近红外反射光谱快速评定玉米和小麦营养价值的研究

被引:0
作者
李军涛
机构
[1] 中国农业大学
关键词
近红外反射光谱; 玉米和小麦; 常规养分; 氨基酸; 有效能;
D O I
暂无
年度学位
2014
学位类型
博士
导师
摘要
本研究主要目的是分别在全国范围内广泛收集不同种植地区、不同品种的玉米和小麦样品,并评估其营养价值及变异;建立玉米和小麦中常规成分和氨基酸的近红外快速预测模型;以猪消化代谢试验所测得的消化能和代谢能值作为参比数据,探讨使用近红外反射光谱技术快速预测玉米和小麦中猪有效能含量的可行性。本论文包括以下四个试验: 试验一:探讨了使用近红外反射光谱测定玉米常规营养成分和猪有效能的可行性。于2009年-2011年,从全国范围内收集玉米样品117个,并测定其常规成分和猪消化能和代谢能。结果表明:不同来源玉米的营养成分差异较大;水分、粗蛋白、粗脂肪、酸性洗涤纤维、中性洗涤纤维和容重的定标决定系数(RSQcal)为0.89~0.95,交互验证决定系数(1-VR)为0.87~0.93,交互验证相对分析误差(RPDcv)为2.83~3.67,验证决定系数(RSQv)为0.85~0.91,验证相对分析误差(RPDv)为2.67~3.20,其定标方程可用于日常分析;粗灰分、总磷和淀粉尚无法用于实际预测;玉米总能、猪消化能和代谢能的RSQcal、1-VR、RPDcv、RSQv和RPDv分别为0.87~0.94、0.86~0.92、2.78-3.53、0.86-0.90和2.64~3.17,定标方程可用于日常分析。 试验二:探讨了使用近红外反射光谱测定玉米中氨基酸的可行性。于2009年-2011年,从全国范围内收集玉米样品89个,并测定其18种氨基酸含量。结果表明:不同来源玉米中各氨基酸含量的差异较大;除赖氨酸、蛋氨酸、色氨酸和胱氨酸外,其他14种氨基酸的RSQcal、1-VR和RPDcv分别为0.86~0.94、0.84~0.93和2.56~4.44;除精氨酸、赖氨酸、蛋氨酸、色氨酸、胱氨酸、甘氨酸和酪氨酸外,其他11种氨基酸的RSQv和RPDv分别为0.83~0.91和2.51-3.33,定标方程可用于日常分析。除色氨酸外,使用近红外预测氨基酸含量优于使用粗蛋白。 试验三:探讨了使用近红外反射光谱测定小麦常规营养成分和猪有效能的可行性。于2011年-2012年,从全国范围内收集小麦样品58个,并测定其常规成分和猪消化能和代谢能。结果表明:不同来源小麦的营养成分差异较大;使用44个定标样品建立近红外模型,水分、粗蛋白、粗脂肪、中性洗涤纤维、容重和总能的RSQcal为0.87~0.92,1-VR为0.85-0.90, RPDcv为2.68~3.13,RSQv为0.84~40.90,RPDv为2.51-3.16,其定标方程可用于日常分析,而酸性洗涤纤维、粗灰分、总磷和淀粉尚无法用于实际预测。小麦猪消化能和代谢能的RPDv和RPDv均小于2.50,尚无法应用于实际预测;定标样品量增加到58个后,所有营养成分的交互验证效果均得到改善,除粗灰分、总磷、淀粉和代谢能外,其他营养成分的RPDcv超过2.50。 试验四:探讨了使用近红外反射光谱测定小麦中氨基酸的可行性。于2009年-2011年,从全国范围内收集小麦样品450个,通过CENTER和SELECT算法选择381个样品用于近红外定标和验证,并测定其18种氨基酸含量。结果表明:不同来源小麦中各氨基酸含量的差异较大;除蛋氨酸、缬氨酸、色氨酸、胱氨酸和酪氨酸外,其他13种氨基酸的RSQcal、1-VR, RPDcv、RSQv和RPDv分别为0.87~0.96、0.83~0.95、2.53~4.53、0.83~0.94和2.54~3.93,定标方程可用于日常分析。除色氨酸外,使用近红外预测氨基酸含量优于使用粗蛋白。
引用
收藏
页数:134
共 126 条
[31]
The link between multiplicative scatter correction (MSC) and standard normal variate (SNV)transformations of NIR spectra.[J].M. Dhanoa;S. Lister;R. Sanderson;R. Barnes.Journal of Near Infrared Spectroscopy.1995, 1
[32]
Comparison of commercial near infrared transmittance and reflectance instruments for analysisof whole grains and seeds.[J].P. Williams;D. Sobering.Journal of Near Infrared Spectroscopy.1993, 1
[33]
AVAILABLE CARBOHYDRATES OF CEREAL-GRAINS AS AFFECTED BY STORAGE AND INSECT INFESTATION [J].
JOOD, S ;
KAPOOR, AC ;
SINGH, R .
PLANT FOODS FOR HUMAN NUTRITION, 1993, 43 (01) :45-54
[34]
STANDARD NORMAL VARIATE TRANSFORMATION AND DE-TRENDING OF NEAR-INFRARED DIFFUSE REFLECTANCE SPECTRA [J].
BARNES, RJ ;
DHANOA, MS ;
LISTER, SJ .
APPLIED SPECTROSCOPY, 1989, 43 (05) :772-777
[35]
Comparison of the usability of different spectral ranges within the near ultraviolet, visible and near infrared ranges (UV-VIS-NIR) region for the determination of the content of scab-damaged component in blended samples of ground wheat [J].
Siuda, R. ;
Balcerowska, G. ;
Sadowski, C. .
FOOD ADDITIVES AND CONTAMINANTS, 2006, 23 (11) :1201-1207
[36]
Chemometrics and visible-near infrared spectroscopic monitoring of red wine fermentation in a pilot scale [J].
Cozzolino, Daniel ;
Parker, Mango ;
Dambergs, Robert G. ;
Herderich, Markus ;
Gishen, Mark .
BIOTECHNOLOGY AND BIOENGINEERING, 2006, 95 (06) :1101-1107
[37]
Feasibility study on identification of green; black and Oolong teas using near-infrared reflectance spectroscopy based on support vector machine (SVM).[J].Quansheng Chen;Jiewen Zhao;C.H. Fang;Dongmei Wang.Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy.2006, 3
[38]
A consensus least squares support vector regression (LS-SVR) for analysis of near-infrared spectra of plant samples.[J].Yankun Li;Xueguang Shao;Wensheng Cai.Talanta.2006, 1
[39]
Chemometrics and near-infrared spectroscopy: Avoiding the pitfalls [J].
Small, Gary W. .
TRAC-TRENDS IN ANALYTICAL CHEMISTRY, 2006, 25 (11) :1057-1066
[40]
Prediction of digestibility of organic matter and energy in the growing pig from an in vitro method.[J].Jean Noblet;Yolande Jaguelin-Peyraud.Animal Feed Science and Technology.2006, 3