咨询电话
咨询电话
近红外光谱（Near Infrared Spectrometry,NIRS）技术是一种分析速度快、效率高、重现性好、无损、成本低的光谱检测技术。NIR技术综合了光谱学技术、计算机技术和化学计量学技术，能够在极短时间内对样品进行快速定性或定量分析。该技术目前已广泛应用于农副产品、饲料工业、食品、环境保护、生物医药等众多领域，尤其是在质量控制、品质分析和生产在线分析的作用十分突出，用于复杂样品成分的快速分析。因不同物质在近红外谱区的吸收主要以含H基团C-H,N-H,O-H,S-H的基频振动的合频和倍频振动吸收为主，不同基团吸收峰值不同，不同样品含有这些基团数量也不同，可根据光谱吸收谱带范围和峰值来预测未知样品的成分和含量。近年来，我国不少学者（丁丽敏等，1997；赵雅欣等，2005）将近红外光谱技术应用于饲料检测，尤其在畜禽饲料原料及成品检测和快速评价饲料营养价值方面（户如霞等，2012）做了大量研究，但关于其在水产饲料检测应用研究报道（熊罗英等，2015）较少，或者仅用于水分、粗蛋白的检测，利用效率不高。本研究分析近红外光谱技术在水产饲料成品检测的应用，可为近红外光谱技术在水产饲料行业的高效应用提供参考。
德国布鲁克公司生产的TANGO-R型傅立叶变换红外光谱仪，与计算机联用。
广东越群生物科技股份有限公司生产的水产饲料成品：沉性鱼膨化料（不同档次的海水鱼、石斑鱼、东星斑、大黄鱼、舌鳎、鲟鱼配合饲料）、浮性鱼膨化料（不同档次的淡水鱼、加州鲈、黄颡鱼、鲳鱼、鳜鱼、斑点叉尾鮰鲂回、翘嘴鲂鲌白等配合饲料）。
2018-2022年收集越群公司自产的不同鱼类饲料成品：沉性鱼膨化料和浮性鱼膨化料各400个。每种类样品随机分成两组，一组300个做定量模型定标用，另一组100个用做定量模型验证。所有样品按照国标GB/T20195制备试样，粉碎细度全部通过0.42 mm试验筛，每个样品约250g。
沉性膨化料生产工艺：各原料计量入仓——粉碎———1次配料———混合———超微粉碎———2次配料———内加油———混合—调质膨化———烘干———冷却———过筛———成品计量打包———打包口取样。
浮性膨化料生产工艺：各原料计量入仓———粉碎———1次配料———混合———超微粉碎———2次配料———混合—调质膨化———烘干——后喷涂———冷却———过筛——成品计量打包———打包口取样。
对每个样品进行两平行样测定水分、粗灰分、粗蛋白、粗脂肪，水分测定按照GB/T6435-2014，粗灰分测定按照GB/T 6438-2007，粗蛋白测定按照GB/T 6432-2018，粗脂肪测定按照GB/T 6433-2006。
设定近红外光谱仪扫描参数：扫描范围4000-12500 cm-1；旋转扫描64次；分辨率32 cm-1，扫描次数2次/每样品。将适量待测样品装入仪器配套样品杯中，装样量为样品杯的2/3，注意杯底样品不能留有空隙，将样品杯置于近红外光谱仪扫描窗口，使用配套软件TANGO对样品进行近红外漫反射光谱扫描，保存光谱。
使用配套OPUS软件对样品采用偏最小二乘（PLS）建立定量模型；采用交叉检验和检验集检验对两种鱼膨化料定量模型验证；采用数据统计分析软件IBM SPSS Statistics 20.0对结果涉及的数据进行统计分析。
沉性鱼膨化料、浮性鱼膨化料样品水分、粗灰分、粗蛋白、粗脂肪含量湿化学真值分析结果见表1。由表1可知沉性和浮性鱼膨化料的水分、粗灰分、粗蛋白、粗脂肪含量范围，即建立沉性和浮性鱼膨化料四种检测指标NIRS定量模型的适用范围。
衡量定量模型质量好坏主要以定量集交叉验证决定系数（R2）、交叉验证均方根误差（RMSECV）、相对分析误差RPD和检验集决定系数（R2）、检验集标准差（RMSEP）这些参数作为判断指标。R2越接近1，定量模型预测值和湿化学真值越趋于一致；RMSECV/RMSEP越小，定量模型预测准确性越高；RPD值越大，定量模型越可靠。
通过对沉性和浮性鱼膨化料样品原始近红外光谱进行平滑、一阶导数+矢量归一化（SNV）预处理优化，选择最优处理方法，确定最佳维数，采用交叉检验逐一进行沉性和浮性鱼膨化料的水分、粗灰分、粗蛋白、粗脂肪定量模型建立，采用检验集验证定量模型预测能力。定量模型结果和验证结果见表2。
由表2可知，除沉性鱼膨化料的粗灰分和粗脂肪交叉验证决定系数R2小于0.8外，沉性鱼膨化料的水分、粗蛋白决定系数R2和浮性鱼膨化料的水分、粗灰分、粗蛋白、粗脂肪交叉验证决定系数均大于0.9，表明沉性和浮性鱼膨化料的湿化学真值与近红外光谱NIRS预测值间存在较好的线性相关性。所有定量集样品的水分、粗灰分、粗蛋白和粗脂肪交叉验证均方根误差（RMSECV）均符合国家标准GB/T 18823-2010规定所对应的湿化学真值允许误差，所有定量集样品的水分、粗灰分、粗蛋白、粗脂肪相对分析误差RPD值均大于2.0。通过检验集验证各定量模型预测能力，得到相近结果，证明各定量模型具有较高的准确性和可靠性。但沉性鱼膨化料粗灰分和粗脂肪的交叉验证决定系数分别为0.7490和0.7733,RPD为2.00和2.10，与NIRS预测值间线性相关性较差。这可能与沉性膨化料加工工艺有很大关系，沉性鱼膨化料多采用内加油方式，脂肪与蛋白等有机物紧密结合，采用常规索式提取法饲料中脂肪抽提不完全，造成湿化学真实值偏低，影响定量建模效果，建议沉性鱼膨化料采用酸水解法测定脂肪湿化学真值，但该方法相对繁琐和耗时。粗灰分因不含H键，且通常与蛋白质等有机物结合在一起，一直以来被认为无法用NIRS技术准确测定（陈鹏飞等，2006）。浮性鱼膨化料的粗灰分、粗脂肪定量模型预测效果显著优于沉性鱼膨化料的粗灰分、粗脂肪定量模型预测效果（P<0.05），这可能与两者间不同的加工工艺有关系，沉性鱼膨化料的粗灰分和粗脂肪定量模型还需进一步优化。
采用一元回归分析获得沉性鱼膨化料定量集样品水分、粗灰分、粗蛋白和粗脂肪含量的湿化学真值与NIRS定量模型预测值之间的线性关系图，拟合效果分别见图1-图4。由图1和图3可知，沉性鱼膨化料中水分、粗蛋白含量NIRS定量模型预测值与真值的趋同程度高，预测结果吻合程度和准确度高。由图2和图4可知，沉性鱼膨化料中粗灰分、粗脂肪含量NIRS定量模型预测值与真值的趋同程度一般，预测结果吻合程度和准确度低，真实值与预测值偏差较大，可能是由于饲料中粗灰分存在光谱异常、粗脂肪湿化学真值检测不准确导致。NIRS方法对沉性鱼膨化料的水分和粗蛋白含量的预测值是非常准确和可靠的。
采用一元回归分析获得浮性鱼膨化料定量集样品水分、粗灰分、粗蛋白、粗脂肪含量的湿化学真值与NIRS定量模型预测值之间的线性关系图，拟合效果分别见图5-图8。由图5-图8可知，浮性鱼膨化料中水分、粗灰分、粗蛋白、粗脂肪含量NIRS定量模型预测值与真值的趋同程度高，预测结果吻合程度和准确度高。NIRS方法对浮性鱼膨化料的水分、粗灰分、粗蛋白、粗脂肪含量的预测值是非常准确和可靠的。
除沉性鱼膨化料的粗灰分和粗脂肪交叉验证决定系数R2小于0.8外，沉性鱼膨化料的水分、粗蛋白决定系数R2和浮性鱼膨化料的水分、粗灰分、粗蛋白、粗脂肪交叉验证决定系数均大于0.9，表明沉性和浮性鱼膨化料的湿化学真值与近红外光谱NIRS预测值间存在较好的线性相关性。两种定量样品集的水分、粗灰分、粗蛋白、粗脂肪交叉验证均方根误差（RMSECV）均小于0.9，相对分析误差RPD值均大于2.0，定标效果良好。
沉性鱼膨化料粗灰分和粗脂肪的交叉验证决定系数分别为0.7490和0.7733,RPD为2.00和2.10，与NIRS预测值间线性相关性较差，可靠性一般，粗灰分和粗脂肪定量模型还需进一步优化。
成功建立沉性鱼膨化料水分、粗蛋白含量NIRS定量模型和浮性鱼膨化料的水分、粗灰分、粗蛋白、粗脂肪含量NIRS定量模型，经检验集验证，各定量模型具有较高的准确性和可靠性，可应用于鱼膨化料检测。
利用NIRS技术能够快速、准确地预测沉性鱼膨化料的水分、粗蛋白含量和浮性鱼膨化料的水分、粗灰分、粗蛋白、粗脂肪含量。
