JP5369032B2 - 含有成分量推定方法、評価値推定方法、及びこれら方法を実行するためのプログラム - Google Patents
含有成分量推定方法、評価値推定方法、及びこれら方法を実行するためのプログラム Download PDFInfo
- Publication number
- JP5369032B2 JP5369032B2 JP2010066914A JP2010066914A JP5369032B2 JP 5369032 B2 JP5369032 B2 JP 5369032B2 JP 2010066914 A JP2010066914 A JP 2010066914A JP 2010066914 A JP2010066914 A JP 2010066914A JP 5369032 B2 JP5369032 B2 JP 5369032B2
- Authority
- JP
- Japan
- Prior art keywords
- measurement target
- sample
- silage
- evaluation
- original sample
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims description 132
- 238000000034 method Methods 0.000 title claims description 124
- 238000011088 calibration curve Methods 0.000 claims description 89
- 238000001228 spectrum Methods 0.000 claims description 86
- 235000019750 Crude protein Nutrition 0.000 claims description 75
- 238000005259 measurement Methods 0.000 claims description 74
- 230000008569 process Effects 0.000 claims description 54
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 30
- 230000008034 disappearance Effects 0.000 claims description 21
- 230000003287 optical effect Effects 0.000 claims description 21
- 238000001035 drying Methods 0.000 claims description 14
- 229910052757 nitrogen Inorganic materials 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 9
- 235000013305 food Nutrition 0.000 claims description 7
- 150000002830 nitrogen compounds Chemical class 0.000 claims description 4
- 229910017464 nitrogen compound Inorganic materials 0.000 claims description 3
- 235000014113 dietary fatty acids Nutrition 0.000 claims description 2
- 229930195729 fatty acid Natural products 0.000 claims description 2
- 239000000194 fatty acid Substances 0.000 claims description 2
- 150000004665 fatty acids Chemical class 0.000 claims description 2
- 239000004460 silage Substances 0.000 description 127
- 238000007605 air drying Methods 0.000 description 37
- 238000004458 analytical method Methods 0.000 description 34
- 238000012545 processing Methods 0.000 description 25
- 238000011282 treatment Methods 0.000 description 17
- 230000004069 differentiation Effects 0.000 description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 15
- 238000000611 regression analysis Methods 0.000 description 14
- 238000010238 partial least squares regression Methods 0.000 description 12
- 238000009499 grossing Methods 0.000 description 10
- FERIUCNNQQJTOY-UHFFFAOYSA-N Butyric acid Chemical compound CCCC(O)=O FERIUCNNQQJTOY-UHFFFAOYSA-N 0.000 description 8
- 238000013480 data collection Methods 0.000 description 8
- 238000002360 preparation method Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 7
- 102000004169 proteins and genes Human genes 0.000 description 7
- 108090000623 proteins and genes Proteins 0.000 description 7
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 7
- 238000001256 steam distillation Methods 0.000 description 7
- 244000025254 Cannabis sativa Species 0.000 description 6
- 238000007696 Kjeldahl method Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000004817 gas chromatography Methods 0.000 description 3
- 239000008213 purified water Substances 0.000 description 3
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000000855 fermentation Methods 0.000 description 2
- 230000004151 fermentation Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- VZSRBBMJRBPUNF-UHFFFAOYSA-N 2-(2,3-dihydro-1H-inden-2-ylamino)-N-[3-oxo-3-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)propyl]pyrimidine-5-carboxamide Chemical compound C1C(CC2=CC=CC=C12)NC1=NC=C(C=N1)C(=O)NCCC(N1CC2=C(CC1)NN=N2)=O VZSRBBMJRBPUNF-UHFFFAOYSA-N 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- MHAJPDPJQMAIIY-UHFFFAOYSA-N Hydrogen peroxide Chemical compound OO MHAJPDPJQMAIIY-UHFFFAOYSA-N 0.000 description 1
- 240000004296 Lolium perenne Species 0.000 description 1
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 235000013325 dietary fiber Nutrition 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 235000012041 food component Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004811 liquid chromatography Methods 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Description
本発明は、含有成分量推定方法、評価値推定方法、及びこれら方法を実行するためのプログラムに関し、特に、食品、飼料、牧草、及び発酵物等の試料に含まれる測定対象の含有成分量を推定する方法、また、この測定対象成分に基づいて算出されるＶ−スコアー等の評価値を推定する方法、更にこれら方法を実行するためのプログラムに関する。
従来より、食品、飼料、牧草、又は発酵物等の原試料の栄養評価や品質評価を目的として、それらに含まれる含有成分の量の測定が行われている。この含有成分量の測定手法として、近年では、例えば、近赤外線分析等の非破壊分析の手法が用いられている。非特許文献１には、干草、牧草やとうもろこし等の発酵物であるサイレージに含まれる粗蛋白質（以下、ＣＰ（crude protein）と記載する）など栄養成分について、近赤外線分析法により精度よく推定できる事が開示されている。また、非特許文献２には、食肉の品質評価として、腐敗の指標となる揮発性塩基態窒素（以下，ＶＢＮと記載する。）の近赤外線分析法による推定方法について開示されている。
一方、非特許文献３には、牧草の発酵物であるサイレージ抽出液中のＶＢＮや揮発性脂肪酸（以下、ＶＦＡと記載する）等、サイレージの品質に関連する含有量の推定について検討されている。
また、ＶＢＮやＶＦＡ等の含有成分量に基づいて原試料の品質の指標として算出されるＶ−スコアー等の定められた評価値も知られている。なお、評価値の一例であるＶ−スコアーとは、以下の表１に規定されるＹＮ＋ＹＡ＋ＹＢで算出される値である。
（以下、全窒素をＴ−Ｎと記載する）
ところで、化学分析や近赤外線分析により、例えば、牧草や牧草の発酵物であるサイレージのＣＰなどの栄養成分含有量を測定する場合に、原試料を生のまま測定することは、保存上の理由などから難しい。従って、一般的に試料の含有量分析は、原試料を６０℃程度で風乾処理した後、処理後の原試料を粉砕機などで１ｍｍ以下に調整して乾燥粉砕物として、この乾燥粉砕物中に含まれる含有量を測定する。具体的にサイレージ乾燥粉砕物中のＣＰ含有量の定量は、当該サイレージ乾燥粉砕物を硫酸と過酸化水素水で分解した後、公知のケルダール法にて全窒素量を測定し、その測定した全窒素量に蛋白質換算係数（例えば、６．２５）を乗じて行うか、サイレージ乾燥粉砕物を対象に近赤外線分析を行う。
ところで、化学分析や近赤外線分析により、例えば、牧草や牧草の発酵物であるサイレージのＣＰなどの栄養成分含有量を測定する場合に、原試料を生のまま測定することは、保存上の理由などから難しい。従って、一般的に試料の含有量分析は、原試料を６０℃程度で風乾処理した後、処理後の原試料を粉砕機などで１ｍｍ以下に調整して乾燥粉砕物として、この乾燥粉砕物中に含まれる含有量を測定する。具体的にサイレージ乾燥粉砕物中のＣＰ含有量の定量は、当該サイレージ乾燥粉砕物を硫酸と過酸化水素水で分解した後、公知のケルダール法にて全窒素量を測定し、その測定した全窒素量に蛋白質換算係数（例えば、６．２５）を乗じて行うか、サイレージ乾燥粉砕物を対象に近赤外線分析を行う。
近赤外分析による粗飼料の成分分析と栄養価の推定法：日本草地学会誌 第３３巻 第３号 （１９８７年）
T. S. Park et. Biological Engineering. 1(2): 173-180.,2008
"近赤外分光法によるイタリアンライグラスサイレージ発酵品質の迅速評価法"［online］、平成１０年度、農林水産研究情報、［平成２２年３月１７日検索］、インターネット＜URL:http://www.affrc.go.jp/ja/agropedia/seika/data_knaes/h10/1998117＞
しかし、ＣＰを構成する成分の一つであるＶＢＮは、乾燥処理により揮発してしまうことが知られている。従って、サイレージ乾燥粉砕物中に含まれるＣＰ含有量は、生のサイレージ原試料中に含まれるＣＰ含有量とは異なるので、サイレージ乾燥粉砕物中のＣＰ含有量の測定結果だけでは、実際に家畜に与えられるサイレージ原試料のＣＰ含有量を把握することはできないという問題があった。
これに対して、サイレージ原試料のＣＰ含有量を把握するために、生のサイレージ原試料のＶＢＮ含有量を予め測定しておき、サイレージ乾燥粉砕物中に含まれるＣＰ含有量の測定結果に生のサイレージ原試料のＶＢＮ含有量を加味して、サイレージ原試料の実際のＣＰ含有量に近い補正ＣＰ含有量を算出するという方法も考えられる。
しかし、ＶＢＮ含有量の測定には、大掛かりな実験装置を必要とする水蒸気蒸留法や測定時間がかかる微量拡散法等の方法を用いる必要があり、このような煩雑な測定方法を、家畜に与えるサイレージ試料の全てに対して行うことは現実的ではない。
また、上記近赤外線分析を用いて乾燥粉砕試料の含有成分を簡便に推定する場合でも、上述のようにＶＢＮやＶＦＡなど品質評価に必要な揮発性の測定対象は乾燥により消失してしまっているので、これら揮発性の測定対象物の含有量について、別途、乾燥前の試料の抽出液を作成し、液体クロマトグラフィーやガスクロマトグラフィー等の方法で測定を行う必要があった。
このような状況は、サイレージに限らず、食品、飼料、及び牧草等の他の種々の試料において、乾燥、蒸発、揮発、発酵などの特定の処理を行なうことにより上述のＶＢＮ等の測定対象成分の一部又は全部が消失してしまうが、その一方で処理前の原試料の状態において含有成分を測定することが現実的に難しいというケースが発生する。また、当然、この場合、原試料の状態において、含有成分の測定値に基づいて算出される評価指標であるＶ−スコアー等の評価値を求めることも難しい。
本発明は、このような事情に鑑みてなされたものであり、その目的は、食品、飼料、及び牧草等の原試料の測定対象成分、及び該成分に基づいて算出される評価値を高精度に推定算出することのできる含有成分量推定方法、評価値推定方法、及びこれら方法を実行するためのプログラムを提供することにある。
上記目的は、予め測定対象成分の含有量の把握されている原試料に対し、該測定対象成分の一部又は全部を消失させるための処理を行なった後に、当該消失処理後の原試料について光スペクトルを測定し採取する工程と、前記光スペクトルのデータに基づいて説明変数を設定し、前記消失処理前の測定対象成分の量を目的変数として回帰式を設定する工程と、前記消失処理と同一の処理を施した測定対象原試料の光スペクトルのデータに基づいて、前記回帰式を検量線として測定対象原試料の前記測定対象成分の量を推定算出する工程と、を有することを特徴とする含有成分量推定方法により達成される。
本発明によれば、測定対象成分の一部又は全部が消失している上記消失処理後の原試料の光スペクトルを採取し、この光スペクトルのデータを説明変数として、予め知られている消失処理前の原試料の測定対象成分量を目的変数として回帰式を求める。そして、この回帰式を検量線として用いて、上記消失処理と同一の処理を施した測定対象原試料の光スペクトルから測定対象成分の量を推定算出する。これにより、測定対象成分の一部又は全部が消失してしまった消失処理後の原試料からでも、当該処理前の原試料に含まれていた測定対象成分の含有量を高精度に推定算出することができる。
本発明に係る好ましい態様は、以下の通りである。
（１）上記消失処理は、乾燥処理である。
（２）上記原試料は、食品、又は飼料である。
（３）上記原試料は、発酵物である。
（４）上記測定対象成分が、窒素化合物を含む。
（５）上記測定対象成分が、全窒素及び／又は粗蛋白質を含む。
（６）上記測定対象成分が、ＶＢＮ、及び／又は全窒素に対するＶＢＮの比を含む。
（７）上記測定対象成分が、ＶＦＡを含む。
（８）上記測定対象成分が、水分を含む。
（１）上記消失処理は、乾燥処理である。
（２）上記原試料は、食品、又は飼料である。
（３）上記原試料は、発酵物である。
（４）上記測定対象成分が、窒素化合物を含む。
（５）上記測定対象成分が、全窒素及び／又は粗蛋白質を含む。
（６）上記測定対象成分が、ＶＢＮ、及び／又は全窒素に対するＶＢＮの比を含む。
（７）上記測定対象成分が、ＶＦＡを含む。
（８）上記測定対象成分が、水分を含む。
また、上記目的は、成分の含有量に基づいて所定の測定対象評価値が予め把握されている原試料に対し、該測定対象評価値を変化させるための処理を行なった後に、当該変化処理後の原試料について光スペクトルを測定し採取する工程と、前記光スペクトルのデータに基づいて説明変数を設定し、前記変化処理前の測定対象評価値を目的変数として回帰式を設定する工程と、前記変化処理と同一の処理を施した測定対象原試料の光スペクトルのデータに基づいて、前記回帰式を検量線として測定対象原試料の前記測定対象評価値を推定算出する工程と、を有する評価値推定方法により達成される。
これによれば、測定対象評価値が変化している上記変化処理後の原試料の光スペクトルを採取し、この光スペクトルのデータを説明変数として、予め知られている変化処理前の原試料の測定対象成分量に基づく評価値を目的変数として回帰式を求める。そして、この回帰式を検量線として用いて、上記変化処理と同一の処理を施した測定対象原試料の光スペクトルから測定対象評価値を推定算出する。これにより、測定対象成分の一部又は全部が消失してしまった消失処理後の原試料からでも、当該処理前の原試料に含まれていた測定対象成分に基づく評価値を高精度に推定算出することができる。
本発明に係る好ましい態様は、以下の通りである。
上記評価値は、Ｖ−スコアーである。
上記評価値は、Ｖ−スコアーである。
更に、本発明は、上記各方法を実行するためのプログラムを提供する。
本発明によれば、測定対象成分の一部又は全部が消失している上記消失処理後の原試料の光スペクトルを採取し、この光スペクトルのデータを説明変数として、予め知られている消失処理前の原試料の測定対象成分量（それに基づいて算出される評価値）を目的変数として回帰式を求める。そして、この回帰式を検量線として用いて、上記消失処理と同一の処理を施した測定対象原試料の光スペクトルから測定対象成分の量（それに基づいて算出される評価値）を推定算出する。これにより、測定対象成分の一部又は全部が消失してしまった消失処理後の原試料からでも、当該処理前の原試料に含まれていた測定対象成分の含有量（それに基づいて算出される評価値）を高精度に推定算出することができる。
特に、本発明は出願人の鋭意研鑽により、測定対象成分の一部又は全部が消失してしまった消失処理後の原試料の光スペクトルのデータに基づく説明変数を設定して、当該消失処理後の他の測定対象原試料の測定対象成分を求めるための回帰式（検量線）を導くという新規かつ重要な発想により、消失処理前の測定対象原試料の測定対象成分を高い精度で推定できることが見出された。
また、本発明にかかる方法により、煩雑な測定作業を行うこと無く極めて多検体の測定を迅速に行うことができるだけでなく、水蒸気蒸留法や微量拡散法等の従来の分析法による分析作業に伴う強アルカリ廃液排出も防止することができる。
以下、本発明に係る実施の形態について説明する。図１は、本実施の形態にかかる方法を実行するための近赤外分析装置の概要を示す図である。図示のように、近赤外分析装置１０は、例えば、波長２００ｎｍ〜２５００ｎｍの光を発するハロゲンランプ等の光源装置１２と、この光源装置１２から発生られる光を一定幅の光束に集束させる第１スリット１４と、第１スリット１４で集束された光を折り返すミラー１６と、ミラー１６で折り返された光を波長成分に分解するグレーティング（回折格子）１８と、グレーティング１８と同期して波長成分に分解された光束から所定波長の単色光を発生させるリファレンス２０及びフィルター２２と、発生した所定波長の単色光から所望の波長域の光を透過させる第２スリット２４と、この第２スリット２４を透過した所望波長の光を照射させる試料用セル２６と、試料用セル２６に反射させた光を検出する検出器２８を備えている。
グレーティング１８は紙面に垂直な軸の周りに回動可能に構成されており、第２スリット２４を透過する光束の波長帯域が調整可能となっている。グレーティング１８を回転させながら検出器２８から出力される光強度を測定することにより、試料用セル２６に収容されている試料の反射光スペクトルを求めることができる。本実施の形態では、試料用セル２６に収容されるスペクトル測定対象の試料として、風乾処理された乾燥サイレージ試料が用いられる。
また、近赤外分析装置１０は、ＣＰＵ等の演算装置、メインメモリやハードディスク等の記憶装置、ディスプレイ等の出力装置、マウスやキーボード等の入力装置を備えたコンピュータを備えており、このコンピュータには、検出器２８により検出された光の強度スペクトルを分析するプログラムが具備されている。本実施の形態の方法は、このプログラムの手順にしたがって実行される。
上記近赤外分析装置１０を用いた本実施の形態にかかる含有成分推定方法の概要は、以下の通りである。
先ず、サイレージ原試料（回帰式作成用）の正確なＣＰ含有量をケルダール法等の方法により予め測定し把握する。そして、このサイレージ原試料を風乾処理し、乾燥後のサイレージ試料の反射光スペクトルを所定の波長範囲で採取する。なお、上記サイレージ原試料の正確なＣＰ含有量は、風乾処理前のサイレージ原試料を直接ケルダール法を用いて測定しても良いし、風乾処理後のサイレージ原試料のＣＰ含有量及びサイレージ原試料のＶＢＮ％を求め、サイレージ原試料のＶＢＮ％（揮発したと考えられるＶＢＮの重量％）を６．２５（蛋白質換算係数）倍して得られるＣＰ換算量を風乾処理後のサイレージ原試料のＣＰ含有量に加えて算出して求めるようにしても良い。なお、この蛋白質換算係数の６．２５は、サイレージ原試料に含まれるＣＰの窒素含有率が１６％程度であることから定められている数値であるが、例えば、サイレージ以外の他の試料において含有する蛋白質の窒素含有量が１６％と大きく異なる場合には、それに応じて使用する蛋白質換算係数の値を適宜変更しても良い。
また、反射光スペクトルを採取する波長範囲は、例えば、２００〜２５００ｎｍであり、好ましくは４００ｎｍ〜２５００ｎｍである。そして、得られた乾燥サイレージ試料の反射光スペクトルのデータに基づいて説明変数を設定し、上記ケルダール法により把握されたサイレージ原試料のＣＰ含有量を目的変数として回帰式を設定する。
そして、同様に風乾処理を行なった測定対象のサイレージ原試料の反射光スペクトルデータを所定の波長において採取する。その後、上記回帰式を検量線として用いて測定対象のサイレージ原試料の反射光スペクトルデータを当てはめ、そのＣＰ含有量推定算出する。測定対象のサイレージ原試料の反射光スペクトルを採取する際に選択する波長は、上記回帰式の種類、すなわち回帰分析の種類に応じて適宜選択される。例えば、回帰分析として重回帰分析を用いる場合、反射光スペクトルを採取する波長は、４００ｎｍ〜２５００ｎｍの範囲、好ましくは６００ｎｍ〜２３００ｎｍの範囲、より好ましくは１０００ｎｍ〜２２００ｎｍの範囲から選択される。選択される波長の個数は、３〜６個、特に、４個程度であることが好ましい。一方で、回帰分析としてＰＬＳ（Partial Least Squares）回帰分析を用いる場合、反射光スペクトルは、４００ｎｍ〜２５００ｎｍ、好ましくは８００ｎｍ〜２５００ｎｍ、より好ましくは１１００〜２５００ｎｍの波長範囲で採取される。
以下、本実施の形態に係る含有成分推定方法の手法をより詳細に説明する。
図２は、本実施の形態に係る含有成分推定方法を回帰分析として重回帰分析を用いて行う手順、及びその分析により得られた回帰式（検量線）を評価する手順を説明するフローチャートである。
図２は、本実施の形態に係る含有成分推定方法を回帰分析として重回帰分析を用いて行う手順、及びその分析により得られた回帰式（検量線）を評価する手順を説明するフローチャートである。
ステップＳ１０１において、予めＣＰ含有量が把握されるサイレージ原試料を風乾処理して得たｐ点の回帰式作成用の乾燥サイレージ試料の内の試料ｉに対して、４００ｎｍ〜２５００ｎｍの波長の光を照射し、その反射光として検出器２８で検出された強度スペクトルデータＩｉ（λ）が近赤外分析装置１０のコンピュータに入力される。
ステップＳ１０２において、コンピュータに入力された強度スペクトルデータＩｉ（λ）に対して、スペクトルに重畳するランダムノイズを低減させるために移動平均処理やＳａｖｉｔｚｋｙ−Ｇｏｌａｙ法等の平滑化処理を行なう。例えば、移動平均処理では、処理後のスペクトルは、重み係数ｗｋ、元の反射光スペクトルＩｉ（λ）を用いて、所定のデータ点をＭとすると、
と表される。これにより、データ点Ｍを中心とする２Ｌ＋１個の反射光の重み付き平均が計算される。ここで、重み係数ｗｋは、要求されるノイズの低減量と演算時間の短縮量のバランスに応じて設定される関数であり、例えば、１／２Ｌ＋１の値をとる。
次に、ステップＳ１０３において、平滑化処理が行われた強度スペクトルデータＩｉ（λｊ）に対して２次微分処理を行ないピーク位置を検出する。
具体的に、２次微分処理は、以下の式
具体的に、２次微分処理は、以下の式
なお、ピーク位置の検出に1次微分処理を用いても良い。
ステップＳ１０４において、ステップＳ１０２、１０３の処理を経て得られた反射光スペクトル強度Ｉｉ（λ）と、予め公知の測定方法により把握されたサイレージ原試料のＣＰ含有量から回帰式を作成する。
ステップＳ１０４において、ステップＳ１０２、１０３の処理を経て得られた反射光スペクトル強度Ｉｉ（λ）と、予め公知の測定方法により把握されたサイレージ原試料のＣＰ含有量から回帰式を作成する。
具体的に、乾燥サイレージ試料iについて、複数（ｎ個）の波長λｊ（４００≦λｊ≦２５００）を選択する（ただし、ｊは、１≦ｊ≦ｎを満たす数でλｊはｊ番目の波長を意味する）。選択された波長λｊにおける反射光スペクトルの強度をＩｉ（λｊ）と、係数Ａｊを用いて以下の式に示す線形結合を
そして、予め把握されたサイレージ原試料のＣＰ含有量をＣＰｉとすれば、以下の式で表される残差
そして、決定された係数Ａｊを数３に代入して、サイレージ原試料のＣＰ含有量の推定値を＜ＣＰｉ＞と表し、以下の式で表される回帰式
以下のステップでは、この式で表される検量線の精度を測るための各数値を算出する。
ステップＳ１０５において、上記式の検量線に（測定により）予めＣＰ含有量が把握された上述のサイレージ原試料のスペクトルデータを代入し、検量線による理論的なＣＰ含有量推定値＜ＣＰｉ＞を求める。
ステップＳ１０５において、上記式の検量線に（測定により）予めＣＰ含有量が把握された上述のサイレージ原試料のスペクトルデータを代入し、検量線による理論的なＣＰ含有量推定値＜ＣＰｉ＞を求める。
ＣＰ含有量推定値＜ＣＰｉ＞と上述の予め把握されたＣＰｉとの重相関係数Ｒ２（以下、検量線の相関係数と呼ぶ）、及び検量線の標準誤差ＳＥＣ（standard deviation of residual）を算出する。
検量線の相関係数Ｒ２は、以下の式により算出される。
ただし、
一方、標準誤差ＳＥＣは、以下の式により算出される。
このようにして算出された検量線の相関係数Ｒ２、及び標準誤差ＳＥＣの値で検量線の精度の良さを判定する。検量線の相関係数Ｒ２の値が高く、標準誤差ＳＥＣの小さい検量線が精度の高い良好な検量線と判断される。
ステップＳ１０６において、公知の方法で乾燥前の生のサイレージ原試料の状態でＣＰ含有量がＣＰｍと測定されている評価用の乾燥試料ｍのｎ個の波長に対する反射光スペクトルを取り、乾燥前における理論的なＣＰ含有量推定値を係数Ａｊが定まった上記数３の検量線を用いて算出する。ここで、この算出される理論的なＣＰ含有量推定値を［ＣＰｍ］とする。
算出された評価用の乾燥試料ｍの乾燥前のＣＰ含有量の推定値［ＣＰｍ］と、予め知られている試料ｍの乾燥前のＣＰ含有量であるＣＰｍとの間の重相関係数ｒ２（以下、評価用の乾燥試料の相関係数と呼ぶ）、及び予測標準誤差ＳＥＰ（standard error of prediction）を算出する。評価用の乾燥試料の相関係数ｒ２の算出は、ステップＳ１０４における回帰式作成用試料の相関係数Ｒ２の算出とほぼ同様の方法で行うことが可能である。
一方で、ＳＥＰは、以下の式に示される式で算出される。
ここで、ｄｍは、ＣＰ含有量の推定値［ＣＰｍ］と既知のＣＰｍとの差であり、ｑは、評価用の乾燥試料の点数、
試料の測定は、上述の評価用試料の相関係数ｒ２が大きく、ＳＥＰの値が小さいほど高い精度を有すると判定される。
なお、上記ステップＳ１０１〜Ｓ１０４では、回帰式（検量線）を作成する手法として重回帰分析を用いる方法を説明したが、これに限られず、回帰式を定めることができる分析手法であれば、例えば、ＰＬＳ回帰分析、主成分分析やクラスター分析等の他の種々のものを用いても良い。例えば、ＰＬＳ回帰分析を用いる場合は、乾燥後のサイレージ試料ｉの反射光スペクトル強度に基づいて定められる潜在変数を設定し、これを説明変数として回帰式が設定される。このＰＬＳ回帰分析は、回帰式を定めるための反射光スペクトル強度のデータ数が多い場合（すなわち、選択される波長が多い場合）、或いは選択される波長の値が似通っており採取された反射光スペクトル強度のデータ間に強い相関が生じている場合に、オーバーフィッティングや多重共線性の発生を防止するために有効な分析法である。
また、サイレージの含有成分量として測定される対象は、ＣＰ含有量に限られず、他の窒素化合物の含有量、全窒素の含有量、ＶＢＮ含有量、ＶＦＡ含有量、酪酸含有量及び水分含有量等の他種の成分含有量についても上記ステップＳ１０１〜Ｓ１０４に記載した方法と同様の方法で、検量線を作成しその量を推定することができる。
一方、上記ステップＳ１０１〜Ｓ１０４の処理により、測定対象は含有成分量そのものに限られず、含有成分量に基づいて算出されるＶＢＮ比、Ｖ−スコアー、及びＶ２−スコアー等の評価値の検量線を作成しても良い。特に、この場合、評価値を算出するための各含有成分の量を個別に求める必要がなく、評価値そのものの検量線を作成しそれを推定算出することができる。
更に、本実施の形態では、分析（測定）対象の試料がサイレージ試料である場合について説明しているが、試料はこれに限られるものではなく、食品、飼料、牧草、肥料、医薬品、工業用原料、工業製品、及び他の発酵物等の種々のものを適用することができる。この場合、測定対象試料の種類に応じて測定対象成分も種々変更が可能である。
また、測定対象成分の一部又は全部が消失する処理により、他の成分の通常用いられる「見かけ上の含量」にも影響する場合には、これを考慮して目的変数を設定することもできるし、考慮せずに目的変数を設定できる。具体的な例として、乾燥によるＶＢＮ成分の揮発により、見かけ上の水分含有量が影響を受ける場合、ＶＢＮ量の減少を考慮することなく乾物率（１００−水分）を計算することもできるし、ＶＢＮ量の減少を考慮して見乾物率（１００−水分＋ＶＢＮ消失量）を求めることもできる。更に、これら乾物率を適宜使い分け、乾物あたりのＶＢＮや、ＣＰなどを求める事ができる。
また、本発明における測定対象成分の一部又は全部が消失する処理は、測定対象成分や、関連成分の消失割合に再現性がある限りにおいて、特に条件などは限定されず、適当な組み合わせを選択すれば良い。
以下、本発明を実施例にて具体的に説明する。
実施例１〜５は、ＣＰの含有成分量について検量線作成、及び該検量線の評価に関するものであり、実施例６〜１０は、全窒素中のＶＢＮ含有率であるＶＢＮ／Ｔ−Ｎ％の検量線作成、及び該検量線の評価に関するものであり、実施例１１は、Ｖ−スコアーの検量線作成、及び該検量線の評価に関するものであり、例１２は、水分含有量の検量線作成、及び該検量線の評価に関するものであり、例１３は、ＶＦＡの一つである酪酸含有量の検量線作成及び該検量線の評価に関するものである。
実施例１〜５は、ＣＰの含有成分量について検量線作成、及び該検量線の評価に関するものであり、実施例６〜１０は、全窒素中のＶＢＮ含有率であるＶＢＮ／Ｔ−Ｎ％の検量線作成、及び該検量線の評価に関するものであり、実施例１１は、Ｖ−スコアーの検量線作成、及び該検量線の評価に関するものであり、例１２は、水分含有量の検量線作成、及び該検量線の評価に関するものであり、例１３は、ＶＦＡの一つである酪酸含有量の検量線作成及び該検量線の評価に関するものである。
なお、実施例１〜５の結果は表２に、実施例６〜１０の結果は表３に、実施例１１の結果は表４に、実施例１２の結果は表５に、実施例１３の結果は表６にそれぞれ示す。
（実施例１）
１．乾燥サイレージ試料の反射光スペクトルデータ収集
（ｉ）供試された牧草のサイレージ原試料１３７点の内の５０ｇ分の試料に純水を加え２００ｍｌとし、５℃で１６時間抽出を行い、ろ紙（ＮＯ、５Ａ：JIS P 3801）でろ過して得たサイレージ抽出液から水蒸気蒸留法にてＶＢＮ含有量を測定し、その重量％（ＶＢＮ％）を算出した。
（ｉｉ）一方で、サイレージ原試料１３７点の一部を６０℃で１６時間風乾処理（第１風乾処理）して１ｍｍ以下に粉砕し風乾粉砕サイレージを得た。なお、この風乾サイレージでは、サイレージ原試料中に含まれていたＶＢＮは完全に揮散している。
（ｉｉｉ）上記（ｉ）で求めたＶＢＮ％に蛋白質換算係数である６．２５を乗じて、上記（ｉｉ）において揮散した蛋白質の含有量Ａの値を算出した。
（ｉｖ）上記第１風乾処理の風乾率Ｂを、１００×（第１風乾後の乾燥サイレージの重量）／（第１風乾前のサイレージ原試料の重量）の式で算出した。
（ｖ）更に、上記乾燥サイレージを１３５℃で２時間風乾処理（第２風乾処理）してその水分を完全に揮発させ完全乾燥サイレージを得た。
（ｖｉ）上記（ｖ）の第２風乾処理における風乾物中水分率Ｃを、１００×｛（第２風乾処理前の乾燥サイレージの重量）―（第２風乾処理後の完全乾燥サイレージの重量）｝/（第２風処理前の乾燥サイレージの重量）の式で算出した。
（ｖｉｉ）上記（ｉｉｉ）、（ｉｖ）、及び（ｖｉ）において求めた、揮散蛋白質含有量Ａ、第１風乾処理の風乾率Ｂ、及び第２風乾処理の風乾物中水分率Ｃを用いて、サイレージ原試料中の含有水分Ｈを、以下の式
Ｈ＝１００−Ｂ＋Ｂ×Ｃ／１００−Ａ
で算出した。
（ｖｉｉｉ）そして、ケルダール法を用いてこの風乾粉砕サイレージ試料のＣＰ含有量（風乾粉砕物ＣＰ含有量Ｄ）を測定した。
（ｉｘ）その後、風乾粉砕物ＣＰ含有量Ｄ、風乾率Ｂ、揮散蛋白質含有量Ａからサイレージ原試料のＣＰ含有量Ｉを以下の式
Ｉ＝Ｄ×Ｂ／１００＋Ａ
で算出した。
（ｘ）また、サイレージ原試料のＣＰ含有量Ｉの乾物中ＣＰ含有量Ｊを以下の式
Ｊ＝Ｉ×１００／（１００−Ｈ）
で算出した。
（ｘｉ）上記（ｘ）で求めたサイレージ乾物中ＣＰ含有量Ｊを回帰式作成時に用いる化学分析値とした。その値は、（水分０）の乾物あたり８．３４〜２４．２％であった。
（ｘｉｉ）石英ガラスの窓がついたリング状容器（以下、標準セルと記載）に風乾粉砕サイレージ試料を充填し、反射光スペクトルを測定するために近赤外分析計にてλ＝４００〜２５００ｎｍの光を照射し、セルから反射する反射光の強度のスペクトルデータを採取した。
１．乾燥サイレージ試料の反射光スペクトルデータ収集
（ｉ）供試された牧草のサイレージ原試料１３７点の内の５０ｇ分の試料に純水を加え２００ｍｌとし、５℃で１６時間抽出を行い、ろ紙（ＮＯ、５Ａ：JIS P 3801）でろ過して得たサイレージ抽出液から水蒸気蒸留法にてＶＢＮ含有量を測定し、その重量％（ＶＢＮ％）を算出した。
（ｉｉ）一方で、サイレージ原試料１３７点の一部を６０℃で１６時間風乾処理（第１風乾処理）して１ｍｍ以下に粉砕し風乾粉砕サイレージを得た。なお、この風乾サイレージでは、サイレージ原試料中に含まれていたＶＢＮは完全に揮散している。
（ｉｉｉ）上記（ｉ）で求めたＶＢＮ％に蛋白質換算係数である６．２５を乗じて、上記（ｉｉ）において揮散した蛋白質の含有量Ａの値を算出した。
（ｉｖ）上記第１風乾処理の風乾率Ｂを、１００×（第１風乾後の乾燥サイレージの重量）／（第１風乾前のサイレージ原試料の重量）の式で算出した。
（ｖ）更に、上記乾燥サイレージを１３５℃で２時間風乾処理（第２風乾処理）してその水分を完全に揮発させ完全乾燥サイレージを得た。
（ｖｉ）上記（ｖ）の第２風乾処理における風乾物中水分率Ｃを、１００×｛（第２風乾処理前の乾燥サイレージの重量）―（第２風乾処理後の完全乾燥サイレージの重量）｝/（第２風処理前の乾燥サイレージの重量）の式で算出した。
（ｖｉｉ）上記（ｉｉｉ）、（ｉｖ）、及び（ｖｉ）において求めた、揮散蛋白質含有量Ａ、第１風乾処理の風乾率Ｂ、及び第２風乾処理の風乾物中水分率Ｃを用いて、サイレージ原試料中の含有水分Ｈを、以下の式
Ｈ＝１００−Ｂ＋Ｂ×Ｃ／１００−Ａ
で算出した。
（ｖｉｉｉ）そして、ケルダール法を用いてこの風乾粉砕サイレージ試料のＣＰ含有量（風乾粉砕物ＣＰ含有量Ｄ）を測定した。
（ｉｘ）その後、風乾粉砕物ＣＰ含有量Ｄ、風乾率Ｂ、揮散蛋白質含有量Ａからサイレージ原試料のＣＰ含有量Ｉを以下の式
Ｉ＝Ｄ×Ｂ／１００＋Ａ
で算出した。
（ｘ）また、サイレージ原試料のＣＰ含有量Ｉの乾物中ＣＰ含有量Ｊを以下の式
Ｊ＝Ｉ×１００／（１００−Ｈ）
で算出した。
（ｘｉ）上記（ｘ）で求めたサイレージ乾物中ＣＰ含有量Ｊを回帰式作成時に用いる化学分析値とした。その値は、（水分０）の乾物あたり８．３４〜２４．２％であった。
（ｘｉｉ）石英ガラスの窓がついたリング状容器（以下、標準セルと記載）に風乾粉砕サイレージ試料を充填し、反射光スペクトルを測定するために近赤外分析計にてλ＝４００〜２５００ｎｍの光を照射し、セルから反射する反射光の強度のスペクトルデータを採取した。
２．回帰式の作成
収集したデータを、セグメントサイズ１０ｎｍ、ギャップサイズ０ｎｍで平滑化処理し、２次微分処理を行った後、供試試料であるサイレージ原試料１３７点を回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長として２０８４、２１６８、１０２８、１９９０ｎｍの４種を選択して、回帰式作成用の試料１０２点について重回帰分析を行ない回帰式を決定した。
収集したデータを、セグメントサイズ１０ｎｍ、ギャップサイズ０ｎｍで平滑化処理し、２次微分処理を行った後、供試試料であるサイレージ原試料１３７点を回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長として２０８４、２１６８、１０２８、１９９０ｎｍの４種を選択して、回帰式作成用の試料１０２点について重回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料のＣＰ含有量推定
決定された回帰式を検量線として用いて評価用の原試料３５点についてＣＰ含有量の値を求めた。
決定された回帰式を検量線として用いて評価用の原試料３５点についてＣＰ含有量の値を求めた。
４．検量線の精度評価
検量線の重相関係数Ｒ２、及び標準誤差ＳＥＣを求めた。一方で、検量線を用いて、評価用の原試料のＣＰ含有量の推定値を算出し、評価試料の相関係数ｒ２、及び予測標準誤差ＳＥＰを求めた。
検量線の重相関係数Ｒ２、及び標準誤差ＳＥＣを求めた。一方で、検量線を用いて、評価用の原試料のＣＰ含有量の推定値を算出し、評価試料の相関係数ｒ２、及び予測標準誤差ＳＥＰを求めた。
５．精度評価の結果について
本実施例では、検量線の相関係数Ｒ２、及び評価試料の相関係数ｒ２が極めて高い値を示しており、一方で、標準誤差ＳＥＣ、及び予測標準誤差ＳＥＰは非常に低い値を示す極めて良好な結果が得られている。
本実施例では、検量線の相関係数Ｒ２、及び評価試料の相関係数ｒ２が極めて高い値を示しており、一方で、標準誤差ＳＥＣ、及び予測標準誤差ＳＥＰは非常に低い値を示す極めて良好な結果が得られている。
（実施例２）
以下、実施例２について説明する。
１．乾燥サイレージ試料の反射光スペクトルデータ収集
実施例１と同様の条件で反射光スペクトルのデータを収集した。
２．回帰式の作成
実施例１と同様に収集したスペクトルデータの平滑化処理、及び２次微分処理を行ない、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長として２０８４、２１６８、１９９０、２１４２ｎｍの４種を選択して、回帰式作成用の試料１０２点について重回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料のＣＰ含有量推定
実施例１の場合と同様に、設定された回帰式を検量線として用いて評価用試料３５点についてＣＰ含有量を求めた。
４．検量線の精度評価
実施例１で説明した精度評価と同様の方法を行った。
５．精度評価の結果について
本実施例では、実施例１と比較してより精度の高い実験結果が得られた。
以下、実施例２について説明する。
１．乾燥サイレージ試料の反射光スペクトルデータ収集
実施例１と同様の条件で反射光スペクトルのデータを収集した。
２．回帰式の作成
実施例１と同様に収集したスペクトルデータの平滑化処理、及び２次微分処理を行ない、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長として２０８４、２１６８、１９９０、２１４２ｎｍの４種を選択して、回帰式作成用の試料１０２点について重回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料のＣＰ含有量推定
実施例１の場合と同様に、設定された回帰式を検量線として用いて評価用試料３５点についてＣＰ含有量を求めた。
４．検量線の精度評価
実施例１で説明した精度評価と同様の方法を行った。
５．精度評価の結果について
本実施例では、実施例１と比較してより精度の高い実験結果が得られた。
（実施例３）
以下、実施例３について説明する。
１．乾燥サイレージ試料の反射光スペクトルデータ収集
実施例１と同様の条件で反射光スペクトルのデータを収集した。
２．回帰式の作成
実施例１と同様に収集したスペクトルデータの平滑化処理、及び２次微分処理を行ない、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長領域として８１６ｎｍ〜２４８２ｎｍを選択して、回帰式作成用の試料１０２点についてＰＬＳ回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料のＣＰ含有量推定
実施例１の場合と同様に、設定された回帰式を検量線として用いて評価用試料３５点についてＣＰ含有量を求めた。
４．検量線の精度評価
実施例１で説明した精度評価と同様の方法を行った。
５．精度評価の結果について
本実施例でも精度の高い良好な実験結果が得られた。
以下、実施例３について説明する。
１．乾燥サイレージ試料の反射光スペクトルデータ収集
実施例１と同様の条件で反射光スペクトルのデータを収集した。
２．回帰式の作成
実施例１と同様に収集したスペクトルデータの平滑化処理、及び２次微分処理を行ない、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長領域として８１６ｎｍ〜２４８２ｎｍを選択して、回帰式作成用の試料１０２点についてＰＬＳ回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料のＣＰ含有量推定
実施例１の場合と同様に、設定された回帰式を検量線として用いて評価用試料３５点についてＣＰ含有量を求めた。
４．検量線の精度評価
実施例１で説明した精度評価と同様の方法を行った。
５．精度評価の結果について
本実施例でも精度の高い良好な実験結果が得られた。
（実施例４）
以下、実施例４について説明する。
１．乾燥サイレージ試料の反射光スペクトルデータ収集
実施例１と同様に反射光スペクトルのデータを収集した。
２．回帰式の作成
実施例１と同様に収集したスペクトルデータの平滑化処理、及び２次微分処理を行ない、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長領域として１１１６ｎｍ〜２４８２ｎｍを選択して、回帰式作成用の試料１０２点についてＰＬＳ回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料のＣＰ含有量推定
実施例１の場合と同様に、設定された回帰式を検量線として用いて評価用試料３５点についてＣＰ含有量を求めた。
４．検量線の精度評価
実施例１で説明した精度評価と同様の方法を行った。
５．精度評価の結果について
本実施例では、実施例１〜３と比較してより精度の高い非常に良好な実験結果が得られた。
以下、実施例４について説明する。
１．乾燥サイレージ試料の反射光スペクトルデータ収集
実施例１と同様に反射光スペクトルのデータを収集した。
２．回帰式の作成
実施例１と同様に収集したスペクトルデータの平滑化処理、及び２次微分処理を行ない、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長領域として１１１６ｎｍ〜２４８２ｎｍを選択して、回帰式作成用の試料１０２点についてＰＬＳ回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料のＣＰ含有量推定
実施例１の場合と同様に、設定された回帰式を検量線として用いて評価用試料３５点についてＣＰ含有量を求めた。
４．検量線の精度評価
実施例１で説明した精度評価と同様の方法を行った。
５．精度評価の結果について
本実施例では、実施例１〜３と比較してより精度の高い非常に良好な実験結果が得られた。
（実施例５）
以下、実施例５について説明する。
１．乾燥サイレージ試料の反射光スペクトルデータ収集
実施例１と同様に反射光スペクトルのデータを収集した。
２．回帰式の作成
実施例１と同様に収集したスペクトルデータの平滑化処理、及び２次微分処理を行ない、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長領域として１１１６ｎｍ〜１４００ｎｍ、１４５０ｎｍ〜１９００ｎｍ、１９７０ｎｍ〜２２７０ｎｍ、及び２３３０ｎｍ〜２４８２ｎｍを選択して、回帰式作成用の試料１０２点についてＰＬＳ回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料のＣＰ含有量推定
実施例１の場合と同様に、設定された回帰式を検量線として用いて評価用試料３５点についてＣＰ含有量を求めた。
４．検量線の精度評価
実施例１で説明した精度評価と同様の方法を行った。
５．精度評価の結果について
本実施例では、実施例１〜４と比較してより精度の高い非常に良好な実験結果が得られた。
以下、実施例５について説明する。
１．乾燥サイレージ試料の反射光スペクトルデータ収集
実施例１と同様に反射光スペクトルのデータを収集した。
２．回帰式の作成
実施例１と同様に収集したスペクトルデータの平滑化処理、及び２次微分処理を行ない、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長領域として１１１６ｎｍ〜１４００ｎｍ、１４５０ｎｍ〜１９００ｎｍ、１９７０ｎｍ〜２２７０ｎｍ、及び２３３０ｎｍ〜２４８２ｎｍを選択して、回帰式作成用の試料１０２点についてＰＬＳ回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料のＣＰ含有量推定
実施例１の場合と同様に、設定された回帰式を検量線として用いて評価用試料３５点についてＣＰ含有量を求めた。
４．検量線の精度評価
実施例１で説明した精度評価と同様の方法を行った。
５．精度評価の結果について
本実施例では、実施例１〜４と比較してより精度の高い非常に良好な実験結果が得られた。
（実施例６）
１．乾燥サイレージ試料の反射光スペクトルデータ収集
（ｉ）供試された牧草のサイレージ原試料１３７点の内の５０ｇ分の試料に純水を加え２００ｍｌとし、５℃で１６時間抽出を行い、ろ紙（ＮＯ、５Ａ：JIS P 3801）でろ過して得たサイレージ抽出液から水蒸気蒸留法にてＶＢＮ含有量を測定し、その重量％であるＶＢＮ％ａを算出した。
（ｉｉ）一方で、サイレージ原試料１３７点の一部を６０℃で１６時間風乾処理して１ｍｍ以下に粉砕し風乾粉砕サイレージを得た。なお、この風乾サイレージでは、サイレージ原試料中に含まれていたＶＢＮは完全に揮散している。
（ｉｉｉ）上記第１風乾処理の風乾率ｂを、１００×（第１風乾後の乾燥サイレージの重量）／（第１風乾前のサイレージ原試料の重量）の式で算出した。
（ｉｖ）そして、ケルダール法を用いてこの風乾粉砕サイレージ試料の全窒素（Ｔ−Ｎ）含有量ｃを測定した。
（ｖ）その後、風乾粉砕物Ｔ−Ｎ含有量ｃ、風乾率ｂ、ＶＢＮ％ａからサイレージ原試料のＴ−Ｎ％ｄを以下の式
ｄ＝ｃ×ｂ／１００＋ａ
で算出した。
（ｖｉ）サイレージ原試料のＶＢＮ／Ｔ−Ｎ％ｅを以下の式
ｅ＝１００×ａ／ｄ
で算出した。
（ｖｉｉ）上記（ｖ）で求めたＶＢＮ／Ｔ−Ｎ％を回帰式作成時に用いる化学分析値とした。その値は、２．３５〜３５．９％であった。
（ｉｉｘ）石英ガラスの窓がついたリング状容器（以下、標準セルと記載）に乾燥粉砕サイレージ試料を充填し、反射光スペクトルを測定するために近赤外分析計にてλ＝４００〜２５００ｎｍの光を照射し、セルから反射する反射光の強度のスペクトルデータを採取した。
２．回帰式の作成
収集したデータを、セグメントサイズ１０ｎｍ、ギャップサイズ０ｎｍで平滑化処理し、２次微分処理を行った後、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長として２３９２、１０６６、６５８、２４４４ｎｍの４種を選択して、回帰式作成用の試料１０２点について重回帰分析を行ない回帰式を決定した。
３．作成した回帰式を用いた評価用の原試料のＶＢＮ／Ｔ−Ｎ％推定
決定された回帰式を検量線として用いた評価用の原試料３５点についてＶＢＮ／Ｔ−Ｎ％の値を求めた。
４．検量線の精度評価
検量線の重相関係数Ｒ２、及び標準誤差ＳＥＣを求めた。一方で、検量線を用いて、評価用の原試料のＶＢＮ／Ｔ−Ｎ％の推定値を算出し、評価試料の相関係数ｒ２、及び予測標準誤差ＳＥＰを求めた。
５．精度評価の結果について
本実施例では、検量線の相関係数Ｒ２、及び評価試料の相関係数ｒ２が極めて高い値を示しており、一方で、標準誤差ＳＥＣ、及び予測標準誤差ＳＥＰは非常に低い値を示す極めて良好な結果が得られた。
１．乾燥サイレージ試料の反射光スペクトルデータ収集
（ｉ）供試された牧草のサイレージ原試料１３７点の内の５０ｇ分の試料に純水を加え２００ｍｌとし、５℃で１６時間抽出を行い、ろ紙（ＮＯ、５Ａ：JIS P 3801）でろ過して得たサイレージ抽出液から水蒸気蒸留法にてＶＢＮ含有量を測定し、その重量％であるＶＢＮ％ａを算出した。
（ｉｉ）一方で、サイレージ原試料１３７点の一部を６０℃で１６時間風乾処理して１ｍｍ以下に粉砕し風乾粉砕サイレージを得た。なお、この風乾サイレージでは、サイレージ原試料中に含まれていたＶＢＮは完全に揮散している。
（ｉｉｉ）上記第１風乾処理の風乾率ｂを、１００×（第１風乾後の乾燥サイレージの重量）／（第１風乾前のサイレージ原試料の重量）の式で算出した。
（ｉｖ）そして、ケルダール法を用いてこの風乾粉砕サイレージ試料の全窒素（Ｔ−Ｎ）含有量ｃを測定した。
（ｖ）その後、風乾粉砕物Ｔ−Ｎ含有量ｃ、風乾率ｂ、ＶＢＮ％ａからサイレージ原試料のＴ−Ｎ％ｄを以下の式
ｄ＝ｃ×ｂ／１００＋ａ
で算出した。
（ｖｉ）サイレージ原試料のＶＢＮ／Ｔ−Ｎ％ｅを以下の式
ｅ＝１００×ａ／ｄ
で算出した。
（ｖｉｉ）上記（ｖ）で求めたＶＢＮ／Ｔ−Ｎ％を回帰式作成時に用いる化学分析値とした。その値は、２．３５〜３５．９％であった。
（ｉｉｘ）石英ガラスの窓がついたリング状容器（以下、標準セルと記載）に乾燥粉砕サイレージ試料を充填し、反射光スペクトルを測定するために近赤外分析計にてλ＝４００〜２５００ｎｍの光を照射し、セルから反射する反射光の強度のスペクトルデータを採取した。
２．回帰式の作成
収集したデータを、セグメントサイズ１０ｎｍ、ギャップサイズ０ｎｍで平滑化処理し、２次微分処理を行った後、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長として２３９２、１０６６、６５８、２４４４ｎｍの４種を選択して、回帰式作成用の試料１０２点について重回帰分析を行ない回帰式を決定した。
３．作成した回帰式を用いた評価用の原試料のＶＢＮ／Ｔ−Ｎ％推定
決定された回帰式を検量線として用いた評価用の原試料３５点についてＶＢＮ／Ｔ−Ｎ％の値を求めた。
４．検量線の精度評価
検量線の重相関係数Ｒ２、及び標準誤差ＳＥＣを求めた。一方で、検量線を用いて、評価用の原試料のＶＢＮ／Ｔ−Ｎ％の推定値を算出し、評価試料の相関係数ｒ２、及び予測標準誤差ＳＥＰを求めた。
５．精度評価の結果について
本実施例では、検量線の相関係数Ｒ２、及び評価試料の相関係数ｒ２が極めて高い値を示しており、一方で、標準誤差ＳＥＣ、及び予測標準誤差ＳＥＰは非常に低い値を示す極めて良好な結果が得られた。
（実施例７）
以下、実施例７について説明する。
１．乾燥サイレージ試料の反射光スペクトルデータ収集
実施例６と同様の条件で反射光スペクトルのデータを収集した。
２．回帰式の作成
実施例６と同様に収集したスペクトルデータの平滑化処理、及び２次微分処理を行ない、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長として２３９２、１５４４、２４４０、２０４８ｎｍの４種を選択して、回帰式作成用の試料１０２点について重回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料のＶＢＮ／Ｔ−Ｎ％推定
実施例６の場合と同様に、設定された回帰式を検量線として用いて評価用試料３５点についてＶＢＮ／Ｔ−Ｎ％を求めた。
４．検量線の精度評価
実施例６で説明した精度評価と同様の方法を行った。
５．精度評価の結果について
本実施例では、精度の高い好ましい実験結果が得られた。
以下、実施例７について説明する。
１．乾燥サイレージ試料の反射光スペクトルデータ収集
実施例６と同様の条件で反射光スペクトルのデータを収集した。
２．回帰式の作成
実施例６と同様に収集したスペクトルデータの平滑化処理、及び２次微分処理を行ない、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長として２３９２、１５４４、２４４０、２０４８ｎｍの４種を選択して、回帰式作成用の試料１０２点について重回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料のＶＢＮ／Ｔ−Ｎ％推定
実施例６の場合と同様に、設定された回帰式を検量線として用いて評価用試料３５点についてＶＢＮ／Ｔ−Ｎ％を求めた。
４．検量線の精度評価
実施例６で説明した精度評価と同様の方法を行った。
５．精度評価の結果について
本実施例では、精度の高い好ましい実験結果が得られた。
（実施例８）
以下、実施例８について説明する。
１．乾燥サイレージ試料の反射光スペクトルデータ収集
実施例６と同様に反射光スペクトルのデータを収集した。
２．回帰式の作成
実施例６と同様に収集したスペクトルデータの平滑化処理、及び２次微分処理を行ない、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長領域として８１６ｎｍ〜２４８２ｎｍを選択して、回帰式作成用の試料１０２点についてＰＬＳ回帰分析を行ない回帰式を決定した。
３．作成した回帰式を用いた評価用の原試料のＶＢＮ／Ｔ−Ｎ％推定
実施例６の場合と同様に、設定された回帰式を検量線として用いて評価用試料３５点についてＶＢＮ／Ｔ−Ｎ％を求めた。
４．検量線の精度評価
実施例６で説明した精度評価と同様の方法を行った。
５．精度評価の結果について
本実施例では、実施例６及び７と比較してより精度の高い良好な実験結果が得られている。
以下、実施例８について説明する。
１．乾燥サイレージ試料の反射光スペクトルデータ収集
実施例６と同様に反射光スペクトルのデータを収集した。
２．回帰式の作成
実施例６と同様に収集したスペクトルデータの平滑化処理、及び２次微分処理を行ない、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長領域として８１６ｎｍ〜２４８２ｎｍを選択して、回帰式作成用の試料１０２点についてＰＬＳ回帰分析を行ない回帰式を決定した。
３．作成した回帰式を用いた評価用の原試料のＶＢＮ／Ｔ−Ｎ％推定
実施例６の場合と同様に、設定された回帰式を検量線として用いて評価用試料３５点についてＶＢＮ／Ｔ−Ｎ％を求めた。
４．検量線の精度評価
実施例６で説明した精度評価と同様の方法を行った。
５．精度評価の結果について
本実施例では、実施例６及び７と比較してより精度の高い良好な実験結果が得られている。
（実施例９）
以下、実施例９について説明する。
１．乾燥サイレージ試料の反射光スペクトルデータ収集
実施例６と同様に反射光スペクトルのデータを収集した。
２．回帰式の作成
実施例６と同様に収集したスペクトルデータの平滑化処理、及び２次微分処理を行ない、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長領域として１１１６ｎｍ〜２４８２ｎｍを選択して、回帰式作成用の試料１０２点についてＰＬＳ回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料のＶＢＮ／Ｔ−Ｎ％の推定
実施例６の場合と同様に、設定された回帰式を検量線として用いて評価用試料３５点についてＶＢＮ／Ｔ−Ｎ％を求めた。
４．検量線の精度評価
実施例６で説明した精度評価と同様の方法を行った。
５．精度評価の結果について
本実施例では、実施例６〜８と比較してより精度の高い実験結果が得られている。
以下、実施例９について説明する。
１．乾燥サイレージ試料の反射光スペクトルデータ収集
実施例６と同様に反射光スペクトルのデータを収集した。
２．回帰式の作成
実施例６と同様に収集したスペクトルデータの平滑化処理、及び２次微分処理を行ない、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長領域として１１１６ｎｍ〜２４８２ｎｍを選択して、回帰式作成用の試料１０２点についてＰＬＳ回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料のＶＢＮ／Ｔ−Ｎ％の推定
実施例６の場合と同様に、設定された回帰式を検量線として用いて評価用試料３５点についてＶＢＮ／Ｔ−Ｎ％を求めた。
４．検量線の精度評価
実施例６で説明した精度評価と同様の方法を行った。
５．精度評価の結果について
本実施例では、実施例６〜８と比較してより精度の高い実験結果が得られている。
（実施例１０）
以下、実施例１０について説明する。
１．乾燥サイレージ試料の反射光スペクトルデータ収集
実施例６と同様に反射光スペクトルのデータを収集した。
２．回帰式の作成
実施例６と同様に収集したスペクトルデータの平滑化処理、及び２次微分処理を行ない、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長領域として１１１６ｎｍ〜１４００ｎｍ、１４５０ｎｍ〜１６６０ｎｍ、１７２０ｎｍ〜１８３０ｎｍ、１９７０〜２２４０ｎｍ、及び２３２０ｎｍ〜２４８２ｎｍを選択して、回帰式作成用の試料１０２点についてＰＬＳ回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料のＶＢＮ／Ｔ−Ｎ％の推定
実施例６の場合と同様に、設定された回帰式を検量線として用いて評価用試料３５点についてＶＢＮ／Ｔ−Ｎ％を求めた。
４．検量線の精度評価
実施例６で説明した精度評価と同様の方法を行った。
５．精度評価の結果について
本実施例では、実施例６〜９と比較してより精度の高い実験結果が得られている。
以下、実施例１０について説明する。
１．乾燥サイレージ試料の反射光スペクトルデータ収集
実施例６と同様に反射光スペクトルのデータを収集した。
２．回帰式の作成
実施例６と同様に収集したスペクトルデータの平滑化処理、及び２次微分処理を行ない、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長領域として１１１６ｎｍ〜１４００ｎｍ、１４５０ｎｍ〜１６６０ｎｍ、１７２０ｎｍ〜１８３０ｎｍ、１９７０〜２２４０ｎｍ、及び２３２０ｎｍ〜２４８２ｎｍを選択して、回帰式作成用の試料１０２点についてＰＬＳ回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料のＶＢＮ／Ｔ−Ｎ％の推定
実施例６の場合と同様に、設定された回帰式を検量線として用いて評価用試料３５点についてＶＢＮ／Ｔ−Ｎ％を求めた。
４．検量線の精度評価
実施例６で説明した精度評価と同様の方法を行った。
５．精度評価の結果について
本実施例では、実施例６〜９と比較してより精度の高い実験結果が得られている。
（実施例１１）
１．乾燥試料の反射光スペクトルデータ収集
（ｉ）供試されたサイレージ原試料１３７点の内の５０ｇ分の試料に純水を加え２００ｍｌとし、５℃で１６時間抽出を行い、ろ紙（ＮＯ、５Ａ：JIS P 3801）でろ過して得たサイレージ抽出液から水蒸気蒸留法にてＶＢＮ含有量を測定し、その重量％（ＶＢＮ％）を算出した。
（ｉｉ）また、上記サイレージ抽出液をガスクロマトグラフィーにかけてサイレージ原試料のＶＦＡ含有量を測定した。
（ｉｉｉ）一方で、サイレージ原試料１３７点の一部を６０℃で１６時間風乾処理して１ｍｍ以下に粉砕し乾燥粉砕サイレージを得た。
（ｉｖ）上記実施例６の（ｉ）〜（ｖ）で行った方法と同様の方法で、ＶＢＮ／Ｔ−Ｎ％を求めた
（ｖ）上記（ｉｉｉ）、及び（ｖ）で求めたサイレージ原試料のＶＦＡ含有量及びＶＢＮ／Ｔ−Ｎ％から上記表１に基づいて算出されたＶ−スコアーを回帰式作成時に用いる評価値とした。その値は、０．１２〜９９．９点であった。
（ｖｉ）石英ガラスの窓がついたリング状容器（以下、標準セルと記載）に乾燥粉砕サイレージ試料を充填し、反射光スペクトルを測定するために近赤外分析計にてλ＝４００〜２５００ｎｍの光を照射し、セルから反射する反射光の強度のスペクトルデータを採取した。
２．回帰式の作成
収集したデータを、セグメントサイズ１０ｎｍ、ギャップサイズ０ｎｍで平滑化処理し、２次微分処理を行った後、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長領域として８１６ｎｍ〜１０８２ｎｍ、１１１６ｎｍ〜１４００ｎｍ、１４５０ｎｍ〜１８７０ｎｍ、及び１９７０ｎｍ〜２４８２ｎｍを選択して、回帰式作成用の試料１０２点についてＰＬＳ回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料のＶ−スコアーの推定
決定された回帰式を検量線として用いて評価用の原試料３５点についてＶ−スコアーを求めた。
４．検量線の精度評価
検量線の重相関係数Ｒ２、及び標準誤差ＳＥＣを求めた。一方で、検量線を用いて、評価用の原試料のＶスコアーの推定値を算出し、評価試料の相関係数ｒ２、及び予測標準誤差ＳＥＰを求めた。
５．精度評価の結果について
本実施例では、検量線の相関係数Ｒ２、及び評価試料の相関係数ｒ２が極めて高い値を示しており、一方で、標準誤差ＳＥＣ、及び予測標準誤差ＳＥＰは非常に低い値を示す極めて良好な結果が得られている。
１．乾燥試料の反射光スペクトルデータ収集
（ｉ）供試されたサイレージ原試料１３７点の内の５０ｇ分の試料に純水を加え２００ｍｌとし、５℃で１６時間抽出を行い、ろ紙（ＮＯ、５Ａ：JIS P 3801）でろ過して得たサイレージ抽出液から水蒸気蒸留法にてＶＢＮ含有量を測定し、その重量％（ＶＢＮ％）を算出した。
（ｉｉ）また、上記サイレージ抽出液をガスクロマトグラフィーにかけてサイレージ原試料のＶＦＡ含有量を測定した。
（ｉｉｉ）一方で、サイレージ原試料１３７点の一部を６０℃で１６時間風乾処理して１ｍｍ以下に粉砕し乾燥粉砕サイレージを得た。
（ｉｖ）上記実施例６の（ｉ）〜（ｖ）で行った方法と同様の方法で、ＶＢＮ／Ｔ−Ｎ％を求めた
（ｖ）上記（ｉｉｉ）、及び（ｖ）で求めたサイレージ原試料のＶＦＡ含有量及びＶＢＮ／Ｔ−Ｎ％から上記表１に基づいて算出されたＶ−スコアーを回帰式作成時に用いる評価値とした。その値は、０．１２〜９９．９点であった。
（ｖｉ）石英ガラスの窓がついたリング状容器（以下、標準セルと記載）に乾燥粉砕サイレージ試料を充填し、反射光スペクトルを測定するために近赤外分析計にてλ＝４００〜２５００ｎｍの光を照射し、セルから反射する反射光の強度のスペクトルデータを採取した。
２．回帰式の作成
収集したデータを、セグメントサイズ１０ｎｍ、ギャップサイズ０ｎｍで平滑化処理し、２次微分処理を行った後、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長領域として８１６ｎｍ〜１０８２ｎｍ、１１１６ｎｍ〜１４００ｎｍ、１４５０ｎｍ〜１８７０ｎｍ、及び１９７０ｎｍ〜２４８２ｎｍを選択して、回帰式作成用の試料１０２点についてＰＬＳ回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料のＶ−スコアーの推定
決定された回帰式を検量線として用いて評価用の原試料３５点についてＶ−スコアーを求めた。
４．検量線の精度評価
検量線の重相関係数Ｒ２、及び標準誤差ＳＥＣを求めた。一方で、検量線を用いて、評価用の原試料のＶスコアーの推定値を算出し、評価試料の相関係数ｒ２、及び予測標準誤差ＳＥＰを求めた。
５．精度評価の結果について
本実施例では、検量線の相関係数Ｒ２、及び評価試料の相関係数ｒ２が極めて高い値を示しており、一方で、標準誤差ＳＥＣ、及び予測標準誤差ＳＥＰは非常に低い値を示す極めて良好な結果が得られている。
（実施例１２）
１．乾燥試料の反射光スペクトルデータ収集
（ｉ）供試されたサイレージ原試料１３７点の内の５０ｇ分の試料に純水を加え２００ｍｌとし、５℃で１６時間抽出を行い、ろ紙（ＮＯ、５Ａ：JIS P 3801）でろ過して得たサイレージ抽出液から水蒸気蒸留法にてＶＢＮ含有量を測定し、その重量％（ＶＢＮ％）を算出した。
（ｉｉ）一方で、サイレージ原試料１３７点の一部を６０℃で１６時間風乾処理し（第１風乾処理）乾燥サイレージを得た。なお、この乾燥サイレージでは、サイレージ原試料中に含まれていたＶＢＮは完全に揮散している。
（ｉｉｉ）上記（ｉ）で求めたＶＢＮ％に蛋白質換算係数である６．２５を乗じて、上記（ｉｉ）において揮散した蛋白質の含有量Ａの値を算出した。
（ｉｖ）上記第１風乾処理の風乾率Ｂを、１００×（第１風乾後の乾燥サイレージの重量）／（第１風乾前のサイレージ原試料の重量）の式で算出した。
（ｖ）更に、上記乾燥サイレージを１３５℃で２時間風乾処理（第２風乾処理）してその水分を完全に揮発させ完全乾燥サイレージを得た。
（ｖｉ）上記（ｖ）の第２風乾処理における風乾物中水分率Ｃを、１００×｛（第２風乾処理前の乾燥サイレージの重量）―（第２風乾処理後の完全乾燥サイレージの重量）｝/（第２風処理前の乾燥サイレージの重量）の式で算出した。
（ｖｉｉ）上記（ｉｉｉ）、（ｉｖ）、及び（ｖｉ）において求めた、揮散蛋白質含有量Ａ、第１風乾処理の風乾率Ｂ、及び第２風乾処理の風乾物中水分率Ｃを用いて、サイレージ原試料中の含有水分Ｈを、以下の式
Ｈ＝１００−Ｂ＋Ｂ×Ｃ／１００−Ａ
で算出した。
（ｖｉｉｉ）上記サイレージ原試料中の含有水分Ｈを回帰式作成時に用いる化学分析値とした。その値は、６２．３〜８２．８％であった。
（ｖｉ）石英ガラスの窓がついたリング状容器（以下、標準セルと記載）に乾燥粉砕サイレージ試料を充填し、反射光スペクトルを測定するために近赤外分析計にてλ＝４００〜２５００ｎｍの光を照射し、セルから反射する反射光の強度のスペクトルデータを採取した。
２．回帰式の作成
収集したデータを、Savitzky-Golay法で処理し、２次微分処理を行った後、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長領域として６００ｎｍ〜１０８２ｎｍ、及び１１１８ｎｍ〜２４８２ｎｍを選択して、回帰式作成用の試料１０２点についてＰＬＳ回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料の水分の推定
決定された回帰式を検量線として用いて評価用試料３５点についてＣＰ含有量の値を求めた。
４．検量線の精度評価
上記検量線の重相関係数Ｒ２、及び標準誤差ＳＥＣを求めた。一方で、この検量線として用いて、評価用試料のＶＢＮ含有量の推定値を算出し、評価試料の相関係数ｒ２、及び予測標準誤差ＳＥＰを求めた。
５．精度評価の結果について
本実施例では、検量線の相関係数Ｒ２、及び評価試料の相関係数ｒ２が極めて高い値を示しており、一方で、標準誤差ＳＥＣ、及び予測標準誤差ＳＥＰは非常に低い値を示す極めて良好な結果が得られている。
１．乾燥試料の反射光スペクトルデータ収集
（ｉ）供試されたサイレージ原試料１３７点の内の５０ｇ分の試料に純水を加え２００ｍｌとし、５℃で１６時間抽出を行い、ろ紙（ＮＯ、５Ａ：JIS P 3801）でろ過して得たサイレージ抽出液から水蒸気蒸留法にてＶＢＮ含有量を測定し、その重量％（ＶＢＮ％）を算出した。
（ｉｉ）一方で、サイレージ原試料１３７点の一部を６０℃で１６時間風乾処理し（第１風乾処理）乾燥サイレージを得た。なお、この乾燥サイレージでは、サイレージ原試料中に含まれていたＶＢＮは完全に揮散している。
（ｉｉｉ）上記（ｉ）で求めたＶＢＮ％に蛋白質換算係数である６．２５を乗じて、上記（ｉｉ）において揮散した蛋白質の含有量Ａの値を算出した。
（ｉｖ）上記第１風乾処理の風乾率Ｂを、１００×（第１風乾後の乾燥サイレージの重量）／（第１風乾前のサイレージ原試料の重量）の式で算出した。
（ｖ）更に、上記乾燥サイレージを１３５℃で２時間風乾処理（第２風乾処理）してその水分を完全に揮発させ完全乾燥サイレージを得た。
（ｖｉ）上記（ｖ）の第２風乾処理における風乾物中水分率Ｃを、１００×｛（第２風乾処理前の乾燥サイレージの重量）―（第２風乾処理後の完全乾燥サイレージの重量）｝/（第２風処理前の乾燥サイレージの重量）の式で算出した。
（ｖｉｉ）上記（ｉｉｉ）、（ｉｖ）、及び（ｖｉ）において求めた、揮散蛋白質含有量Ａ、第１風乾処理の風乾率Ｂ、及び第２風乾処理の風乾物中水分率Ｃを用いて、サイレージ原試料中の含有水分Ｈを、以下の式
Ｈ＝１００−Ｂ＋Ｂ×Ｃ／１００−Ａ
で算出した。
（ｖｉｉｉ）上記サイレージ原試料中の含有水分Ｈを回帰式作成時に用いる化学分析値とした。その値は、６２．３〜８２．８％であった。
（ｖｉ）石英ガラスの窓がついたリング状容器（以下、標準セルと記載）に乾燥粉砕サイレージ試料を充填し、反射光スペクトルを測定するために近赤外分析計にてλ＝４００〜２５００ｎｍの光を照射し、セルから反射する反射光の強度のスペクトルデータを採取した。
２．回帰式の作成
収集したデータを、Savitzky-Golay法で処理し、２次微分処理を行った後、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長領域として６００ｎｍ〜１０８２ｎｍ、及び１１１８ｎｍ〜２４８２ｎｍを選択して、回帰式作成用の試料１０２点についてＰＬＳ回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料の水分の推定
決定された回帰式を検量線として用いて評価用試料３５点についてＣＰ含有量の値を求めた。
４．検量線の精度評価
上記検量線の重相関係数Ｒ２、及び標準誤差ＳＥＣを求めた。一方で、この検量線として用いて、評価用試料のＶＢＮ含有量の推定値を算出し、評価試料の相関係数ｒ２、及び予測標準誤差ＳＥＰを求めた。
５．精度評価の結果について
本実施例では、検量線の相関係数Ｒ２、及び評価試料の相関係数ｒ２が極めて高い値を示しており、一方で、標準誤差ＳＥＣ、及び予測標準誤差ＳＥＰは非常に低い値を示す極めて良好な結果が得られている。
（実施例１３）
１．乾燥試料の反射光スペクトルデータ収集
（ｉ）供試されたサイレージ原試料１３７点の内の５０ｇ分の試料に純水を加え２００ｍｌとし、５℃で１６時間抽出を行い、ろ紙（ＮＯ、５Ａ：JIS P 3801）でろ過して得たサイレージ抽出液から水蒸気蒸留法にてＶＢＮ含有量を測定し、その重量％（ＶＢＮ％）を算出した。
（ｉｉ）得られたサイレージ抽出液をガスクロマトグラフィーにかけてサイレージ原試料の酪酸含有量を測定した。
（ｉｉｉ）一方で、サイレージ原試料１３７点の一部を６０℃で１６時間風乾処理して１ｍｍ以下に粉砕し乾燥粉砕サイレージ試料を得た。
（ｉｖ）上記（ｉｉ）で求めたサイレージ原試料の酪酸含有量を回帰式作成時に用いる化学分析値とした。その値は、乾物あたり０．０２〜２．０５％であった。
（ｖ）石英ガラスの窓がついたリング状容器（以下、標準セルと記載）に乾燥粉砕サイレージ試料を充填し、反射光スペクトルを測定するために近赤外分析計にてλ＝４００〜２５００ｎｍの光を照射し、セルから反射する反射光の強度のスペクトルデータを採取した。
２．回帰式の作成
収集したデータを、セグメントサイズ１０ｎｍ、ギャップサイズ０ｎｍで平滑化処理し、２次微分処理を行った後、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長領域として８１６ｎｍ〜１０８２ｎｍ、１１１６ｎｍ〜１４００ｎｍ、１４５０ｎｍ〜１８７０ｎｍ、及び１９７０ｎｍ〜２４８２ｎｍを選択して、回帰式作成用の試料１０２点についてＰＬＳ回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料のＶＦＡの推定
決定された回帰式を検量線として用いて評価用試料３５点についてＶＦＡの値を求めた。
４．検量線の精度評価
上記検量線の重相関係数Ｒ２、及び標準誤差ＳＥＣを求めた。一方で、この検量線として用いて、評価用試料のＶスコアーの推定値を算出し、評価試料の相関係数ｒ２、及び予測標準誤差ＳＥＰを求めた。
５．精度評価の結果について
本実施例では、検量線の相関係数Ｒ２、及び評価試料の相関係数ｒ２が極めて高い値を示しており、一方で、標準誤差ＳＥＣ、及び予測標準誤差ＳＥＰは非常に低い値を示す極めて良好な結果が得られている。
１．乾燥試料の反射光スペクトルデータ収集
（ｉ）供試されたサイレージ原試料１３７点の内の５０ｇ分の試料に純水を加え２００ｍｌとし、５℃で１６時間抽出を行い、ろ紙（ＮＯ、５Ａ：JIS P 3801）でろ過して得たサイレージ抽出液から水蒸気蒸留法にてＶＢＮ含有量を測定し、その重量％（ＶＢＮ％）を算出した。
（ｉｉ）得られたサイレージ抽出液をガスクロマトグラフィーにかけてサイレージ原試料の酪酸含有量を測定した。
（ｉｉｉ）一方で、サイレージ原試料１３７点の一部を６０℃で１６時間風乾処理して１ｍｍ以下に粉砕し乾燥粉砕サイレージ試料を得た。
（ｉｖ）上記（ｉｉ）で求めたサイレージ原試料の酪酸含有量を回帰式作成時に用いる化学分析値とした。その値は、乾物あたり０．０２〜２．０５％であった。
（ｖ）石英ガラスの窓がついたリング状容器（以下、標準セルと記載）に乾燥粉砕サイレージ試料を充填し、反射光スペクトルを測定するために近赤外分析計にてλ＝４００〜２５００ｎｍの光を照射し、セルから反射する反射光の強度のスペクトルデータを採取した。
２．回帰式の作成
収集したデータを、セグメントサイズ１０ｎｍ、ギャップサイズ０ｎｍで平滑化処理し、２次微分処理を行った後、回帰式作成用の試料１０２点と評価用の試料３５点に区分した。波長領域として８１６ｎｍ〜１０８２ｎｍ、１１１６ｎｍ〜１４００ｎｍ、１４５０ｎｍ〜１８７０ｎｍ、及び１９７０ｎｍ〜２４８２ｎｍを選択して、回帰式作成用の試料１０２点についてＰＬＳ回帰分析を行ない回帰式を決定した。
３．作成した回帰式を検量線として用いた評価用の原試料のＶＦＡの推定
決定された回帰式を検量線として用いて評価用試料３５点についてＶＦＡの値を求めた。
４．検量線の精度評価
上記検量線の重相関係数Ｒ２、及び標準誤差ＳＥＣを求めた。一方で、この検量線として用いて、評価用試料のＶスコアーの推定値を算出し、評価試料の相関係数ｒ２、及び予測標準誤差ＳＥＰを求めた。
５．精度評価の結果について
本実施例では、検量線の相関係数Ｒ２、及び評価試料の相関係数ｒ２が極めて高い値を示しており、一方で、標準誤差ＳＥＣ、及び予測標準誤差ＳＥＰは非常に低い値を示す極めて良好な結果が得られている。
なお、上記実施例１や１２等において、サイレージ原試料の水分を算出する式は、数１０や数１５に示されているＨ＝１００−Ｂ＋Ｂ×Ｃ／１００−Ａという式を用いて算出しており、これは本出願人が考え出した風乾処理前の水分をＶＢＮの揮散量を考慮して正確に算出する式であるが、これに限られず、ＶＢＮの揮散量を無視してＨ＝１００−Ｂ＋Ｂ×Ｃ／１００を用いて風乾処理前の原試料の含有水分を算出することも可能である。これにより、含有水分の算出精度は若干低下するものの、ＶＢＮ含有量の測定を行う必要がなくなるので、分析作業をより容易化することができる。
１０ 分析装置
１２ 光源
１４ 第１スリット
１６ ミラー
１８ グレーティング
２０ リファレンス
２２ フィルター
２４ 第２スリット
２６ 試料セル
２８ 検出器
１２ 光源
１４ 第１スリット
１６ ミラー
１８ グレーティング
２０ リファレンス
２２ フィルター
２４ 第２スリット
２６ 試料セル
２８ 検出器
Claims (12)
- 予め測定対象成分の含有量の把握されている原試料に対し、該測定対象成分の一部又は全部を消失させるための処理を行なった後に、当該消失処理後の原試料について光スペクトルを測定し採取する工程と、
前記光スペクトルのデータに基づいて説明変数を設定し、前記消失処理前の測定対象成分の量を目的変数として回帰式を設定する工程と、
前記消失処理と同一の処理を施した測定対象原試料の光スペクトルのデータに基づいて、前記回帰式を検量線として測定対象原試料の前記測定対象成分の量を推定算出する工程と、
を有することを特徴とする含有成分量推定方法。 - 前記消失処理は、乾燥処理であることを特徴とする請求項１に記載の方法。
- 前記原試料は、食品、又は飼料であることを特徴とする請求項１又は２に記載の方法。
- 前記原試料は、発酵物であることを特徴とする請求項３に記載の方法。
- 前記測定対象成分が、窒素化合物を含むことを特徴とする請求項１〜４の何れか１項に記載の方法。
- 前記測定対象成分が、全窒素及び／又は粗たん白質を含むことを特徴とする請求項１〜５の何れか１項に記載の方法
- 前記測定対象成分が、揮発性塩基態窒素及び／又は全窒素に対する揮発性塩基態窒素の比を含むこと特徴とする請求項１〜６の何れか１項に記載の方法。
- 前記測定対象成分が、揮発性脂肪酸を含むこと特徴とする請求項１〜７の何れか１項に記載の方法
- 前記測定対象成分が、水分を含む事を特徴とする請求項１〜８の何れか１項に記載の方法。
- 成分の含有量に基づいて所定の測定対象評価値が予め把握されている原試料に対し、該測定対象評価値を変化させるための処理を行なった後に、当該変化処理後の原試料について光スペクトルを測定し採取する工程と、
前記光スペクトルのデータに基づいて説明変数を設定し、前記変化処理前の測定対象評価値を目的変数として回帰式を設定する工程と、
前記変化処理と同一の処理を施した測定対象原試料の光スペクトルのデータに基づいて、前記回帰式を検量線として測定対象原試料の前記測定対象評価値を推定算出する工程と、
を有することを特徴とする評価値推定方法。 - 前記測定対象評価値は、Ｖ−スコアーであることを特徴とする請求項１０に記載の方法。
- 請求項１〜１１の何れか１項に記載の方法を実行するためのプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010066914A JP5369032B2 (ja) | 2010-03-23 | 2010-03-23 | 含有成分量推定方法、評価値推定方法、及びこれら方法を実行するためのプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010066914A JP5369032B2 (ja) | 2010-03-23 | 2010-03-23 | 含有成分量推定方法、評価値推定方法、及びこれら方法を実行するためのプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2011196948A JP2011196948A (ja) | 2011-10-06 |
| JP5369032B2 true JP5369032B2 (ja) | 2013-12-18 |
Family
ID=44875347
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2010066914A Active JP5369032B2 (ja) | 2010-03-23 | 2010-03-23 | 含有成分量推定方法、評価値推定方法、及びこれら方法を実行するためのプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5369032B2 (ja) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2580394C1 (ru) * | 2012-02-02 | 2016-04-10 | ФОСС Аналитикал А/С | Способ управления производственным процессом |
| JP6842874B2 (ja) * | 2016-10-03 | 2021-03-17 | 大阪瓦斯株式会社 | ポリフェノール抽出量評価システム |
| KR102382101B1 (ko) * | 2021-07-20 | 2022-04-04 | 주식회사 지에프퍼멘텍 | 미생물 발효에 의한 단백질 생산 공정을 제어하는 방법 및 장치 |
| KR102485512B1 (ko) * | 2022-03-28 | 2023-01-06 | 주식회사 지에프퍼멘텍 | 미생물 발효에 의한 테트라아세틸파이토스핑고신 생산 공정을 제어하는 방법 및 장치 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05302890A (ja) * | 1992-04-28 | 1993-11-16 | Iseki & Co Ltd | 近赤外線分析方法 |
| JP2002107296A (ja) * | 2000-10-03 | 2002-04-10 | Taisei Corp | 芝草葉の成分分析方法、芝草の診断方法および育成方法 |
-
2010
- 2010-03-23 JP JP2010066914A patent/JP5369032B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2011196948A (ja) | 2011-10-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Determination of protein, total carbohydrates and crude fat contents of foxtail millet using effective wavelengths in NIR spectroscopy | |
| Ouyang et al. | Determination of amino acid nitrogen in soy sauce using near infrared spectroscopy combined with characteristic variables selection and extreme learning machine | |
| Jha et al. | Determination of sweetness of intact mango using visual spectral analysis | |
| Giovenzana et al. | Monitoring of fresh-cut Valerianella locusta Laterr. shelf life by electronic nose and VIS–NIR spectroscopy | |
| JP5369032B2 (ja) | 含有成分量推定方法、評価値推定方法、及びこれら方法を実行するためのプログラム | |
| JPWO2005111583A1 (ja) | 近赤外線分光法による野菜等の成分の非破壊検査法、及び同装置 | |
| Nietner et al. | Determination of geographical origin of distillers dried grains and solubles using isotope ratio mass spectrometry | |
| JP2010210355A (ja) | 近赤外線分光法を用いた野菜等の成分の非破壊計測法および非破壊計測装置 | |
| Chen et al. | An optimization strategy for waveband selection in FT-NIR quantitative analysis of corn protein | |
| Yang et al. | High-resolution and non-destructive evaluation of the spatial distribution of nitrate and its dynamics in spinach (Spinacia oleracea L.) leaves by near-infrared hyperspectral imaging | |
| Sharma et al. | Performance evaluation of preprocessing techniques utilizing expert information in multivariate calibration | |
| Rahman et al. | Mapping the pungency of green pepper using hyperspectral imaging | |
| Wei et al. | Monitoring the freshness of pork during storage via near-infrared spectroscopy based on colorimetric sensor array coupled with efficient multivariable calibration | |
| Mirghani et al. | A new method for determining gossypol in cottonseed oil by FTIR spectroscopy | |
| McTiernan et al. | Use of near-infrared reflectance spectroscopy (NIRS) in palaeoecological studies of peat | |
| Xie et al. | Different algorithms for detection of malondialdehyde content in eggplant leaves stressed by grey mold based on hyperspectral imaging technique | |
| JP7531892B2 (ja) | スペクトルの相違を数値化することに適したスペクトル測定装置 | |
| Wang et al. | Transfer strategy for near infrared analysis model of holocellulose and lignin based on improved slope/bias algorithm | |
| CN106338503B (zh) | 植物油的过氧化值快速检测方法 | |
| Bag et al. | FT‐NIR spectroscopy: a rapid method for estimation of moisture content in bael pulp | |
| Goisser et al. | Food-scanner applications in the fruit and vegetable sector | |
| Sun et al. | Improved partial least squares regression for rapid determination of reducing sugar of potato flours by near infrared spectroscopy and variable selection method | |
| Páscoa et al. | Near Infrared (NIR) Spectroscopy as a Tool to Assess Blends Composition and Discriminate Antioxidant Activity of Olive Pomace Cultivars | |
| McGoverin et al. | Raman spectroscopic prediction of the solid fat content of New Zealand anhydrous milk fat | |
| Adamopoulos et al. | Application of near-infrared reflectance spectroscopy in the determination of major components in taramosalata |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20121116 |
|
| TRDD | Decision of grant or rejection written | ||
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130821 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130827 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130913 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5369032 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |