沈阳江南体育官方有限公司 化验室主任：佟磊 邓小闻 裴玉国 

摘 要  本文介绍了近红外分析技术的原理、分析步骤、特点，通过传统分析方法和近红外分析方法的对比结果，综述了近红外分析技术在饲料工业过程中的应用及起到的重要意义。 

关键词 近红外分析技术 饲料企业 应用 

江南体育官方化验室主任：佟磊（左起二）

饲料质量直接影响饲料企业的市场竞争力，并对畜牧业的健康发展起着关键性的作用。饲料品质控制是饲料工业中的一个关键性环节,包括饲料原料、饲料成品及加工工艺的控制。用传统的化学方法检测, 存在着时间滞后、污染环境、需配备良好的实验室和专业操作人员、检测费用高等一系列的缺点，且不能及时为原料及产品制程提供所需的分析数据，对于生产过程的实时在线品质控制就需要一种简单、快速的分析方法，近红外光谱分析技术恰恰迎合了饲料行业的这种要求。本文对饲料原料和产品分别用传统检测方法和近红外分析技术进行常规成分检测，比较两种方法是否有差异，以更进一步证明近红外分析技术在饲料工业中的重要作用。 

1. 近红外光谱技术概述 

1.1近红外光谱原理 

近红外光（Near Infrared，NIR）是指波长介于可见光与中红外光之间的电磁波，美国试验与材料学会（ASTM）将近红外光谱区定义为 780-2526nm[1]。近红外光谱源于有机物中含氢基团，如 OH、CH、NH、SH等振动光谱的倍频及合频吸收，不同基团产生的光谱在吸收峰位置和强度都有明显差异，并随样品组成的变化其光谱特征也发生变化[2]。不同物质在近红外区域有丰富的吸收光谱 , 每种成分都有特定的吸收特征 , 这就为近红外光谱定量分析提供了基础 。近红外分析技术是通过多元线性回归(MLR)、逐步回归(SMR)、主成分分析(PCA)、主成份回归(PCR)与偏最小二乘法(PLS)、人工神经网络(ANN)等化学计量学的手段，建立物质光谱与待测成分含量间的线性或非线性模型，从而实现用物质近红外光谱信息对待测成分含量的快速计算[3]。 

1.2近红外分析步骤 

近红外光谱定量分析是利用化学分析数据和近红外光谱数据来建立模型，确定模型参数，然后以这个模型去定量预测某些信息（如浓度）的方法[4]。建立校正模型，即收集一定数量的建模样品，采用标准或参考方法测定样品的近红外光谱和化学分析值，通过化学计量学方法建立二者之间的数学关系（称为模型）；得到模型后必须对模型进行验证，采用一定数量的同类样品（化学分析值已知），扫描近红外光谱，然后调用模型对这些样品进行预测，并和已知的化学分析值进行比较，通过统计学的方法对模型进行评估；模型通过验证后就可用于未知样品的测定。为保证分析模型在不同的条件下都能广泛运用，需要对分析模型进行不断的修正和维护[5]。 

1.3近红外分析特点 

与传统分析方法相比，近红外光谱技术具有以下独特的优越性： 

1.3.1分析速度快，测量过程在1min内完成，可同时获得多种化学成分定性或定量结果； 

1.3.2样品预处理简单或无需预处理，不破坏样品、不用试剂、不污染环境； 

1.3.3适用的样品范围广，可用于测量液体、固体等不同物态的样品； 

1.3.4投资及操作费用低，操作简单； 

1.3.5采用化学计量学的多元校正算法，分析结果的统计准确度逼近标准方法； 

1.3.6完全自动化操作，可减少人工测试等随机误差，具有较高的精密度和重现性。 

2 近红外分析技术在饲料工业中的应用 

本文选取10 种不同品种的饲料原料和成品作为研究对象，分别用国标法和近红外分析技术检测常规成分。 

2.1 样品采集与处理 

采集玉米、豆粕、玉米胚芽粕、米糠四种原料（原料来源于沈阳江南体育官方有限公司原料库），乳猪配合、仔猪配合、仔猪浓缩、生长育肥猪浓缩、妊娠母猪、泌乳母猪六种产品（来源于沈阳江南体育官方有限公司成品库）作为试验研究样品，原料编号分别为1-4号，产品编号分别为5-10号，粉碎粒度维持在1mm左右，备用。 

2.2 试验方法  

 分别利用传统的实验室检测方法和近红外分析技术测定饲料原料中粗蛋白、水分的含量，测定成品中粗蛋白、粗灰分、钙、总磷、氯化钠、水分的含量，所有检测需进行4平行样品检测。 

2.2.1 粗蛋白的测定 

采用国标GB/T6432—1994 方法 

2.2.2 粗灰分的测定 

采用国标GB/T6438—2007 方法 

2.2.3 钙的测定 

采用国标GB/T6436—2002 方法

2.2.4 总磷的测定

采用国标GB/T6437—2002 方法

2.2.5 氯化钠的测定

采用国标GB/T6439—2007方法

2.2.6 水分的测定

采用国标GB/T6435—2006方法

2.3 近红外分析方法

开机预热30min，仪器自检通过后，将样品装入固体样品杯约2/3处，按种类选择相对应的模型重复扫描2次。采用OPUS LAB 软件对应用两种方法测定的相关指标的试验结果进行分析对比。

2.4 结果与分析

2.4.1国标法与NIR法检测方法对原料常规指标检测结果的影响

利用传统检测法与近红外检测法分析饲料样品中的常规营养成分含量，结果见表1

表1可见，国标法与近红外法检测四种原料的粗蛋白值和水分值，两种方法对同一样品最终检测得出的结果均在误差范围内，且两种方法的结果值趋于一致。说明通过国标法检测对需要检测的原料不同营养成分进行建模，并进行校正后，表1表明应用近红外检测原料粗蛋白质值和水分值与国标法检测的结果趋于无限接近，无明显差异。 

表2，是近红外分析仪建模过程中的预测值与真值的线性关系，对于玉米水分的建模过程中，相对人为操作及机器操作的干扰因素较少，积累到一定数量后玉米水分模型线性关系通常较好，但是，建立模型过程中会出现异常点（红色点），不能盲目删除，应确认原因后再进行取舍，否则容易影响结果。在建立粗蛋白质的模型过程中，需要进行的步骤较为繁琐，仪器的操作过程相对时间较长，因此建立粗蛋白质模型时所需要的样本数会高于建立水分模型时的样本数，以来提高粗蛋白质模型的线性关系，扩大模型的范围，提高模型使用过程中的准确性。 

原料模型的应用，便于饲料原料采购时准确快速得知其常规成分含量,以获取优劣原料信息,同时可以杜绝错买劣质原料的机会。

通过使用国标法和近红外分析仪对不同产品的部分常规指标进行检测，结果表明两种方法对产品的粗蛋白质检测结果趋于一致，差异不显著（表3）。表4-表8，表明两种检测方法对产品中氯化钠、粗灰分、钙、总磷含量结果显示，有一定差异，但差异不显著，结果的差异程度也与样本数及样本重复率有关。 

同时还发现，用国标法对混合时粒度较大的饲料（例如浓缩饲料粉状料）测定常规指标值建立模型时，调整预测值与真值的线性关系需要大量数据，且数据需要多平行样本检测后得出，反复验证后可得出较好的线性关系图。在用国标法对混合粒度较小的饲料且制粒的饲料（例如配合颗粒饲料）测定常规指标建立模型时，预测值与真值的线性关系较易调整，且在国标方法进行多平行湿化学实验时，数值较易平行。这可能与制作工艺与原料形态有一定的关系。说明在测定这些营养成分含量时，预测模型需要进行相应调整，测定结果会受原料品种、仪器型号及饲料配方等因素的影响[6]。饲料中的矿物质,如钙、磷等,从理论上讲在近红外区无吸收,因此应用该技术测定矿物元素似乎不可能,但国外学者在这一方面也进行了大量的研究探讨,起初预测结果都不十分理想,随着近红外光谱技术和计算机技术的发展,取得了一定的成果[7]。Atanassova(1997) 对78个猪饲料和122个鸡饲料中的钙、磷含量进行近红外分析,结果证明,利用近红外技术可以较准确的预测饲料中的钙、磷含量[8]。国内外很多学者专家也对近红外检测其他指标做了大量研究，王旭峰等研究了近红外光纤技术在饲料粗纤维检测中的作用[9]。近红外测定成分由最初的水分、粗蛋白、脂肪、糖、淀粉、纤维素等的测定发展到饲料中有毒有害成分,如棉酚、总葡萄糖昔等,以及氨基酸、可消化氨基酸、消化能、代谢能及粗饲料如青贮饲料、干草、半干青贮等营养成分的测定等[10]。 

在饲料企业应用近红外分析仪，通过自建模型能够高效保证所测定原料及成品的常规营养值，提高原料接收效率，降低原料检测风险，能够真正做到成品检测合格后出厂，为企业、为客户把控质量。