肉骨粉常規(guī)營養(yǎng)成分近紅外模型的建立及驗(yàn)證

曹小華，李小鑾，劉娟花，蔡懋成

(廣東粵海飼料集團(tuán)工程中心，廣東 湛江 524017)

肉骨粉常規(guī)營養(yǎng)成分近紅外模型的建立及驗(yàn)證

曹小華，李小鑾，劉娟花，蔡懋成

(廣東粵海飼料集團(tuán)工程中心，廣東 湛江 524017)

采用傅里葉近紅外漫反射技術(shù)，以最小偏二乘法結(jié)合不同光譜預(yù)處理建立了肉骨粉粗蛋白質(zhì)、粗脂肪、水分、粗灰分、鈣、總磷的近紅外定標(biāo)模型，結(jié)果顯示：6種常規(guī)營養(yǎng)成分的決定系數(shù)分別為0.946 9、0.926 1、0.974 1、0.972 3、0.857 1、0.830 9，交叉檢驗(yàn)的均方根誤差(RMSECV)分別為0.863、0.303、0.123、1.08、0.663、0.368，相對(duì)分析誤差(RPD)大于2.5，外部驗(yàn)證集驗(yàn)標(biāo)決定系數(shù)均在0.94以上，表明模型預(yù)測值與化學(xué)值間存在良好的函數(shù)擬合性，所建立的模型可靠、穩(wěn)健，可用于肉骨粉營養(yǎng)成分的快速分析。

肉骨粉；NIRS；常規(guī)營養(yǎng)

肉骨粉是以動(dòng)物屠宰后不宜食用的下腳料及肉類罐頭廠、肉品加工廠等的殘余碎肉、內(nèi)臟、雜骨等為原料，經(jīng)高溫高壓、滅菌消毒、干燥、粉碎制成的粉狀產(chǎn)品。肉骨粉的粗蛋白質(zhì)質(zhì)量分?jǐn)?shù)一般為35%～58%，賴氨酸1%～3%，蛋氨酸0.4%～1.5%，脂肪7%～16%，粗灰分18%～45%，鈣5%～13%，磷2.5%～6.5%，是一種理想的飼用蛋白質(zhì)及鈣、磷供源。隨著飼料工業(yè)的快速發(fā)展，魚粉、魚油等漁業(yè)資源短缺，優(yōu)質(zhì)的肉粉類蛋白質(zhì)成為最佳替代資源之一。然而，由于原料來源混雜、生產(chǎn)方式粗放，以及儲(chǔ)存期間的氧化酸敗，導(dǎo)致肉骨粉產(chǎn)品質(zhì)量參差不齊，養(yǎng)分變異性大，適口性、營養(yǎng)素消化率以及衛(wèi)生狀況均受到不同程度的惡化。飼料企業(yè)和配方設(shè)計(jì)需要快速而準(zhǔn)確地獲得相關(guān)營養(yǎng)數(shù)據(jù)，方能合理利用資源與指導(dǎo)飼料生產(chǎn)。

近紅外光譜(NIRS)分析技術(shù)是一種新興的快速、簡便、無損、綠色環(huán)保的定性、定量分析技術(shù)，應(yīng)對(duì)了飼料行業(yè)需要快速進(jìn)行品質(zhì)分析、摻假溯源及在線監(jiān)測的要求，是對(duì)傳統(tǒng)理化分析方法耗時(shí)長、成本高、前處理過程繁瑣、難以批量快速分析等缺點(diǎn)的革命性創(chuàng)新。近年來，我國大型飼料集團(tuán)都在積極推廣使用NIRS技術(shù)，并獲得了較好的經(jīng)濟(jì)效益，國家也已頒布了相關(guān)的技術(shù)標(biāo)準(zhǔn)(GB/T 18868-2002)[1]。國內(nèi)近紅外光譜法在大宗農(nóng)作物方面如豆類、玉米、小麥、稻谷中的應(yīng)用[2]，已有了較深入的研究，但針對(duì)動(dòng)物性蛋白質(zhì)原料方面的研究還十分欠缺，主要在于肉粉等動(dòng)物性原料均勻性差、雜質(zhì)多、養(yǎng)分變異大，導(dǎo)致近紅外建模難度大及模型準(zhǔn)確性不高，制約了近紅外分析方法的應(yīng)用。

采用傅里葉變換近紅外漫反射技術(shù)采集不同來源肉骨粉樣品的光譜，分析營養(yǎng)成分含量及變異度，應(yīng)用偏最小二乘法算法(PLS)建立粗蛋白質(zhì)、粗脂肪、水分、粗灰分、鈣、總磷的近紅外模型，探討NIRS用于肉骨粉營養(yǎng)價(jià)值評(píng)定的可行性，旨在為飼料企業(yè)在動(dòng)物性原料品質(zhì)方面提供一種低廉、多成分同步測量的快速分析方法。

1 材料與方法

1.1 樣品采集與制備

本實(shí)驗(yàn)室于2015-3-2016-10，從國內(nèi)各原料市場收集進(jìn)口與國產(chǎn)肉骨粉樣品480個(gè)，樣品無腐臭、發(fā)霉、結(jié)塊等，符合飼料衛(wèi)生標(biāo)準(zhǔn)。每個(gè)樣品經(jīng)旋風(fēng)磨粉碎后充分混合并過0.42 mm孔篩(內(nèi)徑)，采用四分法取樣100 g左右，置封口袋抽真空密封，儲(chǔ)存于4℃冰柜中。掃描前，將樣品置于室溫條件下平衡24 h以上。

1.2 測定方法

粗蛋白質(zhì)、粗脂肪、水分、粗灰分、鈣、總磷分別按照GB/T 6432-94、GB/T 6433-2006、GB/T 6435-2006、GB/T 6438-2007、GB/T 6436-2002、GB/T 6437-2002測定。

1.3 光譜采集

試驗(yàn)采用Bruker MPA型近紅外分析儀積分球附件進(jìn)行樣品光譜采集，采集方式為漫反射，樣品均勻裝填于旋轉(zhuǎn)臺(tái)樣品杯中，掃描波長范圍12 500～3 600 cm-1，波長間隔2 nm，掃描次數(shù)為32次，分辨率為8 cm-1。每個(gè)樣品重復(fù)裝樣及掃描2 次，取平均值，且每小時(shí)做一次背景測量。

1.4 模型的建立與驗(yàn)證

采用Bruker 公司OPUS 7.2 軟件進(jìn)行光譜預(yù)處理和譜區(qū)選擇，結(jié)合化學(xué)計(jì)量學(xué)偏最小二乘法(PLS)建立定量分析模型。隨機(jī)將480個(gè)樣品分為校正集450個(gè)和驗(yàn)證集30個(gè)，用校正集樣品建立定標(biāo)模型并對(duì)其進(jìn)行內(nèi)部交叉檢驗(yàn)，用驗(yàn)證集樣品對(duì)所建立的定標(biāo)模型進(jìn)行外部驗(yàn)證，采用決定系數(shù)(R2)評(píng)價(jià)模型的定標(biāo)擬合效果，以內(nèi)部驗(yàn)證均方差(RMSECV)和外部驗(yàn)證均方差( RMSEP)衡量定標(biāo)模型質(zhì)量的優(yōu)劣。對(duì)于異常樣品的剔除采用該樣品的光譜與校正集的平均光譜的馬氏距離(MDI)來評(píng)估其是否適用于模型建立。

2 結(jié)果與分析

2.1 營養(yǎng)成分含量分布與變異度分析

校正集樣品常規(guī)營養(yǎng)含量分布情況(濕基)見表1。

表1 校正集樣品常規(guī)營養(yǎng)含量分布情況(濕基)

根據(jù)國家標(biāo)準(zhǔn)(GB/T 20193-2006)飼用肉骨粉以粗蛋白質(zhì)和粗灰分為定等級(jí)指標(biāo)，按含量分為三級(jí)，粗蛋白質(zhì)量分?jǐn)?shù)≥50%為一級(jí)、≥45%為二級(jí)、≥40%為三級(jí)，粗灰分質(zhì)量分?jǐn)?shù)≤33%為一級(jí)、≤38%為二級(jí)、≤43%為三級(jí)。本試驗(yàn)450個(gè)校正集肉骨粉樣品，按粗蛋白質(zhì)含量評(píng)級(jí)標(biāo)準(zhǔn)，符合一級(jí)的為144個(gè)，占樣品總數(shù)32%；二級(jí)223個(gè)，占樣品總數(shù)49.56%；三級(jí)50個(gè)，占樣品總數(shù)11.11%；三級(jí)以下33個(gè)，占樣品總數(shù)7.33%。按粗灰分標(biāo)準(zhǔn)，符合一級(jí)的242個(gè)，占樣品總數(shù)53.78%；二級(jí)156個(gè)，占樣品總數(shù)34.67%；三級(jí)32個(gè)，占樣品總數(shù)7.11%；三級(jí)以下20個(gè)，占樣品總數(shù)4.44%。由此可知，肉骨粉營養(yǎng)含量覆蓋范圍寬，梯度分布均勻，說明校正集樣品具備較好的連續(xù)性與代表性，滿足近紅外建模要求。

2.2 樣品光譜的預(yù)處理

450個(gè)肉骨粉樣品在12 500～3 600 cm-1波長的近紅外漫反射光譜圖見圖1。

圖1 450個(gè)肉骨粉樣品的近紅外漫反射光譜圖

2.3 定標(biāo)模型的建立

利用軟件OPUS 7.2自動(dòng)優(yōu)化功能，篩選校正集光譜的最佳光譜預(yù)處理方法與最適譜區(qū)范圍。采用交叉檢驗(yàn)法，以不同預(yù)處理方法和譜段組合的交叉驗(yàn)證決定系數(shù)(R2)、交叉驗(yàn)證均方根誤差(RMSECV)和相對(duì)分析誤差(RPD)等參數(shù)來確定最優(yōu)模型。R2越接近1，說明函數(shù)模型擬合度越好，對(duì)定標(biāo)樣品集變異描述的能力越強(qiáng)。RMSECV最重要，決定模型預(yù)測樣品的誤差大小。而相對(duì)分析誤差(RPD)檢驗(yàn)定標(biāo)模型的穩(wěn)健性和預(yù)測能力，RPD值>8 表示所建定標(biāo)模型非常成功，53 時(shí)，模型穩(wěn)健性強(qiáng)和預(yù)測準(zhǔn)確性高。對(duì)于同一校正集樣品、同一組分，R2越大、RMSECV越小、RPD越大，即為最優(yōu)模型。

肉骨粉常規(guī)營養(yǎng)成分的最佳定標(biāo)模型見表2。

表2 肉骨粉常規(guī)營養(yǎng)成分的最佳定標(biāo)模型

不同營養(yǎng)指標(biāo)對(duì)應(yīng)的最佳光譜預(yù)處理方法不同，其最適譜段范圍也不同，5 600～6 200和4 200～4 700 cm-1左右主要反映CH的吸收信號(hào)，6 200～6 800和4 700～5 000 cm-1左右主要反映NH的信號(hào)，而6 900～7 500和5 000～5 600 cm-1左右反映OH的信號(hào)。從表2可以看出，粗蛋白質(zhì)、粗脂肪、水分、粗灰分最優(yōu)模型的決定系數(shù)R2都在0.92以上，說明化學(xué)分析值與近紅外預(yù)測值之間具有很好的線性相關(guān)性，相對(duì)分析誤差RPD均大于3，即所建定標(biāo)模型具有較高的穩(wěn)健性。粗蛋白質(zhì)、粗灰分、鈣模型的RMSECV值較大，對(duì)定標(biāo)模型的預(yù)測偏差可能會(huì)存在一定影響，與肉骨粉原料成分混雜、營養(yǎng)變異性與化學(xué)測量值允許誤差較大的關(guān)聯(lián)性較高，可通過增加樣本量、提高化學(xué)測量值準(zhǔn)確度等手段加以優(yōu)化。而鈣、總磷定標(biāo)模型的擬合度還不是很高，主要是因?yàn)闊o機(jī)元素在近紅外譜區(qū)的吸收、反射、散射等非常弱，反映在光譜中的特征信息較差，但兩個(gè)模型的定標(biāo)決定系數(shù)也達(dá)到了0.83以上，且RMSECV值較小，說明定標(biāo)模型基本成功，可用于實(shí)際應(yīng)用。

2.4 定標(biāo)模型的驗(yàn)證

建立校正模型后，需要用驗(yàn)證集樣品進(jìn)行外部驗(yàn)證，以考察NIRS定標(biāo)模型的預(yù)測精度和可靠性。隨機(jī)抽取的30個(gè)驗(yàn)證集樣品的常規(guī)營養(yǎng)含量分布情況見表3。

表3 驗(yàn)證集樣品常規(guī)營養(yǎng)含量分布情況(濕基)

由表3可知，各營養(yǎng)組分的含量分布均在校正集范圍之內(nèi)，說明外部驗(yàn)證試驗(yàn)具有可比性。調(diào)用已建立的定標(biāo)模型對(duì)該驗(yàn)證集樣品進(jìn)行預(yù)測分析，通過比較近紅外預(yù)測值與化學(xué)值，采用預(yù)測值與化學(xué)值間的平均偏差(bias)、驗(yàn)標(biāo)標(biāo)準(zhǔn)偏差(SEP)、驗(yàn)標(biāo)決定系數(shù)(R2)及相對(duì)分析誤差(RPD)等統(tǒng)計(jì)參數(shù)對(duì)定標(biāo)模型的定標(biāo)效果和預(yù)測精度進(jìn)行驗(yàn)證。

肉骨粉營養(yǎng)成分定標(biāo)模型外部驗(yàn)證結(jié)果見表4。

表4 肉骨粉營養(yǎng)成分定標(biāo)模型外部驗(yàn)證結(jié)果

由表4可知，粗蛋白質(zhì)、粗脂肪、水分、粗灰分、鈣、總磷的NIRS預(yù)測結(jié)果與化學(xué)值的驗(yàn)標(biāo)決定系數(shù)R2均在0.94以上，預(yù)測值與化學(xué)測定值間的平均偏差(bias)分別為0.033、0.027 3和-0.035 1、-0.292、-0.051 6、0.003 95，按照飼料中水分、粗蛋白質(zhì)、粗脂肪、粗纖維、賴氨酸、蛋氨酸快速測定近紅外光譜法(GB/T 18868-2002)國家標(biāo)準(zhǔn)的要求，粗蛋白質(zhì)>40%、粗脂肪>10%或≤10%、水分≤10%的近紅外預(yù)測值與化學(xué)值之間的平均偏差分別要<0.50、<0.35或<0.30、<0.30，上述營養(yǎng)指標(biāo)的近紅外預(yù)測值均能很好地逼近化學(xué)測定值。而相對(duì)分析誤差(RPD)均大于3(除總磷的RPD值稍低一點(diǎn)外)，說明定標(biāo)效果良好，預(yù)測精度高，所建立的定標(biāo)模型滿足實(shí)際檢測要求。

3 小結(jié)

肉骨粉450個(gè)校正集樣品的粗蛋白質(zhì)、粗脂肪、水分、粗灰分、鈣和總磷的質(zhì)量分?jǐn)?shù)變化范圍分別為32.90%～66.18%、3.12%～19.30%、2.29%～10.55%、12.39%～45.90%、4.58%～17.19%、1.66%～7.01%，樣本范圍寬，具備良好的連續(xù)性與代表性，滿足試驗(yàn)條件的要求。各營養(yǎng)成分定標(biāo)模型的交叉驗(yàn)證決定系數(shù)(R2)分別為0.946 9、0.926 1、0.974 1、0.972 3、0.857 1、0.830 9，交叉驗(yàn)證均方根誤差(RMSECV)為0.863、0.303、0.123、1.08、0.663、0.368，相對(duì)分析誤差(RPD)均大于2.5，外部驗(yàn)證集驗(yàn)標(biāo)決定系數(shù)(R2)值均在0.94以上，驗(yàn)證集近紅外預(yù)測值與化學(xué)值之間的平均偏差(bias)均較小。結(jié)果表明，肉骨粉常規(guī)營養(yǎng)成分近紅外模型取得了良好的定標(biāo)效果和預(yù)測能力，可用于實(shí)際檢測應(yīng)用。

[1] 全國飼料工業(yè)標(biāo)準(zhǔn)化技術(shù)委員會(huì).飼料中水分、粗蛋白質(zhì)、粗纖維、粗脂肪、賴氨酸、蛋氨酸快速測定近紅外光譜法：GB/T18868-2002[S].北京:中國標(biāo)準(zhǔn)出版社,2002.

[2] 袁天軍,王家俊,者 為,等.近紅外光譜法的應(yīng)用及相關(guān)標(biāo)準(zhǔn)綜述[J].中國農(nóng)學(xué)通報(bào),2013,29(20):190-196.

[3] 全國飼料工業(yè)標(biāo)準(zhǔn)化技術(shù)委員會(huì)．飼料用骨粉及肉骨粉：GB/T20193-2006[S].北京：中國標(biāo)準(zhǔn)出版社，2006.

[4] 李玉鵬,年 芳,李愛科,等.近紅外反射光譜技術(shù)評(píng)定棉籽粕營養(yǎng)價(jià)值和蛋公雞代謝能[J].動(dòng)物營養(yǎng)學(xué)報(bào),2016,28(7):2 013-2 023.

[5] 余 恩. 棉籽無機(jī)元素含量的近紅外測定方法研究[D].杭州：浙江大學(xué),2016.

[6] 張 強(qiáng). 基于近紅外光譜技術(shù)的稻谷中霉菌和毒素檢測研究[D].哈爾濱：東北農(nóng)業(yè)大學(xué),2015.

(責(zé)任編輯：梅 竹)

Establishment and validation of near infrared model of nutritional composition of meat and bone meal

CAO Xiao-hua,LI Xiao-luan,LIU Juan-hua，CAI Mao-ceng

(Engineering Center of Guangdong Yuehai Feed Group,Zhanjiang 524017,China)

Using Fourier transform near infrared diffuse reflectance spectroscopy,with a minimum of two partial multiplication combined with different spectral pretreatment,we established the NIR calibration model of meat and bone meal crude protein,crude fat,moisture,crude ash,calcium and phosphorus.The results showed that the decision coefficients of 6 kinds of conventional nutrient components were 0.946 9,0.926 1,0.974 1,0.972 3,0.857 1,0.830 9,respectively;the error of RMSECV cross validation were 0.863,0.303,0.123,1.08,0.663,0.368,respectively;the relative error analysis (RPD) was more than 2.5,the test set standard determination coefficient were all above 0.94,indicating that the model predicted values had a good function fit with the chemical values,the model was reliable and stable,could be used for rapid analysis of meat and bone meal nutrition.

meat and bone meal;NIRS;nutrition

2016-01-03；

2017-02-17

曹小華(1987-)，男，工程師，主要從事水產(chǎn)飼料原料質(zhì)量控制的研究。

10.7633/j.issn.1003-6202.2017.03.012

S816.17

A

1003-6202(2017)03-0051-04