利用近紅外光譜分析技術測定DDGS中多種物化指標
利用近紅外光譜分析技術測定DDGS中多種物化指標
1、實驗目的
使用型號為SS602S的近紅外光譜儀(北京豐爾科技有限公司自主研發)快速測定DDGS中水分含量、粗蛋白含量、粗脂肪含量、粗纖維含量和灰分含量。
2、實驗材料與方法
實驗材料:
從漳州某飼料企業隨機收集50個DDGS樣品,並由企業提供這50個樣品的水分含量、粗蛋白含量、粗脂肪含量、粗纖維含量和灰分含量的性質值。
實驗方法:
儀器測量設置:掃描光譜次數30,啟動旋轉,樣品杯內徑65mm,樣品不預熱,每個樣品采集一張張光譜,最終樣品集50個,使用K-S分類,選取35個樣品作為校正集,15個樣品作為驗證集。
實驗儀器與數據分析軟件:
型號為SS602S的近紅外光譜儀
ü 測量附件:參比模塊、校準模塊和樣品杯
ü 化學計量學軟件:
ChemoStudio(隨機配套軟件)
ü 儀器性能指標:
波長範圍:1000 nm – 2600 nm
信噪比:1500 :1(1800 nm)
光譜分辨率:8nm(1500 nm)
波長準確性:0.5 nm
波長重複性:0.5 nm
吸光度重複性:0.0005 AU
基線噪聲:0.0005 AU
3、結果與分析
利用上述條件和化學計量學軟件建立DDGS飼料中各項指標的近紅外預測模型。
DDGS原始近紅外光譜
1)DDGS水分含量模型結果
使用已建立好的數學模型對驗證集預測結果如下:
序號 |
參考數據 |
預測數據 |
預測偏差 |
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 |
驗證標準偏差 |
0.18 |
2)DDGS粗蛋白含量模型結果
使用已建立好的數學模型對驗證集預測結果如下:
序號 |
參考數據 |
預測數據 |
預測偏差 |
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 |
驗證標準偏差 |
0.49 |
3)DDGS粗脂肪含量模型結果
使用已建立好的數學模型對驗證集預測結果如下:
序號 |
參考數據 |
預測數據 |
預測偏差 |
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 |
驗證標準偏差 |
0.23 |
4)DDGS灰分含量模型結果
使用已建立好的數學模型對驗證集預測結果如下:
序號 |
參考數據 |
預測數據 |
預測偏差 |
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 |
驗證標準偏差 |
0.052 |
5)DDGS粗纖維模型結果
使用已建立好的數學模型對驗證集預測結果如下:
序號 |
參考數據 |
預測數據 |
預測偏差 |
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 |
驗證標準偏差 |
0.21 |
4.結論
SS602S近紅外光譜儀對於DDGS中水分含量、粗蛋白含量、粗脂肪含量、粗纖維含量和灰分含量的性質值準確預測,符合行業標準
相關污草莓视频在线观看