利用近红外光谱分析技术测定DDGS中多种物化指标
利用近红外光谱分析技术测定DDGS中多种物化指标
1、实验目的
使用型号为SS602S的近红外光谱仪(北京丰尔科技有限公司自主研发)快速测定DDGS中水分含量、粗蛋白含量、粗脂肪含量、粗纤维含量和灰分含量。
2、实验材料与方法
实验材料:
从漳州某饲料企业随机收集50个DDGS样品,并由企业提供这50个样品的水分含量、粗蛋白含量、粗脂肪含量、粗纤维含量和灰分含量的性质值。
实验方法:
仪器测量设置:扫描光谱次数30,启动旋转,样品杯内径65mm,样品不预热,每个样品采集一张张光谱,最终样品集50个,使用K-S分类,选取35个样品作为校正集,15个样品作为验证集。
实验仪器与数据分析软件:
型号为SS602S的近红外光谱仪
ü 测量附件:参比模块、校准模块和样品杯
ü 化学计量学软件:
ChemoStudio(随机配套软件)
ü 仪器性能指标:
波长范围:1000 nm – 2600 nm
信噪比:1500 :1(1800 nm)
光谱分辨率:8nm(1500 nm)
波长准确性:0.5 nm
波长重复性:0.5 nm
吸光度重复性:0.0005 AU
基线噪声:0.0005 AU
3、结果与分析
利用上述条件和化学计量学软件建立DDGS饲料中各项指标的近红外预测模型。
DDGS原始近红外光谱
1)DDGS水分含量模型结果
使用已建立好的数学模型对验证集预测结果如下:
序号 |
参考数据 |
预测数据 |
预测偏差 |
2 |
9.3 |
9.3 |
0.0 |
4 |
8.3 |
7.9 |
-0.4 |
6 |
8.6 |
8.6 |
0.0 |
8 |
8.7 |
8.8 |
0.1 |
10 |
8.8 |
8.8 |
0.0 |
12 |
8.6 |
8.6 |
0.0 |
14 |
9.5 |
9.7 |
0.2 |
验证标准偏差 |
0.18 |
2)DDGS粗蛋白含量模型结果
使用已建立好的数学模型对验证集预测结果如下:
序号 |
参考数据 |
预测数据 |
预测偏差 |
2 |
26.6 |
26.3 |
-0.3 |
4 |
25.8 |
26.1 |
0.3 |
6 |
27.5 |
27.0 |
-0.5 |
8 |
27.4 |
27.2 |
-0.2 |
10 |
25.8 |
26.0 |
0.2 |
12 |
25.4 |
25.4 |
0.0 |
14 |
27.4 |
26.9 |
-0.5 |
验证标准偏差 |
0.49 |
3)DDGS粗脂肪含量模型结果
使用已建立好的数学模型对验证集预测结果如下:
序号 |
参考数据 |
预测数据 |
预测偏差 |
2 |
6.5 |
6.7 |
0.2 |
4 |
6.9 |
6.9 |
0.0 |
6 |
7.1 |
7.4 |
0.3 |
8 |
7.0 |
6.9 |
-0.1 |
10 |
7.5 |
7.3 |
-0.2 |
12 |
7.4 |
7.4 |
0.0 |
<span "="">13 |
7.2 |
7.2 |
0.0 |
验证标准偏差 |
0.23 |
4)DDGS灰分含量模型结果
使用已建立好的数学模型对验证集预测结果如下:
序号 |
参考数据 |
预测数据 |
预测偏差 |
2 |
4.39 |
4.47 |
0.08 |
4 |
4.67 |
4.64 |
-0.03 |
6 |
4.45 |
4.49 |
0.04 |
8 |
4.64 |
4.63 |
-0.01 |
10 |
4.48 |
4.46 |
-0.02 |
12 |
4.76 |
4.77 |
0.01 |
14 |
4.83 |
4.80 |
-0.03 |
<span "="">15 |
4.88 |
4.82 |
-0.06 |
验证标准偏差 |
0.052 |
5)DDGS粗纤维模型结果
使用已建立好的数学模型对验证集预测结果如下:
序号 |
参考数据 |
预测数据 |
预测偏差 |
2 |
8.7 |
8.6 |
-0.1 |
4 |
8.0 |
8.3 |
0.3 |
6 |
8.2 |
8.4 |
0.2 |
8 |
8.8 |
8.5 |
-0.3 |
10 |
8.4 |
8.5 |
0.1 |
12 |
8.6 |
8.6 |
0.0 |
<span "="">13 |
8.9 |
8.6 |
-0.3 |
验证标准偏差 |
0.21 |
4.结论
SS602S近红外光谱仪对于DDGS中水分含量、粗蛋白含量、粗脂肪含量、粗纤维含量和灰分含量的性质值准确预测,符合行业标准
相关新闻