近红外光谱技术在饲料蛋白含量测定中的应用

本文采用近红外光谱快速分析方法对豆粕中粗蛋白含量的测定结果的准确度和精密度进行了研究，建立了常规测定方法与近红外方法测定值的相关关系方程，对使用近红外快速检测法代替常规方法测定饲料中粗蛋白含量的可行性进行了评价。选取不同地区，不同工艺提取大豆油所余的豆粕样品320份，采用国家标准方法《GB　5009.5201　6食品安全国家标准食品中蛋白质的测定》对样品中的粗蛋白含量进行检测，其中280份用近红外光谱仪收集光谱数据，用多元回归数据分析方法以及偏最小二乘回归数据模型对检验数据和光谱之间建立相关关系，制成近红外快速检测曲线，用40份样品验证预测值的可靠性。下面具体来了解一下详情：

日前，对动物饲料营养成分的研究已经由过去的粗放式转为集约模式，饲料的营养成分配比越来越受到动物营养学界的重视，科学的营养配比能够加强对畜牧产业的功能细分，提高饲料的利用率，优化畜牧产品的质量，更好的做到优质优价，提升畜牧产业附加值的同时，为市场提供更加优质的畜牧产品。凶此，对用于饲料加T的原材料营养成分检测的精度要求越来越高，检测的T作量不断加大，然而国标方法检测耗时较长，有时难以满足快速大量检测的要求。凶此本实验对近红外快速检测饲料粗蛋白进行了研究，探索对豆粕中粗蛋白含量快速准确检测方法的可行性。

1、实验样品的选择

按照不同产地，不同年份，不同取油方法，抽取具有代表性的样品280份用于建立标准曲线，40份用于验证曲线的可靠性。用于建立曲线的样品分别来自黑龙江省、河南省、河北省、新疆维吾尔族自治区、山东省等地。共计280份样品中，浸出法提炼的豆粕为213份，压榨法取油的豆粕为67份。用于验证试验的4O份样品中，浸ILIJ法提炼的豆粕为28份，压榨法取油的豆粕为12份。

2、仪器设备

选用的仪器为瑞典波通公司生产的7200近红外光谱仪、电子天平(0.001g)、电炉、石棉网、微量滴定管、凯氏定氮仪等。

3、方法原理

3.1　凯氏定氮法

采用国家标准方法《GB5009.5-2016食品安全国家标准食品中蛋白质的测定》对样品中的粗蛋白含量进行检测。豆粕中的蛋白质成分经过催化和加热，分解产生NH4+离子，NH离子在酸性条件下，与SO4用生成硫酸铵盐。接着在碱性条件下使得硫酸铵水解，加热生成游离的氨气，用硼酸吸收产生的氨气后，用硫酸标准溶液滴定。根据盐酸标准溶液的浓度以及消耗量计算含氮量，冉通过换算系数换算为粗蛋白含量。

3.2近红外法

蛋白质分子振动的倍频振动状态会在相隔一个或几个能级间进行跃迁，或者存在两种分子振动状态产生合频，这两种能级同时产生跃迁的能量吸收，从而在近红外光谱区产生吸收。近红外光谱快速检测技术是一种间接的检测方法，也就是说在实验中通过对样品的吸收光谱和化学方法检测得到的质量数据进行关联，从而建立起预测模型，以此来预测样品的质量或者性质。近些近红外光谱分析技术更是进入了一个高速发展的新时代，已经成为一种快速高效的分析技术。

本实验应用近红外快速检测仪对样品进行30次／s的扫描，分别记录所选样品的蛋白质特征谱线，与实验测得的蛋白含量值一一对应，构建成标准预测模型。

4、模型建立

4.1　记录近红外光谱特征谱线

将280份豆粕样品分别通过近红外光谱扫描，记录特征谱线，每个样品装样2次，重复测定2次，对于每份样品，近红外仪自动扫描60次，记录光谱特征曲线。

4.2　测定粗蛋白含量的化学值

分别将用于曲线绘制的320份豆粕试样进行粉碎，使样品均能通过20日筛。将试样充分混匀，准确称量0.200g祥品于100mL凯式烧瓶中，加入0．5g硫酸铜、6g硫酸钾混合催化剂，冉加入20mL硫酸，轻轻摇振后瓶口加小漏斗后，将瓶口倾斜_5度，于石棉网上小心加热消化，直至泡沫完全消失，大火加热至消化液变为蓝绿色澄清透明液体后，继续加热半小时。停火冷却后缓慢加入蒸馏水20mL，再次冷却后移人100mL容量瓶，用蒸馏水定容，同时做空白实验。

将10　mL浓度为20　g/L的硼酸溶液加入到接收瓶中，冉加入1～2滴甲基红乙醇溶液溴甲酚绿乙醇溶液混合标准指示剂，准确吸取2mL样液于反应器中（由于豆粕中蛋白质含量较高，因此加样量选择2mL），以10mL蒸馏水洗涤进样玻璃器皿后加入10　mL饱和氢氧化钠溶液，最后将进样器加水封严。开始蒸馏，10　min之后将接收瓶液面离开冷凝管，冉蒸馏1　min。用洗瓶使用少量蒸馏水冲洗冷凝管下端后，取下蒸馏吸收瓶。尽快以硫酸标准溶液滴定，至浅红色到达滴定终点，记录消耗硫酸标准溶液的量。做空白实验，记录空白实验消耗的硫酸标准溶液的量。

试样中蛋白含量一[10000×（试样消耗硫酸标准滴定液体积空白消耗硫酸标准滴定液体积）×硫酸标准滴定溶液浓度×0.　0140×蛋白质换算系数]／（试样质量×消化液体积）

所得蛋白质含量的单位是克每百克(g／lOOg)。

4.3　形成预测模型

通过多元线性回归(Multivarate　I』near　Regression，mLR)、偏最小二乘法(PartialLeastSquare，PLS)等统计方法，建立特征谱线和化学值之间的关系，利用Q检验法排除个别差异较大的数据，建立预测模型。

5、验证试验

用刚刚建立的模型，依次将剩余的4O份样品进行扫描，与建立模型时一样，设定为每个样品装样2次，重复测定2次得到每个样品的预测数据。

6、数据分析

在对4IO份样品的预测数据以及化学值进行比较，计算得到模型的相关系数R为0.　963，标准差S．E．C．为0.04，变异系数C．V.为3.36。由预测值和化学值之间的差异可知，该预测模型预测结果的相关系数较好，变异系数较低，精确性较高，有一定的实用性和可靠性，但用于豆粕的粗蛋白测定还需要进一步验证其准确度和精密度。

7、结论

从本实验可以发现，利用近红外快速检测法检测豆粕中粗蛋白含量是可行的，用于建立曲线的样本越具代表性和全面性，所建立的模型就越可靠和实用。另外，近红外快速检测方法的准确性是建立在化学值可靠的基础上的，提高化学值检测的准确性也是提升预测模型准确性的重要方面。

1.近红外光谱技术的发展
自1800年Herschel第一次发现近红外光谱区至今已有200多年的历史。但由于物质在该光谱区的吸收信号弱，谱带重叠，解析复杂，且受当时的技术水平限制，很少有实际应用。20世纪80年代以后，由于计算机技术的发展和化学计量学的应用，高性能的计算机与准确、合理的计量学方法相结合，使光谱工作者能在较短的时间内完成大量的光谱数据的处理，近红外光谱在各领域中的应用研究陆续展开且得到了迅速发展。进入90年代，近红外光谱在工业领域中的应用全面展开。由于近红外光在常规光纤中良好的传输特性，使近红外光谱在在线分析领域得到很好应用，并取得良好的社会和经济效益，从此近红外光谱分析技术步入一个快速发展的新时期。
2.近红外分析技术的基本原理
在饲料行业内简称近红外光谱技术(NIR)为近红外，即泛指这项检测技术，同时也指仪器设备本身。简单讲，近红外光谱仪由两部分组成。硬件和软件。近红外光谱仪器从分光系统可分为固定波长滤光片、 光栅色散、快速傅立叶变换、声光可调滤光器和阵列检测五种类型。饲料企业一般不涉及光谱扫描方式和检测器。饲料企业对于硬件设备除了按照使用手册操作和精心保养以外没有什么可以做的。全息光栅扫描具有较高的信噪比和分辨率比较符合饲料行业的要求。由于仪器中的可动部件(如光栅轴)在连续高强度的运行中存在磨损的可能。 从而影响光谱采集的可靠性，不太适合于在线分析。傅立叶变换近红外光谱仪是具有较高的分辨率和扫描速度。这类仪器的弱点同样是干涉仪中存在移动性部件。且需要较严格的工作环境。鉴于近红外光谱分析的基本原理主要是基于物质分子振动的非谐振性使分子振动从基态向高能级跃迁时光谱产生的变化。对近红外光(能量)有吸收。光谱测量方式有透射、反射和漫反射多种，主要记录的是饲料原料或产品中含氢基团X-H振动的倍频和合频吸收光谱。测定碳氢键(C-H)、氢氧键(O-H)、氢硫键(S-H)、氯氢键(N-H)和碳氧键(C=O)对近红外光谱反射。由于不同基团或同一基团在不同化学环境中的近红外吸收波长与强度都有明显差别，因此光谱包含丰富的结构和组成信息。分子如果样品组成相同，则其光谱也相同，反之亦然。如果建立了光谱与待测参数之间的对应关系(称为定标模型)，那么，只要测得样品的光谱，通过定标模型，就能快速得到所需要的参数数据。

NIR分析中常用的化学计量学方法
NIR以漫发射方式获得在近红外区的吸收光谱，通过多元线性回归、偏最小二乘回归、人工神经网络、小波变换等现代化学计量学手段建立物质光谱与待测成分含量间的线形或非线形模型，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[5]
3.近红外光谱分析的特点
近红外光谱分析的优点：
1)各种不同物态的样品不需处理可直接测量,且不消耗样品。
2)谱带较弱,故测量光程较长,光程的精确度要求不高。
3)所用光学材料便宜,一般石英或玻璃即可满足要求,并可用较强的辐射源,使信号的强度增加,提高信噪比。
4)近红外光的散射效应较强,可做固体、半固体和液体的漫反射可散射分析。
5)近红外短波区域由于吸光系数非常小,在固体样品中的穿透深度可达几厘米,因而可用透射模式直接分析固体样品。
6)适用于近红外的光导纤维易得,利用光纤可实现在线分析或遥测,极适于生产过程控制和恶劣环境下的样品分析。
7)分析速度快。
8)除了含有氢原子的化学键外,其他基团的振动频率均不在近红外区域产生吸收,减少了干扰;有可能在其他基团组成的物质中检测极微量的含氢基团的物质,如谷物中微量水的分析。
9)从一个光谱可获得样品的多方面信息。
10)仪器的构造较简单,易于维护。由于近红外光谱的以上特点,与传统方法相比,在测量精度上有很大改善;与标准试验方法相比,NIR提供数据的速度快;其应用一般会使试验成本降低,提高分析效率,并取得可观的经济效益。近红外光谱分析的缺点：

近红外分析也有其固有的缺点,主要表现在以下几点:
1)由于测定的是倍频吸收,灵敏度差,特别在近红外短波区域,需较长的光程,对微量组分的分析仍较困难。
2)红外光谱分析不是一个直接测定方法,而是将未知样品测得的光谱通过定标模型分析其组成或性质。因此,定标模型的适用范围、基础数据的准确性及选择计量学方法的合理性,都将直接影响最终的分析结果。

4.近红外光谱检测分析时的注意事项与讨论
漫反射分析检测器所检测到的信号是分析光与样品间经多次反射、折射、衍射及吸收后返回样品表面的光。光与样品作用,在反射、折射及衍射等方面的差异都将影响反射系数,而这些差异又源于样品的粒径大小、分布和外观形态等方面的差异。另外,样品基体的变化对漫反射的强度也有很大的影响。其中,样品的粒径大小和均匀度对光漫反射强度影响很大。因此,要求待测样品的粒径大小、均匀度和基体与用于定标样品尽可能相同。
4.1异常样品的分类
异常样品可分为好和坏2类。好的异常样品加入定标后可增加该模型的分析能力,而坏的异常样品加入定标模型后降低模型准确度。甄别样品的标准有2个:
1) H值好的异常样品0. 6≤H≤5. 0 ,通常坏的异常样品H > 5. 0。
2) SEC ,通常好的异常样品加入定标模型后,SEC不会显著增加,而坏的异常样品加入定标模型后,SEC显著增加。
4.2异常样品的处理
NIR分析中发现异常样品后,要用经典方法对该样品进行分析,同时对该常样品类型进行确定。属于好的异常样品则保留,并加入到定标模型中,对定标模型进行升级;属于不好的则不应加入到定标模型中,以免破坏定标模型。
4.3定标模型的选择
定标模型的选择原则为定标样品的NIR光谱能代表被测定样品的NIR光谱,操作上是比较它们光谱间的H值。如果待测样品的H值 ≤0. 6 ,则可选用该定标模型;如果待测样品H值> 0. 6 ,则不能选用该定标模型;如果没有定标模型,则需要对现有模型进行升级。
4.4模型的升级
定标模型升级的目的是为了使该模型在NIR光谱上能适应于待测样品。操作上是选择25～45个当地样品,扫描其NIR光谱,并用经典方法测定水分、粗蛋白、粗纤维、粗脂肪、赖氨酸或蛋氨酸含量,然后将这些样品加入到定标样品中,用原有的定标方法进行计算,即获得升级的定标模型。
4.5波长的准确性和重现性
用加盖的聚苯乙烯来测定仪器的波长准确度和重现性,以陶瓷参比作为对照,测定聚苯乙烯皿中聚苯乙烯的3个吸收峰的位置,该3个吸收峰位置的漂移应小于0. 5 nm ,每个波长处漂移的标准差应小于0. 05 nm。
4.6仪器外用检测样品的测定
将1个饲料样品(通常为豆粕或玉米)密封在样品槽中作为仪器外用的检测样品,测定样品中粗蛋白、粗纤维、粗脂肪和水分含量,应无显著差异。
4.7仪器噪声
多次扫描(至少30次)仪器内部陶瓷参比,以多次扫描光谱吸光度残差的标准差来反映仪器的噪声。残差的标准差应控制在30 lg(1/ R)×10- 6以内。
4.8异常样品的确定
根据待测样品NIR光谱选用对应的定标模型,对样品进行扫描,然后进行待测样品NIR光谱与定标样品间的比较。如果待测样品H值 ≤0. 6 ,则仪器将直接给出样品的测定结果,如果待测样品H值> 0. 6 ,则说明该样品已超出了该定标模型的分析能力,对于该定标模型,该样品被称为异常样品。
5.近红外光谱技术在饲料原料检测中的应用
目前，应用NIRS已分析测定的植物组织包括叶、茎、全株和种子等成分指标已有几十种，包括水分、蛋白质、纤维、淀粉、糖分、脂肪、油分、灰分等， 其中牧草粗蛋白质、酸性洗涤纤维等的测定技术已被国际标准化委员会认可 。
在新的饲料评定体系中，NIR也得到了应用。利用近红外光谱技术快速测定了玉米籽粒粉末（CNCPS）康奈尔净碳水化合物（净蛋白体系）组分，得出近红外光谱法能够很好地分析玉米籽粒粉末的干物质、粗蛋白质、粗脂肪、粗灰分、淀粉、酸性洗涤纤维和中性洗涤纤维组分的含量，可溶性蛋白质含量也可以预测，只是误差微高，但是预测酸性洗涤蛋白质和中性洗涤蛋白质成分的决定系数较低[6]。因此，有关这方面的研究还有待深入验证。
由以上诸多研究结果可以看出，应用NIR技术快速检测法测定的饲料原料的常规成分值及钙、磷微量元素含量值与化学分析方法检测的结果十分接近或者是相关性较高，这也证明了NIR 技术在饲料原料评定中是一项快速、高效、准确、无污染的一项检测技术。