KR20160100986A - 입자 스코어 보정 - Google Patents

입자 스코어 보정 Download PDF

Info

Publication number
KR20160100986A
KR20160100986A KR1020167017155A KR20167017155A KR20160100986A KR 20160100986 A KR20160100986 A KR 20160100986A KR 1020167017155 A KR1020167017155 A KR 1020167017155A KR 20167017155 A KR20167017155 A KR 20167017155A KR 20160100986 A KR20160100986 A KR 20160100986A
Authority
KR
South Korea
Prior art keywords
particle
sample
samples
feed
score
Prior art date
Application number
KR1020167017155A
Other languages
English (en)
Inventor
제이드 마샬 키텔슨
Original Assignee
캔 테크놀로지스 인코포레이티드
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 캔 테크놀로지스 인코포레이티드 filed Critical 캔 테크놀로지스 인코포레이티드
Publication of KR20160100986A publication Critical patent/KR20160100986A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution
    • G01N15/0205—Investigating particle size or size distribution by optical means
    • G01N15/0211—Investigating a scatter or diffraction pattern
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K5/00—Feeding devices for stock or game ; Feeding wagons; Feeding stacks
    • A01K5/001—Fodder distributors with mixer or shredder
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
    • B01F35/00—Accessories for mixers; Auxiliary operations or auxiliary devices; Parts or details of general application
    • B01F35/20—Measuring; Control or regulation
    • B01F35/21—Measuring
    • B01F35/2131—Colour or luminescence
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
    • B01F35/00—Accessories for mixers; Auxiliary operations or auxiliary devices; Parts or details of general application
    • B01F35/20—Measuring; Control or regulation
    • B01F35/21—Measuring
    • B01F35/214—Measuring characterised by the means for measuring
    • B01F35/2144—Measuring characterised by the means for measuring using radiation for measuring the parameters of the mixture or components to be mixed
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution
    • G01N15/0205—Investigating particle size or size distribution by optical means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/02—Investigating particle size or size distribution
    • G01N15/0255—Investigating particle size or size distribution with mechanical, e.g. inertial, classification, and investigation of sorted collections
    • 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
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G01N21/274—Calibration, base line adjustment, drift correction
    • 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
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G01N21/274—Calibration, base line adjustment, drift correction
    • G01N21/278—Constitution of standards
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359—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
    • G01N21/84—Systems specially adapted for particular applications
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/85—Investigating moving fluids or granular solids
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
    • B01F2101/00—Mixing characterised by the nature of the mixed materials or by the application field
    • B01F2101/06—Mixing of food ingredients
    • B01F2101/18—Mixing animal food ingredients
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/85—Investigating moving fluids or granular solids
    • G01N2021/8592—Grain or other flowing solid samples
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing
    • G01N2201/127—Calibration; base line adjustment; drift compensation

Landscapes

  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Engineering & Computer Science (AREA)
  • Dispersion Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Environmental Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Birds (AREA)
  • Animal Husbandry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

성분의 입자 스코어를 예측하기 위해 근적외선 반사율 분광 광도계(near infrared reflectance spectrophotometer)에 대한 보정을 전개하기 위한 방법으로서, (a) 복수의 식물류 샘플들을 스크린을 통해 통과시킴으로써 그러한 샘플들을 크기에 따라 분류하는 단계 및 이어서 스크린을 통과한 샘플들의 개수에 기초하여 샘플들에 대한 입자 스코어를 계산하는 단계; (b) 분광 광도계를 사용하여 복수의 식물류 샘플들의 흡광도 또는 반사율을 측정하는 단계; 및 (c) 단계(a)로부터의 입자 스코어를 단계(b)로부터의 측정된 흡광도 또는 반사율과 상관시키는 단계를 포함하는, 방법이 개시된다.

Description

입자 스코어 보정{PARTICLE SCORE CALIBRATION}
관련 출원들
본 출원은, 전체적으로 본 명세서에 참고로 포함된 2013년 12월 20일자로 출원되고 발명의 명칭이 "입자 스코어 보정(PARTICLE SCORE CALIBRATION)"인 미국 가특허 출원 제61/919,258호의 이익을 주장한다.
기술분야
본 발명은 대체로 분광법에 관한 것이다. 본 발명의 태양들은 특히 근적외선 분광법을 이용하여 사료 샘플의 입자 스코어를 예측하는 것에 관련된다.
미국 위스콘신주 포트 앳킨슨 소재의 Nasco Catalog Outlet Store로부터 구매 가능한 펜 스테이트 3-체 사료 입자 분리기(Penn State Three-Sieve Forage Particle Separator) 모델 번호 C24682N과 같은 입자 스코어러(particle scorer)를 사용하여 사료 샘플의 입자 스코어를 결정하는 것이 알려져 있다. 그러나, 그러한 알려진 입자 스코어러들은 다소 부정확할 수 있다. 근적외선 반사율(near infrared reflectance, NIR) 분광계(분광 광도계), 예컨대, Metrohm AG의 Metrohm NIRSystems라고도 알려진, 미국 미네소타주 에덴 프레리 소재의 FOSS로부터 모두 구매 가능한, FOSS 모델 번호 NIRsys II 5000 근적외선 반사율 분광계 또는 FOSS INFRAXACT 근적외선 반사율 분광계 또는 FOSS XDS NIR 분석기, 또는 FOSS NIRS DS2500, 또는 미국 매사추세츠주 빌레리카 소재의 Bruker Corporation으로부터 구매 가능한 Bruker FT-NIR을 사용하여 사료의 화학적 특성들(예컨대, 백분율 조단백질 지방, 회분(ash), 섬유 등)을 결정하는 것이 또한 알려져 있다. 그러나, 그러한 알려진 NIR 기구들은 사료들의 입자 스코어를 정확하게 예측할 수 없을 수 있다.
도 1은 예시적인 실시 형태에 따른 3-체 펜 스테이트 입자 분리기 디바이스의 사시도이다.
도 2a는 예시적인 실시 형태에 따른 2-체 펜 스테이트 입자 분리기 디바이스의 사시도이다.
도 2b는 도 2a의 2-체 펜 스테이트 입자 분리기 디바이스의 사시도이다.
도 3은 예시적인 실시 형태에 따른 대안 입자 스코어러(Alternative Particle Scorer) 디바이스의 사시도이다.
도 4는 실시예 1에 따른 대안 입자 스코어러 디바이스를 사용하여 전개된 NIR 보정의 NIR 예측능력을 나타내는 그래프이다.
도 5a는 실시예 1에 따른 펜 스테이트 입자 분리기 디바이스의 최상부 체를 사용하여 전개된 NIR 보정의 NIR 예측능력을 나타내는 그래프이다.
도 5b는 실시예 1에 따른 펜 스테이트 입자 분리기 디바이스의 중간 체를 사용하여 전개된 NIR 보정의 NIR 예측능력을 나타내는 그래프이다.
도 5c는 실시예 1에 따른 펜 스테이트 입자 분리기 디바이스의 저부 체를 사용하여 전개된 NIR 보정의 NIR 예측능력을 나타내는 그래프이다.
도 6은 실시예 1에 따른 대안 입자 스코어러 디바이스로부터의 습식 화학작용(wet chemistry) 값들을 사용하여 결정된 실제 입자 스코어 대 대안 입자 스코어러 디바이스를 사용하여 전개된 NIR 예측된 입자 스코어의 검증을 나타내는 그래프이다.
도 7a는 실시예 1에 따른 펜 스테이트 입자 분리기 디바이스 최상부 체로부터의 습식 화학작용 값들을 사용하여 결정된 실제 입자 스코어 대 펜 스테이트 입자 분리기 디바이스 최상부 체를 사용하여 전개된 NIR 예측된 입자 스코어의 검증을 나타내는 그래프이다.
도 7b는 실시예 1에 따른 펜 스테이트 입자 분리기 디바이스 중간 체로부터의 습식 화학작용 값들을 사용하여 결정된 실제 입자 스코어 대 펜 스테이트 입자 분리기 디바이스 중간 체를 사용하여 전개된 NIR 예측된 입자 스코어의 검증을 나타내는 그래프이다.
도 7c는 실시예 1에 따른 펜 스테이트 입자 분리기 디바이스 저부 체로부터의 습식 화학작용 값들을 사용하여 결정된 실제 입자 스코어 대 펜 스테이트 입자 분리기 디바이스 저부 체를 사용하여 전개된 NIR 예측된 입자 스코어의 검증을 나타내는 그래프이다.
도 8은 실시예 1에 따른 대안 입자 스코어 방법에 대한 실제 입자 스코어들과 NIR 예측치들 간의 상관도를 나타내는 그래프이다.
도 9a는 실시예 1에 따른 펜 스테이트 입자 분율 측정(바이패스 최상부 체)에 대한 실제 입자 스코어들과 NIR 예측치들 간의 상관도를 나타내는 그래프이다.
도 9b는 실시예 1에 따른 펜 스테이트 입자 분율 측정(바이패스 중간 체)에 대한 실제 입자 스코어들과 NIR 예측치들 간의 상관도를 나타내는 그래프이다.
도 9c는 실시예 1에 따른 펜 스테이트 입자 분율 측정(바이패스 저부 체)에 대한 실제 입자 스코어들과 NIR 예측치들 간의 상관도를 나타내는 그래프이다.
도 10은 개시된 기술의 일부 실시 형태들에 따른 보정 생성 컴포넌트의 프로세싱을 예시하는 흐름도이다.
도 11은 개시된 기술의 일부 실시 형태들에 따른 데이터베이스 구축 컴포넌트의 프로세싱을 예시하는 흐름도이다.
도 12는 개시된 기술의 일부 실시 형태들에 따른 입자 스코어 결정 컴포넌트의 프로세싱을 예시하는 흐름도이다.
도 13은 컴퓨터 시스템들의 적어도 일부 및 일부 실시예들에서 그 시스템이 작동하고 상호작용하는 다른 디바이스들에 통합될 수 있는 컴포넌트들의 일부를 예시하는 흐름도이다.
근적외선 반사율 분광 광도계(near infrared reflectance spectrophotometer)를 보정하기 위한 시스템들 및 방법들이 개시된다. 일 태양에서, 성분의 입자 스코어를 예측하기 위해 근적외선 반사율 분광 광도계에 대한 보정을 전개하기 위한 방법이 제공되는데, 이 방법은, (a) 복수의 식물류 샘플(plant matter sample)들을 스크린을 통해 통과시킴으로써 그러한 샘플들을 크기에 따라 분류하는 단계 및 이어서 스크린을 통과한 샘플들의 개수에 기초하여 샘플들에 대한 입자 스코어를 계산하는 단계; (b) 분광 광도계를 사용하여 복수의 식물류 샘플들의 흡광도 또는 반사율을 측정하는 단계; 및 (c) 단계(a)로부터의 입자 스코어를 단계(b)로부터의 측정된 흡광도 또는 반사율과 상관시키는 단계를 포함한다.
다른 태양에서, 건조 성분에 대한 입자 스코어를 예측하기 위한 근적외선 반사율 보정이 제공되는데, 이 보정은, (a) 복수의 사료 샘플들을 적어도 하나의 스크린을 갖는 입자 분리기를 통해 통과시킴으로써 그러한 샘플들을 절단 길이(chop length)에 따라 분류하는 단계 및 이어서 스크린을 통과한 샘플들의 중량에 기초하여 샘플들에 대한 입자 스코어를 계산하는 단계; (b) 분광 광도계를 사용하여 복수의 샘플들의 흡광도 또는 반사율을 측정하는 단계; 및 (c) 단계(a)로부터의 입자 스코어를 단계(b)로부터의 측정된 흡광도 또는 반사율과 상관시키는 단계를 포함하는 방법에 의해 생성된다.
다른 태양에서, 사료를 제형화하기 위한 방법이 제공되는데, 이 방법은, (a) 근적외선 반사율 분광 광도계를 보정하는 단계 - 보정하는 단계는, (i) 복수의 사료 샘플들을 스크린을 갖는 입자 분리기를 통해 통과시킴으로써 그러한 샘플들을 절단 길이에 따라 분류하는 단계 및 이어서 스크린을 통과한 샘플들의 개수에 기초하여 샘플들에 대한 입자 스코어를 계산하는 단계, (ii) 분광 광도계를 사용하여 샘플들의 흡광도 또는 반사율을 측정하는 단계, 및 (iii) 단계(i)로부터의 입자 스코어를 단계(ii)로부터의 측정된 흡광도 또는 반사율과 상관시키는 단계를 포함함 -; (b) 단계(iii)에 따라 상관된 근적외선 반사율 분광 광도계를 사용하여 완전 혼합 사료(total mixed ration)의 입자 스코어를 예측하는 단계; 및 (c) 완전 혼합 사료의 입자 스코어에 기초하여 사료를 제형화하는 단계를 포함한다.
입자 스코어
본 명세서에 사용되는 바와 같은 용어 "입자 스코어"는 체 또는 스크린을 통과한 성분의 입자들의 백분율(중량% 단위)을 의미한다. 입자 스코어는 그 성분의 입자의 크기에 관련된다. 예를 들어, 사료 성분의 크기는 사료 성분의 절단 길이에 따라 다양할 수 있다. 또한, 예를 들어, 옥수수 성분의 크기는 옥수수 품종, 옥수수 수분, 옥수수를 처리한 분쇄기(mill)의 속도, 옥수수를 처리한 분쇄기의 종류 등에 따라 다양할 수 있다. 성분의 입자 크기는 동물 내에서의 성분(예컨대, 사료)의 소화흡수율의 정도 및 속도에 영향을 미칠 수 있다. 예를 들어, 적절한 사료 입자 길이는 적절한 되새김질 기능을 도울 수 있다. 사료 입자 크기가 감소되면, 동물이 사료를 씹음으로써 소비되는 시간이 줄어들고 동물 내에서의 되새김질 pH의 감소 경향을 야기하는 것으로 나타났다. 암소들이 씹는 데 더 적은 시간을 소비하는 경우, 암소들은 암소의 되새김질을 완화시키는데 필요한 타액을 더 적게 생성한다. 비교해보면, 사료 성분 입자들이 너무 긴 경우, 동물들은 배급분을 분류할 가능성이 더 크다. 이것은 동물에 의해 소비되는 사료가 원래 제형화된 것보다 매우 다양하게 할 수 있다. 배급분 또는 사료가 너무 미세한 경우, 소량의 긴 건초 또는 포장 사일리지(baleage)를 공급하는 것은 평균 사료 입자 크기를 개선시킬 수 있다.
소정 성분들(예컨대, 사료들)은 바람직한 또는 목표 입자 스코어를 가질 수 있다. 입자 스코어는 입자의 크기와 반비례 관계에 있다(즉, 입자 스코어가 더 높다는 것은 입자 크기가 더 작다는 것과 같다). 예를 들어, 입자 스코어가 증가함에 따라, 중성세제 불용성 섬유(neutral detergent fiber, NDF) 소화흡수율의 백분율은 사료와 같은 성분들에 대해 그리고 보다 구체적으로는 콩과 식물(legume) 생목초에 대해 증가한다. 또한, 예를 들어, 입자 스코어가 증가함에 따라, 젖분비(lactation)의 순 에너지는 옥수수 사일리지(corn silage) 성분들 및 건조 옥수수에 대해 증가한다. 또한, 예를 들어, 입자 스코어가 증가함에 따라, 전분 소화흡수율은 옥수수, 마일로(milo), 밀, 보리 및 귀리와 같은 성분들에 대해 증가한다. 또한, 예를 들어, 입자 스코어가 증가함에 따라, NDF 소화흡수율은 콩과 식물 생목초에 대해 증가한다.
펜 스테이트 입자 분리기 방법
성분의 입자 스코어는, 전체적으로 본 명세서에 참고로 포함된 펜 스테이트의 Jud Heinrichs에 의해 2013년 9월 26일자로 공개된 공개 번호 DSE 2013-186에 기재된 방법에 따라 펜 스테이트 입자 분리기(PSPS)를 사용하여 결정될 수 있다. PSPS는 사료들 및 완전 혼합 사료들(TMR)의 입자 크기를 정량적으로 결정하기 위한 도구(tool)를 제공한다.
도 1을 참조하면, 일 실시 형태에 따른 3-체 PSPS(10)가 도시되어 있다. 도 1에 도시된 바와 같이, 3-체 PSPS는 대직경 스크린(13)을 갖는 상부 체 또는 박스(12), 중간 직경 스크린(15)을 갖는 중간 체 또는 박스(14), 더 작은 직경 스크린(17)을 갖는 하부 체(16), 및 저부 컵 또는 팬(18)을 갖는다. 도 2a을 참조하면, 예시적인 실시 형태에 따른 2-체 PSPS(20)가 도시되어 있다. 도 2a에 도시된 바와 같이, 2-체 PSPS는 상부 체 또는 박스(22), 하부 체(24), 및 저부 컵 또는 팬(26)을 갖는다. 도 2b에 도시된 바와 같이, 동물용 사료 배급분(feed ration)에 대한 식물류 성분의 샘플이 체들(22, 24) 및 팬(26)에서 상이한 절단 길이들을 갖는 사료(28)로서 도시되어 있다.
2-체 PSPS는, 표 1A에 나타낸 바와 같이, 소정 크기보다 더 작은 입자들이 통과할 수 있는 기공 크기들을 가진 스크린들을 갖는 체를 포함한다.
[표 1A]
Figure pct00001
3-체 PSPS는, 표 1B에 나타낸 바와 같이, 소정 크기보다 더 작은 입자들이 통과할 수 있는 기공 크기들을 가진 스크린들을 갖는 체를 포함한다.
[표 1B]
Figure pct00002
3-체 PSPS를 사용하기 위해, 체들은 다음의 순서로 서로의 위에 적층되어 있다: 최상부에 있는 가장 큰 구멍들을 갖는 체(상부 체), 그 다음에 있는 중간 크기의 구멍들을 갖는 체(중간 체), 이어서 가장 작은 구멍들을 갖는 체(하부 체), 및 저부에 있는 고체 팬. 대략 3 파인트(pint)의 사료 또는 TMR이 상부 체 상에 놓인다. 수분 함량은 체질(sieving) 특성에 적은 영향을 야기할 수 있다. 매우 습윤한 샘플들(45퍼센트 미만의 건조물)은 정확하게 분리될 수 없다. 3-체 PSPS는 동물에게 제공되는 사료의 입자 크기를 기술하도록 설계된다. 그리하여, 샘플들은 체질 이전에 공급된 것으로부터 화학적으로 또는 물리적으로 변경될 필요가 없다. 평평한 표면 상에서, 체들은 일 방향으로 여러 차례(예컨대, 5 회) 진탕되고, 이어서 분리기 박스는 1/4 턴으로 회전된다. 예를 들어, 5 회의 진탕의 각각의 세트 후에 분리기를 회전시키는, 이러한 공정은 여러 차례(예컨대, 7 회) 반복된다. 진탕의 힘 및 빈도는 체 표면 위의 입자들을 미끄러지게 하여, 기공 크기보다 더 작은 입자들이 통과하여 떨어질 수 있게 할 정도로 충분히 커야 한다. 반드시 그럴 필요는 없지만, 7 인치(또는 18 cm)의 스트로크 길이(stroke length)로 1.1 ㎐(또는 대략 초당 1.1 회 진탕) 이상의 빈도로 입자 분리기를 진탕하는 것이 추천된다. 최상의 결과를 위해, 운동의 빈도는 7 인치의 거리에 걸쳐 특정 횟수(예컨대, 10, 100, 1000 회)에 맞춰 보정된다. 전체 운동값들을 시간(초 단위)으로 나눈 수치는 1.1 ㎐ 추천값에 필적할 수 있는 빈도 값을 생성한다. 진탕이 완료된 후에, 재료는 각각의 체 상에 그리고 저부 팬 상에서 칭량된다. 예를 들어, 디지털 저울에 의해 결정되는 총 중량 및 각각의 체 아래의 누적 백분율들의 계산의 일례를 포함하여, 각각의 체 아래의 백분율을 산출하기 위한 절차들 및 데이터 입력에 대해 표 2를 참조한다. (여기서 체 통과물(undersized)의 누적 백분율은 주어진 크기보다 더 작은 입자들의 비율을 지칭한다. 예를 들어, 평균적으로, 사료의 95%는 0.75 인치 미만이고, 사료의 55%는 0.31 인치 미만이고, 사료의 35%는 0.16 인치 미만이다.)
[표 2]
Figure pct00003
2-체 PSPS를 사용하기 위해, 절차는 0.31 인치의 스크린 크기를 갖는 체를 사용하지 않는 것을 제외하고는 3-체 PSPS를 사용하기 위한 전술한 것과 실질적으로 동일하다.
대안 입자 스코어 방법
입자 스코어는 또한 대안 입자 스코어러(APS)를 사용하여 결정될 수 있다. APS는 예를 들어, 옥수수 사료들의 입자 크기를 정량적으로 결정하기 위한 도구를 제공한다. 옥수수 사료의 샘플의 취입을 위한 대직경 본체(46) 및 샘플의 보유를 위한 소직경 본체(48)를 갖는 하우징(44)과 함께 진탕기(42)를 갖는 APS(40)가 도 3에 도시되어 있는데, 샘플은 곡물 컵(52a), 컵(52b) 또는 컵(52c)에서 측정될 수 있다. 하우징(44)은 샘플이 통과하여 저장고(저부 팬(56)으로서 도시됨)에 제공되게 하는 스크린(54)을 갖는 것으로 도시되어 있다. 하우징(44)의 최상부에 있는 손잡이들(58)을 사용함으로써, 특히 샘플이 스크린(54)을 통과하도록 APS(40)가 (지면 또는 마루와 같은) 평평한 표면 상에서 진탕될 때, 샘플의 진탕이 가능하게 된다. 샘플 중 더 큰 입자 크기를 갖는 일 부분이 스크린(54) 상에 보유되고, 샘플 중 더 작은 입자 크기를 갖는 다른 부분이 저부 팬 또는 곡물 용기(56) 상에 보유된다. 스크린의 기공 크기 및 스크린을 통과한 입자들의 크기가 표 3에 나타나 있다.
[표 3]
Figure pct00004
입자 스코어를 결정하기 위해, APS를 통과하여 이동하는 옥수수 사료에 대해 다음의 절차가 이용될 수 있다. (관심 성분에 따른) 적절한 크기의 컵은 진탕기 본체의 더 작은 직경 단부에서의 곡물 용기 내에 고정된다. 스크린은 진탕기 본체의 더 큰 직경 단부 내에 놓인다. 곡물 샘플 컵은 옥수수 사료의 대표적인 샘플로 1/2 가득 채워진다. (일관된 판독을 보장하기 위해 샘플 높이는 작업자의 눈 높이와 평행하게 판독될 수 있음에 유의해야 한다.) 컵을 작업자의 손의 손바닥으로 덮고 (예컨대, 5 회) 두드린다. 이어서, 곡물 샘플 컵은 추가적인 곡물 샘플로 가득 채워지고, 작업자의 손의 손바닥으로 덮고, 두드려서(예컨대, 5회 이상), 곡물 샘플 컵이 대략 3/4 가득이 되도록 한다. 그 후에, 곡물 샘플 컵의 나머지는 추가적인 샘플로 채워지고, 최상부에서 (예컨대, 작업자의 손가락으로) 수평으로 되어, 샘플의 최상부가 곡물 샘플 컵의 최상부와 같은 높이가 되도록 한다. 이어서, 샘플은 곡물 샘플 컵으로부터 스크린을 갖는 대직경 본체 내로 투입된다. APS는 지면과 평행하게 유지되고 30초간 격렬하게 진탕된다. 스크린을 조심해서 꺼내고, 대직경 본체의 측면들 상에 걸린 임의의 샘플에 대해 관찰한다. (임의의 샘플이 하우징의 측면들 상에 걸려 있는 경우, 모든 샘플이 스크린 상에 캡처될 때까지 측면들은 단단한 표면 상에서 조심해서 두드려진다.) 이어서, 곡물 샘플 컵을 꺼내고, 작업자의 손의 손바닥으로 덮는다. 스크린 상에 보유된 샘플의 중량들 및 컵 내에 보유된 중량들에 대한 판독값들이 기록된다. 높은 수분 및 건조 성분들이 연이어 체질되는 경우, (건조 성분이 이전 샘플로부터 남겨진 잔여 수분에 부착하지 않도록) 건조 성분들을 먼저 이동시키는 것이 유리하다는 것에 유의해야 한다.
다른 대안적인 실시 형태에 따르면, 전체적으로 본 명세서에 참고로 포함된, 입자 크기 분석 및 분포에 대한 ASABE(American Society of Agricultural and Biological Engineers)의 표준에 따라 입자 크기가 결정될 수 있다.
NIRs 일반론
본 명세서에 사용되는 바와 같은 용어 "근적외선"("NIR") 및 "근적외선 분광법"("NIRs")은 근적외선 파장 영역에서의 전자기 방사선에 의한 분자 진동들의 여기(excitation)에 기초한 분광법 분석 방법에 관련된다. 근적외선 파장 영역(즉, 800 nm 내지 2500 nm)은 가시광 파장 영역(380 nm 내지 800 nm)과 중적외선(mid-infrared) 방사 파장 영역(2500 nm 내지 25000 nm) 사이에 있다. NIRs는 물질 또는 혼합물(예컨대, 식물류)에 의한 근적외선 광의 흡수의 세기를 측정한다. NIRs는 CH-, OH- 및 NH- 기들(예컨대, 지방, 단백질, 탄수화물, 유기산, 알코올, 물 등)을 함유하는 물질들(예컨대, 식물류)에서의 분자들의 기본 진동들의 조합 및 배진동(overtone)들을 검출한다. 본 명세서에 사용되는 바와 같이, 용어 "분광법"은 근적외선 반사율 분광법, 근적외선 투과 분광법, 자외선 및 가시광 분광법, 푸리에 변환 근적외선 분광법, 라만 분광법, 및 중적외선 분광법을 포함하는, 모든 분자 분광법을 지칭할 수 있다.
NIR 디바이스 또는 기구의 작동은 한 줄기의 광을 샘플(예컨대, 건조 식물류)에 제공하는 것을 포함한다. 샘플에 의해 반사되거나 또는 투과되는 광은 정보(즉, 스펙트럼들)로서 수집된다. (NIR 기구는 반사 모드, 투과 모드, 반투과 모드 등에서 작동될 수 있다.) 보다 구체적으로는, NIR 기구의 소프트웨어는 샘플로부터 검출기들로 되돌아오는 에너지의 양을 측정하는데, 이러한 에너지의 양을 기준 스펙트럼으로부터 빼고, 생성된 흡광도 스펙트럼을 플롯한다. NIR 스펙트럼은 샘플 내의 특정 작용기들에 의한 에너지 흡수로 인해 세기가 다른 다수의 흡수 대역들로 이루어진다. 비어의 법칙(Beer's law)에 기초하여, 흡수는 샘플 내의 화학적(또는 물리적) 성분의 농도에 비례하므로, 스펙트럼 정보는 생물학적 재료들(예컨대, 식물류)의 화학적(또는 물리적) 조성물을 정량화하기 위해 이용된다.
관심 파라미터들을 측정하기 위한 NIR의 사용은 습식 화학작용에 비해 여러 가지 이점들, 예컨대 샘플의 제조가 거의 또는 전혀 없는 비파괴적, 비침습성 측정, 거의 즉각적인 측정, 및 신속한 응답 시간들(예컨대, 실시간, 1 분 이내에 완료된 스캔 등), 용이하고 신뢰성 있는 작동, 하나의 스캔을 통해 동시에 다수의 영양소들(예컨대, 수분, 조단백질, 지방, 회분, 섬유 등)에 대해 시험하는 능력, 유사한 NIR 기구들 간의 직접 보정 전달 및 상이한 기구 플랫폼들 간의 간접 보정 전달을 허용하는 장기 보정 안정성, 저비용의 작동 비용, 신속하고 용이한 구현 및 유지보수, 정밀도와 일관성이 개선된 신뢰성 등을 갖는다. 추가로, NIR 기구들은 실험실에서 사용될 수 있고, 사육장에서 그리고 농장에서 사용하기 위해 휴대가능할 수 있다.
NIRs 보정
본 명세서에 사용되는 바와 같은 용어 "NIR 또는 NIRs 보정"은 NIR 스펙트럼들을 기준 또는 표준(예컨대, 습식 화학작용 값)과 상관시키는 수학적 모델을 의미한다. NIRs는 샘플의 직접 측정의 주요 방법("습식 화학작용"이라고도 지칭됨)에 대한 NIR 스펙트럼들의 보정(또는 연관)을 수반한다. 습식 화학작용을 이용한 직접 측정의 주요 방법들의 예들은 Kjeldahl 또는 Leco 단백질 분석기에 의한 단백질 분석, Ankom 섬유 분석기에 의한 섬유 분석, 소화된 중성세제 불용성 섬유(dNDF)와 같은 동물 소화작용, 및 시험관내(invitro) 기법들에 의해 측정된 시험관내 단백질 소화흡수율(IVpd)을 포함한다.
일부 실시 형태들에서, 보정을 생성하기 위해, 하기 단계들이 행해질 수 있다: 1) 습식 화학작용 값들 및 NIR 스펙트럼들 또는 값들을 포함하는 데이터베이스를 구축, 2) 수학적 모델(예컨대, NIR 보정)을 전개; 3) 원래의 데이터베이스에 포함되지 않은 독립 샘플들을 사용하여 수학적 모델을 검증; 4) 습식 화학작용 값들을 예측하기 위해 수학적 모델을 사용하여 NIR 기구 상에서 새로운 샘플들을 이동 또는 스캔; 및 5) 수학적 모델을 인증.
1. 데이터베이스를 구축. 데이터베이스를 구축하기 위해, 예상된 변화들을 포함하도록 다수의 대표적인 샘플들이 수집된다. 각각의 샘플은 다음의 2개의 관심 영역들을 갖는다: (i) 직접 측정의 주요 방법으로부터 유도된 샘플의 기준 값들("습식 화학작용" 또는 "실험실 값"이라고도 지칭됨); 및 (ii) NIR 기구에서 샘플들을 이동시키는 것으로부터 유도된 스펙트럼들. 이러한 데이터세트는 훈련 데이터 세트라고도 지칭된다.
2. 수학적 모델을 전개. 훈련 데이터 세트로부터의 습식 화학작용 측정치들은 기준 데이터로서 사용되고, 훈련 데이터 세트로부터의 NIR 스펙트럼들은 모델 전개 시에 습식 화학작용 데이터에 대해 회귀된다. 수학적 모델(또는 방정식 또는 NIR 보정)을 전개하기 위해, 계량화학(chemometric) 기술이 이용된다. 본 명세서에 사용되는 바와 같은 용어 "계량화학"은 데이터 구동 수단(data-driven means)에 의해 화학 시스템들로부터 정보를 추출하는 학문을 의미한다. 보다 구체적으로는, 다변량(multivariate) 보정 방법들을 이용하여 기준 값(예컨대, 훈련 데이터 세트)에 대한 NIR 스펙트럼들의 최적합값을 수득하며, 그 결과 NIR 보정 모델들(이는 관심 특성들을 예측하거나 그에 대응함)이 얻어진다. 다시 말하면, 화학 시스템의 측정된 특성들(예컨대, NIR 스펙트럼들)에 기초하여 관심 특성들을 예측하기 위해 사용될 수 있는 모델(또는 보정)이 전개되는데, 예컨대, 다파장 NIR 스펙트럼 응답을 샘플에서의 분석물 농도에 관련시키는 다변량 모델이 전개된다. 보정 모델을 전개하기 위해 계량화학 소프트웨어에서 다양한 보정 알고리즘들, 예컨대, MLR(다중 선형 회귀), MPLS(개량된 부분 최소 제곱 회귀), PCA(주성분 분석), ANN(인공 신경망), 국부 보정 등이 이용가능하다. 다른 다변량 보정 기법들은, 예를 들어, 부분 최소 제곱 회귀, 주성분 회귀, 국부 회귀, 신경망, 서포트 벡터 머신(또는 다른 방법들)을 포함한다.
3. 수학적 모델을 검증. 시험 세트가 보정 모델 성능을 검증하기 위해 독립 세트(즉, 보정 훈련 데이터 세트와는 상이함)로서의 역할을 한다. 시험 세트는 전개된 수학적 모델에 대한 샘플의 습식 화학작용 값들을 플롯하는 것을 포함한다.
4. 샘플들을 스캔. 이어서, 새로운 샘플들이, 새로운 샘플들의 습식 화학작용 값들을 예측하기 위해 전개된 수학적 모델을 사용하여 NIR 기구 상에서 스캔된다. 이러한 새로운 샘플들에 대한 생성된 스펙트럼 패턴들은 이전에 생성된 NIR 보정 모델을 사용하여 기준 측정치들과 상관된다. 그에 따라, 의도된 관심 파라미터에 대한 예측치들이 생성된다.
5. 수학적 모델을 인증. 이어서, NIR 보정은 "인증된다". 양호한 NIR 보정은 NIR 예측된 값들과 기준(또는 습식 화학작용) 값들 사이의 높은 상관도를 증명한다. 인증은 보정을 생성하는 것과 유사한 공정을 포함하지만, 기구 특정 바이어스(bias)를 해소한다. 따라서, 최종 NIR 보정은 바이어스-교정이다. 그것은 원래의 NIR 보정을 포함하고, 특정한 개별 NIR 기구의 바이어스를 해소한다.
동물용 사료를 제형화
입자 스코어에 대한 NIRs 보정은 식물, 동물, 또는 미네랄 성분에 대해 전개될 수 있다. 식물류 성분의 예는 단백질 성분, 곡물 제품, 곡물 부산물, 섬유질 제품, 지방, 미네랄, 비타민, 첨가제 또는 예시적인 실시 형태에 따른 다른 성분을 포함한다. 단백질 성분은, 예를 들어, 동물 유래 단백질, 예컨대 건혈분(dried blood meal), 육분(meat meal), 육골분(meat and bone meal), 가금 부산물 건조분(poultry by-product meal), 가수분해된 우모분(hydrolyzed feather meal), 가수분해된 모발, 가수분해된 피혁분 등을 포함할 수 있다. 단백질 성분은 또한, 예를 들어, 수산물, 예컨대 어분(fish meal), 게박(crab meal), 새우 분말, 농축 어즙, 어육 단백질 농축물 등을 포함할 수 있다. 단백질 성분은 또한, 예를 들어, 식물 제품, 예컨대 조류 분말(algae meal), 콩류, 코코넛밀(coconut meal), 면실박(cottonseed meal), 평지씨박(rapeseed meal), 캐놀라박(canola meal), 아마인박(linseed meal), 땅콩 가루, 대두박(soybean meal), 해바라기박, 완두류, 대두 단백질 농축물, 건조 효모, 활성 건조 효모 등을 추가로 포함할 수 있다. 단백질 성분은, 예를 들어, 유제품, 예컨대 건조 탈지유, 농축 탈지유, 건조 유청, 농축 유청, 건조 가수분해된 유청, 카세인, 건조전유, 건조유 단백질, 건조 가수분해된 카세인 등을 포함할 수 있다. 곡물 제품 성분은, 예를 들어, 옥수수, 마일로, 귀리, 쌀, 호밀, 밀 등을 포함할 수 있다. 곡물 부산물 성분은, 예를 들어, 옥수수겨, 땅콩 껍질, 쌀겨, 맥주박, 주정박, 주정혼합박(distillers dried grains with soluble), 옥수수 글루텐 피드, 옥수수 글루텐박, 옥수수 배아박, 밀가루, 귀리 알곡, 호미니 피드(hominy feed), 옥수수 가루, 콩가루, 맥아근, 호밀 미들링, 밀 미들링, 밀 밀런(wheat mill run), 밀 쇼오츠(wheat shorts), 밀 레드도그(wheat red dog), 피딩 귀리 밀(feeding oat meal) 등을 포함할 수 있다. 섬유질 제품 성분은, 예를 들어, 옥수수 속대 부분, 보릿겨, 정맥 제품(barley mill product), 맥아겨, 면실껍질, 아몬드 껍질, 해바라기 외피, 귀리 껍질, 땅콩 껍질, 정미 부산물, 바가스(bagasse), 콩 껍질, 콩 분쇄 사료(soybean mill feed), 건조 감귤 펄프, 건조 감귤 분말, 건조 사과박, 건조 토마토박, 그라운드 스트로(ground straw) 등을 포함할 수 있다. 미네랄 제품 성분은, 예를 들어, 황산암모늄, 염기성 염화구리, 골회(bone ash), 골분(bone meal), 탄산칼슘, 염화칼슘, 수산화칼슘, 황산칼슘, 염화코발트, 황산코발트, 산화코발트, 황산구리, 산화철, 산화마그네슘, 황산마그네슘, 탄산망간, 황산망간, 인산이칼슘, 탈불소화된 인산염(phosphate deflourinated), 인광석, 염화나트륨, 중탄산나트륨, 나트륨세스퀴카보네이트, 황, 산화아연, 탄산아연, 셀렌 등을 포함할 수 있다. 비타민 제품 성분은, 예를 들어, 비타민 A 보충제, 비타민 A 오일, 비타민 D, 비타민 B12 보충제, 비타민 E 보충제, 리보플라빈, 비타민 D3 보충제, 나이아신, 베타인, 염화콜린, 토코페롤, 이노시톨 등을 포함할 수 있다. 첨가제 제품 성분은, 예를 들어, 성장 촉진제, 약물, 완충제, 항산화제, 방부제, 펠렛-결합제, 생균제(direct-fed microbial) 등을 포함할 수 있다.
바람직한 실시 형태에 따르면, NIRs 보정들이 사료 성분들에 대해 전개된다. 사료는 방목 가축이 먹는 식물 재료(주로 식물 잎 및 줄기)이다. 본 명세서에 사용되는 바와 같은 용어 "사료"는, 여물(fodder)을 위해 잘라서 동물들에게 전해지는 식물들, 예컨대 건초 또는 사일리지를 포함한다. 벼과 식물(grass) 사료는, 예를 들어, 벤트그라스(bentgrass), 샌드 블루스템(sand bluestem), 야생귀리(false oat-grass), 오스트레일리아 블루스템(Australian bluestem), 허리케인 그라스(hurricane grass), 수리남 그라스(Surinam grass), 코로니비아 그라스(koronivia grass), 브롬그라스(bromegrass), 부펠그라스(buffelgrass), 로즈 그라스(Rhodes grass), 오처드 그라스(orchard grass), 버뮤다그라스(bermudagrass), 페스큐(fescue), 블랙 스피어 그라스(black spear grass), 웨스트 인디안 마시 그라스(West Indian marsh grass), 자라구아(jaragua), 남반구의 컷그라스(southern cutgrass), 라이그라스(ryegrass), 기니아 그라스(Guinea grass), 모래스 그라스(molasses grass), 달리스그라스(dallisgrass), 리이드 카나리그라스(reed canarygrass), 티모시(timothy), 블루그라스(bluegrass), 왕포아풀(meadow-grass), 아프리카 강아지풀(African bristlegrass), 캥거루 그라스(kangaroo grass), 인터미디어트 휘트그라스(intermediate wheatgrass), 사탕수수 등을 포함한다. 초본 콩과 식물(Herbaceous legume) 사료는, 예를 들어, 핀토 피넛(pinto peanut), 라운드리프 센시티브 피(roundleaf sensitive pea), 버터플라이 피(butterfly-pea), 벌노랑이(bird's-foot trefoil), 퍼플 부시 빈(purple bush-bean), 버건디 빈(burgundy bean), 개자리(medic), 알팔파(alfalfa), 루선(lucerne), 배럴 메딕(barrel medic), 스위트 클로우버(sweet clover), 퍼레니얼 소이빈(perennial soybean), 커먼 세인포인(common sainfoin), 스타일로(stylo), 클로우버, 베취(vetch), 크리핑 비냐(creeping vigna) 등을 포함한다. 나무 콩과 식물 사료는, 예를 들어, 멀가(mulga), 자귀나무, 벨몬트 시리스(Belmont siris), 레베크(lebbeck), 리드트리(leadtree) 등을 포함한다. 사일리지 사료는, 예를 들어, 알팔파, 메이즈(maize)(옥수수), 벼과 식물-콩과 식물 혼합물, 수수, 귀리 등을 포함한다. 사료는 "생목초"를 포함할 수 있다. 본 명세서에 사용되는 바와 같은 용어 생목초는 부분적으로 건조된 벼과 식물로부터 제조된 사일리지를 의미한다. 사료로서 사용되는 작물 잔해는, 예를 들어, 수수, 옥수수 또는 대두 짚(soybean stover) 등을 포함한다. 사료의 다른 예는, 예를 들어, 옥수수 사일리지, 브라운 미드립 옥수수 사일리지, 사탕수수 사일리지, 보리 사일리지, 생목초 벼과 식물, 생목초 콩과 식물, 생목초 혼합물, 생목초 소곡물, 생목초 수수 수단, 신선한 벼과 식물, 신선한 콩과 식물, 신선한 혼합물, 신선한 소곡물, 벼과 식물 건초, 콩과 식물 건초, 건초 혼합물, 소곡물 및 짚 건초, 고수분의 껍질을 벗긴 옥수수, 고수분 옥수수자루, 완전 혼합 사료 등을 포함한다.
입자 스코어에 대한 NIR 보정은, 동물 사료를 추가로 제형화하기 위해 사용될 수 있는, 성분들의 영양물 특성들을 결정하는 데 사용될 수 있다. 예를 들어, 사료 샘플들은 농장으로부터 수집될 수 있고, 실험실 또는 다른 분석 설비로 수송될 수 있다. 수취한 바와 같은(즉, 추가로 건조 또는 그라인딩되지 않음) 사료 샘플은 NIR 디바이스를 사용하여 스캔될 수 있다. NIR 출력은 본 발명의 NIR 보정 방법들을 이용하여 입자 스코어 값을 예측하기 위해 사용될 수 있다. 사료 성분에 대한 입자 스코어 값은, 예를 들어, 사료의 소화흡수율을 결정하기 위해, 예를 들어, 단백질 정보, 수분 정보, 지방 정보 등을 포함할 수 있는 동일한 사료에 대한 영양소 정보와 함께, 동물 예측 소프트웨어 또는 사료 배급분 밸런서 소프트웨어(feed ration balancer software), 예를 들어, 미국 미네소타주 웨이자타 소재의 Cargill, Incorporated로부터 입수가능한 MAX 소프트웨어로 전달될 수 있다. 사료가 차선의 입자 스코어를 갖는다고 여겨지는 경우, 사료의 소화흡수율의 부족을 해소하기 위해 추가적인 영양소들(예컨대, 추가적인 사료들)이 사료에 포함될 수 있다. 본 명세서에 사용되는 바와 같은 용어 "동물 사료"는 동물에 의해 소비되기 위해 제조된 사료 배급분 및/또는 보충제를 의미한다. 본 명세서에 사용되는 바와 같은 용어 "동물"은, 예를 들어 소과(bovine), 돼지과(porcine), 말과(equine), 염소과(caprine), 양과(ovine), 조류(avian) 동물, 해산물(수경 재배) 동물 등을 포함한다. 소과 동물은 물소, 들소, 그리고 거세소, 암송아지, 암소 및 황소를 비롯하여, 모든 축우를 포함하지만 이로 한정되지 않는다. 돼지과 동물은 암퇘지, 어린 암퇘지, 거세돼지, 및 수퇘지를 비롯하여, 양돈(feeder pig) 및 종돈(breeding pig)을 포함하지만 이로 한정되지 않는다. 말과 동물은 말을 포함하지만 이로 한정되지 않는다. 염소과 동물은 암염소, 수염소, 거세한 숫염소 및 새끼 염소를 비롯하여, 염소를 포함하지만 이로 한정되지 않는다. 양과 동물은 암양, 숫양, 거세한 숫양 및 새끼 양을 비롯하여, 양을 포함하지만 이로 한정되지 않는다. 조류 동물은 닭, 칠면조 및 타조를 비롯하여, 새를 포함하지만 이로 한정되지 않는다(그리고 가금이라고도 지칭되는 축화계(domesticated bird)도 또한 포함함). 해산물 동물(바닷물 및 민물 종을 포함함)은 어류 및 패류(예컨대, 대합조개, 가리비, 새우, 게 및 바닷가재)를 포함하지만 이로 한정되지 않는다. 본 명세서에 사용되는 바와 같은 용어 "동물"은 또한 반추동물(ruminant) 및 단위동물(monogastric animal)을 포함한다. 본 명세서에 사용되는 바와 같이, 용어 "반추동물"은 포유동물의 첫 번째 위와 연관된 역류 방법 또는 되새김질을 사용하여 식물 기반 성분들을 소화시키는 임의의 포유동물을 의미한다. 이러한 반추 포유동물은 축우, 염소, 양, 기린, 들소, 야크(yak), 물소, 사슴, 낙타, 알파카, 라마, 검은꼬리누(wildebeest), 영양(antelope) 및 가지뿔영양(pronghorn)을 포함하지만 이로 한정되지 않는다. 본 명세서에 사용되는 바와 같은 용어 "동물"은 또한 가축(예컨대, 개, 고양이, 토끼 등) 및 야생동물(예컨대, 사슴)을 포함한다.
동물 사료의 제형은 대안적인 실시 형태들에 따른 배합 사료, 완전 사료, 농축 사료, 프리믹스(premix), 및 베이스 믹스(base mix)일 수 있다. 본 명세서에 사용되는 바와 같은 용어 "배합 사료"는 동물의 하루 영양 요구량들 모두를 충족시키는 것을 돕는 2개 이상의 성분들을 포함하도록 블렌딩된 동물 사료를 의미한다. 본 명세서에 사용되는 바와 같은 용어 "완전 사료"는, 완전 사료, 즉, 물을 제외하고 소비되는 임의의 추가적인 물질들 없이 생산활동을 촉진시키고 생명을 유지하기 위해 동물의 하루 영양 요구량들 모두를 제공하기 위한 유일한 배급분으로서 설계된 성분들의 양양적으로 균형잡힌 블렌드인 동물 사료를 의미한다. 본 명세서에 사용되는 바와 같은 용어 "농축 사료"는, 동물에 대한 배급분의 일부를 제공하기 위해 보충제 또는 첨가제(예컨대, 비타민, 미량 미네랄, 다른 미량 성분, 다량 미네랄 등)와 블렌딩된 단백질 소스를 포함하는 동물 사료를 의미한다. 농축 사료는 다른 성분(예컨대, 반추동물에서의 사료)과 함께 공급될 수 있다. 본 명세서에 사용되는 바와 같이, 용어 "프리믹스"는 완전 사료 일톤당 약 5 퍼센트(5.0%) 함유물 미만의 양으로 적절한 담체들과 함께 주요 비타민 및 미량 미네랄의 블렌드를 의미한다. 본 명세서에 사용되는 바와 같은 용어 "베이스 믹스"는 완전 사료 일톤당 10 퍼센트(10.0%) 함유물 미만의 양으로 비타민, 미량 미네랄 및 다른 미량 성분에 더하여 다량 미네랄, 예컨대 칼슘, 인, 나트륨, 마그네슘 및 칼륨, 또는 비타민 또는 미량 미네랄을 함유하는 블렌드를 의미한다.
도 10은 개시된 기술의 일부 실시 형태들에 따른 보정 생성 컴포넌트의 프로세싱을 예시하는 흐름도이다. 블록(1010)에서, 컴포넌트는 데이터베이스 구축 컴포넌트를 호출하여, 다수의 대표적인 수집된 샘플들과 연관된 데이터를 분석함으로써 샘플 데이터의 데이터베이스를 제작할 수 있다. 예를 들어, 컴포넌트는 사료 및 사료 조성물들의 여러 변형예들을 분석하여 샘플 데이터의 종합 데이터베이스를 확립할 수 있다. 샘플 데이터는, 각각의 샘플에 대해, 직접 측정의 주요 방법으로부터 유도된 샘플의 기준 입자 스코어 값들("습식 화학작용" 또는 "실험실 값"이라고도 지칭됨), NIR 기구에서 샘플들을 스캔하는 것으로부터 유도된 스펙트럼 정보(예컨대, 스펙트럼 패턴들) 등을 포함할 수 있다. 블록(1020)에서, 컴포넌트는 샘플 데이터베이스로부터의 스펙트럼 데이터의 일부분을 샘플 데이터베이스로부터의 대응하는 기준 값들과 상관시킴으로써 샘플 데이터의 대표적인 모델을 제작한다. 예를 들어, 컴포넌트는 샘플 데이터베이스로부터의 데이터의 75%를 사용하여 스펙트럼 데이터를 기준 입자 스코어 값들과 상관시키는 다변량 선형 회귀를 생성할 수 있다. 대표적인 모델은 스펙트럼 정보에 기초하여 입자 스코어 또는 스코어들의 예측을 제공한다. 전술한 바와 같이, 당업자는 값들을 상관시키기 위한 임의의 하나 이상의 알고리즘들, 예컨대 MLR(다중 선형 회귀), MPLS(개량된 부분 최소 제곱 회귀), PCA(주성분 분석), ANN(인공 신경망), 국부 보정 등이 사용될 수 있음을 인식할 것이다. 다른 다변량 보정 기법들은, 예를 들어 부분 최소 제곱 회귀, 주성분 회귀, 국부 회귀, 신경망, 서포트 벡터 머신 등을 포함한다. 블록(1030)에서, 컴포넌트는, 예를 들어 모델 값들을 분광계 내로 로딩함으로써 구축된 모델을 사용하여 분광계를 보정한다. 블록(1040)에서, 컴포넌트는 모델을 생성하기 위해 사용되지 않은 데이터베이스로부터의 샘플 데이터(예컨대, 상기 예에서 사용되지 않은 데이터의 25%)를 시험함으로써 모델을 검증한다. 예를 들어, 컴포넌트는 샘플 데이터베이스에서의 "검증 샘플들"에 대한 모델 및 스펙트럼 값들을 사용하여 이러한 "검증 샘플들"에 대한 입자 스코어들을 "예측"하고, 이러한 "예측된" 값들을 데이터베이스에서의 실제 입자 스코어 값들과 비교한다. 예측된 값과 실제 값 사이의 평균 차이가 미리 결정된 범위 내에 있는 경우, 모델은 검증될 수 있다. 블록(1050)에서, 모델이 검증되면, 컴포넌트는 블록(1060)에서 계속되고, 그렇지 않으면 컴포넌트는 블록(1010)으로 되돌아가서 데이터베이스를 재구축한다. 블록(1060)에서, 컴포넌트는 분광계로부터 새로운 샘플에 대한 스펙트럼 정보를 수집한다. 블록(1070)에서, 컴포넌트는 모델을 사용하여 새로운 샘플에 대한 수집된 스펙트럼 정보를 기준 입자 스코어 값들과 상관시켜서 샘플에 대한 입자 스코어(들)를 예측한다. 이러한 예측된 입자 스코어 값들은 특정한 사료 조성물이 특정한 목적에 적합한지 또는 개량될 필요가 있는지 여부를 결정하기 위해 사용될 수 있다. 판정 블록(1080)에서, 추가적인 새로운 샘플들이 있는 경우, 컴포넌트는 블록(1060)으로 되돌아가서 새로운 샘플에 대한 스펙트럼 정보를 수집하고, 그렇지 않으면 컴포넌트는 완료된다.
도 11은 개시된 기술의 일부 실시 형태들에 따른 데이터베이스 구축 컴포넌트의 프로세싱을 예시하는 흐름도이다. 블록(1110)에서, 컴포넌트는 샘플 데이터세트를 검색한다. 예를 들어, 컴포넌트는 각각의 샘플에 대해, 샘플들이 처리된 방식에 관한 정보(예컨대, 체 유형, 스크린/기공 크기들, 스크린들의 개수, 중량 정보, 스펙트럼 정보)를 함유하는 데이터베이스로부터 이전에 생성된 샘플 데이터를 검색할 수 있다. 블록들(1120 내지 1150)에서, 컴포넌트는 복수의 샘플들 각각에 걸쳐서 이동하여 각각의 샘플을 처리한다. 블록(1120)에서, 컴포넌트는 다음 샘플을 선택한다. 블록(1130)에서, 컴포넌트는 샘플에 대한 입자 스코어 결정 컴포넌트를 호출한다. 블록(1140)에서, 컴포넌트는 샘플에 대한 스펙트럼 정보를 검색한다. 판정 블록(1150)에서, 모든 샘플들이 선택되었다면, 컴포넌트는 블록(1160)에서 계속되고, 그렇지 않으면 컴포넌트는 블록(1120)으로 되돌아가서 다음 샘플을 선택한다. 블록(1160)에서, 컴포넌트는 결정된 입자 스코어들 및 스펙트럼 정보를 데이터베이스에 저장하고, 이어서 완료된다. 일부 실시 형태들에서, 결정된 입자 스코어들 및 스펙트럼 정보는 별도의 개별 값들로서 저장될 수 있거나 또는 값들의 벡터 또는 복합물로서 저장될 수 있다.
도 12는 개시된 기술의 일부 실시 형태들에 따른 입자 스코어 결정 컴포넌트의 프로세싱을 예시하는 흐름도이다. 이 컴포넌트는 샘플에 대한 입자 스코어 또는 스코어들을 생성하기 위해 호출된다. 블록(1210)에서, 컴포넌트는 예를 들어, 디지털 저울로부터 중량의 표시를 받아들이거나 또는 데이터 소스로부터 중량을 검색함으로써 샘플에 대한 중량을 결정한다. 블록(1220)에서, 컴포넌트는 샘플이 통과하여 처리되는 각각의 스크린에 대한 스크린/크기 데이터, 예컨대 샘플을 처리하기 위해 사용된 체에서의 스크린들의 개수 및 각각의 스크린의 기공 크기를 검색한다. 블록(1230 내지 1270)에서, 컴포넌트는 각각의 스크린에 걸쳐서 이동하여 샘플을 처리하고 각각의 스크린에 대한 입자 스코어들을 생성한다. 블록(1230)에서, 컴포넌트는, 저부 팬에서 시작하고 각각의 스크린을 거쳐 올라가서, 다음 스크린(또는 저부 팬)을 선택한다. 블록(1240)에서, 컴포넌트는 스크린(또는 저부 팬)에 의해 보유되는 샘플의 중량을 결정한다. 블록(1250)에서, 컴포넌트는 스크린(또는 저부 팬)에서의 또는 그 아래의 재료의 누적 중량을 결정한다. 블록(1260)에서, 컴포넌트는 스크린(또는 저부 팬)에 의해 수집된 샘플의 중량 및 모든 스크린들 및 저부 팬에 의해 보유되는 샘플들의 조합 중량에 기초하여 스크린(또는 저부 팬)에 대한 입자 스코어를 결정한다. 판정 블록(1270)에서, 모든 스크린들이 처리되었다면, 컴포넌트는 블록(1280)에서 계속되고, 그렇지 않으면 컴포넌트는 블록(1280)에서 계속된다. 블록(1280)에서, 컴포넌트는 샘플과 연관하여 각각의 스크린(또는 저부 팬)에 대한 결정된 입자 스코어들을 저장한다. 일부 실시 형태들에서, 결정된 입자 스코어들은 별도의 개별 값들로서 저장될 수 있거나 또는 값들의 벡터 또는 복합물로서 저장될 수 있다. 예를 들어, 각각의 샘플은 데이터와 연관하여 저장되는 고유의 식별자를 가질 수 있다.
실시예
본 발명의 태양들에 따른 소정 방법들의 태양들이 하기 실시예에 예시되어 있다.
실시예 1
식물류 성분(예컨대, 사료)의 입자 스코어에 대한 근적외선 분광법 보정이 다음에 의해 이행되었다: 1) 습식 화학작용 값들 및 NIR 스펙트럼 값들을 포함하는 데이터베이스를 구축함, 2) 수학적 모델(예컨대, NIR 보정)을 전개함; 3) 원래의 데이터베이스에 포함되지 않은 독립 샘플들을 사용하여 수학적 모델을 검증함; 4) 습식 화학작용 값들을 예측하기 위해 수학적 모델을 사용하여 NIR 기구 상에서 새로운 샘플들을 이동 또는 스캔함; 및 5) 수학적 모델을 인증함. 수학적 모델(예컨대, NIR 보정)은 식물류 성분들, 예컨대 사료들과 같은 성분들의 입자 스코어를 예측하기 위해 유용하다.
재료 및 기구. 이 예에서, 습윤 사료들을 매일 사육장 또는 벙크로부터 실험실에서 수취하였다. 습윤한, 그라인딩되지 않은 사료 샘플을 석영 유리로 된 큰 컵 안에 채우고, FOSS DS2500 NIR 기구 상에서 스캔하였다. 그리하여, FOSS ISISCAN Nova 작동 소프트웨어를 통해 400 내지 2500 nm 범위의 파장들을 갖는 스펙트럼을 획득하였다. 이 예에 포함되는 사료 제품들은 19개의 상이한 사료 유형들, 예컨대, 생목초 벼과 식물/콩과 식물/혼합물/수수 수단/소곡물, 신선한 벼과 식물/콩과 식물/혼합물/소곡물, 건초 벼과 식물/콩과 식물/혼합물/소곡물 짚, 완전 혼합 사료(TMR) 및 고수분 옥수수자루/껍질을 벗긴 옥수수를 포함한다.
기준 방법. 이 예에서, 대안 입자 스코어러(APS)를 사용하여, 0.065 인치 직경을 갖는 브라스 스크린(brass screen)을 통과한 습윤 사료 샘플의 질량을 측정함으로써 사료 입자 크기를 정량화하였다. 2-체 펜 스테이트 입자 분리기(PSPS)를 사용하여, 최상부(0.75 인치 초과), 중간(0.31 내지 0.75 인치) 및 저부(0.31 인치 미만)로 상이한 입자 크기 분율들을 획득하였다. TMR 샘플들만을 펜 스테이트 입자 방법에 대해 시험하였다. 모든 입자 스코어 결과들을 샘플 질량 백분율 단위로 보고하였다.
수학적 모델 전개. 이 예에서, 대응하는 기준(습식 화학작용) 입자 스코어 값들과 함께 수집된 스펙트럼들을 포함하는 데이터베이스를 실험실에서 확립하였다. 데이터베이스를 보정 훈련 세트 및 시험 세트(즉, 검증 세트)로 나누었다. 보정 훈련 세트(데이터의 약 80%)를 채용하여 보정 모델을 훈련시키는 한편, 시험 세트(약 20%)를 이용하여 독립 데이터세트에 대한 모델 성능을 검토하였다. FOSS WINISI 4 계량화학 소프트웨어를 사용하여 스펙트럼들 분석 및 모델 전개를 수행하였다. 이러한 작은 데이터베이스들에 대한 모델들을 전개하기 위해 보정 기법, 예컨대, 교차 인증을 갖는 개량된 부분 최소 제곱(MPLS)을 선택하였다. 스펙트럼 인공물들의 영향을 최소화하고 모델 오버피팅(over-fitting)을 회피하기 위해, 잡음 파장 영역들을 식별하고 제거함으로써 스펙트럼들을 먼저 평가하였다. 다양한 스펙트럼 변환 기법들 및 스펙트럼 전처리 방법들을 적용하고 검토함으로써 모델 최적화를 행하였다.
수학적 모델 인증. 이 예에서, 다음과 같은 보정 및 인증 통계 파라미터들을 사용함으로써 수학적 모델(예컨대, NIR 보정) 성능을 평가하였다: (i) SEPc(표준 보정 예측 오류); (ii) 기울기(기준 값들과 NIR 예측치들 간의 상관도); (iii) R2(결정 계수); 및 (iv) RPD(상대 예측 편차, 기준 값들의 모집단 StdDev(표준 편차) 대 SEPc의 비). 우선, 보정 데이터베이스 자체에 대해 수학적 모델 성능을 평가하였다. 보정 모델 전개 동안 교차-인증의 성능 통계에 의해 인자들, 스펙트럼 전처리 기법들과 같은 최적의 보정 파라미터들을 결정하였다. 이어서, 모델 성능을 독립 시험(외부 인증)에서 검증하고 검토하였다.
표 4는 (대안 입자 스코어러 방법에 따라) NIR 예측된 입자 스코어들과 실제 입자 스코어들 간의 비교를 나타낸다. 성분에 대해 인증된 범위의 입자 크기(최소 및 최대 값들)가 또한 표 4에 열거되어 있다. 추가적으로, 2개의 데이터 세트들에 존재하는 모집단 변이를 나타내기 위해 습식 화학작용 및 NIR 결과들 둘 모두에 대한 모집단 표준 편차가 표 4에 예시되어 있다. '샘플들의 개수'는 시험 세트들에 사용된 샘플들의 개수를 지칭한다.
[표 4]
Figure pct00005
표 4로부터 평균 잔차(실제 및 NIR 예측치 간의 평균 차이)가 비교적 무시해도 될 정도임을 알 수 있는데, 이는 NIR 추정치가 습식 화학작용 방법에 필적한다는 것을 의미한다.
표 5는 완전 혼합 사료(TMR)에 대해 (펜 스테이트 입자 분리기 방법에 따라) NIR 예측된 입자 스코어들과 실제 입자 스코어들 간의 비교를 나타낸다.
[표 5]
Figure pct00006
도 4 및 도 5a 내지 도 5c의 그래프들은 표 4에 기재된 바와 같이 19개의 상이한 사료 성분들에 대한 시험(외부 인증) 세트로부터의 습식 화학작용 측정치들 및 NIR 결과들의 비교를 도시한다. 도 4 및 도 5a 내지 도 5c의 x축은 입자 스코어에 대해 분류된 시험 샘플들을 낮은 것으로부터 높은 것까지 나타내는(좌측에서 우측으로 증가함) 한편, y축은 샘플 질량의 백분율 단위로 입자 스코어를 나타낸다. 도 4 및 도 5a 내지 도 5c의 그래프들은 입자 스코어들의 범위에 걸쳐 NIR 모델 예측능력을 분석 및 평가하는 것을 돕고 그리고 또한 미래의 보정 모델 개선을 위한 가이드라인으로서의 역할을 하도록 생성되었다. 습식 화학작용 및 NIR 결과들은 입자 스코어 범위에 걸쳐 잔차(습식 화학작용과 NIR 결과들 간의 차이)의 패턴 및 추세선과 함께 도 4 및 도 5a 내지 도 5c의 그래프들에서 코드화되어 있다.
도 4는 2% 내지 86%의 대안 입자 스코어러 범위에 걸친 NIR 예측능력을 도시한다. 도 4에 나타낸 추세선 및 잔차들로부터, NIR 보정은 낮은 값들에서 대안 입자 스코어러를 과대평가하고 높은 값들에서 그것을 과소평가하는 것으로 보인다. NIR 보정은 특히 낮은 값들 및 높은 값들에서 더 많은 샘플들을 수집하고 다양한 보정 기법들(ANN 및 MPLS 또는 국부)을 이용함으로써 추가로 최적화될 수 있다.
도 5a는 0.8% 내지 94.0%의 펜 스테이트 입자 크기 분율 범위(최상부 체)에 걸친 NIR 예측능력을 도시한다.
도 5b는 4.3% 내지 69.6%의 펜 스테이트 입자 크기 분율 범위(중간 체)에 걸친 NIR 예측능력을 도시한다.
도 5c는 3.5% 내지 56.7%의 펜 스테이트 입자 크기 분율 범위(저부 체)에 걸친 NIR 예측능력을 도시한다.
도 5a 내지 도 5c에서 알 수 있듯이, 최상부 체, 중간 체에서부터 저부 체까지, NIR 예측 정확도는 낮은 값들 및 높은 값들에서 덜 뚜렷한 경향으로 증가된다. 최상부 체 측정과 비교해서 중간 및 저부 체 측정들에서 잔차(실제 및 예측된 값 간의 차이)의 변동 범위가 줄어드는 것이 또한 관찰된다. NIR 모델 성능의 개선은 최상부 체에서의 큰 입자들의 여과에 의해 제공될 수 있는데, 이는 NIR이 보다 균일한 입자 크기 분포에서 더 양호한 예측능력을 제공한다는 것을 함축한다.
도 6 및 도 7a 내지 도 7c의 그래프들은 대안 입자 스코어 방법(도 6) 및 펜 스테이트 입자 분리기 방법(도 7a 내지 도 7c) 둘 모두에 대해 시험 세트들에 대한 실제 입자들과 NIR 예측된 스코어들 간의 상관도를 도시한다.
도 6에 도시된 바와 같이, 대안 입자 스코어러 방법의 경우, 실제 및 예측된 결과들 간의 선형 회귀의 기울기는 1.00이다. 또한, 도 6에 도시된 바와 같이, 대안 입자 스코어러 방법의 경우, 설명된 분산(variance)(백분율 단위)을 회귀 모델에 의해 표현하기 위해 사용되는 바와 같은 R2는 0.67이다. 도 6의 그래프에 도시된 바와 같이, 보정의 검증은 비교적 양호하다.
도 7a에 도시된 바와 같이, 펜 스테이트 입자 분리기 방법의 최상부 체의 경우, 실제 및 예측된 결과들 간의 선형 회귀의 기울기는 1.00이다. 또한, 도 7a에 도시된 바와 같이, 펜 스테이트 입자 분리기 방법의 최상부 체의 경우, 설명된 분산(백분율 단위)을 회귀 모델에 의해 표현하기 위해 사용되는 바와 같은 R2는 0.67이다. 또한, 도 7a의 그래프에 도시된 바와 같이, 보정의 검증은 비교적 양호하다.
도 7b에 도시된 바와 같이, 펜 스테이트 입자 분리기 방법의 중간 체의 경우, 실제 및 예측된 결과들 간의 선형 회귀의 기울기는 0.999이다. 또한, 도 7b에 도시된 바와 같이, 펜 스테이트 입자 분리기 방법의 중간 체의 경우, 설명된 분산(백분율 단위)을 회귀 모델에 의해 표현하기 위해 사용되는 바와 같은 R2는 0.85이다. 또한, 도 7b의 그래프에 도시된 바와 같이, 보정의 검증은 비교적 양호하다.
도 7c에 도시된 바와 같이, 펜 스테이트 입자 분리기 방법의 저부 체의 경우, 실제 및 예측된 결과들 간의 선형 회귀의 기울기는 1.18이다. 또한, 도 7c에 도시된 바와 같이, 펜 스테이트 입자 분리기 방법의 저부 체의 경우, 설명된 분산(백분율 단위)을 회귀 모델에 의해 표현하기 위해 사용되는 바와 같은 R2는 0.879이다. 또한, 도 7c의 그래프에 도시된 바와 같이, 보정의 검증은 비교적 양호하다.
이어서, NIR 보정을 검증(즉, 특정한 개별 기구 바이어스에 대해 조절)하였다.
도 13은 컴퓨터 시스템들의 적어도 일부 및 일부 실시예들에서 그 시스템이 작동하고 상호작용하는 다른 디바이스들에 통합될 수 있는 컴포넌트들의 일부를 예시하는 흐름도이다. 다양한 예들에서, 이러한 컴퓨터 시스템들 및 다른 디바이스들(1300)은 서버 컴퓨터 시스템들, 데스크톱 컴퓨터 시스템들, 랩톱 컴퓨터 시스템들, 노트북들, 태블릿들, 휴대 전화들, 개인용 정보 단말기들, 텔레비전들, 카메라들, 자동차 컴퓨터들, 전자 미디어 플레이어들, 및/또는 기타 등등을 포함할 수 있다. 다양한 예들에서, 컴퓨터 시스템들 및 디바이스들은 하기의 각각의 하나 이상을 포함한다: 컴퓨터 프로그램을 실행하도록 구성된 중앙 처리 장치("CPU")(1301); 시험되고 있는 멀티스레드 프로그램, 디버거, 커널을 포함하는 운영 체제, 및 디바이스 드라이버들을 비롯한, 프로그램 및 데이터가 사용되는 동안 이들을 저장하도록 구성된 컴퓨터 메모리(1302); 프로그램 및 데이터를 영구적으로 저장하도록 구성된 하드 드라이브 또는 플래시 드라이브와 같은 영구 저장소 디바이스(1303); 플로피 디스크, 플래시 메모리 디바이스, CD-ROM, DVD와 같은 컴퓨터 판독가능 저장 매체 상에 저장된 프로그램 및 데이터를 판독하도록 구성된, 플로피, 플래시, CD-ROM, 또는 DVD 드라이브와 같은 컴퓨터 판독가능 저장 매체 드라이브(1304); 및 예컨대, 인터넷, 근거리 네트워크, 광역 네트워크, 점 대 점 다이얼-업(point-to-point dial-up) 접속, 셀 전화 네트워크, 또는 다른 네트워크 및 그의 네트워킹 하드웨어(다양한 예들에서 라우터들, 스위치들, 및 다양한 유형의 송신기들, 수신기들, 또는 컴퓨터 판독가능 송신 매체를 포함함)를 통해, 컴퓨터 시스템을 다른 컴퓨터 시스템들에 접속하여 데이터를 송신 및/또는 수신하도록 구성된 네트워크 접속부(1305). 개시된 기법들의 작동을 지원하기 위해 전술한 바와 같이 구성된 컴퓨터 시스템들이 사용될 수 있지만, 당업자들은 개시된 기법들이 다양한 컴포넌트들을 갖고 그리고 다양한 유형 및 구성의 디바이스들을 사용하여 구현될 수 있다는 것을 용이하게 이해할 것이다. 개시된 시스템들 및 방법들의 요소들은 하나 이상의 컴퓨터들 또는 다른 디바이스들에 의해 실행되는, 프로그램 모듈들과 같은 컴퓨터 실행가능 명령어들의 일반적인 문맥으로 기술될 수 있다. 일반적으로, 프로그램 모듈들은, 특정한 작업들을 수행하거나 또는 특정한 추상 데이터 유형을 구현하도록 구성된, 루틴들, 프로그램, 객체들, 컴포넌트들, 데이터 구조들, 및/또는 기타 등등을 포함하고, 암호화될 수 있다. 게다가, 프로그램 모듈들의 기능은 다양한 예들에서 요구되는 바와 같이 조합 또는 분산될 수 있다. 게다가, 디스플레이 페이지들은 임의의 다양한 방식들로, 예컨대 C++로 또는 XML(Extensible Markup Language), HTML(HyperText Markup Language), 자바스크립트(JavaScript), AJAX(Asynchronous JavaScript and XML) 기법들 또는 임의의 다른 스크립트들 또는 무선 액세스 프로토콜(Wireless Access Protocol, "WAP")과 같이 디스플레이가능한 데이터를 생성하는 방법들에서의 웹 페이지들로서 구현될 수 있다.
다음의 논의는 본 발명이 구현될 수 있는 적합한 컴퓨팅 환경의 간략한 일반적인 설명을 제공한다. 필수적인 것은 아니지만, 본 발명의 태양들은, 범용 데이터 프로세싱 디바이스, 예컨대, 서버 컴퓨터, 무선 디바이스 또는 퍼스널 컴퓨터에 의해 실행되는 루틴들과 같은 컴퓨터 실행가능 명령어들의 일반적인 문맥으로 기술된다. 당업자들은 본 발명의 태양들이 인터넷 어플라이언스들, 핸드헬드 디바이스들(PDA(Personal Digital Assistant)를 포함함), 웨어러블 컴퓨터들, 모든 방식의 셀룰러 또는 모바일 폰들(VoIP(Voice over IP) 폰들을 포함함), 덤 단말기(dumb terminal)들, 미디어 플레이어들, 게이밍 디바이스들, 멀티 프로세서 시스템들, 마이크로프로세서 기반 또는 프로그램가능 가전 제품들, 셋탑 박스들, 네트워크 PC들, 미니 컴퓨터들, 메인프레임 컴퓨터들 등을 포함하는 다른 통신, 데이터 프로세싱, 또는 컴퓨터 시스템 구성들로 실시될 수 있다는 것을 이해할 것이다. 실제로, 용어들 "컴퓨터", "서버", "호스트", "호스트 시스템" 등은 대체로 본 명세서에서 상호교환가능하게 사용되고, 상기 디바이스들 및 시스템들 중 임의의 것뿐만 아니라 임의의 데이터 프로세서를 지칭한다.
본 발명의 태양들은 본 명세서에 상세히 설명된 컴퓨터 실행가능 명령어들 중 하나 이상을 수행하도록 구체적으로 프로그램되고, 구성되고, 구축된 특수 목적의 컴퓨터 또는 데이터 프로세서에서 구현될 수 있다. 소정 기능들과 같은 본 발명의 태양들이 오로지 단일 디바이스 상에서 수행되는 것으로 기술되지만, 본 발명은 또한 통신 네트워크, 예컨대 근거리 네트워크(LAN), 광역 네트워크(WAN), 또는 인터넷을 통해 링크되어 있는 이종(disparate) 프로세싱 디바이스들 사이에서 기능들 및 모듈이 공유되는 분산형 환경에서 실시될 수도 있다. 분산형 컴퓨팅 환경에서, 프로그램 모듈들은 로컬 및 원격 메모리 저장 디바이스들 양측 모두에 위치될 수 있다.
본 발명의 태양들은 자기적으로 또는 광학적으로 판독가능한 컴퓨터 디스크들, 하드 와이어(hard-wired) 또는 미리 프로그램된 칩들(예컨대, EEPROM 반도체 칩들), 나노기술 메모리, 생물학적 메모리 또는 다른 데이터 저장 매체를 비롯한 컴퓨터 판독가능 저장 매체 상에 저장되거나 또는 분산될 수 있다. 대안적으로, 본 발명의 태양들 하에서의 컴퓨터 구현 명령어들, 데이터 구조들, 스크린 디스플레이들, 및 다른 데이터는 인터넷을 통해 또는 다른 네트워크들(무선 네트워크들을 포함함)을 통해 일정 주기 동안 컴퓨터 판독가능 전파 매체 또는 컴퓨터 판독가능 전송 매체(예를 들면, 전자기파(들), 음파 등) 상의 전파되는 신호에 분산될 수 있거나, 또는 이들은 임의의 아날로그 또는 디지털 네트워크(패킷 스위치형, 회로 스위치형, 또는 다른 방식) 상에 제공될 수 있다. 비일시적인 컴퓨터 판독가능 매체는 유형적 매체(tangible media) 및 저장 매체, 예컨대 하드 드라이브들, CD-ROM들, DVD-ROM들, 및 메모리들, 예컨대 명령어들을 저장할 수 있는 ROM, RAM, 및 콤팩트 플래시 메모리들을 포함한다. 광 또는 전기 반송파와 같은 반송파 상의 신호들은 일시적인 컴퓨터 판독가능 매체의 예들이다.
문맥이 명백하게 달리 요구하지 않는다면, 상세한 설명 및 청구범위 전체에 걸쳐서, 단어들 "포함한다", "포함하는" 등은 배타적인 또는 완전히 규명하는 의미로가 아니라 포괄적인 의미로, 즉 "포함하지만 이로 한정되지 않는"다는 의미로 해석되어야 한다. 본 명세서에 사용되는 바와 같이, 용어들 "접속된", "결합된", 또는 그의 임의의 변형은, 직접적이든 간접적이든, 2개 이상의 요소들 간의 임의의 접속 또는 결합을 의미하고; 요소들 간의 결합 또는 접속은 물리적, 논리적, 또는 그의 조합일 수 있다. 부가적으로, "본 명세서에서", "위에서", "아래에서"라는 단어들 및 유사한 의미의 단어들은, 본 출원에서 사용될 때, 본 출원의 임의의 특정한 부분들이 아니라 본 출원을 전체적으로 지칭한다. 문맥이 허용하는 경우, 상기 상세한 설명에서 단수 또는 복수를 이용하는 단어들은 또한 각각 복수 또는 단수를 포함할 수 있다. 2개 이상의 아이템들의 리스트에 대한 참조에서 "또는"이라는 단어는 리스트 내의 아이템들 중의 임의의 것, 리스트 내의 모든 아이템들, 및 리스트 내의 아이템들의 임의의 조합이라는 단어 해석들을 모두 포함한다.
본 발명의 예들의 상기 상세한 설명은 본 발명을 완전히 규명한다거나 본 발명을 상기에서 개시된 정확한 형태로 제한하고자 하는 의도는 없다. 본 발명에 대한 특정 예들이 예시적인 목적으로 상기에서 기술되지만, 다양한 등가적인 변형예들이 본 발명의 범주 내에서 가능함을 당업자들은 이해할 것이다. 예를 들어, 프로세스들 또는 블록들이 주어진 순서로 제시되지만, 대안적인 구현예들은 단계들을 갖는 루틴들을 수행하거나, 또는 다른 순서의 블록들을 갖는 시스템들을 채용할 수 있고, 일부 프로세스들 또는 블록들은 대안예 또는 하위조합들을 제공하기 위해 제거, 이동, 추가, 세분화, 조합 및/또는 변경될 수 있다. 이러한 프로세스들 또는 블록들 각각은 다양한 상이한 방식들로 구현될 수 있다. 또한, 프로세스들 또는 블록들이 때때로 연속하여 수행되는 것으로 나타나 있지만, 그 대신에 이러한 프로세스들 또는 블록들은 병렬로 수행 또는 구현될 수 있거나, 또는 상이한 시간들에서 수행될 수 있다. 게다가, 본 명세서에 언급된 임의의 특정 수치들은 단지 예들이고; 대안적인 구현예들은 상이한 값들 또는 범위들을 채용할 수 있다.
본 명세서에 제공된 본 발명의 교시들은 반드시 전술한 시스템에 적용되는 것이 아니라 다른 시스템들에 적용될 수 있다. 전술한 다양한 예들의 요소들 및 작용들은 본 발명의 추가 구현예들을 제공하기 위해 조합될 수 있다. 본 발명의 일부 대안적인 구현예들은 상기 언급된 그러한 구현예들에 추가적인 요소들을 포함할 수 있을 뿐만 아니라, 더 적은 요소들을 포함할 수도 있다.
첨부 출원서에 열거될 수 있는 임의의 것을 포함하여, 전술한 임의의 특허들 및 출원들 그리고 다른 참조 문헌들은 본 명세서에 참고로 포함된다. 본 발명의 또 다른 구현예들을 제공하도록 전술한 다양한 참조 문헌들의 시스템들, 기능들 및 개념들을 채용하기 위해, 필요하다면, 본 발명의 태양들이 변경될 수 있다.
이들 및 다른 변형들이 상기의 상세한 설명의 관점에서 본 발명에 대해 이루어질 수 있다. 상기 상세한 설명은 본 발명의 소정 예들을 기술하고, 고려되는 최상의 모드를 기술하지만, 텍스트에서 상기 상세사항들이 어떻게 나타나건 상관없이, 본 발명은 많은 방식으로 실시될 수 있다. 시스템의 상세한 사항들은 그의 특정 구현예에서 상당히 다양할 수 있지만, 본 명세서에 개시된 발명에 의해 여전히 포괄될 수 있다. 상기 언급된 바와 같이, 본 발명의 소정 특징들 또는 태양들을 기술할 때 사용된 특정한 용어는 그 용어가 연관되는 본 발명의 임의의 특정한 특성들, 특징들, 또는 태양들에 제한되기 위해 본 명세서에서 재정의되는 것을 의미하는 것으로 취급되지 않아야 한다. 일반적으로, 하기 청구범위에 사용된 용어들은, 상기 상세한 설명 부분이 그러한 용어들을 명시적으로 정의하지 않는다면, 본 명세서에 개시된 특정 예들에 본 발명을 제한하는 것으로 해석되지 않아야 한다. 따라서, 본 발명의 실제 범주는 개시된 예들 뿐만 아니라 청구범위 하에서 본 발명을 구현하거나 실시하는 모든 등가적인 방식들도 포괄한다.
청구항들의 개수를 줄이기 위해, 본 발명의 소정 태양들은 소정 청구항 형태들로 아래에 제시되지만, 본 출원인은 본 발명의 다양한 태양들을 임의의 개수의 청구항 형태들로 고려한다. 예를 들어, 본 발명의 하나의 태양만이 35 U.S.C. § 112(f) 하에서 기능식 청구항(means-plus-function claim)으로서 서술되지만, 다른 태양들이 동일하게 기능식 청구항으로서, 또는 컴퓨터 판독가능 매체에 구현되는 것과 같은 다른 형태들로 구현될 수 있다. (35 U.S.C. § 112(f) 하에서 취급되도록 의도되는 임의의 청구항들은 "~하기 위한 수단"이라는 단어들로 시작할 것이지만, 임의의 다른 문맥에서 "~하기 위한"이라는 용어의 사용은 35 U.S.C. § 112(f) 하에서의 취급을 적용하기 위해 의도된 것이 아니다.) 따라서, 본 출원인은, 본 출원에서 또는 계속 출원에서, 추가적인 청구항 형태들을 추구하기 위해 본 출원을 출원한 후에 그러한 추가적인 청구항들을 추구하기 위한 권리를 보유한다.
문맥이 명백하게 달리 요구하지 않는다면, 상세한 설명 및 청구범위 전체에 걸쳐서, 단어들 "포함한다", "포함하는" 등은 배타적인 또는 완전히 규명하는 의미로가 아니라 포괄적인 의미로, 즉 "포함하지만 이로 한정되지 않는"다는 의미로 해석되어야 한다. 단수 또는 복수를 이용하는 단어들은 또한 각각 복수 또는 단수를 포함한다. 청구항들이 2개 이상의 아이템들의 리스트에 대한 참조에서 "또는"이라는 단어를 사용할 때, 그 단어는 리스트 내의 아이템들 중의 임의의 것, 리스트 내의 모든 아이템들, 및 리스트 내의 아이템들의 임의의 조합이라는 단어 해석들을 모두 포함한다.
본 발명의 실시 형태들의 상기 상세한 설명은 본 발명을 완전히 규명한다거나 본 발명을 상기에서 개시된 정확한 형태로 제한하고자 하는 의도는 없다. 본 발명의 특정 실시 형태들 및 예들이 예시적인 목적으로 상기에서 기술되지만, 다양한 등가적인 변형예들이 본 발명의 범주 내에서 가능함을 당업자들은 이해할 것이다. 예를 들어, 단계들이 주어진 순서로 제시되지만, 대안적인 실시 형태들은 상이한 순서로 단계들을 수행할 수 있다. 본 명세서에 기재된 다양한 실시 형태들은 또한 조합되어 추가 실시 형태들을 제공할 수 있다.
일반적으로, 하기 청구범위에 사용된 용어들은, 상기 상세한 설명이 그러한 용어들을 명시적으로 정의하지 않는다면, 본 명세서에 개시된 특정 실시 형태들에 본 발명을 제한하는 것으로 해석되지 않아야 한다. 본 발명의 소정 태양들이 소정 청구항 형태들로 아래에 제시되지만, 본 발명자들은 본 발명의 다양한 태양들을 임의의 개수의 청구항 형태들로 고려한다. 따라서, 본 발명자들은, 본 발명의 다른 태양들에 대한 추가적인 청구항 형태들을 추구하기 위해 본 출원을 출원한 후에 그러한 추가적인 청구항들을 추가하기 위한 권리를 보유한다.

Claims (27)

  1. 성분의 입자 스코어를 예측하기 위해 근적외선 반사율 분광 광도계(near infrared reflectance spectrophotometer)에 대한 보정을 전개하기 위한 방법으로서,
    a. 복수의 식물류 샘플(plant matter sample)들을 스크린을 통해 통과시킴으로써 상기 복수의 식물류 샘플들을 크기에 따라 분류하는 단계 및 이어서 상기 스크린을 통과한 식물류 샘플들의 개수에 기초하여 상기 복수의 식물류 샘플들에 대한 입자 스코어를 계산하는 단계;
    b. 상기 분광 광도계를 사용하여 상기 복수의 식물류 샘플들의 흡광도 또는 반사율을 측정하는 단계; 및
    c. 상기 단계(a)로부터의 입자 스코어를 상기 단계(b)로부터의 측정된 흡광도 또는 반사율과 상관시키는 단계를 포함하는, 방법.
  2. 제1항에 있어서, 상기 입자 스코어를 상관시키는 단계는 상기 단계(a)로부터의 입자 스코어를 상기 단계(b)로부터의 측정된 흡광도 또는 반사율과 상관시킴으로써 곡선을 그리는 단계를 추가로 포함하는, 방법.
  3. 제2항에 있어서, 상기 분광 광도계를 사용하는 것은, 근적외선 분광 광도계, 근적외선 반사율 분광 광도계, 근적외선 투과 분광 광도계, 자외선 분광 광도계, 가시광 분광 광도계, 푸리에 변환 근적외선 분광 광도계, 라만 분광 광도계, 및 중적외선 분광 광도계 중 적어도 하나를 사용하는 것을 추가로 포함하는, 방법.
  4. 제3항에 있어서, 상기 복수의 식물류 샘플들을 크기에 따라 분류하는 단계는 상기 복수의 식물류 샘플들 각각의 절단 길이(chop length)를 측정하는 단계를 추가로 포함하는, 방법.
  5. 제4항에 있어서, 상기 단계(a)로부터의 입자 스코어를 상기 단계(b)로부터의 측정된 흡광도 또는 반사율과 상관시키는 단계는 회귀 분석을 행하는 단계를 추가로 포함하는, 방법.
  6. 제5항에 있어서, 상기 회귀 분석을 행하는 단계는 다중 선형 회귀(multiple linear regression, MLR), 주성분 회귀(principal component regression, PCR), 부분 최소 제곱(partial least square, PLS), 인공 신경망(artificial neural network, ANN), 국부 가중 회귀(locally weighted regression, LWR), 및 서포트 벡터 머신(support vector machine, SVM) 중 적어도 하나를 추가로 포함하는, 방법.
  7. 제6항에 있어서, 상기 복수의 식물류 샘플들을 스크린을 통해 통과시키는 것은, 상기 샘플들을 0.75 인치 이하의 기공 크기를 갖는 상부 체, 0.31 인치 이하의 기공 크기를 갖는 중간 체, 0.16 인치 이하의 기공 크기를 갖는 하부 체, 및 저부 팬을 갖는 입자 분리기를 통해 통과시키는 것을 추가로 포함하는, 방법.
  8. 제7항에 있어서, 상기 복수의 식물류 샘플들을 스크린을 통해 통과시키는 것은 상기 복수의 식물류 샘플들을 펜 스테이트 입자 분리기(Penn State Particle Separator)를 포함하는 입자 분리기를 통해 통과시키는 것을 추가로 포함하는, 방법.
  9. 제6항에 있어서, 상기 복수의 식물류 샘플들을 스크린을 통해 통과시키는 것은 상기 복수의 식물류 샘플들을 대안 입자 스코어러(Alternative Particle Scorer)를 포함하는 입자 분리기를 통해 통과시키는 것을 추가로 포함하는, 방법.
  10. 제8항에 있어서, 상기 입자 스코어를 계산하는 단계는 펜 스테이트 입자 분리기 방법에 따라 상기 입자 스코어를 계산하는 단계를 추가로 포함하는, 방법.
  11. 제9항에 있어서, 상기 복수의 식물류 샘플들을 대안 입자 스코어러를 통해 통과시키는 것은 상기 복수의 식물류 샘플들을 0.065 인치 이하의 크기를 갖는 스크린을 통해 통과시키는 것을 추가로 포함하는, 방법.
  12. 제11항에 있어서, 상기 입자 스코어를 계산하는 단계는 대안 입자 스코어러 방법에 따라 상기 입자 스코어를 계산하는 단계를 추가로 포함하는, 방법.
  13. 건조 성분에 대한 입자 스코어를 예측하기 위한 NIR 보정으로서, 상기 보정은,
    a. 복수의 사료 샘플들을 적어도 하나의 스크린을 갖는 입자 분리기를 통해 통과시킴으로써 상기 복수의 사료 샘플들을 절단 길이에 따라 분류하는 단계 및 이어서 상기 스크린을 통과한 복수의 사료 샘플들의 중량에 기초하여 상기 복수의 사료 샘플들에 대한 입자 스코어를 계산하는 단계;
    b. 분광 광도계를 사용하여 상기 복수의 사료 샘플들의 흡광도 또는 반사율을 측정하는 단계; 및
    c. 상기 단계(a)로부터의 입자 스코어를 상기 단계(b)로부터의 측정된 흡광도 또는 반사율과 상관시키는 단계를 포함하는 방법에 의해 생성되는, NIR 보정.
  14. 제13항에 있어서, 상기 단계(a)로부터의 입자 스코어를 상기 단계(b)로부터의 측정된 흡광도 또는 반사율과 상관시키는 단계는 다중 선형 회귀(MLR), 주성분 회귀(PCR), 부분 최소 제곱(PLS), 인공 신경망(ANN), 국부 가중 회귀(LWR), 및 서포트 벡터 머신(SVM) 중 적어도 하나를 포함하는 회귀 분석을 행하는 단계를 추가로 포함하는, NIR 보정.
  15. 제14항에 있어서, 상기 복수의 사료 샘플들을 스크린을 통해 통과시키는 것은 상기 복수의 사료 샘플들을 펜 스테이트 입자 분리기 및 대안 입자 스코어러 중 적어도 하나를 포함하는 입자 분리기를 통해 통과시키는 것을 추가로 포함하는, NIR 보정.
  16. 제15항에 있어서, 상기 입자 스코어를 계산하는 단계는 펜 스테이트 입자 분리기 방법 및 대안 입자 스코어러 방법 중 적어도 하나에 따라 상기 입자 스코어를 계산하는 단계를 추가로 포함하는, NIR 보정.
  17. 사료를 제형화하기 위한 방법으로서,
    a. 근적외선 반사율 분광 광도계를 보정하는 단계 - 상기 보정하는 단계는,
    i. 복수의 사료 샘플들을 스크린을 갖는 입자 분리기를 통해 통과시킴으로써 상기 복수의 사료 샘플들을 절단 길이에 따라 분류하는 단계 및 이어서 상기 스크린을 통과한 샘플들의 개수에 기초하여 복수의 사료 샘플들에 대한 입자 스코어를 계산하는 단계,
    ii. 상기 분광 광도계를 사용하여 상기 복수의 사료 샘플들의 흡광도 또는 반사율을 측정하는 단계, 및
    iii. 상기 단계(i)로부터의 입자 스코어를 상기 단계(ii)로부터의 측정된 흡광도 또는 반사율과 상관시키는 단계를 포함함 -;
    b. 상기 단계(iii)에 따라 상관된 근적외선 반사율 분광 광도계를 사용하여 완전 혼합 사료(total mixed ration)의 입자 스코어를 예측하는 단계; 및
    c. 상기 완전 혼합 사료의 입자 스코어에 기초하여 사료를 제형화하는 단계를 포함하는, 방법.
  18. 제17항에 있어서, 성분들을 상기 완전 혼합 사료와 혼합하는 단계를 추가로 포함하는, 방법.
  19. 제18항에 있어서, 상기 성분들 및 상기 완전 혼합 사료를 동물에게 공급하는 단계를 추가로 포함하는, 방법.
  20. 메모리 및 프로세서를 갖는 컴퓨터에 의해 수행되는, 근적외선 반사율 분광계를 보정하기 위한 방법으로서,
    복수의 샘플들 각각에 대해, 상기 샘플에 대한 적어도 하나의 입자 스코어 및 상기 샘플에 대한 적어도 하나의 스펙트럼 패턴을 포함하는 데이터베이스를 구축하는 단계;
    상기 데이터베이스 내의 상기 입자 스코어들의 적어도 일부를 상기 데이터베이스 내의 상기 스펙트럼 패턴들의 적어도 일부와 상관시킴으로써 적어도 부분적으로 모델을 구축하는 단계;
    상기 구축된 모델을 사용하여 상기 근적외선 반사율 분광계를 보정하는 단계;
    적어도 하나의 새로운 샘플에 대해, 상기 근적외선 반사율 분광계로부터 상기 새로운 샘플에 대한 스펙트럼 패턴을 수신하는 단계; 및
    상기 근적외선 반사율 분광계로부터 수신된 상기 새로운 샘플에 대한 스펙트럼 패턴 및 상기 구축된 모델에 적어도 부분적으로 기초하여 상기 적어도 하나의 새로운 샘플에 대한 입자 스코어를 예측하는 단계를 포함하는, 방법.
  21. 제20항에 있어서, 상기 데이터베이스를 구축하는 단계는,
    복수의 샘플들 각각에 대해,
    상기 샘플에 대한 초기 중량을 결정하는 단계,
    상기 근적외선 반사율 분광계에 의해 생성되는 상기 샘플에 대한 적어도 하나의 스펙트럼 패턴을 수신하는 단계,
    복수의 스크린들 각각에 대해,
    상기 스크린에 의해 보유되는 상기 샘플의 중량을 결정하는 단계, 및
    상기 스크린에 의해 보유되는 상기 샘플의 상기 결정된 중량 및 상기 샘플에 대한 상기 결정된 초기 중량에 적어도 부분적으로 기초하여 입자 스코어를 결정하는 단계, 및
    상기 결정된 입자 스코어들에 대한 상기 결정된 적어도 하나의 스펙트럼 패턴의 상관도를 저장하는 단계를 포함하는, 방법.
  22. 제20항에 있어서,
    상기 구축된 모델을 검증하는 단계를 추가로 포함하고, 상기 구축된 모델을 검증하는 단계는,
    상기 모델을 구축하기 위해 사용되지 않은 상기 구축된 데이터베이스로부터의 적어도 하나의 샘플을 선택하는 단계, 및
    상기 모델을 구축하기 위해 사용되지 않은 상기 구축된 데이터베이스로부터의 각각의 선택된 샘플에 대해,
    상기 선택된 샘플에 대한 스펙트럼 패턴 및 상기 구축된 모델에 적어도 부분적으로 기초하여 상기 선택된 샘플에 대한 입자 스코어를 예측하는 단계, 및
    상기 선택된 샘플에 대한 상기 구축된 데이터베이스에 저장된 입자 스코어를 상기 선택된 샘플에 대한 상기 예측된 입자 스코어와 비교하는 단계를 포함하는, 방법.
  23. 제20항에 있어서, 상기 데이터베이스 내의 상기 입자 스코어들의 적어도 일부를 상기 데이터베이스 내의 상기 스펙트럼 패턴들의 적어도 일부와 상관시키는 것은 회귀 분석을 행하는 것을 포함하는, 방법.
  24. 제23항에 있어서, 상기 회귀 분석을 행하는 것은 부분 최소 제곱 회귀, 주성분 회귀, 국부 회귀, 신경망, 또는 서포트 벡터 머신 중 적어도 하나를 추가로 포함하는, 방법.
  25. 근적외선 분광 광도계를 보정하기 위한, 메모리 및 프로세서를 갖는 컴퓨팅 시스템으로서,
    복수의 샘플들 각각에 대해,
    디지털 저울로부터, 상기 샘플에 대한 중량을 수신하도록, 그리고
    상기 샘플의 복수의 부분들 각각에 대해,
    상기 디지털 저울로부터, 상기 샘플의 상기 부분에 대한 중량을 수신하도록,
    상기 샘플의 상기 부분에 대한 입자 스코어를 결정하도록, 그리고
    상기 근적외선 분광 광도계로부터, 상기 샘플의 상기 부분에 대한 스펙트럼 정보를 수신하도록 구성된 컴포넌트;
    상기 결정된 입자 스코어들의 적어도 일부와 상기 수신된 스펙트럼 정보의 적어도 일부를 상관시키는 수학적 모델을 구축하도록 구성된 컴포넌트;
    상기 구축된 수학적 모델에 적어도 부분적으로 기초하여 근적외선 분광 광도계를 보정하도록 구성된 컴포넌트; 및
    복수의 새로운 샘플들 각각에 대해, 상기 근적외선 분광 광도계로부터 수신된 상기 새로운 샘플에 대한 스펙트럼 패턴 및 상기 구축된 모델에 적어도 부분적으로 기초하여 상기 새로운 샘플에 대한 입자 스코어를 예측하도록 구성된 컴포넌트를 포함하고,
    각각의 컴포넌트는 상기 프로세서에 의해 실행하기 위해 상기 메모리에 저장된 컴퓨터 실행가능 명령어들을 포함하는, 컴퓨팅 시스템.
  26. 제25항에 있어서, 적어도 하나의 샘플에 대한 상기 스펙트럼 정보는 상기 적어도 하나의 샘플의 흡광도 또는 반사율의 측정치를 포함하는, 컴퓨팅 시스템.
  27. 프로세서를 갖는 컴퓨팅 시스템에 의해 실행되는 경우, 상기 컴퓨팅 시스템으로 하여금 방법을 수행하게 하는 명령어들을 저장하는 컴퓨터 판독가능 저장 매체로서, 상기 방법은,
    복수의 사료 샘플들 각각에 대해,
    상기 사료 샘플에 대한 적어도 하나의 입자 스코어를 수신하는 단계, 및
    상기 사료 샘플에 대한 스펙트럼 정보의 적어도 하나의 표시를 수신하는 단계;
    사료 성분들에 대한 상기 수신된 입자 스코어들의 적어도 일부를 상기 사료 성분들에 대한 스펙트럼 정보의 대응하는 수신된 표시와 상관시킴으로써 적어도 부분적으로 모델을 구축하는 단계;
    상기 구축된 모델을 사용하여 상기 근적외선 반사율 분광계를 보정하는 단계;
    적어도 하나의 새로운 사료 샘플에 대해, 분광계로부터 상기 새로운 사료 샘플에 대한 스펙트럼 패턴을 수신하는 단계; 및
    상기 분광계로부터 수신된 상기 새로운 사료 샘플에 대한 스펙트럼 패턴 및 상기 구축된 모델에 적어도 부분적으로 기초하여 상기 적어도 하나의 새로운 사료 샘플에 대한 입자 스코어를 예측하는 단계를 포함하는, 컴퓨터 판독가능 저장 매체.
KR1020167017155A 2013-12-20 2014-12-19 입자 스코어 보정 KR20160100986A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361919258P 2013-12-20 2013-12-20
US61/919,258 2013-12-20
PCT/US2014/071430 WO2015095667A1 (en) 2013-12-20 2014-12-19 Particle score calibration

Publications (1)

Publication Number Publication Date
KR20160100986A true KR20160100986A (ko) 2016-08-24

Family

ID=53403730

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020167017155A KR20160100986A (ko) 2013-12-20 2014-12-19 입자 스코어 보정

Country Status (9)

Country Link
US (1) US20160341649A1 (ko)
EP (1) EP3084395A4 (ko)
KR (1) KR20160100986A (ko)
CN (1) CN106030284A (ko)
AU (1) AU2014364384A1 (ko)
CA (1) CA2933076A1 (ko)
MX (1) MX2016008048A (ko)
RU (1) RU2016129489A (ko)
WO (1) WO2015095667A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210121813A (ko) * 2020-03-31 2021-10-08 주식회사 우수안 이동형 굼벵이 사육시설

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11118243B2 (en) * 2015-07-13 2021-09-14 Curtin University Measurement apparatus for measuring a volume of a desired solid component in a sample volume of a solid-liquid slurry
CN109470681B (zh) * 2017-09-08 2022-02-08 清华大学 一种分子检测方法
CN109470680B (zh) * 2017-09-08 2022-02-08 清华大学 用于分子检测的分子载体的制备方法
CN108507967A (zh) * 2018-04-09 2018-09-07 山东省花生研究所 一种检测多粒花生种子中α-和γ-生育酚含量的方法
CN108693137A (zh) * 2018-04-09 2018-10-23 山东省花生研究所 一种检测单粒花生种子中α-生育酚含量的方法
CN109569358A (zh) * 2018-12-19 2019-04-05 长沙凯天工研院环保服务有限公司 在线近红外光谱监测土壤稳定化过程的搅拌装备
CN109738390A (zh) * 2019-01-16 2019-05-10 中国农业科学院油料作物研究所 一种基于近红外光谱检测单粒花生中油酸、亚油酸和棕榈酸含量的方法
CN111713440A (zh) * 2020-04-13 2020-09-29 浙江大学 基于水下成像与高光谱技术的石斑鱼精准投饵及调控方法
CN112219740B (zh) * 2020-09-27 2022-05-13 安徽省天长市周氏羊业有限公司 一种羊养殖场自动供水和饲料添加系统
CN112861693B (zh) * 2021-02-02 2022-08-30 东北林业大学 基于深度学习的植物叶片显微图像气孔分割方法
CN116482002B (zh) * 2023-06-19 2023-08-18 中粮资本科技有限责任公司 一种基于粮堆形态变化的粮食数量检测装置及其检测方法
CN117339884B (zh) * 2023-12-04 2024-01-30 中国农业科学院北京畜牧兽医研究所 一种用于tmr饲料粉碎粒度检测的全自动筛分装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE3932838C2 (de) * 1989-09-30 1996-03-07 Hartmann & Braun Ag Nichtdispersiver Infrarot-Gasanalysator
US6903339B2 (en) * 2002-11-26 2005-06-07 The Boeing Company Method of measuring thickness of an opaque coating using infrared absorbance

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210121813A (ko) * 2020-03-31 2021-10-08 주식회사 우수안 이동형 굼벵이 사육시설

Also Published As

Publication number Publication date
CA2933076A1 (en) 2015-06-25
CN106030284A (zh) 2016-10-12
WO2015095667A1 (en) 2015-06-25
RU2016129489A (ru) 2018-01-25
MX2016008048A (es) 2017-05-12
EP3084395A4 (en) 2017-10-25
US20160341649A1 (en) 2016-11-24
AU2014364384A1 (en) 2016-06-30
EP3084395A1 (en) 2016-10-26

Similar Documents

Publication Publication Date Title
KR20160100986A (ko) 입자 스코어 보정
Stuth et al. Direct and indirect means of predicting forage quality through near infrared reflectance spectroscopy
Tran et al. “Global” and “local” predictions of dairy diet nutritional quality using near infrared reflectance spectroscopy
Masoum et al. Determination of protein and moisture in fishmeal by near-infrared reflectance spectroscopy and multivariate regression based on partial least squares
Belanche et al. Estimation of feed crude protein concentration and rumen degradability by Fourier-transform infrared spectroscopy
Swart et al. The use of near infrared spectroscopy (NIRS) to predict the chemical composition of feed samples used in ostrich total mixed rations
Masters Assessing the feeding value of halophytes
Dale et al. Research on crude protein and digestibility of Arnica montana L. using conventional NIR spectrometry and hyperspectral imaging NIR
Coleman Predicting forage intake by grazing ruminants
Rahman et al. Use and calibration of near infrared reflectance spectroscopy in feed analysis: a mini review
Foskolos et al. Prediction of rumen degradability parameters of a wide range of forages and non-forages by NIRS
Mertens Particle size, fragmentation index, and effective fiber: Tools for evaluating the physical attributes of corn silages
Andrés et al. Nutritive evaluation of forages by near infrared reflectance spectroscopy
Baumont et al. Calculation of feed values in INRA system: feed tables and prediction equations
Kidane et al. Predicting diet quality of donkeys via fecal-NIRS calibrations
Simon et al. Estimation of apparent dietary nutrient digestibility in Yellowtail Kingfish Seriola lalandi by Near-Infrared Spectroscopy (NIRS)
Minet et al. 27 Application of NIR Spectroscopy to the Analysis of Forages
Decruyenaere Estimation of diet digestibility and intake by grazing ruminants through near infrared reflectance spectroscopy analysis of faeces. Application in various contexts of livestock production
Cope Determination of Nitrogen Corrected True Metabolizable Energy Content of Feed Ingredients for Poultry Diets by Near Infrared Reflectance Spectroscopy
Salvati et al. Survey of mean particle length in whole-plant corn silage
Yildirim et al. The creation of the FT-NIR calibration for the determination of the amount of corn grain in concentrated feed
Reid Determination of nitrogen corrected true metabolizable energy by near infrared reflectance spectroscopy
Cotanch et al. Measuring physically effective fiber on-farm to predict cow response
Tyagi et al. Near infrared reflectance (NIR) spectroscopy to predict the metabolisable energy content in poultry feeds
Vranić et al. Prediction of dry matter and crude protein content in fresh grass silage by near infrared spectroscopy

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application