白扎嘎爾 薛樹媛 金 海 曹玉梅

精料補充料是反芻動物飼料中不可缺少的一部分，其營養(yǎng)成分的檢測對于畜牧業(yè)生產(chǎn)具有重要的意義。目前，由于奶牛精料補充料加工廠家對原料選用的不同以及加工工藝的不同，不同地區(qū)、不同廠家加工的精料補充料營養(yǎng)成分含量也有所不同。而用傳統(tǒng)的測定方法檢測需要耗費大量的人力物力，不能即時得知飼料的營養(yǎng)成分含量，而且對測定人員有著嚴(yán)格的操作技術(shù)要求。近紅外反射光譜分析技術(shù)（NIRS）則具有測定速度快，樣品制備簡單，不耗費化學(xué)試劑，環(huán)境污染小，操作簡便，同時能測多種成分含量等優(yōu)點，應(yīng)用于奶牛養(yǎng)殖行業(yè)，不僅有利于對奶牛飼料營養(yǎng)質(zhì)量控制體系的建立，也有利于即時監(jiān)控和快速診斷奶牛的營養(yǎng)攝取狀況及健康狀況，為現(xiàn)代化精細養(yǎng)牛提供了必要的條件。由于現(xiàn)代NIRS分析技術(shù)所獨具的特點，NIRS已成為近年來發(fā)展最快的快速分析測試技術(shù)，被廣泛應(yīng)用于各個領(lǐng)域。但是，在我國近紅外光譜分析技術(shù)的應(yīng)用在單一飼料的營養(yǎng)成分測定中比較完善，而對混合飼料營養(yǎng)成分含量的測定只是在起步階段。根據(jù)上述情況本研究利用近紅外光譜分析技術(shù)探索了對奶牛精補料常規(guī)營養(yǎng)成分的快速測定并進行可消化總養(yǎng)分的評價，以期對奶牛飼料快速檢測研究提供了基礎(chǔ)數(shù)據(jù)。

1 材料與方法

1.1 精料補充料樣品的采集與制備

供試樣品采集自內(nèi)蒙古不同地區(qū)的各飼料公司以及飼料加工廠、奶牛養(yǎng)殖小區(qū)、奶站、飼料銷售門市部的奶牛不同時期的不同牌子的粉狀以及顆粒狀的精料補充料樣品，共計105份。樣品經(jīng)博力飛SM100立式粉碎機粉碎，過1 mm篩，分別裝入密封塑料袋中封口備用，一個樣品備兩份，一份用于實驗室分析，另一份用于近紅外分析。

1.2 奶牛精料補充料樣品成分含量的實驗室化學(xué)分析

樣品的粗蛋白、中洗不溶氮（NDICP）、酸洗不溶氮（ADICP）用凱氏定氮法測定，粗脂肪用油重法測定，粗灰分含量按AOAC方法測定；NDF、ADF和酸性洗滌木質(zhì)素（ADL）含量的測定采用Van Soest方法，TDN（可消化總養(yǎng)分）按以下公式計算：

式中：tdNFC——真可消化非纖維碳水化合物；

tdFA——真可消化脂肪酸，tdFA=EE－1，如果EE小于1，tdFA等于零；

tdCPc——精料真可消化粗蛋白；

tdNDF——真可消化中性洗滌纖維；

PAF——精料補充料加工校正系數(shù)=1.00。

每個試樣取兩個平行樣測定，取平均值，成分含量均在干物質(zhì)基礎(chǔ)上表示為百分比。

1.3 近紅外反射光譜儀與樣品的光譜掃描

近紅外光譜儀采用瑞典Perten儀器公司生產(chǎn)的濾光片型8620近紅外反射分析儀，包括20個窄波干涉濾光片（20個波長），可容納63個校準(zhǔn)的內(nèi)部校準(zhǔn)貯存器，大型的LCD液晶阿拉伯?dāng)?shù)字顯示器，標(biāo)準(zhǔn)RS－232C數(shù)據(jù)通訊口。儀器工作譜區(qū)范圍1100～2300 nm，粉狀樣品裝在樣品門里，用樣品壓緊器壓實后上機掃描。每個樣品重復(fù)裝樣至少3次，其光譜存入計算機中。奶牛精料補充料樣品的近紅外反射光譜如圖1所示。

1.4 近紅外光譜定量分析模型的建立方法

利用分析軟件（PICS近紅外軟件，瑞典Perten公司）進行近紅外光譜定量分析模型的建立。首先根據(jù)樣品化學(xué)成分含量的大小，從中選出20個樣品作為外部驗證樣品，其它為校正集樣品。采用主成分回歸法結(jié)合差值、平均值、MSC(多元散射校正)和SNVT(標(biāo)準(zhǔn)歸一化處理)等方法對光譜進行校正，確定模型的主成份數(shù)，并通過獨立驗證集樣品進行模型的外部驗證。校正模型的建立過程中采用馬氏距離(Mahalanobis' distance)和化學(xué)值絕對誤差（residual）,分別對光譜和化學(xué)值進行異常值檢驗。最后根據(jù)校正模型相關(guān)系數(shù)R2、校正標(biāo)準(zhǔn)差SEC、驗證相關(guān)系數(shù)r2、預(yù)測標(biāo)準(zhǔn)差SEP值對模型進行評價。另外根據(jù)相對分析誤差RPD(SD/SEP)值對模型進行更為詳細的評價。如果RPD＞3說明定標(biāo)效果良好，建立的定標(biāo)模型可以用于實際檢測；如果2.5＜RPD＜3,說明利用NIRS對該成分進行定量分析是可行的，但預(yù)測精度有待于進一步提高；如果RPD＜2.5，則說明該成分難于進行NIRS定量分析。

圖1 105個樣品的光譜掃描結(jié)果

2 結(jié)果與分析

2.1 精料補充料樣品的成分含量的實驗室分析結(jié)果（見表1）

表1 奶牛精料補充料6種常規(guī)化學(xué)成分及TDN含量的范圍（%）

表1為105個樣品成分含量的平均值（Mean）、最小值（Min）、最大值（Max）和標(biāo)準(zhǔn)偏差（SD）。由表1可以看出所選用精料補充料樣品的成分含量變化幅度較大，基本上可以涵蓋典型精料補充料的成分含量，具有很好的代表性。

2.2 奶牛精料補充料成分含量的近紅外光譜校正模型的建立

2.2.1 異常值的剔除和模型參數(shù)優(yōu)化

利用PICS定量分析軟件，采用馬氏距離，即光譜影響值和化學(xué)值絕對誤差分別對光譜和化學(xué)值進行異常值檢驗，即根據(jù)Outlier test的結(jié)果剔除異常樣品，然后篩選建模的最佳預(yù)處理方法，確定特定濾光片（波長）、主成分維數(shù)。剔除異常樣品后各成分含量的校正集和檢驗集的樣品數(shù)分別如表2中所示。

表2 確定精料補充料樣品的7種化學(xué)成分的近紅外定標(biāo)模型的結(jié)果

2.2.2 校正模型的建立

采用表2中所確定的最佳預(yù)處理方法、主因子數(shù)、最佳濾光片，分別建立奶牛精料補充料中CP、EE、Ash、NDF、ADF、ADL等常規(guī)化學(xué)成分含量及TDN含量的近紅外校正模型，所建立的模型其校正決定系數(shù)R2最大，交互驗證標(biāo)準(zhǔn)差SECV最小。其中交互驗證決定系數(shù)R2cv、交互驗證標(biāo)準(zhǔn)差SECV、校正模型決定系數(shù)R2、校正標(biāo)準(zhǔn)差SEC、外部驗證誤差SEP、檢驗集樣品的化學(xué)值和校正模型預(yù)測值之間相關(guān)關(guān)系決定系數(shù)r2、RPD值列于表3。

表3 近紅外光譜校正模型及驗證結(jié)果（%）

由表 3 中可以看出 CP、EE、Ash、NDF 的 R2分別為 0.9132、0.9016、0.9220、0.9171，均達到 0.9 以上。另根據(jù)Sinnaeve和Park報道，當(dāng)RPD大于3.0時NIRS模型可用于實際檢測。而ADF和TDN的R2分別為0.8928和0.8346，均0.8以上，RPD為大于2.5小于3.0，所建立的預(yù)測模型有定量分析的可行性，但還待于提高精度。ADL成分不僅R2才達到0.7083，RPD也小于2.5，說明該成分難于進行定量分析，而只有參考價值。

2.2.3 校正模型對 CP、EE、Ash、NDF、ADF、TDN 含量預(yù)測效果分析

校正模型建立后，采用外部驗證的方法對所建模型的預(yù)測效果進行驗證。圖2為用預(yù)測模型對20個樣品 CP、EE、Ash、NDF、ADF、TDN 含量的預(yù)測結(jié)果。預(yù)測樣品各性狀的預(yù)測值與常規(guī)分析值成對數(shù)據(jù)的雙尾t測驗未達到顯著水平，表明預(yù)測值與常規(guī)分析值之間差異不顯著,另外外部驗證誤差SEP分別為1.2（CP）、0.37(EE)、0.65(Ash)、0.95(NDF)、0.97(ADF)、1.12(TDN)，說明預(yù)測效果良好。散點圖（圖2）表明，預(yù)測值與化學(xué)值之間的相關(guān)關(guān)系r2為0.9042（CP）、0.9035(EE)、0.9075(Ash)、0.9138(NDF)、0.8801(ADF)、0.9027(TDN)。上述結(jié)果表明預(yù)測值與化學(xué)值比較接近，可用NIRS技術(shù)對未知樣品中的 CP、EE、Ash、NDF、ADF、TDN含量進行實際預(yù)測。

圖 2 精補料 CP、EE、Ash、NDF、ADF、TDN 預(yù)測相關(guān)關(guān)系

3 討論

3.1 應(yīng)用NIRS快速測定精料補充料、配合飼料營養(yǎng)成分含量的可行性

目前，在國內(nèi)國外有很多關(guān)于這方面的研究報道，如Perez-Marin等用偏最小二乘（PLS）法建立了能夠準(zhǔn)確判別配合飼料中是否含有肉骨粉的分析模型，而中國的牛智友也利用偏最小二乘（PLS）法建立了測定魚粉和精料補充料中肉骨粉含量的分析模型。另外，Murray等于2001年建立了能準(zhǔn)確檢測魚粉和配合飼料中肉骨粉的近紅外光譜分析模型，其決定系數(shù)（RSQ）和定標(biāo)標(biāo)準(zhǔn)誤差（SEC）分別達到0.94%和0.85%。但迄今尚未見有用NIRS測定奶牛精料補充料中常規(guī)成分的報道。與檢測分析單一飼料原料相比，近紅外光譜分析技術(shù)評價配合飼料以及精料補充料的營養(yǎng)品質(zhì)特性，受到更多因素的影響和制約，如配合飼料以及精補料的原料配比組成會因市場供需關(guān)系和價格變化等因素而改變，且由于這些因素比較復(fù)雜和難以控制，極大地增加了近紅外光譜分析技術(shù)測定配合飼料以及精補料營養(yǎng)指標(biāo)的難度，但鑒于近紅外光譜分析技術(shù)的眾多優(yōu)勢，且隨著儀器設(shè)備和數(shù)據(jù)處理分析軟件的發(fā)展進步，研究者們也開始嘗試將近紅外光譜分析技術(shù)引入到配合飼料營養(yǎng)品質(zhì)特性的評價中。所以本試驗以NIRS技術(shù)為基礎(chǔ)，建立了奶牛精料補充料定量分析數(shù)學(xué)模型，簡化了常規(guī)分析程序，較好地解決了奶牛精料補充料分析方法難以解決的問題。

本試驗所建立的NIRS測定奶牛精料補充料的CP、EE、Ash、NDF、ADF、ADL、TDN 含量的校正模型，除了ADL模型的校正模型相關(guān)系數(shù)（R2）和外部驗證決定系數(shù)（r2）較低外，剩余6個成分含量的校正模型相關(guān)系數(shù)（R2）和外部驗證決定系數(shù)（r2）均在0.8346～0.9220，相對分析誤差均大于2.5。這表明本試驗所建立的5個常規(guī)指標(biāo)含量以及TDN含量的分析模型具有很好的質(zhì)量，此外本試驗所用的樣品采集范圍廣，類型多，采樣的時期不同，因而具有很好的代表性。

3.2 影響NIRS分析準(zhǔn)確性的因素

NIRS作為一種間接測定技術(shù)，其分析準(zhǔn)確性受一些因素影響，其中受樣品因素的影響較大，如樣品中化學(xué)成分間的交互作用、被測物質(zhì)成分濃度的大小、化學(xué)指標(biāo)測定的準(zhǔn)確性以及樣品收集范圍的廣泛度、所收集的樣品的數(shù)量及代表性。

本試驗在建立奶牛精料補充料樣品酸性洗滌木質(zhì)素（ADL）NIRS校正模型時，其交叉驗證決定系數(shù)（R2cv）和校正模型驗證系數(shù)（R2）較小，分別為0.765和0.7083。雖然在進行ADL測定時，全部測定均重復(fù)3次以上，測定相對誤差全部控制在2%之內(nèi)，但建模結(jié)果仍不盡如人意。其原因主要是：一方面奶牛精料補充料ADL含量太低，含量范圍太窄，其它成分含量的吸收掩蓋了ADL這個成分含量的吸收，因而所選擇的波長或濾光片對低濃度或弱吸收的成分缺乏敏感性。因為這種交互關(guān)系的作用，從而影響其測定的準(zhǔn)確度。另一方面樣品收集信息中我們對于某一個個別的樣品進行剔除處理，這種做法很可能導(dǎo)致某一個代表性比較強的樣品被刪除。這兩個方面是本試驗中奶牛精料補充料中ADL建模時交叉驗證決定系數(shù)較低的可能原因，盡管如此該模型仍然有參考的意義，能夠粗略地估計ADL成分的含量。

4 結(jié)論

近紅外光譜法測定奶牛精料補充料常規(guī)成分和TDN含量的測定，不需要對樣品進行復(fù)雜繁瑣的前處理，可同時分析多個組分，分析速度快，結(jié)果準(zhǔn)確，具有常規(guī)化學(xué)方法所不具有的優(yōu)點，因此利用近紅外反射光譜法測定奶牛精料補充料常規(guī)成分是可行的，該結(jié)果可滿足畜牧業(yè)對配合飼料以及精料補充料營養(yǎng)成分快速分析的要求。