丁 柯，張月敬，沈廣輝，于賢龍，楊增玲，劉 賢

中國農(nóng)業(yè)大學工學院，北京 100083

蛋白飼料原料粗蛋白含量近紅外光譜模型轉(zhuǎn)移研究

丁 柯，張月敬，沈廣輝，于賢龍，楊增玲，劉 賢*

中國農(nóng)業(yè)大學工學院，北京 100083

建立良好的蛋白飼料近紅外光譜定量分析模型及實現(xiàn)在不同儀器間的模型共享，能極大提高模型的利用效率，滿足飼料行業(yè)快速發(fā)展的需要。針對蛋白飼料原料粗蛋白含量近紅外分析模型適用性問題，首次采用光譜差值轉(zhuǎn)移、直接校正和分段直接校正法進行了三臺不同類型的近紅外光譜儀之間的模型轉(zhuǎn)移研究。實驗樣品為四種蛋白飼料原料：玉米蛋白粉、菜粕、酒糟和魚粉。實驗儀器包括MATRIX-Ⅰ傅里葉變換型近紅外光譜儀(主儀器)，Spectrum 400傅里葉變換型近紅外光譜儀(從儀器1)和SupNIR-2750光柵掃描型近紅外光譜儀(從儀器2)。研究表明，同一樣品體系在主儀器和從儀器2上所得光譜數(shù)據(jù)的差異性相對較小，且均與從儀器1所得光譜數(shù)據(jù)的差異性相對較大。除分段直接校正法對玉米蛋白粉從儀器2的預測結(jié)果無促進作用之外，其他模型的預測均方根誤差和系統(tǒng)偏差均明顯低于轉(zhuǎn)移前。玉米蛋白粉、菜粕和酒糟樣品采用三種方法轉(zhuǎn)移后的模型預測相對分析誤差(RPD)均大于3.0，預測效果良好。魚粉樣品模型轉(zhuǎn)移后的預測RPD均大于2.5，預測效果較好。三種方法對于蛋白飼料原料不同儀器間的光譜差異進行了有效校正。該研究結(jié)果對于蛋白飼料品質(zhì)近紅外快速分析模型的廣泛應(yīng)用具有重要意義。

蛋白飼料； 粗蛋白； 近紅外光譜； 模型轉(zhuǎn)移

引 言

隨著當前社會對畜禽產(chǎn)品需求的增加，養(yǎng)殖業(yè)得以迅速發(fā)展。與此同時，由于畜禽對蛋白質(zhì)的營養(yǎng)需求較大，蛋白飼料一直是飼料企業(yè)的重點加工對象。為了滿足飼料行業(yè)快速發(fā)展的需要，蛋白飼料主要營養(yǎng)成分含量的快速測定尤為重要。近年來，近紅外光譜(near infrared reflectance spectroscopy，NIRS)分析技術(shù)在理論和技術(shù)上日益成熟，已應(yīng)用于各種飼料原料的常規(guī)化學成分[1-3]和可利用氨基酸[4]、代謝能[5]等指標的快速分析。然而，實際應(yīng)用時，近紅外光譜易受到如儀器類型、測量環(huán)境和裝樣方式等測樣條件以及樣品狀態(tài)等因素的影響，從而影響所建模型的效果及其適用性。因此，建立良好的蛋白飼料NIRS定量分析模型及實現(xiàn)其在不同儀器間的模型共享，能極大提高模型的利用效率，具有重要的經(jīng)濟價值和現(xiàn)實意義。

為了提高NIRS定量分析模型在不同類型儀器間的共享性，國內(nèi)外學者已在不同領(lǐng)域開展了多種方法的模型轉(zhuǎn)移研究[6-10]，并取得了不錯的效果。而蛋白飼料近紅外光譜模型轉(zhuǎn)移方面相關(guān)研究卻較少，僅檢索到文獻[11]針對豆粕樣品開展了同型號光柵型近紅外儀器之間的模型轉(zhuǎn)移研究?；谇捌谝呀⒌姆€(wěn)定的粗蛋白含量NIRS分析模型，擬針對包括玉米蛋白粉、菜粕、酒糟(distillers dried grains with soluble，DDGS)和魚粉樣品在內(nèi)的四種蛋白飼料，進行三臺不同類型的NIRS儀器之間的模型轉(zhuǎn)移研究，并探究不同NIRS儀器間光譜差異性大小對模型轉(zhuǎn)移性能的影響。

1 實驗部分

1.1 蛋白飼料樣品的采集與制備

分別收集了145個玉米蛋白粉，161個菜粕，137個酒糟和85個魚粉樣品。樣品分別來自北京、山東、河北、河南、廣州等地區(qū)的飼料企業(yè)。所有樣品采用ZM100旋風磨(Retsch，德國)粉碎，過40目篩。樣品真空密封后置于樣品室冷藏保存(4 ℃)。

1.2 粗蛋白含量實驗室化學分析

粗蛋白含量的測定采用凱式定氮法(GB/T6432—1994)，使用Kjeltec 2300全自動凱式定氮儀(FOSS，丹麥)進行測定。

1.3 近紅外光譜數(shù)據(jù)掃描

樣品光譜數(shù)據(jù)采集分別采用三臺不同類型的近紅外光譜儀，分別為：(1)MATRIX-Ⅰ漫反射傅里葉變換型近紅外光譜儀(BRUKER，德國，簡稱Bruker儀器)，Spectrum 400漫反射傅里葉變換型近紅外光譜儀(Perkin Elmer，美國，簡稱PE儀器)，SupNIR-2750漫反射光柵掃描型近紅外光譜儀(聚光科技有限公司，中國，簡稱Juguang儀器)。

三臺實驗儀器的近紅外光譜采集參數(shù)如表1所示。

表1 近紅外光譜實驗儀器的光譜采集參數(shù)

光譜數(shù)據(jù)采集前，將樣品放置于室溫下24 h左右，使其與室溫平衡。掃描樣品時均采用旋轉(zhuǎn)樣品臺，光譜掃描次數(shù)均為32次，每個樣品重復掃描3次取其平均光譜。

1.4 不同儀器光譜差異性分析

經(jīng)光譜預處理后，以Bruker儀器為基準儀器，以待研究儀器光譜與其光譜的歐式距離直觀定量反映不同儀器間光譜差異性大小[12]。計算公式如下

(1)

1.5 光譜數(shù)據(jù)的匹配

選擇Bruker儀器作為光譜數(shù)據(jù)匹配的基準，將傅里葉變換型PE儀器和光柵掃描型Juguang儀器的光譜數(shù)據(jù)格式分別向Bruker儀器進行轉(zhuǎn)換。光譜數(shù)據(jù)匹配采用三次樣條插值，利用Matlab中spline函數(shù)進行相關(guān)插值處理, 選用not-a-knot邊界條件，先插值后截取[14]。

1.6 模型轉(zhuǎn)移方法與評價

研究選擇傅里葉變換型的Bruker儀器作為模型轉(zhuǎn)移的主儀器，傅里葉變換型的PE儀器作為從儀器1，光柵掃描型的Juguang儀器作為從儀器2。

2 結(jié)果與討論

2.1 不同類型儀器蛋白飼料NIRS光譜差異性

圖1中(a)—(d)分別為PE儀器和Juguang儀器上所采集四種蛋白飼料樣品的NIRS光譜與其在Bruker儀器上所得NIRS光譜平均光譜間的歐式距離分布情況，原始光譜均經(jīng)過歸一化處理。

由圖1可知，對于各蛋白飼料樣品，在Bruker儀器和Juguang儀器上所得NIRS光譜的光譜距離分布范圍均較為接近，有著較多的重疊區(qū)域，且均和PE儀器上所得光譜的距離分布范圍有較為明顯的差別，反映了同一樣品體系在Bruker儀器和Juguang儀器上所得NIRS光譜數(shù)據(jù)的差異性相對較小，且均與PE儀器上所得NIRS光譜數(shù)據(jù)間的差異性相對較大。

圖1 不同儀器蛋白飼料光譜距離分布

表2 實驗樣品粗蛋白含量統(tǒng)計結(jié)果

表3 光譜匹配前后從儀器模型結(jié)果

2.2 樣品粗蛋白含量統(tǒng)計

各種類蛋白飼料樣品按濃度分集后，其校正集和驗證集樣品數(shù)與粗蛋白含量統(tǒng)計結(jié)果如表2所示。

2.3 光譜數(shù)據(jù)匹配前后從儀器的模型

表3為從儀器1(PE儀器)和從儀器2(Juguang儀器)蛋白飼料樣品NIRS光譜數(shù)據(jù)匹配前后的模型結(jié)果。

由表3可以得出，兩臺從儀器各蛋白飼料樣品體系匹配前后的模型結(jié)果均無明顯差異。因此，可以利用匹配后的光譜數(shù)據(jù)進行模型轉(zhuǎn)移研究。

2.4 模型轉(zhuǎn)移前的預測

模型轉(zhuǎn)移前，利用主儀器(Bruker儀器)建立的各蛋白飼料樣品校正模型分別對主儀器和從儀器獨立驗證集進行預測，具體預測結(jié)果如表4所示。

表4 模型轉(zhuǎn)移前的預測結(jié)果

由表4可知，直接采用主儀器(Bruker儀器)模型預測從儀器的驗證集樣品，預測效果均明顯差于主儀器驗證集的預測結(jié)果。同時，從儀器2的預測結(jié)果明顯優(yōu)于從儀器1，這與光譜差異性分析的結(jié)果相一致，與主儀器光譜差異較小，預測結(jié)果相對較好。對RPD值結(jié)果分析發(fā)現(xiàn)，除玉米蛋白粉和酒糟從儀器2的預測結(jié)果可以接受之外(RPD>2.25)，其他樣品的從儀器預測結(jié)果與主儀器的預測結(jié)果相比較均嚴重衰減，其中菜粕和酒糟樣品從儀器1的預測結(jié)果和魚粉兩臺從儀器的預測結(jié)果RPD值均小于1.75，難以用于定量分析。比較分析表明，要實現(xiàn)主儀器所建模型在兩臺從儀器上的共享，很有必要進行模型轉(zhuǎn)移。

2.5 模型轉(zhuǎn)移

表5為分別利用DS，PDS和SS三種方法對五種蛋白飼料樣品進行模型轉(zhuǎn)移后，從儀器1和從儀器2的預測結(jié)果。

表5 模型轉(zhuǎn)移后從儀器的預測結(jié)果

由表5可以看出，植物性蛋白飼料玉米蛋白粉、菜粕和酒糟樣品采用三種方法轉(zhuǎn)移后的模型預測結(jié)果RPD均大于3，取得了良好的預測效果。魚粉樣品從儀器1轉(zhuǎn)移后的RPD值均大于3，從儀器2的RPD均大于2.5，也取得了較好的預測效果。

與轉(zhuǎn)移前的預測結(jié)果(表4)進行比較分析，除PDS方法對于玉米蛋白粉從儀器2的預測RMSEP值無提高之外，采用DS，PDS和SS轉(zhuǎn)移三種方法對四種蛋白飼料從儀器1和從儀器2進行模型轉(zhuǎn)移后，預測RMSEP和Bias值均明顯低于模型轉(zhuǎn)移前。

進一步對RPD結(jié)果進行分析可知，對于從儀器1(圖2)，采用三種方法模型轉(zhuǎn)移后四種蛋白飼料樣品的預測RPD值均明顯高于轉(zhuǎn)移前。其中，經(jīng)DS，PDS和SS法轉(zhuǎn)移后，玉米蛋白粉樣品的預測RPD值分別提高239%，185%和186%； 菜粕樣品的預測RPD值分別提高419%，471%和422%； 酒糟樣品的預測RPD值分別提高110%，94%和124%； 魚粉樣品的預測RPD值分別提高224%，220%和226%。由此，對于主儀器和從儀器1即傅里葉變換型Bruker儀器和傅里葉變換型PE儀器之間的模型轉(zhuǎn)移效果最大的為菜粕樣品，最小的為酒糟樣品。

對于從儀器2(圖3)，除PDS方法對于玉米蛋白粉樣品的模型轉(zhuǎn)移無作用效果之外，三種方法模型轉(zhuǎn)移后四種蛋白飼料樣品的預測RPD值也均明顯高于轉(zhuǎn)移前。其中，經(jīng)DS和SS法轉(zhuǎn)移后，玉米蛋白粉樣品的預測RPD值分別提高20%和19%； 經(jīng)DS，PDS和SS法轉(zhuǎn)移后，菜粕樣品的預測RPD值分別提高80%，103%和120%； 酒糟樣品的預測RPD值分別提高24%，40%和22%； 魚粉樣品的預測RPD值分別提高112%，93%和112%。由此，對于主儀器和從儀器1即傅里葉變換型Bruker儀器和光柵型Juguang儀器之間的模型轉(zhuǎn)移效果最大的為魚粉樣品，最小的為玉米蛋白粉樣品。

圖2 蛋白飼料樣品從儀器1的模型轉(zhuǎn)移結(jié)果比較

圖3 蛋白飼料樣品從儀器2的模型轉(zhuǎn)移結(jié)果比較

兩臺從儀器的結(jié)果比較分析發(fā)現(xiàn)，模型轉(zhuǎn)移對從儀器1預測的作用效果明顯大于對從儀器2預測的作用，這是由于主儀器與從儀器1的原始光譜差異性明顯大于從儀器2，說明所采用的三種方法對于四種蛋白飼料玉米蛋白粉、菜粕、酒糟和魚粉光譜不同儀器間的光譜差異進行了有效校正，從而有效提高已有粗蛋白含量分析模型的預測效果，促進模型的共享。

3 結(jié) 論

針對玉米蛋白粉、菜粕、酒糟和魚粉等四種蛋白飼料原料粗蛋白含量近紅外分析模型適用性和共享問題，采用三種方法開展了三臺不同類型的NIRS儀器之間的模型轉(zhuǎn)移研究。研究表明，同一樣品體系在傅里葉變換型近紅外光譜儀主儀器和光柵掃描型近紅外光譜儀從儀器2上所得NIRS光譜數(shù)據(jù)的差異性相對較小，且均與傅里葉變換型近紅外光譜儀從儀器1的光譜數(shù)據(jù)間的差異性相對較大。直接預測結(jié)果發(fā)現(xiàn)，要實現(xiàn)三臺研究儀器間的模型共享，必須進行模型轉(zhuǎn)移。

模型轉(zhuǎn)移后，除PDS方法對于玉米蛋白粉從儀器2的預測結(jié)果無促進作用之外，采用直接校正、分段直接校正和光譜差值轉(zhuǎn)移三種方法對四種蛋白飼料從儀器1和從儀器2進行模型轉(zhuǎn)移后，預測RMSEP和Bias值均明顯低于模型轉(zhuǎn)移前。植物性蛋白飼料玉米蛋白粉、菜粕和酒糟樣品采用三種方法轉(zhuǎn)移后的模型預測結(jié)果RPD值均大于3，取得了良好的預測效果。魚粉樣品從儀器1轉(zhuǎn)移后的RPD值均大于3，從儀器2的RPD均大于2.5，也取得了較好的預測效果。

[1] NIU Zhi-you, HAN Lu-jia, SU Xiao-ou, et al(牛智有，韓魯佳，蘇曉鷗，等).Transaction of the Chinese Society for Agricultural Machinery(農(nóng)業(yè)機械學報)，2005, 36(5): 16.

[2] ZHOU Xing-fan, YANG Zeng-ling, LIU Xian, et al(周興藩，楊增玲，劉 賢，等).Transaction of the Chinese Society for Agricultural Machinery(農(nóng)業(yè)機械學報), 2012，3: 103.

[3] Fernandez-Ahumada E, Fearn T, Gomez-Cabrera A, et al.Applied Spectroscopy, 2013, 67: 924.

[4] LIU Bo-ping, QIN Hua-jun, LUO Xiang, et al(劉波平，秦華俊，羅 香，等).Chinese Journal of Analytical Chemistry(分析化學)，2007，35: 525.

[5] Tyagi P K, Shrivastav A K, Tyagi P K, et al.Indian Journal of Poultry Science, 2009, 44(1): 45.

[6] WANG Jia-jun, ZHE Wei, LIU Yan, et al(王家俊，者 為，劉 言，等).Acta Tabacaria Sinica(中國煙草學報)，2014, 20(6): 1.

[7] Leion H，F(xiàn)olestad S，Josefson M，et al.Journal of Pharmaceutical and Biomedical Analysis，2005, 37(1): 47.

[8] Bergman E L, Brage H, Josefson M, et al.Journal of Pharmaceutical and Biomedical Analysis, 2006, 41: 89.

[9] Ridder T D, Steeg B J V, Price G L.Applied Spectroscopy, 2014, 68(8): 852.

[10] Soldado A, Fearn T, Martinez-Fernandez A, et al.Talanta, 2013, 105: 8.

[11] WANG Qian, HUANG Jia-ming(王 倩，黃家明).Chinese Journal of Animal Science(中國畜牧雜志)，2014，13: 83.

[12] DUAN Rui-lu, LIU Ting-xi, ZHANG Sheng-wei, et al(段瑞魯，劉廷璽，張圣微，等).Arid Zone Research(干旱區(qū)研究)，2014, 4: 750.

[13] Liu X, Han L J, Yang Z L.Journal of Dairy Science, 2011, 94(11): 5599.

[14] Williams P C, Sobering D C.Journal of Near Infrared Spectroscopy, 1993, 1: 25.

[15] Malley D F, McClure C, Martin P D, et al.Communications in Soil Science and Plant Analysis, 2005, 36(4-6): 455.

*Corresponding author

(Received Jun.12, 2015; accepted Oct.26, 2015)

Calibration Transfer of Near Infrared Spectrometric Models for Crude Protein of Protein Feed Materials

DING Ke, ZHANG Yue-jing, SHEN Guang-hui, YU Xian-long, YANG Zeng-ling, LIU Xian*

College of Engineering, China Agricultural University, Beijing 100083, China

The near infrared spectrometric quantitative model of protein feed and its sharing in different instruments can greatly improve the utilization efficiency of the model and meet the needs of rapid development of feed industry.Considering the issue of applicability of near infrared spectrometric models for crude protein of protein feed materials, calibration transfer was explored among three types of instruments using spectral subtraction correction, direct standardization and piecewise directs standardization methods for the first time.Four kinds of protein feed raw materials were involved in the present study, corn protein powder, rapeseed meal, fish meal and distillers dried grains with soluble.The experimental instruments included MATRIX-I Fourier transform near infrared instrument (master instrument), Spectrum 400 Fourier transform near infrared instrument (slave 1 instrument), and SupNIR-2750 grating near infrared instrument (slave 2 instrument).Results showed that the spectral data difference for all the samples between the master and slave 2 instrument was relatively small, and the difference between the master and slave 1 instrument, and slave 1 and slave 2 instrument were relatively large.All the root mean square error of prediction and bias values after calibration transfer were lower than the values before calibration transfer, except that no improvement was found for the prediction of corn protein powder of slave 2 instrument corrected by piecewise direct standardization method.The relative prediction deviation (RPD) of corn protein powder, rapeseed meal and distillers dried grains with soluble transferred by all three methods were higher than 3, which indicated good predictions, while the RPD of fish meal were all higher than 2.5, which indicated relative good predictions.All three techniques used in the study were effective in the correction of the difference between different instruments for protein feed materials.This study is of important practical significance for the application of near infrared spectrometric models for crude protein of protein feed materials.

Protein feed； Crude protein； Near infrared reflectance spectroscopy； Calibration transfer

2015-06-12，

2015-10-26

國家重大科學儀器設(shè)備開發(fā)專項課題(2014YQ47037705)，國家科技支撐計劃資助(2014BAD08B11-2)和國家自然科學基金項目(31201827)資助

丁 柯，1991年生，中國農(nóng)業(yè)大學工學院碩士研究生 e-mail：lx@cau.edu.cn *通訊聯(lián)系人 e-mail：liuxian79@163.com

S814.2

A

10.3964/j.issn.1000-0593(2016)05-1334-06