近红外光谱技术(NIRS)在检测牧草霉菌毒素中的应用

具有快速、高效、无损、在线等优势的近红外光谱技术(near infrared reflectance spectroscopy technique,NIRS)已经在农业、食品、化工、医学等领域获得广泛应用。牧草在加工贮藏过程中,受多种真菌的侵染,引起霉菌毒素在牧草中积累。霉菌毒素会通过动植物产品进入人畜的食物链,引起人畜中毒。牧草中霉菌毒素的常规检测不但需要粉碎、浸提、层析等繁琐的样品前处理过程,还需要酶联免疫吸附法、高效液相色谱法、溥层色谱法等后续检测过程。通过发展高精度、低检出限的光谱仪器,建立相应霉菌毒素检测的软件技术与校正模型,能够在牧草利用中达到快速准确检测霉菌毒素的含量和性质,从而为牧草的合理加工与利用提供依据,促进NIRS技术在健康畜产品生产领域的应用。     

近红外光谱技术(NIRS)在草地生态学研究中的应用

近红外光谱技术(NIRS)是一种快速、高效、无损的现代检测技术,已经在许多领域广泛应用。文章阐述了NIRS应用于草地生态学研究的意义,介绍了NIRS用于测定牧草营养成分、矿物质、土壤养分含量,分析了牧草混合物的组成、动物对所采食牧草的反应、牧草病虫害抗性等一些复杂特性,以及进行生化标记、同位素鉴别研究。综合这些研究可以看出,NIRS能够作为一种整体研究工具应用于草地生态学的许多研究领域中,可以检测各种常规化学成分、分析草地生态系统的各种动态指标和系统运行的多项整体特性。希望通过本文的总结分析,推动NIRS在中国草地生态学研究中的应用,加速该领域研究手段的现代化。     

近红外光谱技术(NIRS)在干草品质检测中的研究与应用

干草品质对动物的生产性能、牧草价值和最终盈利有着最直接的影响,检测干草品质的方法也在不断改进,近红外光谱技术(NIRS)这种快速、 高效而无破坏性的现代检测技术已在饲草料中广泛应用。文章阐述了应用NIRS分析干草品质的可行性和高效性,详细介绍了NIRS用于检测牧草营养成分、真菌侵染程度、内生真菌产生的有毒物质以及一些难于用化学方法检测的微量成分等重要指标的研究成果。指出NIRS用于分析干草品质突破了过去常规化学方法的复杂、耗时、成本高等缺陷,是干草品质分析方法的一个重大进步,并期待着NIRS在牧草品质中的应用研究工作继续完善和发展,建立更精确的定标模型以及更系统的分析软件,促进畜牧业的快速发展。     

近红外光谱技术(NIRS)在反刍动物营养研究中的应用现状

近红外光谱技术(NIRS)分析样品时以其方便、快捷和准确等诸多优点在动物营养研究中得到了广泛的应用。用NIRS技术预测家畜日粮中有机物消化率时所产生的标准偏差(SECV)在1.6%～2.8%之间,而预测干物质的消化率时所产生的SECV在1.6%～3.5%之间。NIRS能够准确地预测饲料中的化学成分和生物学组分以及反刍家畜十二指肠微生物蛋白的流量,但对于预测饲料在瘤胃降解率的动态特性时与实际相差很大。NIRS技术预测舍饲家畜采食量与体内法得到的结果相似,但在预测放牧家畜采食量时其预测误差为14%左右。上述结果表明,NIRS技术在预测反刍家畜消化代谢、日粮营养评价、采食量等方面已取得了很大的进展,并在反刍动物营养研究领域中有着广阔的应用空间。     

近红外光谱分析原理及其在牧草航天育种的应用前景

近红外光谱(NIRS)的定量分析技术是一项高效、快捷检测样品中某种化学成分的分析新方法,近年来在饲料营养价值评估、土壤养分检测等方面得到了广泛的应用。文章简要介绍了NIRS技术产生和探测的基本原理、方法和技术特点,回顾了航天育种的研究进展及其在草类植物上的应用情况,然后从牧草营养成分分析、次生代谢产物预测、病虫害抗性鉴定、非生物胁迫抗性评估4个方面阐述了NIRS分析技术应用于草类植物航天育种的意义和潜在价值。NIRS技术不仅能提高育种选择效率、加快育种进程,还有助于诱变机理研究的深入,将其应用于草类植物航天育种有着重要的理论和实际意义。     

近红外光谱技术在烟草领域的应用进展

本文对国内外NIR在烟草行业的研究、应用作了较详细的综述.国内相关研究起步较晚,近几年来,涌现了大量的有关NIR在烟草行业中的应用研究报告,研究的范围也渐趋广泛,NIR光谱技术是一种测定烟草整个制品的技术,值得深入研究.引用文献48篇.     

玉米秸秆组分近红外漫反射光谱(NIRS)测定方法的建立

玉米秸秆是我国产量最大的秸秆生物质资源,但目前还没有快速高效的组分分析方法,本研究利用傅里叶变换近红外漫反射光谱 (NIRS) 技术,采用偏最小二乘法(PLS),在国内首次建立了NIRS测定玉米秸秆中灰分、半纤维素、纤维素、Klason木质素、酸不溶灰分和水分含量的校正模型,该模型稳定,适合不同地区、不同品种的玉米秸秆及其不同部位。实验结果表明,采用一阶导数+Karl Norris滤波预处理,谱区在4 100～7 500 cm-1,能得到理想的预测模型。该模型对玉米秸秆各组分的交叉验证均方差(RMSECV)范围为0.090 3～1.45,预测误差(RMSEP)范围为0.256 9%～2.581 9%,预测相关系数≥0.871 1。该研究对加速我国秸秆生物质的工业转化具有重要意义。     

近红外光谱(NIRS)技术快速测定湖泊沉积物营养组分研究

湖泊沉积物保存了湖泊环境演化的重要信息,但目前还没有建立起快速、准确的湖泊沉积物营养组分组合分析方法。该文利用近红外光谱(NIRS)技术,采用一阶导数、小波滤噪、正交信号校正、小波滤噪+正交信号校正、一阶导数+正交信号校正、正交信号校正+小波压缩6种光谱预处理技术和偏最小二乘(PLS)法相结合在国内建立了NIR光谱测定湖泊沉积物柱芯样品中总碳(TC),总氨(TN),总有机碳(TOC)和总磷(TP)的校正模型,结果表明虽然NIR光谱校正模型对TOC的预测效果不理想,但一阶导数+正交信号校正光谱校正模型对TC和TN,正交信号校正光谱校正模型对TP的预测效果较好,预测相关系数分别为0.759 7(TC),0.865 0(TN)和0.811 2(TP),预测误差(RMSEP)分别为0.13%(TC),0.008 2%(TN)和0.012%(TP)。该研究对于推动我国湖泊沉积物的光谱学特性研究具有重要意义。     

近红外光谱分析技术及其在牧草种子质量监督检验上的应用前景

近红外光谱(NIRS)的分析技术是一项高效、快捷检测样品中某种物质成分的分析新方法,近年来在农业、食品、医药、化工、纺织、环保等领域得到了广泛的应用。 文章简要介绍了NIRS技术产生和探测的基本原理、方法和技术特点,回顾了其在植物种子研究方面的应用情况,然后从种子品种鉴定、种子纯净度鉴定、种子发芽率测定、种子水分含量和生活力测定等四个方面阐述了NIRS分析技术应用于牧草种子质量监督检验的意义和潜在价值。 最后得出结论应用NIRS技术能降低种子检验成本、提高检验效率,还有助于扩大常规种子检验的范围和用途,因此NIRS应用于牧草种子质量检验有着重要的理论和实际意义。     

基于SVM算法的近红外光谱技术在鱼糜水分和蛋白质检测中的应用

采用支持向量机(support vector machine,SVM)建立了鱼糜样品中水分和蛋白质含量的近红外光谱校正模型,并采用独立样本集进行了预测。光谱数据经间隔两点一阶导数(DB1G2)、标准正态变换(SNV)、多元散射校正(MSC)相结合的方法预处理后,用偏最小二乘(PLS)降维处理,取前15个投影变量为自变量。获得水分模型的校正相关系数R_c、预测相关系数R_v、定标标准差SEE、预测标准差SEP; 蛋白质模型的校正相关系数R_c、预测相关系数R_v、定标标准差SEE、预测标准差SEP,有较好的预测准确性。基于SVM算法的近红外光谱技术可用于鱼糜水分和蛋白质含量的快速检测。     

基于近红外光谱技术的秸秆工业分析

工业分析是生物质热化学工程技术中的一项常规应用分析。文章探讨了近红外光谱技术(NIRS)在秸秆工业组成分析上的应用,并利用近红外光谱技术预测了秸秆中挥发分和固定碳含量。利用Foss 6500光栅型近红外光谱仪在1 108～2 492 nm光谱范围内分别对直接切短秸秆样品中水分、灰分、挥发分和固定碳以及干燥粉碎样品中灰分、挥发分和固定碳的近红外光谱建立了预测模型。对于直接切短秸秆样品,水分、灰分、挥发分和固定碳校正模型外部验证的R2_V(SEP)分别为0.92(0.76%),0.94(0.84%),0.88(0.82%)和0.75(0.65%)。干燥粉碎样品中灰分、挥发分和固定碳的近红外光谱模型外部验证的R2_V(SEP)分别为0.98(0.54%),0.95(0.57%)和0.78(0.61%)。实验结果表明,近红外光谱技术能实现秸秆的快速分析和多组分同时测定, 从而可降低秸秆工业分析的成本。     

近红外漫反射光谱法测定玉米秸秆NDF与ADF含量

应用主成分空间和傅里叶变换近红外光谱技术,采用偏最小二乘回归法(PLS),在国内首次建立了适合不同品种类型、不同生长发育时期和不同部位且适配范围广的近红外漫反射光谱(NIRS)测定玉米秸秆中性洗涤纤维(NeutralDetergentFiber,NDF)和酸性洗涤纤维(AcidDetergentFiber,ADF)含量的稳定校正模型。结果表明,采用一阶导数 矢量归一化预处理和一阶导数 多元散射校正预处理,谱区均为7502～5450cm-1和4601～4247cm-1,所建立的NDF与ADF校正模型,其校正和预测效果最佳。其校正决定系数(R2cal)均大于094,交叉验证和外部验证决定系数(R2cv,R2val)为092～096,各项误差(RMSEE,RMSECV和RMSEP)为149%～181%。该结果对青贮玉米秸秆材料快速鉴定和筛选具有重要的意义。     

近红外漫反射光谱法测定玉米秸秆体外干物质消化率

以不同生态环境、不同年份,不同品种和自交系类型、不同生长发育时期以及不同部位的600个样品中选出161份玉米秸秆为材料,应用傅里叶变换近红外光谱技术,采用偏最小二乘回归法(PLS),通过比较不同光谱范围和光谱预处理方法,在6 101.7～5 773.8 cm-1和4 601.3～4 246.5 cm-1谱区内,建立了适合不同品种类型、不同生长发育时期和不同部位且适配范围广的近红外漫反射光谱(NIRS)测定玉米秸秆体外干物质消化率(in vitro dry matter digestion,IVDMD)的稳定校正模型。其交叉验证和外部验证决定系数(R2_cv,R2_val)分别为0.907 3和0.906 6,预测标准偏差为2.08%, 预测值与化学值间的相关系数(r)达0.956。结果表明, 近红外光谱技术可以用于快速、准确测定玉米秸秆IVDMD,该结果对青贮玉米育种过程中的秸秆材料快速鉴定和筛选具有重要的意义。     

近红外光谱快速分析技术及其在动物饲料和产品品质检测中的应用

近红外光谱是近年来发展最快、最引人注目的光谱学技术。主要介绍了近红外光谱技术的基本原理和发展, 包括近红外光谱预处理技术如微分处理、信号平滑等技术的发展和近红外光谱分析模型如多元线性回归、主成分分析、偏最小二乘法和人工神经网络等的发展。综述了国内外近几年来此技术在动物饲料和产品品质检测中的应用。文献调查显示, 近红外光谱分析技术以其快速、无损、不污染环境等诸多优点在国内外饲料和动物产品检测方面得到广泛应用。在饲料分析方面,近红外不仅能用于其常量成分干物质、粗蛋白、粗纤维、粗脂肪等的测定,而且能用于微量成分、有毒有害成分的测定。在动物产品分析方面,该技术已用于禽蛋、牛肉、羊肉、猪肉等的各种物理和化学指标的测定。文中详细给出了已经报道的利用近红外光谱技术测定饲料和动物产品测定指标和光谱处理以及模型建立的情况, 并讨论了近红外光谱快速检测技术的在饲料分析和动物产品分析领域的应用新趋势和局限性。     

近红外光谱法测定苜蓿中的叶含量

叶含量是一项对苜蓿的营养价值和家畜采食量、消化率都很重要的指标,目前常用的手工茎叶分离后测定叶含量的方法非常费时费力。利用近红外光谱分析技术(NIRS)对人工配制叶含量为15%～55%的41个苜蓿样品, 建立了苜蓿中叶含量的预测模型。用15,25, 35个定标样品分别建立的3个模型的RMSEP分别为1.02, 1.97, 0.51,RPD依次为5.50,2.85,25.93,外部验证的决定系数r2为0.978 9,0.984 4,0.998 9。结果表明,15个定标样品已经能够建立准确测定苜蓿叶含量的近红外预测模型,且模型的准确性随着数量增加而升高。     

畜禽肉化学成分近红外光谱检测技术研究进展

和传统的肉品化学成分检测方法相比,近红外光谱分析是一种能够快速、简单、安全和可同时测定多种化学成分的肉品检测方法。论述了近年来猪、鸡、牛、羊四种动物肉中粗蛋白质、肌间脂肪、脂肪酸、水分、灰分、肌红蛋白和胶原蛋白七种化学成分的近红外光谱分析检测研究进展,并探讨了目前研究中存在的问题及其原因。从已发表的研究结果可以看出,近红外光谱分析具有替代耗时成本高的现有肉品化学检测方法的巨大潜力,特别是用于商业上同步检测多种化学成分。研究大多采用主成分分析法进行特征光谱筛选,偏最小二乘和修正偏最小二乘法建立校正模型,交互验证进行预测结果评价。目前研究热点集中在肉中脂肪酸含量预测模型和应用近红外高光谱图像和多元回归预测肉中化学成分。近红外光谱预测结果差异性较大,这与样品集选择、光谱预处理和建模方法都有很密切的关系。样品选择对近红外预测精度具有重要的意义,非均质肉样影响了近红外化学成分预测精度。总的来说,肌间脂肪、脂肪酸与水分指标预测效果较好,粗蛋白质和肌红蛋白指标预测效果次之,灰分和胶原蛋白指标预测结果较差。     

近红外漫反射光谱法测定整粒小麦单株蛋白质含量

应用近红外漫反射光谱技术(波长为1 100～2 498 nm,分辨率为2 nm),以整粒小麦为材料建立适合于小麦单株分析的蛋白质含量分析系统。首先选取籽粒蛋白质含量具有梯度差异的小麦样品,然后对样品扫描得到原始光谱信息,通过散射校正及数学处理来消除原始光谱噪声,最后分别采用多元线性回归、主成分分析法和偏最小二乘法法建立回归方程。结果表明,优化各项参数后,光谱经过标准乘性散射校正和一阶导数处理后,回归分析采用修正的偏最小二乘法(MPLS)得到的定标模型效果最佳。最终得到的预测方程定标相关系数(RSQ)、交叉验证标准误差(SECV)、交叉验证相关系数(1-VR)分别为0.94,0.42,0.87。数学模型经过验证样品集检验,预测相关系数达到0.88。该模型达到了快速、无损分析单株小麦的要求,非常适合于品质育种的早代选择。