论文部分内容阅读
本实验旨在利用傅里叶近红外光谱技术建立黄羽肉鸡玉米净能的预测模型以及在玉米常规化学成分和表观代谢能的基础上建立玉米净能的回归预测方程。试验共选用126只平均体重为46.8±2.2g,6日龄的黄羽肉仔公鸡,其中20只用于饥饿试验测定仔鸡的维持净能,剩下106只用于比较屠宰试验测定玉米对肉鸡的沉积净能。同时,在比较屠宰试验期间全程收集动物的排泄物进行代谢实验,测定玉米的表观代谢能值；并测定了玉米样品的常规化学成分含量。用傅立叶近红外光谱仪对样品进行光谱扫描,采用偏最小二乘法(PLS)建立玉米净能预测模型。并用玉米的化学常规成分和表观代谢能建立净能的线性回归预测模型。试验结果如下：1.通过比较屠宰试验和饥饿试验测得的0-3周龄的黄羽肉鸡的玉米净能NE为2.56±0.049 Mca/kg,AME为3.38±0.113 Mcal/kg, AME转换为NE的效率为78.1%。2.用傅里叶近红外光谱技术建立的玉米的粗蛋白、粗脂肪、淀粉和粗纤维的校正模型的决定系数Rcal2依次为0.97、0.98、0.96、0.96；校正模型的预测标准差RMSEE以及相对标准偏差RSD分别为0.084、1.047；0.023、0.57；0.244、0.389；0.001、0.079；各化学成分的内部交叉验证的决定系数R2cv和内部交叉验证预测标准差RMSECV、RSD分别为：粗蛋白0.94、0.001、0.01；粗脂肪0.98、0.023、0.57；淀粉0.95、0.257、0.41；粗纤维0.95、0.001、0.07。3.玉米净能的近红外校正模型的校正决定系数较高,Rcal2为0.91；相对标准差RSD为0.55；校正模型的预测标准差(RMSEE)为0.014。交叉验证模型决定系数R2cv为0.86；相对标准差RSD为0.70；交叉验证预测标准差(RMSECV)为0.018,代谢能的近红外定标模型的校正决定系数Rcal2为0.91；校正标准差(RMSEE)为0.034；相对标准差RSD为1.1。交叉验证决定系数(Rcv2)分别为0.87；交叉验证标准差(RMSECV)为0.037,相对标准差RSD为1.6。4.在用化学成分建立的线性回归预测方程中,用AME和化学成分共同建立的玉米净能的回归方程效果最好, NE=10.851+0.421**ME-0.011CP+0.259EE+0.005ST-8.267CF,R2=0.882,RSD=0.81结论：用傅里叶近红外技术可用于建立黄羽肉鸡玉米的净能模型,与回归预测方程相比,前者的预测精度略优于后者,说明用近红外建立净能模型代替用化学成分建立回归模型是可行的。