CN108195793A - 植物源性饲料原料氨基酸含量的通用模型构建方法 - Google Patents
植物源性饲料原料氨基酸含量的通用模型构建方法 Download PDFInfo
- Publication number
- CN108195793A CN108195793A CN201611124234.2A CN201611124234A CN108195793A CN 108195793 A CN108195793 A CN 108195793A CN 201611124234 A CN201611124234 A CN 201611124234A CN 108195793 A CN108195793 A CN 108195793A
- Authority
- CN
- China
- Prior art keywords
- sample
- amino acid
- acid content
- plant
- near infrared
- 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
- 150000001413 amino acids Chemical class 0.000 title claims abstract description 59
- 238000010276 construction Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000001228 spectrum Methods 0.000 claims abstract description 31
- 238000000513 principal component analysis Methods 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims abstract description 4
- 235000001014 amino acid Nutrition 0.000 claims description 54
- 229940024606 amino acid Drugs 0.000 claims description 54
- 238000012795 verification Methods 0.000 claims description 14
- 238000004611 spectroscopical analysis Methods 0.000 claims description 10
- 238000002329 infrared spectrum Methods 0.000 claims description 9
- DHMQDGOQFOQNFH-UHFFFAOYSA-N Glycine Chemical compound NCC(O)=O DHMQDGOQFOQNFH-UHFFFAOYSA-N 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 5
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 4
- 238000003556 assay Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- WHUUTDBJXJRKMK-UHFFFAOYSA-N Glutamic acid Natural products OC(=O)C(N)CCC(O)=O WHUUTDBJXJRKMK-UHFFFAOYSA-N 0.000 claims description 3
- 239000004471 Glycine Substances 0.000 claims description 3
- QNAYBMKLOCPYGJ-REOHCLBHSA-N L-alanine Chemical compound C[C@H](N)C(O)=O QNAYBMKLOCPYGJ-REOHCLBHSA-N 0.000 claims description 3
- CKLJMWTZIZZHCS-REOHCLBHSA-N L-aspartic acid Chemical compound OC(=O)[C@@H](N)CC(O)=O CKLJMWTZIZZHCS-REOHCLBHSA-N 0.000 claims description 3
- AGPKZVBTJJNPAG-WHFBIAKZSA-N L-isoleucine Chemical compound CC[C@H](C)[C@H](N)C(O)=O AGPKZVBTJJNPAG-WHFBIAKZSA-N 0.000 claims description 3
- OUYCCCASQSFEME-QMMMGPOBSA-N L-tyrosine Chemical compound OC(=O)[C@@H](N)CC1=CC=C(O)C=C1 OUYCCCASQSFEME-QMMMGPOBSA-N 0.000 claims description 3
- KDXKERNSBIXSRK-UHFFFAOYSA-N Lysine Natural products NCCCCC(N)C(O)=O KDXKERNSBIXSRK-UHFFFAOYSA-N 0.000 claims description 3
- 239000004472 Lysine Substances 0.000 claims description 3
- 239000002253 acid Substances 0.000 claims description 3
- 235000004279 alanine Nutrition 0.000 claims description 3
- 235000013922 glutamic acid Nutrition 0.000 claims description 3
- 239000004220 glutamic acid Substances 0.000 claims description 3
- AGPKZVBTJJNPAG-UHFFFAOYSA-N isoleucine Natural products CCC(C)C(N)C(O)=O AGPKZVBTJJNPAG-UHFFFAOYSA-N 0.000 claims description 3
- 229960000310 isoleucine Drugs 0.000 claims description 3
- OUYCCCASQSFEME-UHFFFAOYSA-N tyrosine Natural products OC(=O)C(N)CC1=CC=C(O)C=C1 OUYCCCASQSFEME-UHFFFAOYSA-N 0.000 claims description 3
- DWNBOPVKNPVNQG-LURJTMIESA-N (2s)-4-hydroxy-2-(propylamino)butanoic acid Chemical compound CCCN[C@H](C(O)=O)CCO DWNBOPVKNPVNQG-LURJTMIESA-N 0.000 claims description 2
- WHUUTDBJXJRKMK-VKHMYHEASA-N L-glutamic acid Chemical compound OC(=O)[C@@H](N)CCC(O)=O WHUUTDBJXJRKMK-VKHMYHEASA-N 0.000 claims description 2
- ROHFNLRQFUQHCH-YFKPBYRVSA-N L-leucine Chemical compound CC(C)C[C@H](N)C(O)=O ROHFNLRQFUQHCH-YFKPBYRVSA-N 0.000 claims description 2
- KDXKERNSBIXSRK-YFKPBYRVSA-N L-lysine Chemical compound NCCCC[C@H](N)C(O)=O KDXKERNSBIXSRK-YFKPBYRVSA-N 0.000 claims description 2
- KZSNJWFQEVHDMF-BYPYZUCNSA-N L-valine Chemical compound CC(C)[C@H](N)C(O)=O KZSNJWFQEVHDMF-BYPYZUCNSA-N 0.000 claims description 2
- ROHFNLRQFUQHCH-UHFFFAOYSA-N Leucine Natural products CC(C)CC(N)C(O)=O ROHFNLRQFUQHCH-UHFFFAOYSA-N 0.000 claims description 2
- KZSNJWFQEVHDMF-UHFFFAOYSA-N Valine Natural products CC(C)C(N)C(O)=O KZSNJWFQEVHDMF-UHFFFAOYSA-N 0.000 claims description 2
- 229910021529 ammonia Inorganic materials 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 239000004474 valine Substances 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 claims 1
- 235000015177 dried meat Nutrition 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 5
- 230000001681 protective effect Effects 0.000 abstract description 4
- 239000002994 raw material Substances 0.000 abstract description 4
- 238000007689 inspection Methods 0.000 abstract description 3
- 241000196324 Embryophyta Species 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 4
- 238000003306 harvesting Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010183 spectrum analysis Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 101710089042 Demethyl-4-deoxygadusol synthase Proteins 0.000 description 2
- ONIBWKKTOPOVIA-BYPYZUCNSA-N L-Proline Chemical compound OC(=O)[C@@H]1CCCN1 ONIBWKKTOPOVIA-BYPYZUCNSA-N 0.000 description 2
- ONIBWKKTOPOVIA-UHFFFAOYSA-N Proline Natural products OC(=O)C1CCCN1 ONIBWKKTOPOVIA-UHFFFAOYSA-N 0.000 description 2
- 235000019779 Rapeseed Meal Nutrition 0.000 description 2
- 235000013339 cereals Nutrition 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 239000004456 rapeseed meal Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 235000015099 wheat brans Nutrition 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 125000002924 primary amino group Chemical group [H]N([H])* 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 235000018102 proteins Nutrition 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 239000007787 solid Substances 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
- 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
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
本发明涉及一种植物源性饲料原料氨基酸含量的通用模型构建方法,其包括以下步骤:1)收集与制备多个已知来源的不同种类植物源性饲料的样本;2)测定各样本的氨基酸含量;3)采集步骤2)中已知氨基酸含量的样本的近红外光谱信息,得到样本光谱数据;4)对步骤3)中样本光谱数据进行预处理,并对预处理后的样本光谱数据进行主成分分析,提取特征信息数据,建立校正模型;5)评价步骤4)所建立的校正模型。本发明具有快速、高效、绿色环保等优点,同时通过构建多种植物源性饲料原料氨基酸含量通用模型可实现一模多用的效果,降低模型构建成本,提高模型检测效率。
Description
技术领域
本发明涉及一种检测植物源性饲料原料中氨基酸的方法,具体地说,是涉及一种基于近红外光谱分析技术快速测定植物源性饲料原料氨基酸含量的通用模型构建方法。
背景技术
饲料是动物生长的物质基础,蛋白则是动物生长的营养基础,而动物对蛋白质的需求实际上是对氨基酸的需求,因此饲料中氨基酸种类和含量是衡量其质量高低的一项重要指标。饲料中氨基酸的分析通常采用氨基酸自动分析仪,该方法处理过程复杂、所用试剂污染性较大、分析速度较慢、处理时间较长,成本较高。因此,建立快速、简便、绿色的测定方法则显得尤为必要。
近红外光谱分析技术可利用有机化学物质在近红外光谱区的光学特性快速估测样品中的一项或多项化学成分含量,因此具有快速、方便、准确、可同时分析多组分的优点。近红外分析只是取得样品的光谱信号,有时甚至可以在原容器中进行测定,不需要其它试剂,因此测试过程中不会产生任何污染,具有绿色环保的特点。
近年来,近红外光谱技术已广泛应用于饲料主要成分的测定中,但原料基本为单一来源性饲料,但对于利用多种原料建立通用性模型预测氨基酸含量的方法以及预测效果均未见报道。
发明内容
本发明的目的是提供一种基于近红外光谱分析技术的快速测定植物源性饲料原料氨基酸含量的通用模型构建方法。
为了实现上述目的,本发明的植物源性饲料原料氨基酸含量的通用模型构建方法包括以下步骤:
1)收集与制备多个已知来源的不同种类植物源性饲料的校正集样本;
2)测定各校正集样本的氨基酸含量;
3)采集步骤2)中已知氨基酸含量的校正集样本的近红外光谱信息,得到校正集光谱数据;
4)对步骤3)中校正集光谱数据进行预处理,并对预处理后的校正集光谱数据进行主成分分析,提取特征信息数据,建立校正模型;
5)评价步骤4)所建立的校正模型。
上述的方法,还包括:6)采集待测样本的近红外光谱信息,输入步骤4)所构建的校正模型进行待测样本的氨基酸含量的预测。
具体地,步骤6)包括:
61)收集与制备多个已知来源的不同种类植物源性饲料的待测样本;
62)测定各待测样本的氨基酸含量;
63)采集步骤62)中已知氨基酸含量的待测样本的近红外光谱信息,得到待测样本光谱数据;
64)利用步骤4)所建立的校正模型获得待测样本的氨基酸含量的预测值。
上述的方法,所述步骤1)还包括对各校正集样本进行粉碎,然后过60目筛的步骤。
上述的方法,所述步骤2)中,各校正集样本的氨基酸含量的测定所采用的方法为GB/T 18246-2000饲料中氨基酸的测定方法。
上述的方法,所述步骤3)中,近红外光谱扫描方式为连续波长近红外扫描,所采用的化学计量学方法为偏最小二乘法。
上述的方法,所述步骤3)中,近红外光谱采集范围为3594.7cm-1-12489.1cm-1,光谱分辨率为4cm-1,扫描次数为64次。
上述的方法,所述步骤4)中,光谱预处理的方法为矢量归一法、多元散射校正法、一阶导数法、MSC、消除常数偏移量法中至少一种。
上述的方法,所述步骤4)的主成分分析主要包括如下步骤:将预处理后的校正集光谱数据变换到2-10个互不相关的变量中,上述2-10个互不相关的变量含有原来多个相关光谱≥90%的信息。
上述的方法,所述步骤5)还包括如下步骤:
51)收集与制备多个已知来源的不同种类植物源性饲料验证集样本;
52)测定各验证集样本的氨基酸含量;
53)采集步骤52)中已知氨基酸含量的验证集样本的近红外光谱信息,得到验证集光谱数据;
54)利用步骤4)所建立的校正模型获得验证集样本的氨基酸含量的预测值,计算预测值与步骤52)得到的实际值的相关系数和标准偏差,评价所述步骤5)所得校正模型的有效性。
上述的方法,所述氨基酸选自天门冬氨酸、谷氨酸、脯氨酸、甘氨酸、丙氨酸、缬氨酸、异亮氨酸、亮氨酸、酪氨酸和赖氨酸中的至少一种。
本发明的有益功效在于,本发明具有快速、高效、绿色环保等优点,同时通过构建多种植物源性饲料原料氨基酸含量通用模型可实现一模多用的效果,降低模型构建成本,提高模型检测效率。
以下结合附图和具体实施例对本发明进行详细描述,但不作为对本发明的限定。
附图说明
图1为不同种类植物源性饲料原料近红外原始光谱图;
图2a至图2j为待测样本的氨基酸含量的预测值与实际值相关性散点图;
图3为本发明的构建方法的步骤图。
具体实施方式
下面结合附图和具体实施例对本发明技术方案进行详细的描述,以更进一步了解本发明的目的、方案及功效,但并非作为本发明所附权利要求保护范围的限制。
如图3所示,本发明的植物源性饲料原料氨基酸含量的通用模型构建方法包括以下步骤:
1)收集与制备多个已知来源的不同种类植物源性饲料的校正集样本;
2)测定各校正集样本的氨基酸含量;
3)采集步骤2)中已知氨基酸含量的校正集样本的近红外光谱信息,得到校正集光谱数据;
4)对步骤3)中校正集光谱数据进行预处理,并对预处理后的校正集光谱数据进行主成分分析,提取特征信息数据,建立校正模型;
5)评价步骤4)所建立的校正模型。
上述的方法,还包括:6)采集待测样本的近红外光谱信息,输入步骤4)所构建的校正模型进行待测样本的氨基酸含量的预测。
具体地,可按照以下一实施例进行实施:
1)校正集样本的收集与制备
研究样本为100份已知来源的植物源性饲料原料样本,该校正集样本均来自企业,校正集样本包括DDGS(Distillers Dried Grains with Solubles的简写,DDGS是酒糟蛋白饲料的商品名,即含有可溶固形物的干酒糟)、菜粕和麸皮,其中DDGS31个、菜粕33个、麸皮36个。
所有校正集样本均采用旋风磨进行粉碎,然后过60目筛。
2)校正集样本中氨基酸含量的测定
采用行业内普遍使用的标准的测定方法,例如,采用GB/T 18246-2000饲料中氨基酸的测定方法对校正集样本中氨基酸含量进行测定。
3)校正集样本近红外光谱采集
采用德国布鲁克MPA傅里叶变换近红外光谱仪进行光谱采集,于25℃下开启近红外光谱仪预热30min,每次扫样前以空气光谱为背景光谱。其中近红外光谱仪采集方式为漫反射,光谱采集范围为12489.1cm-1-3594.7cm-1,光谱分辨率为4cm-1,扫描次数为64次。每个样品均重复扫描2次,求其平均光谱曲线以得到校正集样本光谱数据(见图1)。
4)近红外光谱预处理,建立校正模型
采用消除常数偏移量法对步骤3)得到的校正集光谱数据进行预处理。预处理后的校正集样本光谱数据有效消除了散射影响,增强了与成分含量相关的光谱吸收信息。
提取预处理后的校正集样本光谱数据的主成分数,饲料中10种氨基酸所对用的主成分数分别为:天门冬氨酸7、谷氨酸7、脯氨酸8、甘氨酸8、丙氨酸6、缬氨酸9、异亮氨酸8、亮氨酸9、酪氨酸9、赖氨酸9。
采用偏最小二乘法建立100份饲料的校正集样本的氨基酸含量和提取的近红外光谱特征数据之间的校正模型,所得模型结果如表1所示。
表1饲料原料氨基酸含量通用模型校正集优化结果
5)校正模型的验证
51)收集与制备30个已知来源的不同种类植物源性饲料验证集样本;52)测定各验证集样本的氨基酸含量;53)采集步骤52)中已知氨基酸含量的验证集样本的近红外光谱信息,得到验证集光谱数据;54)利用步骤4)所建立的校正模型获得验证集样本的氨基酸含量的预测值,计算预测值与步骤52)得到的实际值的相关系数和标准偏差,评价所述步骤5)所得校正模型的有效性,验证结果如表2所示。
其中,相关系数指的是预测值与实际测定值这两组数之间的线性相关性。
标准偏差指的是预测值与实际值之差平方和除以样品数减1,主要用于体现数据的波动性。具体计算如下:其中,yi:预测值,实际值,Np样本数。
相关系数越接近1越好,标准偏差越小越好,说明本校正模型检测效率越高。
表2饲料原料氨基酸含量通用模型验证结果
上述表1和表2中:
R2:决定系数,相关系数的平方,主要用来反应两组数据的相关性。
RMSEE:校正集标准差。
RPD:相对分析误差。
6)待测样品的测定
收集与制备32个待测样本,测定各待测样本的氨基酸含量并采集已知氨基酸含量的待测样本的近红外光谱信息,得到待测样本光谱数据,利用步骤4)所建立的校正集模型预测待测集样品的氨基酸含量,待测样本的氨基酸含量测定值与预测值比较见表2a-2d,以及图2a至图2j。
表2a氨基酸含量测定值与预测值比较
表2b氨基酸含量测定值与预测值比较
表2c氨基酸含量测定值与预测值比较
表2d氨基酸含量测定值与预测值比较
综上实施例实验数据,本发明具有快速、高效、绿色环保等优点,同时通过构建多种植物源性饲料原料氨基酸含量通用模型可实现一模多用的效果,降低模型构建成本,提高模型检测效率。
当然,本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.一种植物源性饲料原料氨基酸含量的通用模型构建方法,其特征在于,包括以下步骤:
1)收集与制备多个已知来源的不同种类植物源性饲料的样本;
2)测定各样本的氨基酸含量;
3)采集步骤2)中已知氨基酸含量的样本的近红外光谱信息,得到样本光谱数据;
4)对步骤3)中各样本光谱数据进行预处理,并对预处理后的样本光谱数据进行主成分分析,提取特征信息数据,建立校正模型;
5)评价步骤4)所建立的校正模型。
2.根据权利要求1所述的方法,其特征在于:所述步骤5)之后还包括以下步骤:
6)采集待测样本的近红外光谱信息,输入步骤4)所构建的校正模型进行待测样本的氨基酸含量的预测。
3.根据权利要求1所述的方法,其特征在于:所述步骤1)还包括对各样本进行粉碎,然后过60目筛的步骤。
4.根据权利要求1所述的方法,其特征在于:所述步骤2)中,各样本的氨基酸含量的测定所采用的方法为GB/T 18246-2000饲料中氨基酸的测定方法。
5.根据权利要求1所述的方法,其特征在于:所述步骤3)中,近红外光谱扫描方式为连续波长近红外扫描,所采的化学计量学方法为偏最小二乘法。
6.根据权利要求1至5任一项所述的方法,其特征在于:所述步骤3)中,近红外光谱采集范围为3594.7cm-1-12489.1cm-1,光谱分辨率为4cm-1,扫描次数为64次。
7.根据权利要求1至5任一项所述的方法,其特征在于:所述步骤4)中,光谱预处理的方法为矢量归一法、多元散射校正法、一阶导数法、MSC、消除常数偏移量法中至少一种。
8.根据权利要求1至5任一项所述的方法,其特征在于:所述步骤4)的主成分分析主要包括如下步骤:将预处理后的样本光谱数据变换到2-10个互不相关的变量中,上述2-10个互不相关的变量含有原来多个相关光谱≥90%的信息。
9.根据权利要求1所述的方法,其特征在于:所述步骤5)还包括如下步骤:重复步骤1)至3)以收集与制备多个验证集样本,测定各验证集样本的氨基酸含量以及采集验证集样本的近红外光谱信息,得到验证集光谱数据,利用步骤4)所建立的校正模型获得验证集样本的氨基酸含量的预测值,计算预测值与得到的实际值的相关系数和标准偏差,评价所述步骤5)所得校正模型的有效性。
10.根据权利要求1所述的方法,其特征在于:所述氨基酸选自天门冬氨酸、谷氨酸、脯氨酸、甘氨酸、丙氨酸、缬氨酸、异亮氨酸、亮氨酸、酪氨酸和赖氨酸中的至少一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611124234.2A CN108195793A (zh) | 2016-12-08 | 2016-12-08 | 植物源性饲料原料氨基酸含量的通用模型构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611124234.2A CN108195793A (zh) | 2016-12-08 | 2016-12-08 | 植物源性饲料原料氨基酸含量的通用模型构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108195793A true CN108195793A (zh) | 2018-06-22 |
Family
ID=62572480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611124234.2A Pending CN108195793A (zh) | 2016-12-08 | 2016-12-08 | 植物源性饲料原料氨基酸含量的通用模型构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108195793A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109520965A (zh) * | 2018-11-20 | 2019-03-26 | 中国农业科学院农业质量标准与检测技术研究所 | 一种基于近红外光谱特征数据提取技术检测赖氨酸含量的方法 |
CN114295578A (zh) * | 2021-11-08 | 2022-04-08 | 浙江中烟工业有限责任公司 | 基于近红外光谱的烟叶常规化学成分通用模型建模方法 |
CN114384040A (zh) * | 2020-10-21 | 2022-04-22 | 江苏康缘药业股份有限公司 | 一种建立固体制剂中间体物理性质指标的通用测试模型的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102590129A (zh) * | 2012-01-11 | 2012-07-18 | 中国农业科学院农产品加工研究所 | 近红外检测花生中氨基酸含量的方法 |
CN104062263A (zh) * | 2014-07-11 | 2014-09-24 | 中国农业大学 | 光物性相近水果品质指标的近红外通用模型检测方法 |
WO2015094390A1 (en) * | 2013-12-17 | 2015-06-25 | Alltech, Inc. | Systems and methods for adjusting animal feed |
CN104777130A (zh) * | 2015-04-21 | 2015-07-15 | 通威股份有限公司 | 一种基于近红外光谱技术的l-苏氨酸的快速检测方法 |
CN105115938A (zh) * | 2015-07-29 | 2015-12-02 | 北京航空航天大学 | 一种饲料原料中三聚氰胺掺假定量检测方法 |
-
2016
- 2016-12-08 CN CN201611124234.2A patent/CN108195793A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102590129A (zh) * | 2012-01-11 | 2012-07-18 | 中国农业科学院农产品加工研究所 | 近红外检测花生中氨基酸含量的方法 |
WO2015094390A1 (en) * | 2013-12-17 | 2015-06-25 | Alltech, Inc. | Systems and methods for adjusting animal feed |
CN104062263A (zh) * | 2014-07-11 | 2014-09-24 | 中国农业大学 | 光物性相近水果品质指标的近红外通用模型检测方法 |
CN104777130A (zh) * | 2015-04-21 | 2015-07-15 | 通威股份有限公司 | 一种基于近红外光谱技术的l-苏氨酸的快速检测方法 |
CN105115938A (zh) * | 2015-07-29 | 2015-12-02 | 北京航空航天大学 | 一种饲料原料中三聚氰胺掺假定量检测方法 |
Non-Patent Citations (2)
Title |
---|
刘波平等: "偏最小二乘-反向传播-近红外光谱法同时测定饲料中4种氨基酸", 《分析化学研究简报》 * |
宋相中等: "基于微型近红外光谱仪的三种粮食(大米、玉米、大豆)含水量通用模型研究", 《光谱学与光谱分析》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109520965A (zh) * | 2018-11-20 | 2019-03-26 | 中国农业科学院农业质量标准与检测技术研究所 | 一种基于近红外光谱特征数据提取技术检测赖氨酸含量的方法 |
CN114384040A (zh) * | 2020-10-21 | 2022-04-22 | 江苏康缘药业股份有限公司 | 一种建立固体制剂中间体物理性质指标的通用测试模型的方法 |
CN114295578A (zh) * | 2021-11-08 | 2022-04-08 | 浙江中烟工业有限责任公司 | 基于近红外光谱的烟叶常规化学成分通用模型建模方法 |
CN114295578B (zh) * | 2021-11-08 | 2024-01-09 | 浙江中烟工业有限责任公司 | 基于近红外光谱的烟叶常规化学成分通用模型建模方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Discrimination of Ganoderma lucidum according to geographical origin with near infrared diffuse reflectance spectroscopy and pattern recognition techniques | |
Thiex | Evaluation of analytical methods for the determination of moisture, crude protein, crude fat, and crude fiber in distillers dried grains with solubles | |
CN102179375B (zh) | 一种基于近红外作物单籽粒成分无损检测筛选方法 | |
CN102590129B (zh) | 近红外检测花生中氨基酸含量的方法 | |
Fortier et al. | Identification of cotton and cotton trash components by Fourier transform near-infrared spectroscopy | |
CN1831515A (zh) | 用可见光和近红外光谱技术无损鉴别作物种子品种的方法 | |
CN104931454A (zh) | 一种利用近红外光谱分析技术快速测定纺织品中莱卡纤维含量的方法 | |
CN104865194A (zh) | 基于近红外、荧光、偏振多光谱的蔬菜农残检测装置及方法 | |
CN103278473B (zh) | 白胡椒中胡椒碱及水分含量的测定和品质评价方法 | |
CN108195793A (zh) | 植物源性饲料原料氨基酸含量的通用模型构建方法 | |
CN109142263A (zh) | 一种固体推进剂制备过程的组分分散均匀性在线测试方法 | |
CN104764717A (zh) | 一种利用近红外光谱分析技术快速测定纺织品中蚕丝含量的方法 | |
CN108548792A (zh) | 一种花生籽仁可溶性糖含量的快速无损检测方法 | |
CN106226267B (zh) | 一种辣椒干色价的近红外测定方法 | |
CN104316492A (zh) | 近红外光谱测定马铃薯块茎中蛋白质含量的方法 | |
CN110210005A (zh) | 一种无参考值的光谱波数选择方法 | |
CN102042967A (zh) | 一种基于近红外光谱技术的葡萄糖水溶液快速识别方法 | |
CN102928356A (zh) | 一种快速测定香精溶剂含量的方法 | |
CN113655027A (zh) | 一种近红外快速检测植物中单宁含量的方法 | |
CN106770152B (zh) | 一种基于特征峰及算法参数选取的奶粉品牌快速鉴别方法 | |
CN110470629A (zh) | 一种油茶籽中水分和含油量的近红外定量分析方法 | |
CN109540837A (zh) | 近红外快速检测苎麻叶片木质纤维素含量的方法 | |
CN108318446A (zh) | 一种检测花生种子总维生素e含量的近红外光谱模型及应用 | |
CN105241838A (zh) | 一种沙棘籽油掺伪的检测方法 | |
CN105510305A (zh) | 一种土豆淀粉铝含量的检测方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180622 |
|
WD01 | Invention patent application deemed withdrawn after publication |