[發(fā)明專利]一種快速預(yù)測(cè)大麥秸稈營養(yǎng)組成的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710494115.4
• 申請(qǐng)日: 2017-06-26
• 公開（公告）號(hào): CN107389596A
• 公開（公告）日: 2017-11-24
• 發(fā)明（設(shè)計(jì)）人: 李飛;李國彰;李發(fā)弟;翁秀秀;李曉亞;呂佳穎
• 申請(qǐng)（專利權(quán)）人: 蘭州大學(xué)
• 主分類號(hào): G01N21/359
• 分類號(hào): G01N21/359;G01N33/00
• 代理公司: 北京中恒高博知識(shí)產(chǎn)權(quán)代理有限公司11249
• 代理人: 高松

1.一種快速預(yù)測(cè)大麥秸稈營養(yǎng)組成的方法，其特征在于，包括以下步驟：

1) 大麥秸稈營養(yǎng)組成的化學(xué)分析

2）大麥秸稈樣品的近紅外光譜數(shù)據(jù)采集；

3）原始光譜預(yù)處理；

4）建標(biāo)用樣品篩選；

5）建立定標(biāo)模型；

6）確定最優(yōu)模型；

7）模型外部驗(yàn)證 。

2.根據(jù)權(quán)利要求1所述的一種快速預(yù)測(cè)大麥秸稈營養(yǎng)組成的方法，其特征在于，所述步驟1）大麥秸稈營養(yǎng)組成的化學(xué)分析步驟為：

將采集回實(shí)驗(yàn)室的整株大麥秸稈樣品鍘至3～5 cm，利用粉碎機(jī)粉碎樣品，過40目的飼料分析篩后將樣品混合均勻裝入自封袋密封保存、備用；所述粗蛋白采用CB/T6432-94測(cè)定；粗灰分采用GB/T6438-1992測(cè)定；中性洗滌纖維采用GB/T20806-2006測(cè)定；酸性洗滌纖維采用ISO 13906-2008測(cè)定。

3.根據(jù)權(quán)利要求1所述的一種快速預(yù)測(cè)大麥秸稈營養(yǎng)組成的方法，其特征在于，所述步驟2）大麥秸稈樣品的近紅外光譜數(shù)據(jù)采集步驟為：

將處理好的樣品裝入樣品杯并壓緊，樣品杯內(nèi)樣品的體積大概要占樣品杯容量的3/4，應(yīng)用美國FOSS的DS2500近紅外光譜分析儀，每個(gè)樣品進(jìn)行3次掃描，每次均需掃描其背景，將儀器對(duì)待測(cè)樣品掃描出的平均光譜保存成最終該樣品的光譜，最后通過ISIscan Nova軟件對(duì)上述所得光譜進(jìn)行采集、處理和存儲(chǔ)。

4.根據(jù)權(quán)利要求1所述的一種快速預(yù)測(cè)大麥秸稈營養(yǎng)組成的方法，其特征在于，所述步驟3）原始光譜預(yù)處理為，大麥秸稈樣品按照4:1的比例，隨機(jī)分成定標(biāo)集和外部驗(yàn)證集，分別構(gòu)建相應(yīng)的模型；利用DS2500近紅外光譜分析儀自帶計(jì)量學(xué)軟件WinISI III的無散射處理、標(biāo)準(zhǔn)正常化與去散射校正、標(biāo)準(zhǔn)正常化處理、去散射處理和 3 種導(dǎo)數(shù)處理相結(jié)合，對(duì)原始光譜進(jìn)行預(yù)處理，提高信噪比和模型的預(yù)測(cè)性能。

5.根據(jù)權(quán)利要求1所述的一種快速預(yù)測(cè)大麥秸稈營養(yǎng)組成的方法，其特征在于，所述步驟4）樣品篩選為，根據(jù)軟件建議值分別設(shè)置相應(yīng)窗口，交叉驗(yàn)證分組數(shù)目窗口建議值為5，超常樣品刪除批次窗口建議值為2，缺省數(shù)據(jù)窗口默認(rèn)建議值為0，T值超常樣品窗口，確認(rèn)顯示的值為2.5，其表示當(dāng)建立定標(biāo)模型后，利用此模型預(yù)測(cè)定標(biāo)樣品集；如果某些預(yù)測(cè)結(jié)果與傳統(tǒng)化學(xué)測(cè)定結(jié)果的差大于該定標(biāo)誤差的2.5倍，則這些樣品將被認(rèn)為是T指超常樣品；H值超常樣品窗口，確認(rèn)顯示的值為10，其定義為如果樣品的GH值大于10或某樣品的偏差大于定標(biāo)樣品集平均偏差10倍，則將被認(rèn)為是光譜值超常樣品，進(jìn)行剔除。

6.根據(jù)權(quán)利要求1所述的一種快速預(yù)測(cè)大麥秸稈營養(yǎng)組成的方法的制備方法，其特征在于，所述步驟5）建立定標(biāo)模型為，以MPLS改進(jìn)最小二乘法回歸技術(shù)與不同的光譜處理方法及參數(shù)進(jìn)行搭配組合，進(jìn)行大麥秸稈近紅外模型的建立。

7.根據(jù)權(quán)利要求1所述的一種快速預(yù)測(cè)大麥秸稈營養(yǎng)組成的方法的制備方法，其特征在于，所述步驟6) 確定最優(yōu)模型為，定標(biāo)模型建立后，用交叉驗(yàn)證決定系數(shù)1-VR、交叉驗(yàn)證標(biāo)準(zhǔn)差SECV和定標(biāo)標(biāo)準(zhǔn)差SEC三個(gè)指標(biāo)確定最優(yōu)模型；1-VR表示定標(biāo)模型建立過程中，進(jìn)行交叉驗(yàn)證時(shí)所得到的相關(guān)系數(shù)，即模型對(duì)樣品集濃度變化所能描述出的百分率；如果1-VR的值為1，說明在交叉驗(yàn)證過程中定標(biāo)樣品集濃度的變化100%的被解釋出來，即預(yù)測(cè)模型的1-VR值越接近1，說明其為最佳模型；SECV表示在定標(biāo)模型建立過程中，進(jìn)行交叉驗(yàn)證時(shí)所獲得的近紅外預(yù)測(cè)值與化學(xué)分析值的標(biāo)準(zhǔn)偏差，通過SECV可以大致評(píng)估定標(biāo)模型預(yù)測(cè)的準(zhǔn)確度，其值越小越有利于最佳模型的挑選；SEC表示通過建立的定標(biāo)模型對(duì)定標(biāo)樣品集進(jìn)行預(yù)測(cè)，所獲得的實(shí)驗(yàn)室分析值與近紅外預(yù)測(cè)值之間的標(biāo)準(zhǔn)偏差。

8.根據(jù)權(quán)利要求1所述的一種快速預(yù)測(cè)大麥秸稈營養(yǎng)組成的方法的制備方法，其特征在于，所述步驟7）模型外部驗(yàn)證為，定標(biāo)模型建立后，采用未參與模型定標(biāo)過程的獨(dú)立樣品集對(duì)最優(yōu)模型進(jìn)行外部驗(yàn)證，然后評(píng)價(jià)定標(biāo)模型預(yù)測(cè)外部驗(yàn)證的能力；衡量模型預(yù)測(cè)效果的統(tǒng)計(jì)參數(shù)為驗(yàn)證決定系數(shù)、驗(yàn)證標(biāo)準(zhǔn)差和平均偏差；SEP值越小，說明得出了越準(zhǔn)確的預(yù)測(cè)結(jié)果；RSQv≥0.84時(shí)，同時(shí)驗(yàn)證集的預(yù)測(cè)值與濕化學(xué)值間的平均偏差相對(duì)偏低的模型，即為最優(yōu)模型，適用于實(shí)際檢測(cè)。