張 順 ， 宋 濤 ， 鄭一航 ， 郭麗君 ， 張鳳枰

（1.四川威爾檢測技術股份有限公司，四川成都 610041；2.通威股份有限公司水產(chǎn)畜禽營養(yǎng)與健康養(yǎng)殖農(nóng)業(yè)農(nóng)村部重點實驗室，四川成都 610093；3.通威股份有限公司水產(chǎn)健康養(yǎng)殖四川省重點實驗室，四川成都 610093）

玉米DDGS 是以玉米為原料， 由酵母發(fā)酵蒸餾提取酒精后， 將酒糟和剩余的殘液中至少3/4以上的可溶固形物濃縮干燥后所得的產(chǎn)品（袁建敏等，2010）。由于微生物的作用，玉米DDGS 中蛋白質(zhì)、 氨基酸和B 族維生素含量均比玉米高，且在發(fā)酵過程中生成一些未知的促生長因子， 對動物腸道健康有很大的積極作用。因此，玉米DDGS因具有高能、高蛋白、營養(yǎng)價值高等特點，且產(chǎn)量大、質(zhì)優(yōu)價廉，已在畜禽飼料中得到廣泛應用（張桂鳳，2017）。 但是受生產(chǎn)工藝、原料來源等影響，其質(zhì)量參差不齊，影響實際應用效果。 因此，有必要對玉米DDGS 質(zhì)量進行整體性的評價， 但是繁瑣費時的全項濕化學檢測不能滿足飼料生產(chǎn)企業(yè)快速評估玉米DDGS 質(zhì)量需求。 近紅外反射光譜技術具有快速高效、成本低、無損等特點，已在飼料企業(yè)日常檢測中廣泛應用。 牛子青（2009）研究了豆粕、DDGS 常規(guī)化學成分近紅外模型的建立，周良娟等（2011）應用近紅外反射光譜法快速測定玉米DDGS 水分、粗蛋白質(zhì)、粗脂肪和粗灰分等營養(yǎng)成分；張海棠等（2012）建立DDGS 粗蛋白質(zhì)含量測定的近紅外光譜分析定標模型； 姜昕竺（2016）利用近紅外吸收光譜快速檢測玉米干全酒精糟的水分、粗蛋白質(zhì)、粗脂肪等主要成分。 上述研究使用的樣品數(shù)量均在70 ～100 個，建立的模型對玉米DDGS 的營養(yǎng)成分均能較好地預測，但均未建立氨基酸預測模型。 隨著原料種類及加工工藝的變化， 為確保實際應用時模型的適用性和準確性，需要盡量擴充樣品數(shù)量和范圍。本研究在全國范圍內(nèi)收集230 個玉米DDGS 樣品開展?jié)窕瘜W檢測，采集近紅外光譜，并對光譜進行不同的預處理，旨在建立玉米DDGS 水分、粗蛋白質(zhì)、粗脂肪、粗灰分和氨基酸組分預測模型，提高模型的適用性， 為飼料生產(chǎn)企業(yè)玉米DDGS 質(zhì)量控制提供可靠的近紅外預測模型。

1 材料與方法

1.1 儀器和樣品 MPA 型傅立葉變換近紅外光譜儀、積分球附件，德國 Bruker 公司；L-8900 全自動氨基酸分析儀， 日本HITACHI 公司；Kjeltec 2500 全自動定氮儀、Soxtec 2055 脂肪儀， 丹麥FOSS 公司；101-1AB 型電熱鼓風干燥箱、FW100型高速萬能粉碎機，北京中興偉業(yè)儀器有限公司；箱式電阻爐，沈陽市通用電路廠。

收集 2018—2019 年不同產(chǎn)地國產(chǎn)玉米DDGS 樣品230 個， 樣品來自通威股份有限公司華東、華南、華西、華北、華中等地區(qū)飼料分子公司， 所有樣品采用FW100 型高速萬能粉碎機粉碎，過40 目篩，混合均勻，裝入密閉容器中，置于2 ～4 ℃冰柜冷藏保存。其中215 個樣品為定標集樣本，15 個樣品為外部驗證集樣本。

1.2 實驗方法

1.2.1 玉米DDGS 常規(guī)組分和氨基酸的測定 玉米DDGS 水分、粗蛋白質(zhì)、粗脂肪、粗灰分、氨基酸分別按照 GB/T 6435-2014 直接干燥法，GB/T 6432-2018、GB/T 6433-2006、GB/T 6438-2007 和GB/T 18246-2000 酸水解法測定。

1.2.2 光譜采集 將215 個玉米DDGS 樣品在MPA 近紅外儀器上使用OPUS LAB 進行掃描。 掃描方式為漫反射， 掃描附件為積分球。 掃描范圍12500 ～ 3600 cm-1， 波長間隔 2 nm， 掃描次數(shù)為64 次，分辨率為16 cm-1，每個樣品重復裝樣掃描2 次，取平均光譜作為樣品的近紅外光譜，每隔1 h 做一次背景測量（趙明明等，2018）。

1.2.3 NIRS 模型的建立 運用OPUS 7.8 軟件的“定義分類/參考值”功能，將樣品的濕化學檢測值與光譜進行匹配。 然后再進行光譜預處理和篩選區(qū)間，采用偏最小二乘法（PLS）建立玉米DDGS水分、粗蛋白質(zhì)、粗脂肪、粗灰分和氨基酸的近紅外光譜定量分析模型。以校正決定系數(shù)（R2）、交互驗證均方根誤差 （RMSECV） 和相對分析誤差（RPD）來評價定標模型的優(yōu)劣。R2越大，RMSECV越小，模型的準確性就越高；RPD 越大越好，一般認為RPD＞3 時，定標效果理想，可用于實際檢測分析（曹小華等，2018）。

2 結(jié)果與討論

2.1 玉米DDGS 營養(yǎng)組分測定結(jié)果 玉米DDGS 全集、 校正集和驗證集各組分測定結(jié)果見表1。 各組分含量分布范圍較大，代表性較強，標準偏差也較小， 說明手工檢測結(jié)果準確、 可信度高。 230 個玉米DDGS 樣品的水分、粗蛋白質(zhì)、粗脂肪和粗灰分的含量范圍與已報道值基本相近（周良娟等，2011），但是就平均值來看，水分、粗脂肪和粗灰分含量偏高，粗蛋白質(zhì)含量偏低。出現(xiàn)這些變化的原因可能是生產(chǎn)玉米DDGS 的原料來源與生產(chǎn)工藝正在發(fā)生細微改變 （宋增廷等，2015；國家統(tǒng)計局，2013）。面對原料發(fā)生的種種變化，需要對近紅外預測模型進行擴充或新建， 以維持預測模型的準確性和穩(wěn)定性。

2.2 校正集原始光譜 所有校正集樣品無預處理的原始光譜圖如圖1。 在 4000 ～ 9000 cm-1，玉米DDGS 近紅外漫反射曲線表現(xiàn)出較強的吸收特征， 主要是 C-H、O-H、N-H 與 C=O 等分子基團的特征信息（李路等，2017）。這為玉米DDGS 常規(guī)組分與氨基酸組分的近紅外定量分析提供了豐富的光譜理論基礎。

2.3 光譜預處理 OPUS 7.8 提供光譜預處理方法包括： 矢量歸一化 （SNV）、 多元散射校正（MSC）、一階導數(shù)、二階導數(shù)、一階導數(shù)+SNV、一階導數(shù)+MSC 等。 根據(jù)不同組分物質(zhì)在近紅外光譜中的吸收不同， 對原始光譜選擇不同的預處理方法和校正范圍進行處理， 經(jīng)過不同預處理方法后的光譜圖如圖2。 各組分光譜預處理表明，矢量歸一化處理能都達到較好的預測效果， 但是對于不同組分最優(yōu)的預處理方法不完全相同。

2.4 剔除異常值與建立定標方程 由于樣品本身特性存在差異， 以及儀器測量和人為操作存在的誤差，會出現(xiàn)一些偏離總體樣本的數(shù)據(jù)，即為異常值。本實驗主要通過馬氏距離（MD）和真值與預測值間偏差對樣本進行分析， 確定并刪除離群的異常樣品。 馬氏距離是指樣品光譜與校正集平均光譜之間的距離，MD＞1 的樣品，其光譜與校正集樣品的差異較大，該樣品可判定為異常樣品。光譜殘差反映樣品剩余信息的多少， 可用來檢驗光譜異常，尤其是光譜測量異常和特征峰異常。各常規(guī)組分真值與偏差如圖3 所示， 并對于偏差較大的樣品進行了適當剔除。

表1 玉米DDGS 各營養(yǎng)組分含量 %

圖1 玉米DDGS 的近紅外掃描原始光譜圖

圖2 不同方式的預處理后光譜圖

根據(jù)最優(yōu)的光譜預處理方法， 軟件進行交互驗證計算并自動優(yōu)化定標方程，在計算過程中，使用預測值與真值比較， 剔除計算過程中產(chǎn)生的異常值，提高相關系數(shù)。如圖4 所示，常規(guī)指標水分、粗蛋白質(zhì)、粗脂肪和灰分的相關性都較好。說明各常規(guī)組分模型的相關性和穩(wěn)定性均較好， 偏差在允許誤差范圍之內(nèi)， 能夠?qū)嶋H用于未知樣品相關指標的含量預測。

圖3 常規(guī)組分實測值VS 偏差（實測值-預測值）

經(jīng)過交互檢驗計算和優(yōu)化后選擇最佳的定量模型。 使用相對分析誤差RPD 評價模型的準確度和穩(wěn)定性。由表2 可以看出，模型預測值與化學值之間的決定系數(shù)水分、粗蛋白質(zhì)、粗脂肪和灰分分別達到了 0.91、0.92、0.95、0.81。 校正集的 RPD 中除灰分外，均大于3，說明水分、粗蛋白質(zhì)、粗脂肪的模型具有較高的預測精度， 可以較準確地預測玉米DDGS 中相應組分的含量。 灰分的相關系數(shù)較低，因為灰分為無機物，近紅外只能進行間接預測，但是玉米DDGS 灰分含量相對較低，變化范圍也比較小，所以預測值的誤差也較小。

圖4 常規(guī)組分實測值VS 預測值

2.5 氨基酸組分定標模型的建立 按照同樣的操作方法，選擇最優(yōu)的預處理方法和校正范圍，進行交互驗證計算得到相應的氨基酸組分定標方程。 各氨基酸組分定標參數(shù)與結(jié)果如表3 所示。

表2 各常規(guī)組分NIRS 定量分析模型的定標結(jié)果

2.6 模型的檢驗 將驗證集中的15 個玉米DDGS 樣品調(diào)用建立好的定標模型， 預測各組分的含量，并與濕化學檢測值對比，結(jié)果統(tǒng)計如表4和表5 所示?？梢钥闯觯t外預測值與濕化學檢測值基本一致，偏差較小且均符合GB/T 18868 相關要求（楊曙明等，2002）。說明近紅外光譜法用于玉米DDGS 常規(guī)指標的檢測是準確可行的。

表3 氨基酸組分NIRS 定量分析模型的定標結(jié)果

表4 玉米DDGS 常規(guī)指標驗證結(jié)果

表5 玉米DDGS 各氨基酸組分化學值與近紅外預測值結(jié)果

3 結(jié)論

本實驗運用傅立葉近紅外光譜技術，建立了玉米DDGS 水分、粗蛋白質(zhì)、粗脂肪、粗灰分和氨基酸組分含量的NIRS 定量分析模型。 所建模型均具有較好的相關性和準確率， 預測值偏差均滿足GB/T 18868 要求，其中水分、粗蛋白質(zhì)和粗脂肪的預測值與化學值之間的決定系數(shù)都在0.9 以上，相對分析誤差均大于3。 該研究整體實現(xiàn)了對玉米DDGS常規(guī)指標和氨基酸組分的快速檢測。

玉米DDGS 是常用的飼料生產(chǎn)原料， 及時準確地檢測是生產(chǎn)飼料產(chǎn)品的基本保障， 對于常規(guī)指標的快速測定有利于提高生產(chǎn)效率， 降低生產(chǎn)成本。 由于玉米DDGS 是一種組成復雜的飼料原料， 來源與生產(chǎn)工藝會不斷發(fā)生變化， 對應的NIRS 定標模型需要及時有效地擴充和新建，以確保實際使用中近紅外模型預測值的準確與穩(wěn)定。