基于不同预处理方法建立苜蓿营养成分近红外快速分析模型的研究

作者：纳嵘; 任晋东; 胡波; 赵强; 雷茜^*

来源：家畜生态学报, 2021, 42(12): 37-43.

• 近红外光谱分析技术
• 苜蓿
• 营养成分
• 改进最小二乘回归法(MPLS)
• 分析模型

为了探究近红外光谱分析技术(Near Infrared Spectroscopy, NIRS)在苜蓿常规营养成分预测中应用的可行性,建立苜蓿干草常规营养成分含量的近红外分析模型,实现苜蓿草营养成分快速测定,该试验采集苜蓿样本94份,结合改进最小二乘回归法(MPLS),使用4种数学处理方法与5种散射校正方法相结合共20种预处理方法对原始光谱进行预处理,分析不同预处理方法对苜蓿样本建模的影响,得出最佳光谱预处理方法和建模方法,建立苜蓿含水量(Moisture)、粗蛋白(CP)、粗脂肪(EE)、酸性洗涤纤维(ADF)、中性洗涤纤维(NDF)和粗灰分(Ash) 6种常规营养成分近红外定量分析模型,并通过内部验证和外部验证对模型的预测能力进行评价。结果表明:苜蓿Moisture、CP、EE、ADF、NDF和Ash 6种常规营养成分预测模型的交叉验证标准误差(SECV)分别为0.2419、0.4615、0.1812、0.8848、1.4332,0.4227;定标决定系数(RSQ)分别为0.9632、0.9257、0.9879、0.9745、0.9511、0.9726;交叉验证相关系数(1-VR)分别为0.9614、0.8715、0.8554、0.9513、0.9218、0.8246;预测标准误差(SEP)分别为0.317、0.551、0.253、3.732、2.332、0.709;交叉验证相对分析误差(RPDV)分别为3.372、3.403、1.925、1.418、3.668、1.660。说明所建成的模型对苜蓿中Moisture、CP、NDF的含量能精准预测,对EE、ADF、Ash的含量不能精准预测,还需进一步调整优化。

• 单位
  浙江省农业科学院; 北方民族大学; 宁夏职业技术学院