模型的检测精度，需采集不同部位的多花黑麦草样品，所述多花黑麦草的采集部位包括茎、叶、全株。
为了使得到的多花黑麦草样品的近红外原始光谱图更加准确真实，在步骤b中，采用如下所述的方法对多花黑麦草样品粉末分别进行近红外光谱采集，具体的，取适量多花黑麦草样品粉末，放入Bruker MPA型傅里叶变换NIRS仪样品杯中，使样品自然摊平，设定仪器工作参数，采集样品近红外光谱，得到该样品的第一次近红外光谱值，接着，将样品杯中的样品取出后再放入样品杯中，使样品自然摊平，再次采集样品近红外光谱，得到该样品的第二次近红外光谱值，然后对第一次近红外光谱值和第二次近红外光谱值进行平均，得到该多花黑麦草样品的近红外原始光谱图。
进一步的是，所述Bruker MPA型傅里叶变换NIRS仪器工作参数设定为：谱区范围4000～12000cm-1，分辨率8cm-1，扫描次数64次。
为了方便操作，采用Bruker OPUS/QUENT 5.5商用光谱定量分析软件对第一次近红外光谱值和第二次近红外光谱值进行平均，得到多花黑麦草样品的近红外原始光谱图。
进一步的是，在步骤d中，采用Van Soest方法的代表性多花黑麦草样品逐个进行中性洗涤纤维含量进行测定得到每个代表性多花黑麦草样品中性洗涤纤维含量值；
进一步的是，在步骤f中，在全谱范围内对校正集样品的近红外光谱采用一阶导数、二阶导数、减去一条直线、一阶导数+MSC(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、没有光谱预处理、最小-最大归一化、矢量归一化、消除常量偏移量和多元散射校正11种光谱预处理方法。
实施例
A、建立多花黑麦草中性洗涤纤维含量近红外预测模型；所述多花黑麦草中性洗涤纤维含量近红外预测模型采用如下方法建立，具体包括如下步骤：
a、采集多花黑麦草样品，所述多花黑麦草样品为2015-2016年采集的多花黑麦草样品，包括16个国审品种，22个新品系，采集生育期包括分蘖期、拔节期、孕穗期、抽穗期、开花期、结实期、成熟期七个生育期，采集部位包括茎、叶、全株，采集多花黑麦草的栽培方式包括撒播栽培方式、育苗移栽栽培方式、施用氮肥栽培方式，多花黑麦草样品一共403份，在105℃杀青20min，65℃烘干后，在微型粉碎机中粉碎成粉末并过40目筛，得到多花黑麦草样品粉末；
b、将步骤a得到的多花黑麦草样品粉末分别进行近红外光谱采集得到每个多花黑麦草样品粉末的近红外原始光谱图；具体的，取适量多花黑麦草样品粉末，放入Bruker公司生产的MPA型傅里叶变换NIRS仪样品杯中，使样品自然摊平，装载样品时，尽量保持样品的装载量、实密程度和表面平整一致，样品装载量为样品杯容量的一半左右，设定仪器工作参数为谱区范围4000～12500cm-1，分辨率8cm-1，扫描次数64次，以仪器内置参比作为校正采集样品光谱；在室温25±0.5℃条件下进行光谱采集，得到该样品的第一次近红外光谱值，接着，将样品杯中的样品取出后再放入样品杯中，使样品自然摊平，再次采集样品近红外光谱，得到该样品的第二次近红外光谱值，采集两次是为了减少取样引起的光谱漂移，然后采用Bruker OPUS/QUENT 5.5商用光谱定量分析软件对第一次近红外光谱值和第二次近红外光谱值进行平均，得到多花黑麦草样品的近红外原始光谱图，样品原始光谱图如图1所示；
c、将步骤b中得到的原始光谱图导入德国Bruker公司的OPUS/QUENT 5.5商用光谱定量分析软件中，采用PCA算法对所有多花黑麦草样品粉末的近红外原始光谱进行分析，剔除具有相似光谱的多花黑麦草样品，剩余123份多花黑麦草样品为代表性多花黑麦草样品，其样品原始光谱图如图2所示；
d、采用Van Soest方法对步骤c得到的代表性多花黑麦草样品逐个进行中性洗涤纤维含量进行测定得到每个代表性多花黑麦草样品中性洗涤纤维含量值；
所述的Van Soest方法(NY/T 1459-2007)为：利用美国Ankom公司的2000i纤维分析仪对中性洗涤纤维进行测定，其步骤如下：
1、试剂的配置：将30.0g十二烷基硫酸钠(USP)、18.61g乙二胺四乙酸二钠(Na2EDTA)、6.81g十水合四硼酸钠(Na2B4O7·10H2O)、10.0mL三甘醇(C6H14O4)全部溶解在1L蒸馏水中，配置为中性溶液；
2、中性洗涤纤维的测定：利用不溶于有机溶剂的记号笔给美国Ankom公司生产的F57滤袋编号并称重(W1)，然后准确称量0.35～0.45g(W2)的样品于滤袋中，避免样品粘在距袋口4mm处，然后使用封口机封口，将装好样品的滤袋放置在容器内加入足量丙酮覆盖滤袋，震荡10次浸泡10分钟，重复丙酮洗涤，然后倒出丙酮放置滤袋风干；将滤袋放置在美国Ankom公司的2000i纤维分析仪的托盘架上，每次最多能放24个样品包，九个托盘不用区分滤袋编号，每个托盘放置3个滤袋，托盘间呈120°角放置，将放好滤袋的托盘架放入纤维仪容器中，放入重锤确保空着的第九层托盘可浸入液面下；在纤维分析仪的A口放好蒸馏水配置的中性溶液,遵循Ankom 2000i的用法，选择NDF程序，等待盖上盖子，确定热水器开启，按START，当中性溶液注入容器内并开始搅拌时，手动向容器内加入20g亚硫酸钠(Na2SO3)和4mL Alpha-淀粉酶；在容器B口处放好8mL稀释至250mL的Alpha-淀粉酶稀释液，仪器将自动在洗涤过程中加入；当NDF分析及洗涤过程结束后，打开容器盖子取出样品，轻压滤袋使水挤出，用冷水洗涤两次，然后把滤袋放入250mL烧杯中，加入足量丙酮覆盖滤袋3-5分钟；从丙酮中取出滤袋风干，在烘箱中102±2℃完全干燥(注意丙酮没有完全挥发前不要放入烘箱)；从烘箱中取出滤袋，平铺在干燥的袋中隔绝空气，冷却称重(W3)。按照公式NDF(％)＝(W3-W1)×100÷W2进行计算中性洗涤纤维的含量。
e、依据代表性多花黑麦草样品中性洗涤纤维含量值将代表性多花黑麦草样品分为校正集和验证集两部分，具体方法如下：首先将得到的代表性多花黑麦草中性洗涤纤维含量值从小到大进行排序，然后每隔3个取1个作为验证集，其余作为校正集；即具有代表性的123份多花黑麦草样品中，有93份作为校正集，30份作为验证集，并且调整多花黑麦草中中性洗涤纤维含量的最小值和最大值，使之划归为校正集。
f、将校正集样品的近红外光谱图和校正集样品的中性洗涤纤维含量值的导入Bruker OPUS/QUENT 5.5商用光谱定量分析软件中，首先，在全谱范围内对校正集样品的近红外光谱进行预处理，在全谱范围内对校正集样品的近红外光谱采用一阶导数、二阶导数、减去一条直线、一阶导数+MSC(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、没有光谱预处理、最小-最大归一化、矢量归一化、消除常量偏移量和多元散射校正11种光谱预处理方法，接着采用偏最小二乘回归法结合交互验证对校正集样品建立预测校正模型，根据近红外定量校正模型的参数对预测校正模型进行评价，确定最佳光谱预处理方法，主成份因子数和最佳建模光谱区，最终以预测校正模型的交互验证均方根误差RMSECV的最小值对应最佳光谱预处理方法、最佳建模光谱区和最佳主成份因子数，图3是校正集样品的近红外光谱在最佳预处理方式多元散射校正进行预处理后最佳建模谱区的近红外光谱图；表1是不同光谱预处理方法下最佳建模谱区和模型参数，由表1所述，最终确定的最佳光谱预处理为多元散射校正，最佳建模光谱区为5450.1～～4246.7cm-1，最佳因子数为7；在评价过程中根据马氏距离、主因素分析图、光谱残差图以及化学分析值残差图等结果剔除异常的多花黑麦草校正集样品，从而得到最佳的多花黑麦草中性洗涤纤维含量最佳近红外预测校正模型，对预测校正模型进行评价的近红外定量校正模型参数包括决定系数R2、交互验证决定系数R2cv、交互验证均方根误差RMSECV；接着，采用验证集样品对预测校正模型进行外部验证，所述的外部验证的具体方法是利用预测校正模型对验证集光谱进行预测，即在德国Bruker公司的OPUS/QUENT 5.5商用光谱定量分析软件中选择建立定量2方法，将验证集样品的近红外光谱和验证集样品的中性洗涤纤维含量导入建立的预测校正模型中进行分析验证得到预测验证模型；接着，利用近红外定量验证模型的参数对所得的预测验证模型进行评价，在评价过程中根据马氏距离、主因素分析图、光谱残差图以及化学分析值残差图等结果剔除异常的多花黑麦草验证集样品，从而得到最佳多花黑麦草中性洗涤纤维含量近红外预测模型；对预测验证模型进行评价的近红外定量验证模型参数包括外部验证决定系数R2ev和验证均方根误差RMSEP。即预测校正模型有较高的决定系数R2、交互验证决定系数R2cv和较低的RMSECV，预测验证模型有较高的外部验证决定系数R2ev和较低的RMSEP值时，所述近红外预测模型适用于多花黑麦草中性洗涤纤维含量的测定；图4是交叉验证均方根误差RMSECV、交互验证决定系数R2cv随着主成份维数的变化图，图5是验证集样品中性洗涤纤维含量化学值与近红外光谱预测值之间的相关性图；通过优化评价，所述的最优的多花黑麦草中性洗涤纤维含量的预测模型，其决定系数R2为95.71％、交互验证决定系数R2 cv为94.48％、外部验证决定系数R2 ev为91.17％、RMSECV为2.23和RMSEP为2.6；所述预测校正模型剔除了2个异常样品，即校正集样品为91个；所述的预测验证模型没有异常样品，即验证集样品为30个；
表1
B、将待测的多花黑麦草样品按照步骤a所述的预处理方法处理后得到待测多花黑麦草样品粉末；
C、将步骤B得到的待测多花黑麦草样品粉末进行近红外光谱采集得到待测多花黑麦草样品粉末的近红外原始光谱图；
D、将待测多花黑麦草样品粉末的近红外原始光谱图和步骤f中得到的多花黑麦草中性洗涤纤维含量近红外预测模型导入到Bruker OPUS/QUENT 5.5商用光谱定量分析软件中，通过模型运算分析，即可得到待测多花黑麦草样品中中性洗涤纤维的含量。
下表为待测的48份多花黑麦草样品采用上述方法测得的中性洗涤纤维的含量值；
由上表可知，采用本发明所述的多花黑麦草中性洗涤纤维含量的测定方法测定的多花黑麦草中性洗涤纤维含量的测定值与其真实值非常接近，其检测精度非常高。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定。任何熟悉本领域的技术人员，在不脱离本发明的精神实质和技术方案的情况下，都可以利用上述的方法和技术内容对本发明技术方案做出许多可能的变动和修饰。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的变动和修饰，均属于本发明技术方案保护的范围内。
Claims (9)
1.一种多花黑麦草中性洗涤纤维含量的测定方法，其特征在于包括以下步骤：
A、建立多花黑麦草中性洗涤纤维含量近红外预测模型；所述多花黑麦草中性洗涤纤维含量近红外预测模型采用如下方法建立，具体包括如下步骤：
a、采集多花黑麦草样品，所述多花黑麦草样品包括不同品种、不同品系、不同生育期、不同栽培方式和不同部位的鲜草样品，分别将上述采集的多花黑麦草样品进行预处理，所述预处理的方法如下所述：将采集的多花黑麦草样品先在105℃的环境中杀青20min，然后在65℃的环境中烘干后，在微型粉碎机中粉碎成粉末并过40目筛得到多花黑麦草样品粉末；
b、将步骤a得到的多花黑麦草样品粉末分别进行近红外光谱采集得到每个多花黑麦草样品粉末的近红外原始光谱图；
c、采用PCA算法对所有多花黑麦草样品粉末的近红外原始光谱进行分析，剔除具有相似光谱的多花黑麦草样品，剩余的多花黑麦草样品为代表性多花黑麦草样品；
d、采用Van Soest方法对步骤c得到的代表性多花黑麦草样品逐个进行中性洗涤纤维含量进行测定得到每个代表性多花黑麦草样品中性洗涤纤维含量值；
e、依据代表性多花黑麦草样品中性洗涤纤维含量值将代表性多花黑麦草样品分为校正集和验证集两部分，具体方法如下：首先将得到的代表性多花黑麦草中性洗涤纤维含量值从小到大进行排序，然后每隔3个取1个作为验证集，其余作为校正集，并且调整代表性多花黑麦草中中性洗涤纤维含量的最小值和最大值，使之划归为校正集；
f、将校正集样品的近红外光谱图和校正集样品的中性洗涤纤维含量值的导入BrukerOPUS/QUENT 5.5商用光谱定量分析软件中，首先，在全谱范围内对校正集样品的近红外光谱进行预处理，接着采用偏最小二乘回归法结合交互验证对校正集样品建立预测校正模型，根据近红外定量校正模型的参数对预测校正模型进行评价，对预测校正模型进行评价的近红外定量校正模型参数包括决定系数R2、交互验证决定系数R2cv、交互验证均方根误差RMSECV，其决定系数R2为95.71％、交互验证决定系数R2 cv为94.48％，交互验证均方根误差RMSECV为2.23，确定最佳光谱预处理为最小-最大归一化，最佳光谱预处理为多元散射校正，最佳建模光谱区为5450.1～～4246.7cm-1，最佳因子数为7，在评价过程中根据马氏距离、主因素分析图、光谱残差图以及化学分析值残差图结果剔除异常的多花黑麦草校正集样品，从而得到最佳的多花黑麦草中性洗涤纤维含量最佳近红外预测校正模型；接着，将验证集样品的近红外光谱和验证集样品的中性洗涤纤维含量导入建立的预测校正模型中进行分析验证得到预测验证模型；接着，利用近红外定量验证模型的参数对所得的预测验证模型进行评价，对预测验证模型进行评价的近红外定量验证模型的参数包括外部验证决定系数R2ev和验证均方根误差RMSEP，其外部验证决定系数R2ev为91.17％，验证均方根误差RMSEP为2.6，在评价过程中根据马氏距离、主因素分析图、光谱残差图以及化学分析值残差图结果剔除异常的多花黑麦草验证集样品，从而得到最佳多花黑麦草中性洗涤纤维含量近红外预测模型；
B、将待测的多花黑麦草样品按照步骤a所述的预处理方法处理后得到待测多花黑麦草样品粉末；
C、将步骤B得到的待测多花黑麦草样品粉末进行近红外光谱采集得到待测多花黑麦草样品粉末的近红外原始光谱图；
D、将待测多花黑麦草样品粉末的近红外原始光谱图和步骤f中得到的多花黑麦草中性洗涤纤维含量近红外预测模型导入到Bruker OPUS/QUENT 5.5商用光谱定量分析软件中，通过模型运算分析，即可得到待测多花黑麦草样品中中性洗涤纤维的含量。
2.根据权利要求1所述的多花黑麦草中性洗涤纤维含量的测定方法，其特征在于：所述多花黑麦草的生育期包括分蘖期、拔节期、孕穗期、抽穗期、开花期、结实期、成熟期。
3.根据权利要求1所述的多花黑麦草中性洗涤纤维含量的测定方法，其特征在于：所述多花黑麦草的栽培方式包括撒播栽培方式、育苗移栽栽培方式、施用氮肥栽培方式。
4.根据权利要求1所述的多花黑麦草中性洗涤纤维含量的测定方法，其特征在于：所述多花黑麦草的采集部位包括茎、叶、全株。
5.根据权利要求1所述的多花黑麦草中性洗涤纤维含量的测定方法，其特征在于：在步骤b中，采用如下所述的方法对多花黑麦草样品粉末分别进行近红外光谱采集，具体的，取适量多花黑麦草样品粉末，放入Bruker MPA型傅里叶变换NIRS仪样品杯中，使样品自然摊平，设定仪器工作参数，在温度为25±0.5℃条件下采集样品近红外光谱，得到该样品的第一次近红外光谱值，接着，将样品杯中的样品取出后再放入样品杯中，使样品自然摊平，再次采集样品近红外光谱，得到该样品的第二次近红外光谱值，然后对第一次近红外光谱值和第二次近红外光谱值进行平均，得到该多花黑麦草样品的近红外原始光谱图。
6.根据权利要求5所述的多花黑麦草中性洗涤纤维含量的测定方法，其特征在于：所述Bruker MPA型傅里叶变换NIRS仪器工作参数设定为：谱区范围4000～12500cm-1，分辨率8cm-1，扫描次数64次。
7.根据权利要求6所述的多花黑麦草中性洗涤纤维含量的测定方法，其特征在于：采用Bruker OPUS/QUENT 5.5商用光谱定量分析软件对第一次近红外光谱值和第二次近红外光谱值进行平均，得到多花黑麦草样品的近红外原始光谱图。
8.根据权利要求1所述的多花黑麦草中性洗涤纤维含量的测定方法，其特征在于：在步骤d中，采用Van Soest方法的代表性多花黑麦草样品逐个进行中性洗涤纤维含量进行测定得到每个代表性多花黑麦草样品中性洗涤纤维含量值。
9.根据权利要求1所述的多花黑麦草中性洗涤纤维含量的测定方法，其特征在于：在步骤f中，在全谱范围内对校正集样品的近红外光谱采用一阶导数、二阶导数、减去一条直线、一阶导数+MSC(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、没有光谱预处理、最小-最大归一化、矢量归一化、消除常量偏移量和多元散射校正11种光谱预处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710115859.0A CN106841102A (zh) | 2017-03-01 | 2017-03-01 | 一种多花黑麦草中性洗涤纤维含量的测定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710115859.0A CN106841102A (zh) | 2017-03-01 | 2017-03-01 | 一种多花黑麦草中性洗涤纤维含量的测定方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106841102A true CN106841102A (zh) | 2017-06-13 |
Family
ID=59138796
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710115859.0A Pending CN106841102A (zh) | 2017-03-01 | 2017-03-01 | 一种多花黑麦草中性洗涤纤维含量的测定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106841102A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107389596A (zh) * | 2017-06-26 | 2017-11-24 | 兰州大学 | 一种快速预测大麦秸秆营养组成的方法 |
| CN108267414A (zh) * | 2017-12-26 | 2018-07-10 | 中山出入境检验检疫局检验检疫技术中心 | 纺织品纤维含量的近红外光谱分析方法 |
| CN109507145A (zh) * | 2018-12-28 | 2019-03-22 | 山东益丰生化环保股份有限公司 | 一种近红外检测工业液体硫脲含量的方法 |
-
2017
- 2017-03-01 CN CN201710115859.0A patent/CN106841102A/zh active Pending
Non-Patent Citations (3)
| Title |
|---|
| ARMINDA M.BRUNO-SOARES ET AL: "Use of near infrared reflectance spectroscopy（NIRS）for the prediction of the chemical composition and nutritional attributes of green crop cereals", 《ANIMAL FEED SCIENCE AND TECHNOLOGY》 * |
| 严衍禄 等: "《近红外光谱分析的原理、技术与应用》", 31 January 2013, 中国轻工业出版社 * |
| 李静: "近红外光谱法测定棉粕中的NDF和ADF含量的方法研究", 《黑龙江畜牧兽医 科技版》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107389596A (zh) * | 2017-06-26 | 2017-11-24 | 兰州大学 | 一种快速预测大麦秸秆营养组成的方法 |
| CN108267414A (zh) * | 2017-12-26 | 2018-07-10 | 中山出入境检验检疫局检验检疫技术中心 | 纺织品纤维含量的近红外光谱分析方法 |
| CN109507145A (zh) * | 2018-12-28 | 2019-03-22 | 山东益丰生化环保股份有限公司 | 一种近红外检测工业液体硫脲含量的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109187441B (zh) | 基于冠层光谱信息的夏玉米含氮量监测模型的构建方法 | |
| US10845243B1 (en) | Method for establishing content monitoring model of canopy water of winter wheat based on spectral parameters | |
| CN106908408A (zh) | 一种多花黑麦草粗蛋白含量的测定方法 | |
| CN106770019A (zh) | 一种多花黑麦草可溶性糖含量的测定方法 | |
| CN101604359B (zh) | 图像法水稻氮肥施肥推荐方法 | |
| CN106018337A (zh) | 一种棉仁粉中植酸含量的测定方法 | |
| CN110189793B (zh) | 基于高光谱的小麦氮肥生理利用率估测模型构建及不同氮效率小麦品种分类 | |
| CN111855589A (zh) | 水稻叶片氮积累量遥感反演模型和方法 | |
| CN101881726A (zh) | 植物幼苗综合性状活体无损检测方法 | |
| CN106841102A (zh) | 一种多花黑麦草中性洗涤纤维含量的测定方法 | |
| CN106018335A (zh) | 基于近红外光谱的整粒棉籽中植酸含量的无损测定方法 | |
| CN106383094A (zh) | 一种快速测定尾细桉木材化学成分含量的方法 | |
| Wang et al. | Quantitative analysis of fat content in rice by near‐infrared spectroscopy technique | |
| CN110346322A (zh) | 青贮玉米营养成分预测模型的构建方法与应用 | |
| CN112816618A (zh) | 一种氮高效小麦品种的筛选方法 | |
| Despal et al. | Prediction accuracy improvement of Indonesian dairy cattle fiber feed compositions using near-infrared reflectance spectroscopy local database | |
| CN111855592A (zh) | 水稻单位面积内地上部干物重遥感反演模型和方法 | |
| CN107314985A (zh) | 一种利用近红外光谱检测油菜茎秆纤维素含量的方法 | |
| CN103245625A (zh) | 一种烤烟鲜烟叶成熟度的无损检测方法 | |
| CN110596048A (zh) | 一种光谱速测烟草叶片中钾含量的方法 | |
| CN105675538A (zh) | 一种胡麻饼养分的检测方法 | |
| CN103425091B (zh) | 单粒油菜籽品质的近红外光谱在线无损检测方法与装置 | |
| CN106645023A (zh) | 一种多花黑麦草酸性洗涤纤维含量的测定方法 | |
| CN106404699A (zh) | 一种梨树叶片氮素含量的无损测量方法 | |
| CN111426645A (zh) | 一种快速测定植株不同器官氮含量的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170613 |
|
| RJ01 | Rejection of invention patent application after publication |