沈陽正成牧業有限公司 化驗室主任：佟磊 鄧小聞 裴玉國 

摘 要  本文介紹了近紅外分析技術的原理、分析步驟、特點，通過傳統分析方法和近紅外分析方法的對比結果，綜述了近紅外分析技術在飼料工業過程中的應用及起到的重要意義。 

關鍵詞 近紅外分析技術 飼料企業 應用 

正成牧業化驗室主任：佟磊（左起二）

飼料質量直接影響飼料企業的市場競爭力，并對畜牧業的健康發展起著關鍵性的作用。飼料品質控制是飼料工業中的一個關鍵性環節,包括飼料原料、飼料成品及加工工藝的控制。用傳統的化學方法檢測, 存在著時間滯后、污染環境、需配備良好的實驗室和專業操作人員、檢測費用高等一系列的缺點，且不能及時為原料及產品制程提供所需的分析數據，對于生產過程的實時在線品質控制就需要一種簡單、快速的分析方法，近紅外光譜分析技術恰恰迎合了飼料行業的這種要求。本文對飼料原料和產品分別用傳統檢測方法和近紅外分析技術進行常規成分檢測，比較兩種方法是否有差異，以更進一步證明近紅外分析技術在飼料工業中的重要作用。 

1. 近紅外光譜技術概述 

1.1近紅外光譜原理 

近紅外光（Near Infrared，NIR）是指波長介于可見光與中紅外光之間的電磁波，美國試驗與材料學會（ASTM）將近紅外光譜區定義為 780-2526nm[1]。近紅外光譜源于有機物中含氫基團，如 OH、CH、NH、SH等振動光譜的倍頻及合頻吸收，不同基團產生的光譜在吸收峰位置和強度都有明顯差異，并隨樣品組成的變化其光譜特征也發生變化[2]。不同物質在近紅外區域有豐富的吸收光譜 , 每種成分都有特定的吸收特征 , 這就為近紅外光譜定量分析提供了基礎 。近紅外分析技術是通過多元線性回歸(MLR)、逐步回歸(SMR)、主成分分析(PCA)、主成份回歸(PCR)與偏最小二乘法(PLS)、人工神經網絡(ANN)等化學計量學的手段，建立物質光譜與待測成分含量間的線性或非線性模型，從而實現用物質近紅外光譜信息對待測成分含量的快速計算[3]。 

1.2近紅外分析步驟 

近紅外光譜定量分析是利用化學分析數據和近紅外光譜數據來建立模型，確定模型參數，然后以這個模型去定量預測某些信息（如濃度）的方法[4]。建立校正模型，即收集一定數量的建模樣品，采用標準或參考方法測定樣品的近紅外光譜和化學分析值，通過化學計量學方法建立二者之間的數學關系（稱為模型）；得到模型后必須對模型進行驗證，采用一定數量的同類樣品（化學分析值已知），掃描近紅外光譜，然后調用模型對這些樣品進行預測，并和已知的化學分析值進行比較，通過統計學的方法對模型進行評估；模型通過驗證后就可用于未知樣品的測定。為保證分析模型在不同的條件下都能廣泛運用，需要對分析模型進行不斷的修正和維護[5]。 

1.3近紅外分析特點 

與傳統分析方法相比，近紅外光譜技術具有以下獨特的優越性： 

1.3.1分析速度快，測量過程在1min內完成，可同時獲得多種化學成分定性或定量結果； 

1.3.2樣品預處理簡單或無需預處理，不破壞樣品、不用試劑、不污染環境； 

1.3.3適用的樣品范圍廣，可用于測量液體、固體等不同物態的樣品； 

1.3.4投資及操作費用低，操作簡單； 

1.3.5采用化學計量學的多元校正算法，分析結果的統計準確度逼近標準方法； 

1.3.6完全自動化操作，可減少人工測試等隨機誤差，具有較高的精密度和重現性。 

2 近紅外分析技術在飼料工業中的應用 

本文選取10 種不同品種的飼料原料和成品作為研究對象，分別用國標法和近紅外分析技術檢測常規成分。 

2.1 樣品采集與處理 

采集玉米、豆粕、玉米胚芽粕、米糠四種原料（原料來源于沈陽正成牧業有限公司原料庫），乳豬配合、仔豬配合、仔豬濃縮、生長育肥豬濃縮、妊娠母豬、泌乳母豬六種產品（來源于沈陽正成牧業有限公司成品庫）作為試驗研究樣品，原料編號分別為1-4號，產品編號分別為5-10號，粉碎粒度維持在1mm左右，備用。 

2.2 試驗方法  

 分別利用傳統的實驗室檢測方法和近紅外分析技術測定飼料原料中粗蛋白、水分的含量，測定成品中粗蛋白、粗灰分、鈣、總磷、氯化鈉、水分的含量，所有檢測需進行4平行樣品檢測。 

2.2.1 粗蛋白的測定 

采用國標GB/T6432—1994 方法 

2.2.2 粗灰分的測定 

采用國標GB/T6438—2007 方法 

2.2.3 鈣的測定 

采用國標GB/T6436—2002 方法

2.2.4 總磷的測定

采用國標GB/T6437—2002 方法

2.2.5 氯化鈉的測定

采用國標GB/T6439—2007方法

2.2.6 水分的測定

采用國標GB/T6435—2006方法

2.3 近紅外分析方法

開機預熱30min，儀器自檢通過后，將樣品裝入固體樣品杯約2/3處，按種類選擇相對應的模型重復掃描2次。采用OPUS LAB 軟件對應用兩種方法測定的相關指標的試驗結果進行分析對比。

2.4 結果與分析

2.4.1國標法與NIR法檢測方法對原料常規指標檢測結果的影響

利用傳統檢測法與近紅外檢測法分析飼料樣品中的常規營養成分含量，結果見表1

表1可見，國標法與近紅外法檢測四種原料的粗蛋白值和水分值，兩種方法對同一樣品最終檢測得出的結果均在誤差范圍內，且兩種方法的結果值趨于一致。說明通過國標法檢測對需要檢測的原料不同營養成分進行建模，并進行校正后，表1表明應用近紅外檢測原料粗蛋白質值和水分值與國標法檢測的結果趨于無限接近，無明顯差異。 

表2，是近紅外分析儀建模過程中的預測值與真值的線性關系，對于玉米水分的建模過程中，相對人為操作及機器操作的干擾因素較少，積累到一定數量后玉米水分模型線性關系通常較好，但是，建立模型過程中會出現異常點（紅色點），不能盲目刪除，應確認原因后再進行取舍，否則容易影響結果。在建立粗蛋白質的模型過程中，需要進行的步驟較為繁瑣，儀器的操作過程相對時間較長，因此建立粗蛋白質模型時所需要的樣本數會高于建立水分模型時的樣本數，以來提高粗蛋白質模型的線性關系，擴大模型的范圍，提高模型使用過程中的準確性。 

原料模型的應用，便于飼料原料采購時準確快速得知其常規成分含量,以獲取優劣原料信息,同時可以杜絕錯買劣質原料的機會。

通過使用國標法和近紅外分析儀對不同產品的部分常規指標進行檢測，結果表明兩種方法對產品的粗蛋白質檢測結果趨于一致，差異不顯著（表3）。表4-表8，表明兩種檢測方法對產品中氯化鈉、粗灰分、鈣、總磷含量結果顯示，有一定差異，但差異不顯著，結果的差異程度也與樣本數及樣本重復率有關。 

同時還發現，用國標法對混合時粒度較大的飼料（例如濃縮飼料粉狀料）測定常規指標值建立模型時，調整預測值與真值的線性關系需要大量數據，且數據需要多平行樣本檢測后得出，反復驗證后可得出較好的線性關系圖。在用國標法對混合粒度較小的飼料且制粒的飼料（例如配合顆粒飼料）測定常規指標建立模型時，預測值與真值的線性關系較易調整，且在國標方法進行多平行濕化學實驗時，數值較易平行。這可能與制作工藝與原料形態有一定的關系。說明在測定這些營養成分含量時，預測模型需要進行相應調整，測定結果會受原料品種、儀器型號及飼料配方等因素的影響[6]。飼料中的礦物質,如鈣、磷等,從理論上講在近紅外區無吸收,因此應用該技術測定礦物元素似乎不可能,但國外學者在這一方面也進行了大量的研究探討,起初預測結果都不十分理想,隨著近紅外光譜技術和計算機技術的發展,取得了一定的成果[7]。Atanassova(1997) 對78個豬飼料和122個雞飼料中的鈣、磷含量進行近紅外分析,結果證明,利用近紅外技術可以較準確的預測飼料中的鈣、磷含量[8]。國內外很多學者專家也對近紅外檢測其他指標做了大量研究，王旭峰等研究了近紅外光纖技術在飼料粗纖維檢測中的作用[9]。近紅外測定成分由最初的水分、粗蛋白、脂肪、糖、淀粉、纖維素等的測定發展到飼料中有毒有害成分,如棉酚、總葡萄糖昔等,以及氨基酸、可消化氨基酸、消化能、代謝能及粗飼料如青貯飼料、干草、半干青貯等營養成分的測定等[10]。 

在飼料企業應用近紅外分析儀，通過自建模型能夠高效保證所測定原料及成品的常規營養值，提高原料接收效率，降低原料檢測風險，能夠真正做到成品檢測合格后出廠，為企業、為客戶把控質量。