KR20150077576A - 근적외선 시스템을 이용한 사료 원료의 메탄 발생량 분석 방법 - Google Patents
근적외선 시스템을 이용한 사료 원료의 메탄 발생량 분석 방법 Download PDFInfo
- Publication number
- KR20150077576A KR20150077576A KR1020130165995A KR20130165995A KR20150077576A KR 20150077576 A KR20150077576 A KR 20150077576A KR 1020130165995 A KR1020130165995 A KR 1020130165995A KR 20130165995 A KR20130165995 A KR 20130165995A KR 20150077576 A KR20150077576 A KR 20150077576A
- Authority
- KR
- South Korea
- Prior art keywords
- methane
- infrared
- amount
- feed
- generated
- Prior art date
Links
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 title claims abstract description 184
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000002994 raw material Substances 0.000 title abstract description 7
- 238000004519 manufacturing process Methods 0.000 title description 9
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 19
- 241001465754 Metazoa Species 0.000 claims abstract description 8
- 210000004767 rumen Anatomy 0.000 claims description 25
- 239000000463 material Substances 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 13
- 238000000855 fermentation Methods 0.000 claims description 13
- 230000004151 fermentation Effects 0.000 claims description 13
- 210000004051 gastric juice Anatomy 0.000 claims description 7
- 239000007853 buffer solution Substances 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000001678 irradiating effect Effects 0.000 claims description 4
- 238000009629 microbiological culture Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 5
- 230000029087 digestion Effects 0.000 abstract 2
- 238000000354 decomposition reaction Methods 0.000 abstract 1
- 230000009102 absorption Effects 0.000 description 28
- 238000010521 absorption reaction Methods 0.000 description 28
- 238000001228 spectrum Methods 0.000 description 24
- 239000007789 gas Substances 0.000 description 21
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 16
- 235000019764 Soybean Meal Nutrition 0.000 description 12
- 239000004455 soybean meal Substances 0.000 description 12
- 241000283690 Bos taurus Species 0.000 description 8
- 229910002092 carbon dioxide Inorganic materials 0.000 description 8
- 239000001569 carbon dioxide Substances 0.000 description 8
- 102000004169 proteins and genes Human genes 0.000 description 8
- 108090000623 proteins and genes Proteins 0.000 description 8
- 238000000611 regression analysis Methods 0.000 description 8
- 241000209140 Triticum Species 0.000 description 7
- 235000021307 Triticum Nutrition 0.000 description 7
- 240000008042 Zea mays Species 0.000 description 7
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 7
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 7
- 235000005822 corn Nutrition 0.000 description 7
- 241001133760 Acoelorraphe Species 0.000 description 6
- 229910052739 hydrogen Inorganic materials 0.000 description 6
- 239000005416 organic matter Substances 0.000 description 6
- 238000012628 principal component regression Methods 0.000 description 6
- 235000018102 proteins Nutrition 0.000 description 6
- 238000004497 NIR spectroscopy Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 4
- 239000000872 buffer Substances 0.000 description 4
- 238000006731 degradation reaction Methods 0.000 description 4
- 235000019621 digestibility Nutrition 0.000 description 4
- 239000001257 hydrogen Substances 0.000 description 4
- 238000000491 multivariate analysis Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 235000019482 Palm oil Nutrition 0.000 description 3
- 238000000862 absorption spectrum Methods 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 3
- 244000005700 microbiome Species 0.000 description 3
- 239000002540 palm oil Substances 0.000 description 3
- 241000233788 Arecaceae Species 0.000 description 2
- 244000060011 Cocos nucifera Species 0.000 description 2
- 235000013162 Cocos nucifera Nutrition 0.000 description 2
- 241000282849 Ruminantia Species 0.000 description 2
- 229920002472 Starch Polymers 0.000 description 2
- 239000004809 Teflon Substances 0.000 description 2
- 229920006362 Teflon® Polymers 0.000 description 2
- 238000002835 absorbance Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 210000002249 digestive system Anatomy 0.000 description 2
- 125000000524 functional group Chemical group 0.000 description 2
- 239000004519 grease Substances 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000011368 organic material Substances 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 238000010238 partial least squares regression Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 210000004761 scalp Anatomy 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 235000019710 soybean protein Nutrition 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 235000019698 starch Nutrition 0.000 description 2
- 238000003756 stirring Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 235000015112 vegetable and seed oil Nutrition 0.000 description 2
- 239000008158 vegetable oil Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 244000045195 Cicer arietinum Species 0.000 description 1
- 235000010523 Cicer arietinum Nutrition 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 239000003242 anti bacterial agent Substances 0.000 description 1
- 229940088710 antibiotic agent Drugs 0.000 description 1
- 230000005587 bubbling Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000012569 chemometric method Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000012136 culture method Methods 0.000 description 1
- 238000012258 culturing Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 239000004459 forage Substances 0.000 description 1
- 239000011491 glass wool Substances 0.000 description 1
- 239000001963 growth medium Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000010903 husk Substances 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 238000010905 molecular spectroscopy Methods 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002572 peristaltic effect Effects 0.000 description 1
- 229920002620 polyvinyl fluoride Polymers 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
-
- A—HUMAN NECESSITIES
- A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
- A23K—FODDER
- A23K50/00—Feeding-stuffs specially adapted for particular animals
- A23K50/10—Feeding-stuffs specially adapted for particular animals for ruminants
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0098—Plants or trees
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/025—Fruits or vegetables
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P60/00—Technologies relating to agriculture, livestock or agroalimentary industries
- Y02P60/20—Reduction of greenhouse gas [GHG] emissions in agriculture, e.g. CO2
- Y02P60/22—Methane [CH4], e.g. from rice paddies
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Food Science & Technology (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Medicinal Chemistry (AREA)
- Polymers & Plastics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Theoretical Computer Science (AREA)
- Animal Husbandry (AREA)
- Birds (AREA)
- Zoology (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Botany (AREA)
- Wood Science & Technology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
본 발명은 근적외선시스템을 이용하여 사료원료에서 발생되는 메탄 발생량을 분석하는 방법에 관한 것이다. 보다 구체적으로, 반추위 모형 연속배양 시스템을 이용한 사료 원료의 메탄 발생량 측정값을 근적외선시스템에 적용하여 메탄 발생량 및 메탄지수를 분석 및 예측하는 방법에 관한 것이다. 본 발명에 따른 근적외선시스템을 이용한 사료 원료의 메탄 발생량 분석 방법을 이용함으로써 동물 생체실험의 한계를 극복할 수 있고, 소요되는 시간 및 비용의 부담이 적으며, 실제 반추위 동물의 소화 시스템과 유사한 연속배양 시스템을 도입함으로써 정확하고 객관성있는 메탄 발생량 및 메탄지수를 분석 및 예측할 수 있다. 또한, 본 발명을 이용하여 사료 원료에 대한 메탄 발생량 및 메탄지수를 사료 시료만을 가지고 근적외선 스펙트럼을 통해 조기에 분석할 수 있으므로, 반추위 동물의 소화율 및 사료의 분해율을 유지함과 동시에 메탄 발생량을 저감시키는 친환경 사료를 개발하는데 활용될 수 있다.
Description
본 발명은 근적외선시스템을 이용하여 사료원료에서 발생되는 메탄 발생량을 분석하는 방법에 관한 것이다. 보다 구체적으로, 반추위 모형 연속배양 시스템을 이용한 사료 원료의 메탄 발생량 측정값을 근적외선시스템에 적용하여 메탄 발생량 및 메탄지수를 분석 및 예측하는 방법에 관한 것이다.
소의 반추위에는 수많은 미생물들이 생활하면서, 소가 섭취한 사료를 소 대신 분해하며, 소는 그 분해 과정에서 나오는 산물들을 다시 이용하는 매우 특이한 방식으로 진화해왔다. 이 과정에서 유기물이 분해되면 수소와 이산화탄소도 발생하는데, 수소가 반추위에 축적이 되면 미생물의 대사활동을 방해하는 문제가 발생하여 반추위 건강이 악화된다. 따라서, 수소를 반추위 밖으로 배출하는 방법으로 메탄생성균이 수소와 이산화탄소를 이용해 메탄을 생성하게 된다. 즉, 메탄이 만들어지는 것은 소의 반추위내 미생물 생태계를 건강하게 유지하는 중요한 방법 중 하나이다.
현재 세계적으로 많은 연구자들의 노력에 의해 소의 반추위에서 메탄이 생성되는 기작이 밝혀짐에 따라 소를 포함한 다양한 반추위 동물들로부터 발생되는 메탄을 줄일 수 있는 메탄저감제 연구가 많이 수행되고 있다. 다만, 주요 방법으로 지방산, 항생제, 또는 화학적 합성제 등이 이용되었고, 이들 물질들이 배양병을 이용하는 실험에서는 메탄 발생량을 줄이는 효과가 있음을 확인하였지만, 소화율 감소, 항생제 사용금지, 또는 독성 잔류 등의 문제로 인해 아직 실용화할 수 있는 정도로 성숙한 기술은 없는 실정이다.
종래 사료원료별 메탄 발생량을 측정하는 방법으로는 배양법을 이용한 방법이 주로 사용되었다. 상기의 배양병 이용법은 사료 원료 시료에 미생물을 24시간 배양하여 실제 발생하는 메탄 발생량을 측정하는 방법이므로, 시간 및 비용이 많이 소요된다는 단점이 있다. 종래 근적외선 분광 분석법은 주로 사료의 성분을 분석하기 위해 사용된 예가 있으나, 사료의 성분만 가지고는 소의 반추위에서 발생하는 메탄을 효과적으로 감소시킴과 동시에 사료의 분해율을 유지하는 소위 "그린사료" 개발에 직접적인 해결책을 제공해주지 못하고 있다.
근적외선 분광 분석법에 대하여 살펴보면 하기와 같다.
근적외선은 가시광선 영역과 인접하고 있는 적외선의 일부로서 통상 780~2,500㎚ 범위의 전자파를 말한다. 근적외선 분광은 분자(molecule)에 의해 흡수되는 근적외광선(또는 에너지)에 관해 연구하는 것으로서 전자파와 물질 사이의 상호작용에 관한 분자 분광의 한 분야이다. 일반적으로 적외선 및 근적외선은 분자의 진동을 여기시키며, 근적외선 및 적외선을 흡수한 분자는 진동 쌍극자(vibrating dipoles)처럼 특정한 주파수와 진폭으로 진동한다. 이 때 분자진동을 일으키는 에너지와 빛의 에너지가 일치하게 되면 분자는 빛을 흡수하게 되고, 새로운 에너지 준위가 높은 상태로 천이하면서 진동 주파수는 변화되지 않으나 진폭이 커진다. 그러나, 분자진동을 일으키는 에너지와 빛의 에너지가 일치하지 않으면 빛은 반사되어 버린다.
일반적으로 유기물을 구성하고 있는 분자의 관능기(O-H, C-H, N-H, S-H기 등)는 적외선 영역에서 고유의 흡광 밴드(기준 진동밴드)를 가지고 있다. 즉, 적외선을 흡수하는 물질은 O-H, C-H, N-H, S-H기로 구성된 성분을 함유하고 있다. 이러한 특성을 이용하여 어떤 유기물에 적외선을 조사하고 적외선이 흡수(또는 반사)되는 정도를 측정함으로써 그 유기물에 함유된 성분을 측정할 수 있다. 그러나, 적외선을 유기물에 조사하면 흡광성이 너무 강하여 정량이 곤란하므로 근적외선 영역의 파장을 주로 이용하게 된다.
일반적으로 근적외선 파장영역에서는 적외선 파장영역에서 유도되는 기준흡수파장에 비하여 배음(overtone)흡수 또는 결합(combination)흡수 파장을 나타내는데, 배음 흡수는 대략적으로 기준 흡수 주파수보다 2 배 또는 3 배(기준흡수 파장보다 1/2 배 또는 1/3 배)가 되는 주파수(또는 파장)에서 일어난다. 예를 들면, C-H stretch의 기준흡수가 3,380㎚의 적외선 영역에서 발생한다고 하면, 제1배음은 1,690㎚, 제2배음은 1,126㎚의 근적외선 영역에서 일어난다.
유기물을 구성하고 있는 단백질이나 전분 등과 같은 다원자 관능기의 경우에는 흡수가 더욱 복잡해지는데 기준 흡수 밴드의 수는 구성원자의 수를 n 개라고 하면 3n - 6 개로 올라가고, 따라서 배음 흡수도 보다 복잡하게 된다. 또한, 2 개 이상의 흡수가 동시에 발생하면, 결합 흡수가 근적외역에 발생한다. 이와 같이 기준흡수 밴드에 대한 배음 흡수 및 결합 흡수에 의해 근적외역에서 물질 특유의 흡수스펙트럼이 나타난다. 예를 들어, C-H 스트레치의 기준흡수 파장이 2,960 nm, C-H 벤드의 기준흡수 파장이 6,849 nm의 적외선 영역에서 발생한다면 결합흡수 파장은 2,262 nm의 근적외선 영역에서 나타난다. 따라서, 유기물에 근적외선을 조사하고 각 주파수에서 흡수되는 에너지의 양을 정량화하면, 그 성분함량을 계량 화학(chemometric)적인 방법으로 측정하는 것이 가능하다.
한국초지조사료학회지 제24권 제1호 (2004. 3) pp. 81-90 1013-9354 KCI
이와 같은 기술적 배경하에서, 본 발명자들은 예의 노력한 결과, 근적외선시스템을 이용하여 사료원료에서 발생되는 메탄 발생량을 분석하는 방법을 개발하기에 이르렀다.
결국, 본 발명은 종래의 문제점을 개선하기 위한 것으로서, 반추동물에서 사료 원료의 소화율 및 영양적 가치를 평가하기 위한 지표로서 이용할 수 있는 메탄지수를 도출하기 위하여, 반추위 모형 연속배양 시스템을 이용한 사료 원료의 메탄 발생량 측정값을 근적외선시스템에 적용하여 메탄 발생량 및 메탄지수를 분석 및 예측하는 방법을 제공하는데 그 목적이 있다.
상기와 같은 기술적 과제를 해결하기 위해,
본 발명의 일 측면에 따르면, (a) 반추위 동물로부터 채취한 위액, 완충액, 및 반추위 미생물 배양액으로 구성된 연속배양 발효조에 사료 원료를 투입하고 메탄 발생량을 측정하는 단계; (b) 사료 원료에 근적외선을 조사하여 근적외선 스펙트럼을 얻는 단계; (c) 상기 (a) 단계에서 측정된 메탄 발생량 및 상기 (b) 단계에서 얻어진 근적외선 스펙트럼을 이용하여 메탄 발생 예측식을 생성하는 단계; (d) 상기 (c) 단계에서 생성된 메탄 발생 예측식을 데이터베이스화하는 단계; 및 (e) 임의의 사료 원료에 대한 근적외선 스펙트럼에 상기 메탄 발생 예측식을 적용하여 메탄 발생량을 예측하는 단계;를 포함하는 근적외선시스템을 이용한 사료 원료의 메탄 발생량 분석 방법이 제공될 수 있다.
일 실시예에 있어서, 상기 사료 원료는 소맥, 옥수수, 대두박, 대두피, 야자박, 채종박 및 팜박으로 이루어진 군으로부터 선택될 수 있다.
일 실시예에 있어서, 상기 조사되는 근적외선은 0.80 ~ 2.50 ㎛의 파장일 수 있다.
일 실시예에 있어서, 상기 (b) 단계에서 근적외선 스펙트럼을 얻은 다음, 미분법 또는 다분산 보정(Multiplicative scatter correction)에 따른 수학적 전처리 단계를 더 포함할 수 있다.
일 실시예에 있어서, 상기 (c) 단계에서 생성된 메탄 발생 예측식은 별도의 임의의 사료 원료를 이용하여 상기 연속배양 발효조에서 측정된 메탄발생량에 대한 표준예측오차, 표준예측보정오차 및 상관계수를 이용하여 검증하는 단계를 더 포함할 수 있다.
본 발명에 따른 근적외선시스템을 이용한 사료 원료의 메탄 발생량 분석 방법을 이용함으로써 동물 생체실험의 한계를 극복할 수 있고, 소요되는 시간 및 비용의 부담이 적으며, 실제 반추위 동물의 소화 시스템과 유사한 연속배양 시스템을 도입함으로써 정확하고 객관성있는 메탄 발생량 및 메탄지수를 분석 및 예측할 수 있다. 또한, 본 발명을 이용하여 사료 원료에 대한 메탄 발생량 및 메탄지수를 사료 시료만을 가지고 근적외선 스펙트럼을 통해 조기에 분석할 수 있으므로, 반추위 동물의 소화율 및 사료의 분해율을 유지함과 동시에 메탄 발생량을 저감시키는 친환경 사료를 개발하는데 활용될 수 있다.
도 1은 반추위 모형 연속배양시스템에서 측정한 주요 사료 원료별 pH 값을 나타낸 것이다.
도 2는 반추위 모형 연속배양시스템에서 측정한 주요 사료 원료별 총 가스 발생량을 나타낸 것이다.
도 3은 반추위 모형 연속배양시스템에서 측정한 주요 사료 원료별 메탄가스 발생량을 나타낸 것이다.
도 4는 본 발명의 일 실시예에 따른 메탄 발생 예측식을 이용한 사료 원료의 메탄 발생량의 예측 결과를 나타낸 것이다.
도 2는 반추위 모형 연속배양시스템에서 측정한 주요 사료 원료별 총 가스 발생량을 나타낸 것이다.
도 3은 반추위 모형 연속배양시스템에서 측정한 주요 사료 원료별 메탄가스 발생량을 나타낸 것이다.
도 4는 본 발명의 일 실시예에 따른 메탄 발생 예측식을 이용한 사료 원료의 메탄 발생량의 예측 결과를 나타낸 것이다.
이하, 본 발명을 보다 상세하게 설명한다.
본 발명의 일 측면에 따르면, (a) 반추위 동물로부터 채취한 위액, 완충액, 및 반추위 미생물 배양액으로 구성된 연속배양 발효조에 사료 원료를 투입하고 메탄 발생량을 측정하는 단계; (b) 사료 원료에 근적외선을 조사하여 근적외선 스펙트럼을 얻는 단계; (c) 상기 (a) 단계에서 측정된 메탄 발생량 및 상기 (b) 단계에서 얻어진 근적외선 스펙트럼을 이용하여 메탄 발생 예측식을 생성하는 단계; (d) 상기 (c) 단계에서 생성된 메탄 발생 예측식을 데이터베이스화하는 단계; 및 (e) 임의의 사료 원료에 대한 근적외선 스펙트럼에 상기 메탄 발생 예측식을 적용하여 메탄 발생량을 예측하는 단계;를 포함하는 근적외선시스템을 이용한 사료 원료의 메탄 발생량 분석 방법이 제공될 수 있다.
근적외선 스펙트럼은 여러 개의 성분의 흡수 스펙트럼이 겹쳐져서 복잡한 형상을 나타낸다. 이와 같이 서로 겹쳐진 스펙트럼에서 흡수밴드를 분리하여 성분별 스펙트럼을 정확하게 찾아내기 위하여 가장 일반적으로 사용되고 있는 방법이 미분이다. 통상적으로 1차 또는 2차 미분이 가장 많이 사용되며, 3차 또는 4차 미분도 사용될 수 있으나 over-fitting의 원인이 될 수 있다.
1차 미분에서는 (Bavg-Aavg)과 (Cavg-Bavg)를 계산하여 전체스펙트럼의 이동평균(moving average)을 구하고 각 구획의 기울기를 계산한다. 2차 미분에서는 (Cavg-Bavg) - (Bavg-Aavg)를 계산하여 전체 스펙트럼의 이동평균을 구하고 각 구획의 기울기를 계산한다. 2차 미분에서는 원스펙트럼의 흡수 피크가 음(-)의 피크로 되어 나타난다. 미분 처리에 의해 원래 스펙트럼의 피크가 나누어지면서 서로 겹쳐진 흡수 피크를 분리하는 것이 가능해진다. 따라서, 미분처리를 하게 되면 스펙트럼의 특성 추출이 용이해지고, 원 스펙트럼에서 고려해야 하는 기울기를 제거할 수 있다. 같은 시료에서 입자 크기의 상이로 인하여 스펙트럼의 기준선(baseline)이 상이해지는 것을 2차 미분에 의해 상쇄시킬 수 있다.
다음으로, 다변량 분석 방법에 관하여 살펴본다. 근적외 스펙트럼은 적외역의 기준 흡수의 배음 및 결합 흡수가 합성되어 나타나므로 단순 물질에서는 스펙트럼형상이 그다지 복잡하지 않지만, 실제의 곡물 등에서는 성분마다 흡수 스펙트럼이 결합되어 상당히 복잡한 형상을 나타낸다.
근적외 분광법에서는 이 복잡한 스펙트럼을 다변량 분석하여 수분, 단백질 등의 성분, 또는 전분의 호화특성, 가공 적정등의 매개변수(parameter) 등을 예측하기 위해서 캘리브래이션(calibration)모델을 작성한다. 다변량 분석에는 중회귀분석, 판별분석, 정준상관분석, 주성분분석, 원자분석, 클러스터분석 등 많은 방법이 있지만, 주로 사용되는 것은 다음의 3가지(중회귀분석, 주성분회귀분석, PLS회귀분석)이다.
먼저, 중회귀분석(MLR ; Multiple Linear Regression)은 현재 가장 넓게 이용되고 있는 다변량 분석법으로서 스펙트럼 중에서 여러 개의 파장을 선택하여 다음과 같이 예측모델을 작성한다.
여기서, Y i : 성분값; a 0 : 정수항; a i : 회귀계수; X i : 각 파장에 대한 흡광도(log(1/R)), 2차 미분값 등; e i : 잔차
a 0 및 a i 는 최소제곱법에 의해 구한다. 회귀에 포함되는 파장수(m)와 시료수(n)는 n = m+1만 만족하면 어떠한 데이터가 있더라도 중상관계수 r은 1.0이 된다. 따라서, 가능한 적은 파장으로 정도가 높은 예측모델을 작성하기 위해서는 n을 충분히 크게 해야 한다. 또, 서로 높은 상관을 가지는 설명변수가 회귀식 중에 포함되면 예측 정도가 현저하게 저하되는 다중공선성의 문제가 발생한다. 따라서, 보다 적은 설명변수에 의해 정도가 높은 예측 모델을 작성하기 위하여 다음과 같은 여러 가지의 변수 선택법이 개발되어 있다.
총변수법 : 모든 설명변수를 조합하여 분석하고, 가장 높은 회귀계수를 얻을 수 있는 조합을 선택한다.
변수증가법 : 목적변수와 가장 높은 상관계수를 나타내는 설명변수 한 개를 선택해고, 여기에 다음의 변수를 조합시키는 작업을 반복하면서 가장 높은 회귀변수를 나타내는 설명변수를 선택한다.
변수감소법 : 전체 설명변수를 사용하여 중회귀식을 작성한 다음, 회귀계수를 낮게 하는 정도가 가장 적은 설명 변수들을 제거해 나간다.
변수증가법 : 설명변수를 하나씩 증가시키면서 회귀식을 구하고, 회귀계수를 높이는데 도움이 되지 않으면 중회귀식으로부터 제외시킨다.
변수지정법 : 경험적으로 중요성이 명확한 변수를 선택하여 중회귀분석에 사용한다.
다음으로, 주성분 회귀분석(PCR ; Principal Component Regression)은 중회귀 분석이 가지는 고유의 결점, 즉, 시료수(n)가 많아야 하는 것, 다중공선성의 문제를 해결하기 위해 개발된 방법으로서, 본래의 변수(x)에서 추출한 주성분(z)을 설명변수로 사용하여 중회귀식을 구하는 것이다. 주성분회귀분석의 예측모델은 다음과 같이 작성한다. 회귀계수를 구하는 방법은 중회귀분석과 같다.
여기서, Y i : 성분값; a 0 : 정수항; a q : 회귀계수; Z q : q번째 주성분; e i : 잔차
주성분은 원래의 설명변수와 비교할 때 다음과 같은 특징을 가진다. 즉, 원래의 설명변수 보다 개수가 훨씬 적은 주성분에 정보를 집약할 수 있으므로 회귀분석에 필요한 시료수를 대폭적으로 줄일 수 있다. 또한, 주성분은 서로 직교하여 상호 상관성이 없으므로 다중공선성의 우려가 없다. 그리고, 고유값이 크거나 적은데 관계없이 커다란 주성분에 각각 정보와 잡음을 집약하고 있기 때문에 주성분수를 늘이더라도 오버피팅(overfitting)의 위험성이 적고, 안정된 예측모델을 얻을 수 있다.
한편, PLS(Partial Least Square)회귀분석에서는 통상의 회귀분석에서 오차를 설명변수마다 가정하는 것과 달리 설명변수와 목적변수의 양 변수에 모두 오차를 가정한다. PLS회귀분석에서는 주성분회귀분석과 마찬가지로, 잠재적인 인자를 추출해서 설명변수로 하는데, 추출할 때에 설명변수와 목적변수를 함께 이용하는 것이 주성분분석과의 차이점이다. PLS법에서는 변수가 가지고 있는 전체 정보를 이용해서 회귀식를 산출하기 때문에 주성분회귀분석 보다 높은 예측정도를 얻을 수 있다. 또 주성분 분석과 마찬가지로 다중공선성과 시료수 및 변수의 문제를 동시에 해결이 가능하다는 이점이 있다.
일 실시예에 있어서, 상기 사료 원료는 소맥, 옥수수, 대두박, 대두피, 야자박, 채종박 및 팜박으로 이루어진 군으로부터 선택될 수 있다.
일 실시예에 있어서, 상기 조사되는 근적외선은 0.80 ~ 2.50 ㎛의 파장일 수 있다.
일 실시예에 있어서, 상기 (b) 단계에서 근적외선 스펙트럼을 얻은 다음, 미분법 또는 다분산 보정(Multiplicative scatter correction)에 따른 수학적 전처리 단계를 더 포함할 수 있다.
일반적으로 근적외선 스펙트럼은 재현성이 우수하나, 시료의 종류, 상태, 및 측정 조건 등에 따라 바탕선 변화 등의 약간의 변화를 수반할 수 있으므로 일 실시예에 있어서, 미분법 또는 다분산 보정에 따른 수학적 전처리 단계를 더 포함함으로써 검량 결과를 향상시킬 수 있다.
다분산 보정은 개개의 스펙트럼을 시료의 이상적 스펙트럼(ideal spectrum)으로 선형화하여 산란효과를 제거하는 방법이다. 표준 정규화는 다분산 보정과 달리이상적 스펙트럼을 이용하지 않고 전체 스펙트럼에 대한 흡광도의 표준편차를 각 스펙트럼에 대해 정규화하여 스펙트럼의 산란을 제거한다. 각 모델의 개발 과정에는 다분산 보정 및 표준 정규화를 적용한 전처리 스펙트럼과 전처리를 실시하지 않은 스펙트럼이 각각 이용되었다.
일 실시예에 있어서, 상기 (c) 단계에서 생성된 메탄 발생 예측식은 별도의 임의의 사료 원료를 이용하여 상기 연속배양 발효조에서 측정된 메탄발생량에 대한 표준예측오차, 표준예측보정오차 및 상관계수를 이용하여 검증하는 단계를 더 포함할 수 있다.
상기 단계는 선발된 메탄 예측 발생식의 예측 능력을 평가하기 위한 것으로서 메탄 예측 발생식(NIRs 검량식)에 사용되지 않는 독립적인 사료 원료 또는 미지의 사료 원료를 이용하여 생성된 예측식의 예측 정확성을 평가하는 것으로서, 메탄발생량에 대한 표준예측오차, 표준예측보정오차 및 상관계수를 이용할 수 있으며, 반드시 이에 제한되는 것은 아니다.
실험 방법
1. 반추위 모형 연속배양시스템(Rumen simulation continuous culture system)의 구축
(1) 배양액 : 채취한 위액을 8겹의 가제로 거른 후 유리솜으로 걸렀다. 걸러진 위액은 이산화탄소(CO2)가스로 유지(bubbling)하면서 혐기상태를 유지하였다. 미리 제조한 버퍼를 이산화탄소 가스로 유지 하면서 위액과 혼합하였다(위액 250mL, 버퍼 600mL).
(2) 기질 : 발효조에 10 g의 기질을 투입하였다.
(3) 완충액통 : 혐기상태를 유지하면서 완충액통에 완충액을 투입하였다. 이산화탄소 가스를 충진시킨 테들러백(Tedlar bag)을 버퍼통과 연결하고, 버퍼통과 연결된 튜브는 발효조 뚜껑 중 버퍼 투입구와 연결하였다.
(4) 가스 포집 주머니 : 가스 포집 주머니와 연결된 튜브를 발효조 뚜껑 중 가스 포집구와 연결(연결 튜브는 가스용 튜브를 사용)하였다.
(5) pH 및 온도 전극 : 전극이 배양액에 충분히 닿을 정도로 넣었다. 이 때, 교반봉에 닿지 않도록 주의하여야 한다.
(6) 사료투입관 : 발효조 뚜껑 중 사료 투입구에 사료투입관을 배양액에 충분히 잠길 정도로 삽입하였다.
(7) 발효조의 뚜껑을 발효조와 연결하고 진공용 구리스와 테프론 테입을 이용하여 혐기상태를 유지하였다. 이어서 발효조 뚜껑 중 가스 포집구를 통해 발효조 내부에 이산화탄소 가스를 약 10분간 투입하였다(발효조 내부를 혐기상태로 변화, 이산화탄소 가스는 배양이 시작되기 전까지 계속 흘려보냈다). 모든 기기의 연결부위는 진공용 구리스와 테프론 테이프로 봉합하였으며, 연동펌프를 작동 시키고, 발효조 내부로 완충액을 투입하였다(1000 ~ 1200 ml/일).
(8) 혐기상태의 배양액을 사료투입구를 통해 오버플로우될 때 까지 발효조로 투입하였으며, 이산화탄소 가스 투입을 중지하고, 모든 입구를 막았다. 순환수조와 발효조를 연결하고 온도를 설정하였다(37 ~ 40 ℃).
(9) 교반봉의 rpm을 10 ~ 20 rpm으로 설정하고, 배양을 시작하였다. 반추위 적응기간 7일, 1번째 샘플 적응기간 7일 후 각 모선별 시료 3일간의 메탄발생 측정값의 평균으로 메탄발생량을 측정하였다. 메탄발생값을 측정하기 위한 주요 사료 원료로서 대두박, 소맥, 채종박, 야자박, 단백피, 팜박 및 옥수수가 사용되었다.
2. 근적외선 시스템(NIRs)을 이용한 메탄 발생 예측식의 생성
(1) NIRs DB 확보
검량식 작성과 검정을 위하여 각 샘플의 반추위 모형 연속배양시스템의 메탄발생량 측정법과 NIRs 스펙트럼 분석법을 병행하였으며, 분석 대상 샘플의 수는 총 55개였다. 근적외선 측정장치로부터 출력되는 스펙트럼 데이터는 하기와 같이 실시간으로 컴퓨터에 입력되어 데이터베이스화되었다.
① 사료 원료 분석 샘플에 대한 각각의 근적외선 스펙트럼을 측정한다.
② 측정된 스펙트럼에 각각의 사료 원료의 메탄발생량의 결과값을 입력한다.
③ 상기 ① 및 ② 단계 완료 후 생성된 Cal 파일을 추출하여 NIRs DB를 준비한다.
근적외선 분광분석을 하기 위한 장비는 FOSS XDS Model이 사용되었다(모델명: FOSS XDS NIRs instrument, Scan range(측정 범위): 400~2500nm, Resolution(분해능): 0.5nm, Detector type: Si & Pb detecter, 측정 방식: 반석 측정 방식, 운영 S/W: ISIScan, Calibration S/W: WinISI)
(2) NIRs 검량식(메탄 발생 예측식) 생성
상기 확보된 NIRs DB로부터 메탄발생량 분석결과와 NIRs 스펙트럼간의 수학 통계알고리즘을 이용한 검량식을 하기와 같이 생성하였다.
① 상기 확보된 NIRs DB의 스펙트럼을 검량식 생성을 위하여 1차 미분된 스펙트럼을 사용하였고 검량식 생성시 스펙트럼은 400 ~ 2500 nm 전 영역의 스펙트럼을 활용하였다.
② 상기 ① 단계의 전처리된 스펙트럼을 이용하여 PCA(Principal Component Analysis) 알고리즘을 적용하여 그룹을 형성하여 pca file을 생성하여 그룹의 이상치 판별 도구로 활용하였다
③ 상기 ① 단계의 전처리된 스펙트럼과 사료 원료의 분석결과는 PLS(Partial Least Squares) regression알고리즘을 적용하여 NIR 검량식(eqa 파일)을 생성하였다.
(3) NIRs 검량식(메탄 발생 예측식) 검증
NIRs 검량식(메탄 발생 예측식)을 검증하기 위하여, 미지의 사료 원료 시료를 이용한 분석 결과를 토대로 표준예측오차, 표준예측보정오차 및 상관계수를 통해 NIRs 검량식(메탄 발생 예측식)의 타당성을 하기와 같이 검증하였다.
① 상기 생성된 검량식(eqa 파일)의 RSQ(R-square), 표준검량오차 SEC(Standard Error of calibration)를 이용하여 검량식의 적용 정도를 파악하였다.
② 일반적인 호환정도(RSQ > 0.7)가 획인된 검량식은 SEC를 확인하여 현 분석치의 허용 가능 정도(허용 오차 기준)를 확인 후 적합 정도를 파악하여 활용가능 수준의 경우 미지의 사료 원료를 이용 하여 실제 적용 시의 오차를 검증한다.
③ 미지의 사료 원료에 대해 검증하여, 상기 실험 설계의 수준에서 적용 가능한 표준 예측 보정 오차(SEPc: Standard Error of Prediction corrected)를 보일 경우 기 검량식을 활용가능한 것으로 판정하여 향후 메탄발생량의 사료 원료 실험을 대체하여 NIRs 예측치(Predicted value)를 활용한다.
실험 결과
1. 반추위 모형 연속배양시스템에서 측정한 주요 사요 원료별 pH 값
도 1에 나타난 바와 같이, 연속배양장치를 이용하여 사료원료별 pH 수준을 측정하였을 때 사료 원료별 pH 값의 평균은, 대두박 > 소맥 > 채종박 > 야자박 > 단백피 > 옥수수 = 팜박의 순서로 측정되었다. 옥수수에서 가장 높은 표준편차를 보였고, 대두박, 소맥, 채종박, 단백피, 팜박이 모선별 변이가 적었다.
2. 반추위 모형 연속배양시스템에서 측정한 주요 사료 원료별 총 가스 발생량
도 2에 나타난 바와 같이, 연속배양장치를 이용한 사료 원료별 총 가스발생량은 단백피 > 채종박 > 옥수수 > 소맥 > 야자박 > 대두박 > 팜박의 순서로 나타났다. 채종박과 야자박에서 높은 표준편차를 보였고, 대두박에서 가장 모선별 변이가 적었다. 총 가스 발생량을 통해 연속배양장치 중 발효조에서 원료사료의 발효 양상을 추정할 수 있다.
3. 반추위 모형 연속배양시스템에서 측정한 주요 사료 원료별 메탄 가스 발생량
도 3에 나타난 바와 같이, 연속배양장치를 이용한 사료 원료별 메탄가스 발생량은 소맥 > 옥수수 > 대두박 > 채종박 > 야자박 > 팜박 > 단백피의 순서로 나타났다. 팜박에서 높은 표준편차를 보였고, 대두박에서 가장 모선별 변이가 적었다. 전체적인 메탄가스 발생량의 경향은 총 가스발생량과 비슷한 경향을 보였지만, 대두박과 단백피의 메탄가스 발생량은 총 가스발생량과 반대의 경향을 나타내었다.
4. NIRs 검량식(메탄 발생 예측식)을 이용한 메탄 발생량 예측 결과
표 1 및 도 4에 나타난 바와 같이, 반추위 모형 연속배양 시스템에서 측정한 각 사료 원료별 메탄 발생량을 근적외선 시스템에 접목시켜 메탄 발생 예측식을 생성하였으며, 상기 예측식을 이용하여 사료 원료별 메탄 발생량을 예측한 결과, 상관계수는 0.842로써 통계적으로 유의한 정도로 적용 가능한 수준의 결과를 얻을 수 있었다.
| 근적외선 시스템을 이용한 메탄 발생량 예측 결과 | |
| 검증샘플수(개) | 69 |
| 평균 | 13.576 |
| 표준예측오차 | 2.664 |
| 표준예측보정오차 | 4.563 |
| 표준편차 | 6.154 |
| 상관계수 | 0.842 |
따라서, 상기에 언급한 바와 같이, 본 발명에 따른 근적외선시스템을 이용한 사료 원료의 메탄 발생량 분석 방법을 이용함으로써 동물 생체실험의 한계를 극복할 수 있고, 소요되는 시간 및 비용의 부담이 적으며, 실제 반추위 동물의 소화 시스템과 유사한 연속배양 시스템을 도입함으로써 정확하고 객관성있는 메탄 발생량 및 메탄지수를 분석 및 예측할 수 있다. 또한, 본 발명을 이용하여 사료 원료에 대한 메탄 발생량 및 메탄지수를 사료 시료만을 가지고 근적외선 스펙트럼을 통해 조기에 분석할 수 있으므로, 반추위 동물의 소화율 및 사료의 분해율을 유지함과 동시에 메탄 발생량을 저감시키는 친환경 사료를 개발하는데 활용될 수 있다.
이상으로 본 발명 내용의 특정한 부분을 상세히 기술하였는바, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 있어서, 이러한 구체적 기술은 단지 바람직한 실시 양태일 뿐이며, 이에 의해 본 발명의 범위가 제한되는 것이 아닌 점은 명백할 것이다. 따라서 본 발명의 실질적인 범위는 첨부된 청구항 들과 그것들의 등가물에 의하여 정의된다고 할 것이다.
Claims (4)
- (a) 반추위 동물로부터 채취한 위액, 완충액, 및 반추위 미생물 배양액으로 구성된 연속배양 발효조에 사료 원료를 투입하고 메탄 발생량을 측정하는 단계;
(b) 사료 원료에 근적외선을 조사하여 근적외선 스펙트럼을 얻는 단계;
(c) 상기 (a) 단계에서 측정된 메탄 발생량 및 상기 (b) 단계에서 얻어진 근적외선 스펙트럼을 이용하여 메탄 발생 예측식을 생성하는 단계;
(d) 상기 (c) 단계에서 생성된 메탄 발생 예측식을 데이터베이스화하는 단계; 및
(e) 임의의 사료 원료에 대한 근적외선 스펙트럼에 상기 메탄 발생 예측식을 적용하여 메탄 발생량을 예측하는 단계;를 포함하는
근적외선시스템을 이용한 사료 원료의 메탄 발생량 분석 방법.
- 제1항에 있어서,
상기 조사되는 근적외선은 0.80 ~ 2.50 ㎛의 파장인 것인 메탄 발생량 분석 방법.
- 제1항에 있어서,
상기 (b) 단계에서 근적외선 스펙트럼을 얻은 다음, 미분법 또는 다분산 보정(Multiplicative scatter correction)에 따른 수학적 전처리 단계를 더 포함하는 것을 특징으로 하는 메탄 발생량 분석 방법.
- 제1항에 있어서,
상기 (c) 단계에서 생성된 메탄 발생 예측식은 별도의 임의의 사료 원료를 이용하여 상기 연속배양 발효조에서 측정된 메탄발생량에 대한 표준예측오차, 표준예측보정오차 및 상관계수를 이용하여 검증하는 단계를 더 포함하는 것을 특징으로 하는 메탄 발생량 분석 방법.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130165995A KR101544586B1 (ko) | 2013-12-27 | 2013-12-27 | 근적외선 시스템을 이용한 사료 원료의 메탄 발생량 분석 방법 및 장치 |
| PCT/KR2014/011900 WO2015099313A1 (ko) | 2013-12-27 | 2014-12-05 | 근적외선 시스템을 이용한 사료 원료의 메탄 발생량 분석 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130165995A KR101544586B1 (ko) | 2013-12-27 | 2013-12-27 | 근적외선 시스템을 이용한 사료 원료의 메탄 발생량 분석 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20150077576A true KR20150077576A (ko) | 2015-07-08 |
| KR101544586B1 KR101544586B1 (ko) | 2015-08-17 |
Family
ID=53479118
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130165995A KR101544586B1 (ko) | 2013-12-27 | 2013-12-27 | 근적외선 시스템을 이용한 사료 원료의 메탄 발생량 분석 방법 및 장치 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR101544586B1 (ko) |
| WO (1) | WO2015099313A1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4058971A4 (en) | 2019-11-15 | 2023-11-29 | Low Carbon Beef LLC | LIFE CYCLE ASSESSMENT SYSTEMS AND METHODS FOR DETERMINING EMISSIONS FROM ANIMAL PRODUCTION |
| CN115561194A (zh) * | 2022-12-02 | 2023-01-03 | 西南民族大学 | 一种构树青贮饲料营养价值评定方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2796450C (en) * | 2010-04-16 | 2016-10-25 | C-Lock Inc. | Method and system for monitoring and reducing ruminant methane production |
-
2013
- 2013-12-27 KR KR1020130165995A patent/KR101544586B1/ko active IP Right Grant
-
2014
- 2014-12-05 WO PCT/KR2014/011900 patent/WO2015099313A1/ko active Application Filing
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102382101B1 (ko) | 2021-07-20 | 2022-04-04 | 주식회사 지에프퍼멘텍 | 미생물 발효에 의한 단백질 생산 공정을 제어하는 방법 및 장치 |
| KR20230014039A (ko) | 2021-07-20 | 2023-01-27 | 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2015099313A1 (ko) | 2015-07-02 |
| KR101544586B1 (ko) | 2015-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Geladi et al. | Linearization and scatter-correction for near-infrared reflectance spectra of meat | |
| Türker-Kaya et al. | A review of mid-infrared and near-infrared imaging: principles, concepts and applications in plant tissue analysis | |
| Ouyang et al. | Determination of amino acid nitrogen in soy sauce using near infrared spectroscopy combined with characteristic variables selection and extreme learning machine | |
| Chen et al. | Determination of protein, total carbohydrates and crude fat contents of foxtail millet using effective wavelengths in NIR spectroscopy | |
| Parrini et al. | Near Infrared Spectroscopy technology for prediction of chemical composition of natural fresh pastures | |
| KR101544586B1 (ko) | 근적외선 시스템을 이용한 사료 원료의 메탄 발생량 분석 방법 및 장치 | |
| KR100921914B1 (ko) | 곡물 성분함량 측정장치 및 그 측정방법 | |
| Fitamo et al. | Rapid biochemical methane potential prediction of urban organic waste with near-infrared reflectance spectroscopy | |
| Ji et al. | Using consensus interval partial least square in near infrared spectra analysis | |
| Eisenstecken et al. | A near infrared spectroscopy (NIRS) and chemometric approach to improve apple fruit quality management: a case study on the cultivars “Cripps Pink” and “Braeburn” | |
| Ward | Near‐Infrared Spectroscopy for Determination of the Biochemical Methane Potential: State of the Art | |
| Lu et al. | Fast and nondestructive determination of protein content in rapeseeds (Brassica napus L.) using Fourier transform infrared photoacoustic spectroscopy (FTIR‐PAS) | |
| Andueza et al. | Fecal near-infrared reflectance spectroscopy prediction of the feed value of temperate forages for ruminants and some parameters of the chemical composition of feces: Efficiency of four calibration strategies | |
| Wei et al. | Application of FTIR-PAS in rapid assessment of rice quality under climate change conditions | |
| Despal et al. | Prediction accuracy improvement of Indonesian dairy cattle fiber feed compositions using near-infrared reflectance spectroscopy local database | |
| Iweka et al. | Non-destructive online real-time milk quality determination in a milking robot using near-infrared spectroscopic sensing system | |
| Cleland et al. | Mid-infrared reflectance spectroscopy as a tool for forage feed composition prediction | |
| Ferrara et al. | Ripeness prediction in table grape cultivars by using a portable NIR device | |
| Zheng et al. | Non-Destructive detection of meat quality based on multiple spectral dimension reduction methods by near-infrared spectroscopy | |
| Sokač Cvetnić et al. | Application of Near-Infrared Spectroscopy for Monitoring and/or Control of Composting Processes | |
| Wang et al. | Transfer strategy for near infrared analysis model of holocellulose and lignin based on improved slope/bias algorithm | |
| XIA et al. | Application of wavelet transform in the prediction of navel orange vitamin C content by near-infrared spectroscopy | |
| Huang et al. | Real-time and field monitoring of the key parameters in industrial trough composting process using a handheld near infrared spectrometer | |
| Cheng et al. | Near-Infrared Model and Its Robustness as Affected by Fruit Origin for ‘Dangshan’Pear Soluble Solids Content and pH Measurement | |
| Dias et al. | Influence of the physical properties of samples in the use of nirs to predict the chemical composition and gas production kinetic parameters of corn and grass silages |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20190527 Year of fee payment: 5 |