◆作者：林姿伸 江青艷

◆單位：華南農業(yè)大學動物科學學院

玉米是飼料企業(yè)使用量最多的原料之一，目前玉米養(yǎng)分含量的測定已有一套標準的濕化學方法，但是存在檢測成本高和檢測效率低等不足，難以滿足飼料企業(yè)現場快速檢測的需要，而使用近紅外分析儀具有快速和樣品無損等優(yōu)點，因此飼料企業(yè)已廣泛應用近紅外分析技術對飼料原料的養(yǎng)分含量進行快速測定。建立適宜的模型是保障近紅外技術檢測準確性的關鍵。建模需要采集豐富的樣品，并進行精確分析，而飼料原料、半成品及成品成分的復雜性都加大了建模難度。鑒于每一種模型只適應一定的時間和空間，測定過程還會受噪聲的影響和自身靈敏度的限制。因此，近紅外分析方法使用過程中需要不斷對模型進行優(yōu)化，通過模型中海量數據的積累，不斷校正模型的參數，從而提高測試的精準度，達到優(yōu)化效果。

斜率/截距校正法是優(yōu)化近紅外模型的方法之一。目前對于這一方法的報道較少，因此本研究旨在探討應用斜率/截距校正法對玉米養(yǎng)分測定模型進行優(yōu)化的可行性以及模型參數的校正方法，為提高模型的質量和檢測結果的準確性提供科學依據。

1 材料與方法

1.1 試驗材料及樣品處理

本試驗將玉米分為樣本數為50與30的集合，分別采用濕化學方法和近紅外分析儀測定，樣品均每日定時、定量采樣，取自福建省新正陽飼料科技有限公司原料車間，經高速粉碎機粉碎后，分別裝入潔凈的塑料袋中密封保存，冷卻后依次測定。

1.2 試驗儀器

近紅外分析儀（FOSS-NIRSDS2500F）、自動凱氏定氮儀（上海海能K98840）、600萬能高速粉碎機（上海比朗儀器有限公司）、電子天平（奧豪斯儀器有限公司）、干燥器、萬用電爐2000w（北京市泰和格潤有限公司）、石墨消堿儀（S220N）、550℃馬弗爐（上海一恒科技儀器公司）、110℃電熱鼓風干燥箱（上海一恒科技儀器有限公司）。

1.3 測定方法

1.3.1 濕化學方法

①采樣：按GB/T 14699.1-2005或相關標準規(guī)定方法采樣；②水分測定：玉米水分測定按GB/T 6435-2014測定；③粗蛋白測定：按GB/T6432-2018飼料中粗蛋白的測定方法；④粗灰分測定：按GB/T 6438-2007中規(guī)定的飼料中灰分的測定方法。

1.3.2 近紅外分析儀

采用FOSS-NIRS-DS2500F近紅外分析儀進行測定，開機后預熱0.5h，待儀器自檢完成后，把處理好的樣品按順序裝入樣品槽（裝填深度以不低于2 mm，不超過1/2樣品杯為宜），采用該公司現有針對玉米的水分、粗蛋白和粗灰分的模型進行掃描測定，掃描波長范圍1100～2500 nm。每份樣品重復掃描2次，測得對應的質量分數，取每份樣品的水分、粗蛋白和粗灰分的質量分數平均值。

表1 濕化學法測定的優(yōu)化前50個與優(yōu)化后30個玉米的營養(yǎng)成分質量分數

圖1 營養(yǎng)成分差值圖

1.4 優(yōu)化方法

設立原樣品集和驗證集，分別采用濕化學法和近紅外分析儀測定玉米水分、粗蛋白和粗灰分的質量分數。以濕化學法所測值與近紅外分析值的差值為縱坐標，近紅外分析儀所得預測值為橫坐標，得到玉米水分、粗蛋白和粗灰分的散點圖，并逐個剔除異常樣本點，使模型斜率與1∶1的擬合度增加，截距絕對值減小，直到出現相反效果，計算三種營養(yǎng)成分的平均值，相對分析誤差（RPD）、標準偏差（SEP）、標準差（SD）、相對標準偏差（RSD）、決定系數（R2）以及交叉檢驗（RMSE）等，驗證其優(yōu)化結果。

2 結果分析

2.1 玉米樣品及近紅外模型的分析

如表1所示，根據飼用玉米水分、粗蛋白和粗灰分評定的國家標準，原樣品集玉米的水分含量均達標，按粗蛋白標準評定含二級和三級的樣品，按粗灰分標準評定均為一級。玉米樣品的營養(yǎng)含量梯度分布均勻，覆蓋廣，說明樣品有一定的代表性和連續(xù)性。

玉米原樣品集的水分、粗蛋白及粗灰分質量分數的R2為0.893、0.378和0.308。水分的R2達到0.83以上，可用于實際運用。粗蛋白的R2與1∶1擬合度過低，可能與凱式自動定氮儀使用時人為操作因素有關，粗灰分擬合度過低，可能是光譜對粗灰分的吸收較弱，這兩個模型的R2都偏低，說明模型方程沒有達到預期的理想效果，還有改善的空間。

2.2 異常樣本點的判別和剔除

樣品的研磨時間、溫度控制及噪聲等因素會引入部分偏差，使模型的預測結果不佳。為防止剔除錯誤的樣本點，應對擬剔除的樣本點逐個進行判別，同時觀察模型斜率和截距的變化。每剔除一個點，立即觀察模型當前截距點值與模型建議值的差值，當兩者無限接近時，截距絕對值最小，在變化出現相反結果前保留所有樣本點。

圖1為原樣品集水分、粗蛋白和粗灰分的差值圖，縱坐標是濕化學法測定值與近紅外測定值的差值，橫坐標是近紅外分析儀測定的預測值。

圖2 原樣品集、驗證集水分定量分析模型預測散點圖

圖3 原樣品集、驗證集粗蛋白定量分析模型預測散點圖

圖4 原樣品集、驗證集粗灰分定量分析模型預測散點圖

全部原樣本集點經判別后，剔除水分數據中差值≥1.00、粗蛋白數據中差值≥0.75和粗灰分中差值≥0.26的樣本點，剔除后各個模型截距當前值和模型建議值無限接近，水分、粗蛋白和粗灰分的截距從-3.993、-0.7850和-2.720分別變化為-3.973、-0.626和-2.440，截距的絕對值均減小，保留剔除異常樣本點后的數據即構成優(yōu)化后的近紅外模型。

2.3 優(yōu)化效果分析

使用優(yōu)化后的近紅外模型測定30個玉米樣品的水分、粗蛋白和粗灰分的質量分數，并同時采用濕化學法測定進行比較，三種模型的預測結果表明，近紅外分析儀對樣品的預測平均值與濕化學法的分析平均值差異不大，說明近紅外模型優(yōu)化后有良好的整體預測效果。

近紅外分析模型通常以樣品集的R2、內部驗證均準差（RMSECV）以及外部驗證均方差（RMSEP）作為衡量定標模型的優(yōu)劣指標。R2越大，SD越小，模型效果越好，預測精準度越高。同時運用RPD對定標模型的定標效果和預測精準度進行進一步驗證，RPD是定標組分的SD值與該模型預測標準偏差（SEP）的商，當RPD＞3，說明效果良好；3＞RPD＞2.5，說明可用于分析；RPD＜2.5，分析則難以進行。

由圖2可看出，水分的驗證集模型擬合度比原樣品集更靠近1∶1，呈良好的線性關系，模型的預測效果更佳。優(yōu)化后的模型R2為0.969，大于原樣品集的R2為0.893；驗證集的標準偏差為61.66%，小于優(yōu)化前的74.96%；優(yōu)化后的RPD為5.8，表明效果良好；RSD為4.8%，小于5%。由此可以說明，水分模型經過斜率/截距校正法后精準度提高，穩(wěn)健性提高，但RMSEP值為0.627，該值偏大可能會對模型的預測偏差存在一定影響，可以通過增加樣本量和化學測量精準度來進一步改善和驗證。

粗蛋白質量分數的RPD為2.28＜2.5；RMSEP 值 較 小 為0.282；RSD為3.6%；驗證集模型R2為0.839，大于原樣品集的0.378；模型的預測精度有所提高，擬合度得到改善，但仍沒有達到預期的優(yōu)化效果。

粗灰分模型的預測值和真實值間差異不顯著（P＞0.05）;模型R2為0.903，大于原樣品集0.308，且大于0.83，化學分析值和近紅外預測值之間線性相關性良好；標準偏差為5.3%，小于優(yōu)化前的10.74%；優(yōu)化后的RPD為3.3＞3，可用于定量控制，還具有很高的穩(wěn)健性；RSD值為4.6%小于5%；驗證集RMSMP數值較小為0.0541，說明粗灰分質量分數模型在斜率截距校正后效果更佳，模型優(yōu)化基本成功。

表1中，水分、粗蛋白和粗灰分的RMSECV分別為0.206，0.134和0.097，與 RMSECV相比，優(yōu)化后水分和粗蛋白的RMSEP增大，粗灰分的RMSEP減小，說明水分和粗蛋白的模型不夠精準，優(yōu)化沒有達到預期的理想效果，粗蛋白的測量結果極不理想，R2與1∶1擬合度較弱，且RPD的值小于2.5，不建議投入定標檢測的應用。

水分和粗蛋白的模型優(yōu)化不理想的原因可能有以下幾個方面：（1）樣本數量有限，來源局限性，以及樣品的代表性仍然不夠。（2）樣品掃描時間段固定，儀器內部光譜段重疊及信號微弱。（3）濕化學法測定存在的操作誤差。（4）樣品物理性質影響預測的效果。

2.4 展望

本試驗結果表明，在模型的優(yōu)化過程中，斜率/截距校證法省時便捷，具有較好的可行性。隨著飼料企業(yè)對近紅外技術接受度的增加以及近紅外應用范圍的拓寬，對模型的優(yōu)化還需要不斷進行探索和比較。