论文部分内容阅读
近年来随着畜牧业和饲料工业的发展,饲料产品质量安全问题已成为行业关注的焦点。饲料质量主要包括营养质量和加工质量两个方面。在饲料配方一定的条件下,加工质量不仅影响着饲料产品的储藏、运输等,还对营养物质利用有着重要的影响,进而影响动物的生产性能。颗粒饲料是目前最主要的饲料产品之一,本论文探索将近红外光谱技术应用于颗粒饲料加工质量测定分析中,发现其对饲料加工过程中半成品和终产品质量都能进行较准确的评价。本研究中扫描了自制的87个不同粉碎粒度玉米样品的近红外光谱,建立了粉碎粒度的定量分析模型;同时建立了自配料混合均匀度的定性判别模型;此外,收集饲料生产厂家不同生产日期、批次和不同工艺或配方的样品,共计122个肉鸭颗粒饲料和106个乳猪颗粒饲料,探索了近红外光谱技术预测颗粒饲料水分、硬度和粉化率的可行性,并研究了三者之间的关系;同时研究了乳猪料淀粉糊化度以及糊化过程黏度变化方面的性质及相互关系,并建立了淀粉糊化度的近红外分析模型。具体研究结果如下:(1)利用偏最小二乘法1(PLS-1),根据粒度这一指标的特点,不采取散射校正,建立了饲料常规原料玉米粉碎粒度的定量预测模型,并对模型进行了验证,定标集和验证集的决定系数分别为0.9463和0.9168,相对标准偏差(RSD%)分别为6.56和4.38,均小于10%,相对分析误差(RPD)分别为4.38和4.09,均大于3。结果表明,利用近红外光谱技术能够较准确的测定玉米粉碎粒度。(2)利用判别分析(Discriminate)方法,建立玉米、豆粕和4%预混料三者混合均匀度的定性判别方程,在950-1650nm的波长范围内提取混合物料的近红外漫反射光谱主成分,所选的方法推荐的主因子数为7,代表了全部样品99.98%的信息量。根据马氏距离等方法,用所建模型对验证集样品进行判定,准确率达100%。混合均匀度的定性判别模型具有较高的准确性。(3)以颗粒状样品和粉状样品分别建立水分、硬度和粉化率的模型,研究发现,无法建立粉化率这一指标的定量分析模型,硬度和水分的模型较为准确。建立的颗粒状样品水分分析模型和硬度分析模型的决定系数分别为0.9810、0.8977,相对标准偏差(RSD%)分别为1.71和8.26,相对分析误差(RPD)分别为7.25和3.01;建立的粉状料样品水分和硬度分析模型的决定系数分别为0.9855、0.8799,相对标准偏差(RSD%)分别为1.39和9.05,相对分析误差(RPD)分别为8.69和2.89。用验证集检验定标模型的预测能力,颗粒状饲料水分和硬度模型的预测决定系数分别为0.9746和0.8179,相对标准偏差(RSD%)分别为1.71和2.95,相对分析误差(RPD)分别为6.30和2.56;粉状料的水分和硬度模型的预测决定系数分别为0.9920和0.8024,相对标准偏差(RSD%)分别为4.41和11.05,相对分析误差(RPD)分别为10.36和2.43。以颗料饲料建立的模型对硬度的定标结果较好,水分的定标不论哪种方式建立的模型都表现出极好的定标效果。(4)淀粉糊化度和黏度之间存在定性关系,且定量回归分析决定系数为0.6519;所建立的淀粉糊化度定标模型,定标集和验证集的决定系数分别为0.8759和0.9351,相对标准偏差(RSD%)分别为6.072和4.50,相对分析误差(RPD)分别为3.14和4.47,定标和验证结果均良好,模型可以用于实际检测。