圖1:近紅外光譜預測與實驗室粗蛋白的相關性
1近紅外光譜法(地麵法和非地麵法)和實驗室法各36個樣品進行對比。
2NIRS-ground粗蛋白之間的相關性回歸方程。
3.nir -未磨粗蛋白相關性回歸方程。
4粗蛋白來自NIRS-ground和NIRS-unground。R2:決定係數。
全文
Nana S Frempong1乍得珀克1托馬斯·諾泰2查爾斯·R·斯塔克1 *
1 堪薩斯州立大學糧食科學與工業係，美國堪薩斯州曼哈頓2 加納大學農學院動物科學係，阿克拉，加納
*通訊作者:Charles R Stark，美國堪薩斯州曼哈頓市堪薩斯州立大學糧食科學與工業係，電子郵件:crstark@ksu.edu
近紅外反射光譜(NIRS)技術是一種快速和非破壞性的技術，用於評估飼料和成分的化學成分。其預測精度不僅受儀器校準的影響，還受樣品粒度、形狀和排列的影響。本研究的目的是利用儀器提供的標準校準，確定玉米粒度、分析方法、飼料和飼料形式(醪和顆粒)對近紅外光譜技術精度的影響。實驗1采用4 × 3 × 3因子設計。不同飼糧的主要成分為i)豆粕+DDGs, ii)豆粕+魚粉+DDGs, iii)豆粕+魚粉+麥麩，iv)豆粕+麥麩。這些產品是用不同的玉米顆粒尺寸(400,600和800 μ m)製造的，以含有20%的計算蛋白質含量，隨後使用三種不同的方法(實驗室，NIRS-ground和NIRSunground)進行分析。試驗2為3 × 2析因，采用3種分析方法(實驗室、NIRS-ground和NIRS-unground)和2種飼料形式(粉狀和顆粒狀)。將飼料製成顆粒狀，在逆流冷卻器中冷卻10分鍾。在進行近紅外光譜分析之前，將麥芽漿和顆粒的子樣品通過0.5 mm篩進行研磨處理。實驗1和實驗2的磨碎和未磨碎的麥芽漿和顆粒樣品在Foss NIRS D2500機器上掃描，波長範圍為400到2500 nm，每個樣品的反射率為log (1/R)，間隔為2 nm。 Laboratory values from wet chemistry analyses were obtained using the Dumas Combustion method and these were compared to results from the NIRS. In Experiment 1, there was no three way interaction. However, a two-way interaction (P ≤ 0.05) was observed for diets x method of analysis and particle size x method of analysis. Crude Protein (CP) content of samples varied when analyzed with NIRS-unground but similar CP was observed for those analyzed with either NIRS-ground or laboratory method. A difference (P ≤ 0.05) in CP content was observed for diets, method of analysis but not for particle sizes. Results of NIRS-ground samples were greater and closer to the expected CP (20%) than NIRS-unground samples. In Experiment 2, an interaction was observed between feed form and method of analysis. The CP content of unground feed samples varied for the feed forms but grinding samples yielded similar results for both NIRS and laboratory analyses. Analyzing unground feed samples using standard calibrations yielded less accurate results compared to samples ground prior to analysis using either NIRS or laboratory methods.
化學成分;提要的形式;近紅外光譜;預測;不磨的;波長
營養學家必須了解飼料的營養成分，才能正確配製出符合牲畜營養需求的飼糧，[1,2]。然而，傳統的成分和飼料分析方法昂貴，耗時，需要專業培訓。另一方麵，近紅外光譜技術為固體和液體樣品提供了快速和準確的高分辨率光譜信息，樣品製備最少。該技術經濟，便於定性和定量分析，對樣品無損。用近紅外光譜法分析的樣品不需要事先用化學品進行處理，因此消除了化學品和處理成本。該技術可用於一次掃描測定飼料和飼料中多種營養素(粗蛋白質、脂肪、水分、纖維和氨基酸)的含量，而不像濕化學分析那樣，大多數營養素都是用不同的方法分別分析。近紅外光譜技術測量飼料或成分樣品在近紅外區域(780至2500 nm)波長掃描時的光吸收。近紅外區的光譜吸收取決於樣品的化學鍵(C-H, N-H, S-H或O-H)以及物理和結構特征。化學鍵可以識別與樣品成分相關的光譜的特定區域，如澱粉、粗蛋白質或纖維[3]。
雖然近紅外光譜儀器是高效的，但在結果[4]中可以觀察到樣品組成的變化。這些變化可能是由於技術人員、交叉汙染、對安裝校準中不存在的樣品的分析、飼料的物理形式(醪或顆粒)、顆粒大小、形狀、樣品砂的分布以及顆粒之間的空間[5,6]等因素造成的。與配合飼料中的營養成分相比，近紅外光譜技術在預測配料的營養成分含量方麵更為準確。這是因為配合飼料通常是由來自不同來源的各種不同顆粒大小的成分製成的(穀物、動物和植物副產品)。此外，即使營養成分含量相似[7]，不同數量的成分也會產生不同的光譜特性(吸收波段和波長)。因此，定期對標準校準進行偏差調整是很重要的。Smith KF等人[8]建議，在向人群添加新樣品時(含有新供應商、地理區域和膳食配方成分的樣品)必須檢查校準。
自近紅外光譜技術發展以來，一些研究人員已經證明了其預測飼料和飼料化學成分的能力[9-11]，但對不同顆粒大小、飼料形式(醪和顆粒)、飼料和物理樣品形式(研磨和未研磨)的研究有限。大多數研究表明，為了獲得更準確的結果，所有樣品在近紅外光譜分析之前都進行了研磨[12,13]。然而，近紅外光譜設備供應商指出，樣品在分析飼料之前需要有限或不需要準備。因此，本研究的目的是確定近紅外光譜(NIRS)在預測不同玉米顆粒大小、不同成分、分析方法(實驗室、NIRS研磨和NIRS未研磨)和飼料形式(醪和顆粒)的粗蛋白質含量方麵的準確性。
實驗1
處理按4 × 3 × 3階乘排列。這些因素是;1) 4個層次的飲食;i)豆粕+DDGS (SD)， ii)豆粕+魚粉+DDGS (SFD)， iii)豆粕+魚粉+麥麩(SFB)， iv)豆粕+麥麩(SB)， 2)三個級別(400、600和800 μ m)的玉米粒度，3)三個級別(實驗室、nirs -研磨和nirs -未研磨)的分析方法(表1)。
| 飲食2 | ||||
| 成分,% | SD | 陝西林業局 | SFB | 某人 |
| 玉米 | 57.58 | 66.15 | 62.92 | 54.01 |
| 大豆粉 | 30.50 | 18.00 | 17.00 | 30.10 |
| 魚粉 | - | 9.50 | 9.70 | - |
| DDGS | 2.00 | 2.00 | - | - |
| 麥麩 | - | - | 6.00 | 6.00 |
| 豆油 | 5.80 | 2.40 | 2.40 | 5.80 |
| 蘇氨酸 | 0.30 | 0.30 | 0.30 | 0.30 |
| 鹽酸賴氨酸 | 0.18 | 0.16 | 0.18 | 0.18 |
| DL-Methionine | 0.42 | 0.29 | 0.30 | 0.39 |
| 單色P, 21% | 1.82 | 0.50 | 0.50 | 1.82 |
| 石灰石 | ０．７５ | 0.35 | 0.35 | ０．７５ |
| 鹽 | 0.40 | 0．10 | 0．10 | 0.40 |
| 維生素TM預混料3. | ０．２５ | ０．２５ | ０．２５ | ０．２５ |
| 總計 | 100.00 | 100.00 | 100.00 | 100.00 |
| 計算分析 | ||||
| CP, % | 20.01 | 20.10 | 20.02 | 20.02 |
| 粗脂肪，% | 8.40 | 6.13 | 6.20 | 8.43 |
| 纖維,% | 2.45 | 2.31 | 2.64 | 2.78 |
| 賴氨酸,% | 1.25 | 1.25 | 1.25 | 1.25 |
| 鈣,% | 0.89 | 0.87 | 0.88 | 0.88 |
| 磷(總)，% | 0.79 | 0.74 | 0.78 | 0.83 |
| 鈉,% | 0.20 | 0.18 | 0.16 | 0.19 |
表1:試驗1日糧組成1．
1飼料有三種不同的粒徑，400、600和800 μ m。
2SD:豆粕及DDGS, SFD:豆粕-魚粉-DDGS: SFB:豆粕-魚粉-麥麩，SB:豆粕-麥麩。
3.每公斤膳食提供以下最低補充量;維生素A, 635,600 IU;維生素D3, 22,7000 ICU;維生素E, 1362 IU;美萘醌，68.1毫克;核黃素，544.8毫克;硫胺素，90.8毫克;d-泛酸，544.8毫克;煙酸2.270 mg;維生素B6, 113.5毫克; Folic acid, 56.75 mg; Choline, 31,780 mg, Biotin, 3.632 mg; Mn, 40,000 mg; Zn, 40,000 mg; Fe, 20,000 mg; Cu, 4,500 mg; I, 500 mg; and Se, 60 mg.
使用錘磨機(型號2215,Bliss industries, LLC, Ponca City, OK)研磨玉米，以獲得不同的玉米顆粒大小。使用Hayes-Stolz混合器(型號2261905,Burleson, TX)將所有飲食混合6分鍾。每種飼糧製造3個重複，每個重複4個樣品。在混合料排放後，使用采樣探針從每個飼糧的重複中收集樣品。從每種飼料的每個重複中收集4個樣品。因此，每種飲食有12個樣本。
每個樣品用離心磨機(型號ZM-200, Retsch GmbH, Retsch- allee, 42871 Haan, Germany)通過0.5 mm篩分和研磨。用近紅外光譜分析了未研磨和研磨的樣品，並與使用杜馬斯燃燒法的濕化學分析的實驗室結果進行了比較。
實驗2
以飼料形態為因素，采用2 × 3因子設計。玉米- sbm麥麩飼糧配方為粗蛋白質含量20%，采用600 μ m玉米粒度生產(表2)。飼糧的生產方法與實驗1相同。在混合器放電後，使用采樣探頭收集醪樣品。飼料在O.H.克魯斯飼料技術和創新中心的飼料安全研究中心使用CPM顆粒磨粉機(型號CL-5，加州顆粒公司，克勞福特維爾)進行顆粒化。飼料在13 cm × 91 cm的調節器中調節至85°C，並使用L/D比為5.55的模具(直徑=4.0 mm，有效厚度=22 mm)製成顆粒。所有飼料顆粒化的護發素保留時間為45秒。收集每種處理的樣品，並在實驗逆流冷卻器中冷卻10分鍾。冷卻後收集顆粒樣品。用與實驗1相同的方法研磨麥芽漿和顆粒樣品。研磨和未研磨的粉狀和顆粒樣品的分析方法與實驗1相同。
| 成分 | ％ |
| 玉米 | 54.01 |
| 大豆粉 | 30.10 |
| 麥麩 | 6.00 |
| 豆油 | 5.80 |
| 蘇氨酸 | 0.30 |
| 鹽酸賴氨酸 | 0.18 |
| DL-Methionine | 0.39 |
| 單色P, 21% | 1.82 |
| 石灰石 | ０．７５ |
| 鹽 | 0.40 |
| 維生素TM預混料2 | ０．２５ |
| 總計 | 100.00 |
| 計算分析 | |
| CP, % | 20.02 |
| CF, % | 8.43 |
| 纖維,% | 2.78 |
| 賴氨酸 | 1.25 |
| 鈣 | 0.88 |
| 磷 | 0.83 |
| 鈉 | 0.19 |
表2:實驗2日糧組成1．
1飼料中含有顆粒大小為600 μ m的玉米。
2每公斤膳食提供以下最低補充量;維生素A, 635,600 IU;維生素D3, 22,7000 ICU;維生素E, 1362 IU;美萘醌，68.1毫克;核黃素，544.8毫克;硫胺素，90.8毫克;d-泛酸，544.8毫克;煙酸2.270 mg;維生素B6, 113.5毫克; Folic acid, 56.75 mg; Choline, 31,780 mg, Biotin, 3.632 mg; Mn, 40,000 mg; Zn, 40,000 mg; Fe, 20,000 mg; Cu, 4,500 mg; I, 500 mg; and Se, 60 mg.
NIRS分析
用近紅外光譜儀(型號，DS2500單色儀，Foss近紅外係統，Laurel, MD)使用一個大的環形杯掃描碎料和顆粒的研磨和未研磨的樣品。所有近紅外光譜在波長400 - 2500nm之間采集，每個樣品在2nm間隔處記錄吸光度值log (1/R)(其中，R =反射率)。使用儀器提供的工廠校準對樣品進行粗蛋白分析。
粒度法
粒度采用13篩法(ANSI/ ASAE S319.4)[14]進行分析。采集並拆分樣品後，得到100±5 g的玉米碎代表性樣品。篩堆中加入篩攪拌器，稱取0.5 g流動劑(型號SSA-58, Gilson Company, Inc.， Lewis Center, OH)，根據Kalivoda JR, et al.[15]與100±5 g樣品混合。然後將混合物放置在篩層頂部，並將篩層放置在Ro-tap篩振動篩中(型號RX-29, W. S. Tyler工業集團，Mentor, OH)並運行十分鍾。用每個篩上的物料量來計算平均粒徑(dgw)。
化學分析
采用濕化學對照法對部分飼料樣品進行粗蛋白質分析。每個樣品取0.5 g稱量，放入去皮坩堝中，放在機器的傳送帶上。使用樂高氮分析儀(TruMac N，樂高公司，聖約瑟夫，密歇根州)根據杜馬斯燃燒法(AOAC 990.03)[16]測定蛋白質。
統計分析
試驗1和試驗2分別以飼糧和飼料形態(粉狀和顆粒狀)為實驗單元。本研究數據采用SAS的GLIMMIX程序進行分析(版本9.4,SAS Institute Inc.， Cary, NC)，顯著性陳述基於P≤0.05。使用Tukey的學生配對分析分離平均值之間的差異。實驗1中顆粒大小與分析方法與試驗2比較分析方法和飼料形態。
實驗1
不存在粒徑×飼料×方法的相互作用;因此，這些結果沒有被提出。然而，在飼料(SD、SFD、SFB和SB) x分析方法(實驗室、NIRS-ground和NIRSunground)(表3)和粒度(400、600和800 μ m) x分析方法(實驗室、NIRS-ground和NIRS-unground)(表4)之間記錄了顯著的相互作用(P≤0.05)。飼料和粒度對樣品CP含量的影響取決於所使用的分析方法的類型。
| 飲食2 | 分析方法3. | 粗蛋白(%) |
| SD | 實驗室 | 20.14一個 |
| 陝西林業局 | 實驗室 | 20.69一個 |
| SFB | 實驗室 | 20.57一個 |
| 某人 | 實驗室 | 20.32一個 |
| SD | NIRS-ground | 19.45cd |
| 陝西林業局 | NIRS-ground | 20.05abd |
| SFB | NIRS-ground | 19.68bcd |
| 某人 | NIRS-ground | 19.78bcd |
| SD | NIRS-unground | 17.23f |
| 陝西林業局 | NIRS-unground | 19.50c |
| SFB | NIRS-unground | 19.62c |
| 某人 | NIRS-unground | 18.26e |
| 掃描電鏡4 | 0.139 | |
| 假定值 | < 0.0001 |
表3:飼糧間的相互作用與粗蛋白質分析方法1．
1試驗采用3 × 3 × 4析因設計，粗蛋白質含量為20%。影響因素為粒徑、分析方法和飼糧。每個處理的平均值分別取自每種飼糧的3個重複。
2飲食;SD:豆粕- ddgs, SFD:豆粕-魚粉- dggs, SFB:豆粕-魚粉-麥麩，SB:豆粕-麥麩。
3.實驗室:基於Dumas燃燒法(AOAC)的LECO氮分析儀。990.09)，地麵和非地麵:Foss DS2500近紅外光譜波長在400和2500納米之間。
4SEM:交互方式的標準誤差。
f在P≤0.05的基礎上，同一列內不同上標的均值有顯著差異。
| 顆粒大小 | 分析方法2 | 粗蛋白(%) |
| 400 | 實驗室 | 20.48一個 |
| 600 | 實驗室 | 20.42一個 |
| 800 | 實驗室 | 20.38一個 |
| 400 | NIRS-ground | 19.75b |
| 600 | NIRS-ground | 19.73b |
| 800 | NIRS-ground | 19.73 b |
| 400 | NIRS-unground | 18.41d |
| 600 | NIRS-unground | 18.50d |
| 800 | NIRS-unground | 19.06c |
| 掃描電鏡3. | 0.120 | |
| 假定值 | 0.0152 |
表4:粗蛋白質分析方法與顆粒大小的相互作用1．
1試驗采用3 × 3 × 4析因設計，粗蛋白質含量為20%。影響因素為粒徑、分析方法和飼糧。每個處理的平均值分別取自每種飼糧的3個重複。
2實驗室:基於Dumas燃燒法(AOAC)的LECO氮分析儀。990.09)， NIRS-ground和NIRS-unground: Foss DS2500近紅外光譜波長在400 - 2500nm之間。
3.SEM:交互方式的標準誤差。
模擬在P≤0.05的基礎上，同一列內不同上標的均值有顯著差異。
使用的方法中，nirs -研磨樣品和實驗室樣品的CP含量相似，與nirs -未研磨樣品相比，不同粒徑的CP值更接近預期CP(20%)(表3)。飼糧nirs -未研磨樣品的結果顯著不同，且低於實驗室分析的結果。然而，nirs研磨樣品的結果介於nirs未研磨樣品和實驗室分析之間(表4)。
飲食和分析方法影響近紅外光譜CP的可預測性。與SD和SB飼糧相比，SFD和SFB的CP含量顯著較高(表5)。SD飼糧的CP含量最低。實驗室分析的參考值(20.43%)顯著高於nirs -未研磨樣品的CP含量(18.65%)，nirs -研磨樣品(19.74%)介於兩種方法之間(表5)。
| 顆粒大小 | 飲食2 | 分析方法3. | 粗蛋白(%) |
| 400 | 19.54 | ||
| 600 | 19.56 | ||
| 800 | 19.72 | ||
| 掃描電鏡4 | 0.069 | ||
| SD | 18.94c | ||
| 陝西林業局 | 20.08一個 | ||
| SFB | 19.96一個 | ||
| 某人 | 19.45b | ||
| 掃描電鏡5 | 0.080 | ||
| 實驗室 | 20.43一個 | ||
| NIRS-ground | 19.74b | ||
| NIRS-unground | 18.65c | ||
| 掃描電鏡6 | 0.070 | ||
| 假定值 | |||
| 顆粒大小 | 0.124 | ||
| 飲食 | < 0.0001 | ||
| 方法 | < 0.0001 |
表5:顆粒大小、飼糧和方法對粗蛋白質分析的主要影響1．
1試驗采用3 × 3 × 4析因設計，粗蛋白質含量為20%。影響因素為粒徑、分析方法和飼糧。每個處理的平均值分別取自每種飼糧的3個重複。
2飼料:SD:豆粕- ddgs, SFD:豆粕-魚粉-麥麩，SFB:豆粕-魚粉-麥麩，SB:豆粕-麥麩
3.實驗室:基於Dumas燃燒法(AOAC)的LECO氮分析儀。990.09);NIRS-ground和NIRS-unground: Foss DS2500近紅外光譜波長在400 - 2500nm之間。
4 - 6SEM:主要效應均值的標準誤差。
得了在P≤0.05的基礎上，一列內不同上標的均值有顯著差異。
NIRS-ground樣品的CP含量(19.74%)比實驗室結果(20.43%)低約0.7%，NIRS-unground樣品(18.65%)比實驗室結果(20.43%)低約1.8%。總體而言，實驗室與NIRS-ground樣品CP含量之間的相關性(R=0.30)優於實驗室與NIRS-unground樣品之間的相關性(R=0.19)(圖1)。然而，NIRSground和NIRS-unground CP結果與實驗室結果的相關性並不好。
實驗2
在飼料形式和分析方法之間存在相互作用(P≤0.05)(表6)。對於所觀察到的相互作用，使用近紅外光譜法分析的未研磨醪和顆粒樣品顯著低於使用實驗室方法分析的樣品。然而，nirs磨碎麥芽漿樣品的CP含量與nirs未磨碎麥芽漿樣品相似。此外，用近紅外光譜技術分析的麥芽漿和顆粒的研磨樣品與實驗室方法的結果相似。因此，當用濕化學方法(實驗室)或近紅外光譜分析時，將醪和顆粒樣品研磨到相似的粒徑0.5 mm，消除了進料形式的差異。
| 提要的形式 | 分析方法2 | 粗蛋白(%) |
| 土豆泥 | 實驗室 | 20.26一個 |
| 土豆泥 | NIRS-ground | 19.93一個 |
| 土豆泥 | NIRS-unground | 18.81b |
| 球團 | 實驗室 | 20.32一個 |
| 球團 | NIRS-ground | 19.20 b一個 |
| 球團 | NIRS-unground | 16.88c |
| 掃描電鏡3. | 0.2792 | |
| 假定值 | < 0.0079 |
表6:飼料形式與方法對粗蛋白質分析的相互作用1．
1處理采用3 × 2析因分析，方法(實驗室，nirs -研磨和nirs -未研磨)，飼料形式(粉狀和顆粒狀)。
2實驗室:基於Dumas燃燒法(AOAC)的LECO氮分析儀。990.09);NIRS-ground和NIRS-unground: NIRS DS2500 Foss分析儀。每個處理的平均值是從四個樣本中獲得的。
3.SEM:相互作用平均值的標準誤差。
得了不同上標列內的均值基於P≤0.05具有顯著性。
實驗1
所觀察到的顆粒大小與方法以及飼料和方法之間的相互作用是所使用的分析方法的結果。因此，隻有采用不同的方法，飼糧和顆粒大小對粗蛋白質可預測性的影響才會明顯。以NIRSunground分析樣品會得到不同且較低的CP含量，但以NIRS-ground分析則會得到較低但相似的結果。飲食對CP可預測性的影響可能是由於飲食中成分顆粒大小的變化。顆粒大小的差異可能導致了表麵積的變化，從而影響了透射、吸收或反射的光量，從而導致光譜特征(吸光度帶、波長等)[18]和近紅外光譜(NIRS) CP預測的差異。未研磨樣品的表麵積與研磨樣品的表麵積相比比較粗糙。顆粒大小影響光在散射或反射到表麵之前在樣品內傳播的距離。顆粒尺寸越大，從樣品內部重新出現的光量就越小，從而導致更高的吸收和反之亦然．這會影響光譜，導致不同粒徑的樣品化學成分的差異[19]。當樣品被研磨並用近紅外光譜法或濕化學法分析時，觀察到的差異被消除了。這是因為將樣品研磨到相似的顆粒尺寸會產生相似的表麵積，因此也會產生相似的光譜特征。
SD日糧CP含量較低可能是由於DDGs的存在。DDGs的化學成分變化很大，即使是同一種穀物的產品也可以觀察到這種變化[20,21]。這種變化可能是由於加工[20]時使用的熱處理造成的。在熱處理過程中，有可能發生美拉德反應，從而降低氨基酸含量，特別是賴氨酸。在SFD中，由於添加了富含賴氨酸的魚粉，這種變異性可能已被消除或減少。
本研究的結果與Abram(1989)的報告一致，Abram認為，由於使用近紅外光譜時與未研磨樣品相關的變異性，將混合飼料樣品作為研磨樣品而不是未研磨樣品進行分析很重要。NIRS-ground、NIRS-unground和樣品的實驗室值之間的差異是預期的，因為樣品集的標準校準沒有進行偏差調整。目前研究中分析的飲食可能與儀器校準中使用的飲食不同。使用的原料也可能來自不同的產地、收獲季節或加工方法。與[12,23,24]的研究結果相比，本研究的結果不太準確，[12,23,24]使用近紅外光譜準確預測了成品飼料的CP含量。這主要是由於在分析之前專門為他們的樣本集開發的校準，而目前的研究中使用的是安裝在近紅外光譜儀上的標準校準。這表明在分析前驗證標準校準準確預測新樣品CP含量的能力是很重要的。
實驗2
用近紅外光譜儀分析未磨碎的麥芽漿和顆粒樣品會產生不同的CP含量，但對於實驗室和近紅外光譜儀方法，研磨樣品會產生相似的CP含量。與顆粒相比，粉漿的CP較高可能是由於顆粒之間的空間和顆粒形狀[18]的差異。與麥芽漿相比，顆粒的粒徑要大得多，導致顆粒之間的間隙比麥芽漿之間的間隙大。粒子間空間的差異可能會影響光的傳輸、吸收和反射，從而影響光譜響應和預測的CP結果。盡管如此，將給料樣品研磨到類似的更細的顆粒尺寸，消除了粉狀和顆粒樣品之間的顆粒空間差異，並在實驗室和NIRS-ground中產生了改進但相似的結果。這些結果表明，作為未研磨的樣品分析的麥芽漿和顆粒可能會對CP預測的準確性產生不利影響，但在分析之前研磨樣品將改善近紅外光譜的結果。
綜上所述，未磨碎的醪液或顆粒樣品的分析可能會導致近紅外光譜結果的較大變化，但在分析之前研磨樣品可能有助於改善結果。此外，樣品應定期使用參考方法進行分析，並根據飼料廠生產的飼料調整校準。
- 美國農業部(USDA)(2012)動物飼料和飼料管理。自然資源保護服務。Nutr Manag技術筆記。［Ref。］
- Goedhart PW(1990)近紅外反射光譜預測進給值的多元定標方法的比較。農業科學38:449-460。［Ref。］
- 預測飼料質量，化學分析和在體外評估。農田作物決議84:31-44。［Ref。］
- Undersander D(2006)飼料分析中近紅外的使用和濫用。佛羅裏達反芻動物營養研討會，佛羅裏達州蓋恩斯維爾最佳西部門戶大酒店。[Ref。］
- Norris KH, Hruschka WR, Bean MM, Slaughter DC(1989)用近紅外反射光譜定義小麥硬度。穀物食品世界34:696-705。［Ref。］
- Williams PC, Sobering DC(1986)對小麥硬度測試標準化的嚐試。2近紅外反射率法。穀物食品世界31:417 -420。［Ref。］
- Givens DI, Deaville ER(1999)近紅外反射光譜在動物營養中的當前和未來作用:綜述。德國農業文獻50:1131-1145。［Ref。］
- Smith KF, flynn PC(1991)使用近紅外反射(NIR)光譜監測用於測量兩個獨立牧場種群營養價值的基礎廣泛校準的性能。納粹J Exp農業31:205-210。［Ref。］
- Garrido-Varo A, Pérez-Marín MD, Gómez-Cabrera A, Guerrero JE, De Paz F，等(2002)近紅外反射光譜作為食品安全計劃的基本工具:預測商業配合飼料中的成分。近紅外光譜:第十屆國際會議論文集。［Ref。］
- 楊曉明，楊曉明，楊曉明，等(2002)用近紅外光譜法分析混合飼料及其組分。近紅外光譜:10th國際會議。［Ref。］
- Xiccato G, Trocino A, De Boever JL, Maertens L, Carabaño R，等。(2003)用近紅外光譜法預測歐洲兔配合飼料的化學成分、營養價值和成分組成。動物飼料科學與技術104:153-168。［Ref。］
- Swart E, Brand TS, Engelbrecht J(2012)利用近紅外光譜(NIRS)預測鴕鳥全混合口糧飼料樣品的化學成分。中國畜牧科學42:50- 50。［Ref。］
- Abram SM(1989)近紅外光譜的未來應用:混合饋源。飼料品質的近紅外反射光譜分析。美國農業部農業手冊643:55-56。［Ref。］
- 美國農業工程師學會(1983年)用篩分法測定和表示飼料細度的方法。ASAE標準S319，農業工程師標準年鑒。
- Kalivoda JR, Jones CK, Stark CR(2017)不同分析方法對顆粒粒徑測定的影響。動物科學95:113-119。［Ref。］
- 官方分析化學家協會(AOAC)(2006)動物飼料中的蛋白質(粗)。燃燒法(990.03)。官方分析方法。
- 張曉娟，王曉娟，王曉娟，等。(2017)土壤水分和顆粒粒徑對近紅外光譜法測定土壤總有機碳的影響。傳感器17:23 66。［Ref。］
- Wetzel DL(1983)近紅外反射分析。肛門化學55:1165A-1176A。［Ref。］
- Spragg R, Seer Green(2013)紅外光譜反射測量。珀金埃爾默。［Ref。］
- Stein HH (2006) DDGS:能量和養分含量與消化率。中西部豬營養會議58-65。［Ref。］
- Spiehs MJ, Whitney MH, Shurson GC(2002)明尼蘇達州和南達科塔州新乙醇工廠生產的幹酒糟的可溶物營養數據庫。中國畜牧雜誌80:2639-2645。［Ref。］
- 克倫威爾GL, Herkelman KL, Stahly TS(1993)含可溶物的白酒幹粉的物理、化學和營養特性。動物科學71:679-686。［Ref。］
- Pérez-Marıń DC, Garrido-Varo A, Guerrero-Ginel JE, Gómez-Cabrera A(2004)用於複合飼料強製標簽的近紅外反射光譜(NIRS):化學成分和公開聲明。動物飼料科學與技術39(2):349 -349。［Ref。］
- González-Martín I， Álvarez-García N, Hernández-Andaluz JL(2006)利用近紅外反射光譜技術和遠程反射光纖探頭瞬時測定動物飼料中的粗蛋白質、脂肪和纖維。動物飼料科學28:165-171。［Ref。］
下載臨時PDF
文章類型:研究文章
引用:Frempong NS, Paulk C, Nortey TNN, Stark CR(2020)確定粒徑、飼料、分析方法和飼料形式對近紅外反射光譜可預測性的影響。動物科學研究4(1):dx.doi.org/10.16966/2576-6457.136
版權:©2020 Frempong NS，等。這是一篇開放獲取的文章，根據創作共用署名許可的條款發布，允許在任何媒介上不受限製地使用、分發和複製，前提是要注明原作者和來源。
出版的曆史: