基于傅里叶变换近红外光谱快速分析大麦秸秆营养成分

文献类型： 中文期刊

第一作者： 孙倩

作者： 孙倩;聂欢;唐莉;郭学义;吕刚;郭涛;李飞

作者机构：

关键词： 近红外光谱技术;大麦秸秆;营养成分;傅里叶变换;定量分析

期刊名称： 粮油与饲料科技

ISSN： 2096-8515

年卷期： 2024 年 004 期

页码： 202-206

摘要： 为实现大麦秸秆营养成分的快速定量检测，应用近红外光谱（near infrared,NIR）技术建立一种预测大麦秸秆中干物质（dry matter,DM）、粗灰分（Ash）、粗蛋白（crude protein,CP）、粗脂肪（ether extract,EE）、中性洗涤纤维（neutral detergent fibre,NDF）、酸性洗涤纤维（acid detergent fiber,ADF）和酸性洗涤木质素（acid detergent lignin,ADL）的高效、快速、准确的方法。共收集192份大麦秸秆样品，随机分成定标集（n=162）和验证集（n=30）。结果表明，大麦秸秆的DM、Ash、CP、NDF和ADF的交叉验证均方根误差（root mean square error of cross validation,RMSECV）分别为0.146、0.354、0.179、0.957、1.060，预测集决定系数R2分别为0.8846、0.9444、0.9528、0.9407、0.9211，相对分析误差（relative percent deviation,RPD）分别为2.95、4.24、4.60、4.11、3.56，说明这五个模型预测效果较佳，可用于实际检测。大麦秸秆的EE模型和ADL模型的R2分别为0.622 2、0.620 3，且RPD均在3以下，后期仍需要添加代表性样品，以提高模型的预测能力和准确性。

分类号： O657.33%S816.1

  • 相关文献

[1]近红外漫反射光谱定量分析天然牧草营养成分. 刘哲,王玉琴,薛树媛,金海,李元晓,王建平,李发弟,张盼盼. 2018

[2]近红外光谱技术在我国饲料领域的应用现状. 穆怀彬,侯向阳,米福贵. 2011

[3]利用近红外光谱技术快速预测苜蓿干草营养成分含量. 郭涛,黄右琴,郭龙,李发弟,潘发明,张兆杰,李飞. 2020

[4]基于冷冻干燥基础的猪肉营养成分近红外快速检测模型构建. 梁世岳,李泽青,李宁,魏勇跃,旦智草,闫峻. 2023

[5]无芒雀麦营养成分含量近红外预测模型的分析与建立. 代露茗,郭涛,李飞,贾倩民,王芳彬,热沙来提汗·买买提,潘发明,李发弟. 2023

[6]大麦秸秆:康奈尔净碳水化合物与蛋白质体系评定组分及近红外光谱分析技术预测营养价值. 李国彰,喻笑男,王志兰,马万浩,邓颖,董春晓,闫佰鹏,兰贵生,李飞,李发弟,翁秀秀. 2018

[7]基于2种原理近红外光谱仪对辐照花生的快速鉴别比较. 王冬,李安,靳欣欣,马智宏,王纪华,潘立刚. 2016

[8]基于GA-LSSVM和近红外傅里叶变换的霉变板栗识别. 周竹,李小昱,李培武,高云,展慧,刘洁. 2011

[9]基于傅里叶变换近红外光谱的奶粉品质优劣鉴别. 王伟,张玉,王楠,王君虹,朱作艺,李雪. 2015

[10]Argo观测剖面数据量的时间变化与周期分析. 张胜茂,伍玉梅,杨胜龙. 2011

[11]傅里叶变换近红外光谱技术测定完整油菜籽中芥酸和硫甙含量. 丁小霞,李培武,李光明,杨艳燕,陈小媚,赵永国,张文,杨湄. 2004

[12]Argo观测点数量的空间分布与变化分析. 张胜茂,伍玉梅,杨胜龙. 2010

[13]基于双重Bregman迭代的地震数据重构与去噪. 郭萌,张会星,刘明珠. 2020

[14]Argo观测剖面数据量的时间变化与周期分析(英文). 张胜茂,伍玉梅,杨胜龙. 2012

[15]基于近红外傅里叶特征提取方法的土壤含水率检测. 李小昱,肖武,李培武,雷廷武,王为,冯耀泽. 2009

[16]使用圆二色性光谱和红外光谱研究冬小麦麸皮抗冻蛋白的二级结构. 张超,张晖,赵晓燕,马越,姚惠源. 2009

[17]近红外光谱技术辅助选择水稻食味品质育种. 刘凯,孙明法,严国红,唐红生. 2016

[18]近红外光谱技术辅助选择水稻食味品质育种简. 刘凯,孙明法,严国红,唐红生. 2016

[19]基于近红外光谱技术的掺假生鲜乳识别平台的研发. 张鑫,顾欣,倪力军,张立国,韩奕奕. 2012

[20]番茄营养元素供应的光谱检测技术研究进展(英文). 王成,赵春江,乔晓军,侯瑞锋. 2008

作者其他论文 更多>>

微信小程序