基于近红外光谱和高光谱图像技术的配合饲料主要营养成分的检测方法

发布时间：2017-11-12 13:41

  本文关键词：基于近红外光谱和高光谱图像技术的配合饲料主要营养成分的检测方法

  更多相关文章： 配合饲料 营养成分 近红外光谱技术 高光谱图像技术 快速检测

【摘要】：配合饲料主要营养成分的检测是保证其品质的重要技术手段之一,为了研究探讨配合饲料主要营养成分的近红外反射光谱(NIRS)和高光谱图像技术的快速检测方法,收集了403个配合饲料样本。分别利用近红外光谱仪和高光谱成像仪对样本进行近红外光谱扫描和图像采集,获取配合饲料的近红外反射光谱和可见/近红外光谱信息。通过异常样本的剔除、样本集划分、最优光谱预处理和特征波段选择等技术手段和方法,结合偏最小二乘的化学计量方法,分别建立了基于近红外光谱和高光谱图像技术的配合饲料中粗蛋白、粗灰分、水分、总磷、钙含量的定量分析模型,并对模型进行验证。主要研究内容和结果如下:1)建立了基于NIRS技术的配合饲料样本中粗蛋白、粗灰分、水分、总磷、钙含量定量分析模型。采集配合饲料样本的近红外反射光谱信息,并采用杠杆值-学生残差法剔除异常样本,以SPXY法为粗蛋白、CG法为粗灰分、水分、总磷和钙成分的最优样本集划分方法,优化了各个主要营养成分的光谱预处理方法,采用相关系数法确定了其特征波段。粗蛋白校正集实测值与模型预测值之间的决定系数R2c为0.8623,均方根误差RMSEC为2.0718%,相对分析误差RPDc为2.5582,其验证集决定系数R2v为0.8001,均方根误差RMSEP为1.8709%,相对分析误差RPDv为2.9558;粗灰分校正集实测值与模型预测值之间的决定系数R2c为0.7198,均方根误差RMSEC为1.1765%,相对分析误差RPDc为1.8954,其验证集决定系数R2v为0.8039,均方根误差RMSEP为1.0050%,相对分析误差RPDv为2.2388;水分校正集实测值与预测值之间的决定系数R2c为0.7446,均方根误差RMSEC为1.5546%,相对分析误差RPDc为1.9789,其验证集决定系数R2v为0.6869,均方根误差RMSEP为1.7131%,相对分析误差RPDv为1.7921;总磷校正集实测值与预测值之间的决定系数R2c为0.8059,均方根误差RMSEC为0.1166%,相对分析误差RPDc为2.3156,其验证集决定系数R2v为0.7876,均方根误差RMSEP为0.1178%,相对分析误差RPDv为2.2071;钙校正集实测值与预测值之间的决定系数R2c为0.3270,均方根误差RMSEC为0.1903%,相对分析误差RPDc为1.2086,其验证集决定系数R2v为0.2766,均方根误差RMSEP为0.1978%,相对分析误差RPDv为1.1628。结果表明,所建立的粗蛋白、粗灰分和总磷定量分析模型表现出较好的预测性能;水分定量分析模型预测精度仍然不够理想,有待进一步优化;钙含量定量分析模型预测能力较差,不能用于实际定量分析。2)应用高光谱图像技术获取饲料样本的可见/近红外光谱信息,建立了基于高光谱图像技术的配合饲料样本中粗蛋白、粗灰分、水分、总磷、钙含量定量分析模型。采集配合饲料样本的可见/近红外反射光谱信息,采用杠杆值-学生残差法剔除异常样本,以SPXY法为粗蛋白、CG法为粗灰分、水分、总磷和钙成分的最优样本集划分方法,优化了各个主要营养成分的光谱预处理方法,采用相关系数法确定了其特征波段。粗蛋白校正集实测值与预测值之间的决定系数R2c为0.8373,均方根误差RMSEC为2.1327%,相对分析误差RPDc为2.4851,其验证集决定系数R2v为0.7778,均方根误差RMSEP为2.6155%,相对分析误差RPDv为2.1143;粗灰分校正集实测值与预测值之间的决定系数R2c为0.7932,均方根误差RMSEC为1.0107%,相对分析误差RPDc为2.2064,其验证集决定系数R2v为0.7758,均方根误差RMSEP为1.0611,相对分析误差RPDv为2.1204;水分校正集实测值与预测值之间的决定系数R2c为0.6470,均方根误差RMSEC为1.8221%,相对分析误差RPDc为1.6849,其验证集决定系数R2v为0.6314,均方根误差RMSEP为1.6003%,相对分析误差RPDv为1.9371;总磷校正集实测值与预测值之间的决定系数R2c为0.6038,均方根误差RMSEC为0.1656%,相对分析误差RPDc为1.5700,其验证集决定系数R2v为0.4672,均方根误差RMSEP为0.1916%,相对分析误差RPDv为1.3570;钙校正集实测值与预测值之间的决定系数R2c为0.4784,均方根误差RMSEC为0.1676%,相对分析误差RPDc为1.3723,其验证集决定系数R2v为0.4406,均方根误差RMSEP为0.1755%,相对分析误差RPDv为1.3105。结果表明,所建立的粗蛋白、粗灰分定量分析模型表现出较好的预测性能;水分定量分析模型预测精度仍然不够理想,有待进一步优化;总磷和钙含量定量模型预测能力较差,不能用于实际定量分析。3)比较基于NIRS技术和高光谱图像技术在特征波段建立的各项营养成分的PLS定量分析模型,采用NIRS技术建立的粗蛋白最优模型效果比较理想,校正集决定系数高达0.8623,模型能够较准确地用于实际的定量分析中;采用高光谱图像技术和近红外光谱技术建立的粗灰分定量分析模型均可用于实际定量分析,但高光谱图像技术的定量模型预测精度优于近红外定量分析模型;虽然采用近红外光谱技术建立的水分定量分析模型预测效果优于高光谱定量分析模型的效果,但其预测精度仍不够理想;采用近红外光谱法建立的总磷模型预测性能较好,可用于实际测定;采用高光谱图像技术建立的总磷、钙定量分析模型,以及钙含量的近红外光谱定量模型的预测效果不理想,不能用于实际检测。
【学位授予单位】：华中农业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：S816

【相似文献】

中国期刊全文数据库 前10条

1 ;我国将重点发展大型配合饲料机械[J];河南畜牧兽医;2000年06期

2 胡安栋;配合饲料喂鱼低效的原因及对策[J];科学养鱼;2000年12期

3 ;我国将重点发展大型配合饲料机械[J];粮食与饲料工业;2000年05期

4 ;“十五”期间我国将重点发展大型配合饲料机械[J];农村牧区机械化;2000年02期

5 ;配合饲料加中药蛋鸡产蛋大又多[J];中国禽业导刊;2000年04期

6 张德珠;购买配合饲料要“两问一看”[J];河北畜牧兽医;2001年02期

7 任为公;世界养鱼用配合饲料生产状况[J];渔业现代化;2001年06期

8 王传昌,路忠凤;应注意配合饲料使用的几个误区[J];河南畜牧兽医;2001年08期

9 胡安栋;配合饲料喂鱼低效的原因及对策[J];中国农垦;2001年01期

10 ;鲤鱼配合饲料[J];河南水产;2002年02期

中国重要会议论文全文数据库 前10条

1 韩耀全;;配合饲料的使用与鱼病的发生[A];广西水产研究所论文集（2001—2005）[C];2006年

2 ;“得加”鹿用浓缩配合饲料[A];二○○三年全国鹿业发展信息交流会材料汇编[C];2003年

3 韩耀全;;提高配合饲料混合均匀度的有较途径[A];广西水产研究所论文集（2001—2005）[C];2006年

4 韩耀全;;硬颗粒配合饲料生产的全过程水分控制[A];广西水产研究所论文集（2001—2005）[C];2006年

5 邵路畅;王春;吴旭干;杨志刚;杨筱珍;成永旭;;一种配合饲料和天然饵料对中华绒螯蟹育肥品质的影响[A];中国甲壳动物学会第十一届年会暨学术研讨会论文摘要集[C];2011年

6 张利民;王际英;常建波;李烟芬;于光溥;王世信;;海水仔稚鱼的营养需求与配合饲料的特性研究[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（下册）[C];2001年

7 韩耀全;;两种饲料原料质量的快速判别[A];广西水产研究所论文集（2001—2005）[C];2006年

8 吴旭干;成永旭;沈z，

本文编号：1176157