1前言
随着饲料工业的发展，快速评定饲料中的营养成分成为研究的热点，近年来的研究发现，近红外光谱分析技术具有样品制备简单、费用低、速度快和不破坏样品等特点，能满足大量样品的多种成分短时间内迅速分析的需要。近红外光谱仪器的发展经历了漫长的过程，从滤光片型近红外光谱仪，色散型近红外光谱仪，到傅立叶变换型近红外光谱仪，光谱仪的预测准确性和稳定性，逐步提高。特别是傅立叶近红外在全光谱范围内信噪比高、分辨率高、波长准确性且重复性好、模型可以转移等优点，己经逐渐成为主导产品。大量研究证明，通过近红外能够快速准确预测样品的营养成分(Arminda等[[2],1998;Wu等〔5',2002;Fontaine等[[g],2001)，但预测模型的建立往往需要大量的样品，同时影响模型效果的因素和条件也较多(Philip等[ZS],2001;wang等。1999;韩冉〔Z",2007),如何控制这些影响因素和条件，提高模型的准确性，建立较理想的模型，也就成为研究的热点。在近红外分析界样品中营养成分化学值呈正态分布与呈匀态分布所建预测模型的预测效果到底谁较好，目前存在争议[[3]。李勇(2005)等，李静认为匀态模型的预测效果较好，但是他们所建立的匀态模型的样品数远远大于正态模型;李军会等[[9](2007)研究发现，云南烤烟中的总糖和尼古丁含量呈正态分布所建预测模型的效果优于匀态分布所建模型，但是其建立模型时所选取样品点之间跨度较大，且未考察不同的a值的正态分布所建模型与匀态分布所建模型对不同样品预测效果的差异。且样品的营养成分(尤其是作为主要蛋白原料的豆粕中的AA，粗蛋白等)分布对近红外预测模型的影响研究较少，还有待于进一步研究。
因此，本文拟以豆粕水分含量分布、氨基酸含量分布和粗蛋白含量分布为研究对象，缩小样品点之间跨度，建立正态分布和匀态分布模型，并选用不同的分布形态的样品集来检验所建模型的预测效果，研究样品预测指标含量是呈正态分布或是呈匀态分布所建模型预测效果的差异，从而为建立较理想的预测模型的思路提供试验依据。2文献综述2.1近红外光谱技术的原理近红外(NearInfrared,NIR)光是指波长介于可见区与中红外区之间的电磁波，其波长范围为800~2500nm，波数范围约为12500-4000crr}1。近红外光谱分析技术是利用化学物质在近红外谱区内的光学特性，快速测定样品中一种或多种成分含量和特性的物理测定技术[[3,29J。近红外谱区主要是有机物质含H基团(C-H,N-H,O-H)伸缩振动的各级倍频和这些基团伸缩振动的合频吸收，几乎包含了有机物中所有含H基团的信息，蕴含着分子结构、组成状态等信息，与所见到的不同物质在不同的可见光谱区有不同的颜色一样，不同的物质在近红外光谱区段具有不同的近红外光谱。所以近红外光谱不仅可以区分不同的物质，而且能够根据吸收光谱的强弱判定其含量。但是要想获得某一组分的含量信息或定性信息，必须借助化学计量学的方法，如主成分分析法、多元线性回归法、偏最小二乘法、人工神经网络法等进行多元回归分析建立物质光谱与待测成分含量间的线性或非线性模型，这个模型是多元回归的一个大矩阵，其数学模型可表示为:C=B}+B1XA1+B2XA2+B3XA3+......BgXAgBO~Bk为回归系数(也是在第K个波长点的吸收常数);Ai~AK为在第K个波长点的吸收强度;C为由近红外光谱分析的某个化学成分的含量。通过对一批己知其化学成分含量的近红外光谱定标，可获得K个波长点的回归系数，再用这个被确定的模型来预测未知样品中该化学成分的含量。
在计算机的应用软件中，这种通过多元回归建立模型形象化的体现为一条类似一元回归方程的曲线，用其相关数值可以表示模型的优劣。在饲料原料中与品质有关的蛋白质、脂肪、纤维、氨基酸等有机分子中都含有各种含氢基团(严衍禄(2005)等[4J)，因此通过近红外光谱分析可以直接测定生物样品中的这些成分的含量。2.2近红外定量分析的过程近红外光谱分析过程可分为定标和预测两部分〔严衍禄(2005)}"等)。定标模型的建立:建立定标模型的流程如图a所示，首先选取一组具有代表性的样
参考文献
[1]李静，王康宁.傅立叶近红外测定麦鼓、棉粕化学成分及水分对模型预测效果的影响.硕士学位论文.四川雅安:四川农业大学，2007:28-32
[2] Arminda M, Bruno Soares. Use of near infrared reflectance spectroscopy (NIBS) for the prediction ofchemical composition and nutritional attributes of green crop cereals .Animal Feed Science
[3]陆婉珍，袁洪福，徐广通，强冬梅.现代近红外光谱分析技术.北京:中国石化出版社，2000: 69-70
[4]严衍禄，赵龙莲，韩东海，杨曙明.近红外光谱分析基础与应用.北京:中国轻工业出版社)，2005
[5]Wu J G, Shi C H, Zhang X M. Estimating the amino acid composition in milled rice by near-infraredreflectance spectroscopy. Field Crops Research.2002, 75(1):1-7
摘要 6-7
Abstract 7
1 前言 8-9
2 文献综述 9-24
2.1 近红外光谱技术的原理 9
2.2 近红外定量分析的过程 9-12
2.2.1 评价近红外定标模型优劣的指标 11-12
2.3 影响近红外分析的因素 12-22
2.3.1 样品的选择 13-14
2.3.2 样品厚度及装样的松紧程度 14-15
2.3.3 样品的颗粒大小 15-17
2.3.4 样品的水分 17-18
2.3.5 样品温度的影响 18-19
2.3.6 样品颜色 19-20
2.3.7 样品的分布 20-22
2.3.8 仪器的稳定性 22
2.4 NIRS分析技术在饲料工业中的应用 22-23
2.4.1 饲料常规化学成分的检测 22
2.4.2 饲料中氨基酸的检测 22-23
2.5 饲料有效能和消化率的检测 23
2.6 存在的问题 23-24
3 本研究的内容、目的和意义 24
3.1 目的 24
3.2 意义 24
3.3 内容 24
4 试验一 24-31
4.1 材料与方法 24-26
4.1.1 材料 24
4.1.2 试验设计 24-26
4.1.3 参考值标准测定方法 26
4.1.4 光谱的采集 26
4.1.5 分析模型的建立 26
4.1.6 模型的评价 26
4.2 结果 26-30
4.2.1 豆粕中水分的分析结果 26-27
......................................................................
4.2.5 不同模型的预测效果 28-30
4.3 讨论 30-31
4.4 结论 31
5 试验二 31-43
5.1 材料与方法 31-33
5.1.1 材料 31
5.1.2 试验设计 31-32
5.1.3 参考值标准测定方法 32
5.1.4 光谱的采集 32-33
5.1.5 分析模型的建立 33
5.1.6 模型的评价 33
5.2 结果与分析 33-42
........................................................
5.3 讨论 42-43
5.4 结论 43
6 小结 43-44
参考文献 44-48