肉骨粉常规营养成分近红外模型的建立及验证
2017-03-31曹小华李小銮刘娟花蔡懋成
曹小华，李小銮，刘娟花，蔡懋成
(广东粤海饲料集团工程中心，广东 湛江 524017)
肉骨粉常规营养成分近红外模型的建立及验证
曹小华，李小銮，刘娟花，蔡懋成
(广东粤海饲料集团工程中心，广东 湛江 524017)
采用傅里叶近红外漫反射技术，以最小偏二乘法结合不同光谱预处理建立了肉骨粉粗蛋白质、粗脂肪、水分、粗灰分、钙、总磷的近红外定标模型，结果显示：6种常规营养成分的决定系数分别为0.946 9、0.926 1、0.974 1、0.972 3、0.857 1、0.830 9，交叉检验的均方根误差(RMSECV)分别为0.863、0.303、0.123、1.08、0.663、0.368，相对分析误差(RPD)大于2.5，外部验证集验标决定系数均在0.94以上，表明模型预测值与化学值间存在良好的函数拟合性，所建立的模型可靠、稳健，可用于肉骨粉营养成分的快速分析。
肉骨粉；NIRS；常规营养
肉骨粉是以动物屠宰后不宜食用的下脚料及肉类罐头厂、肉品加工厂等的残余碎肉、内脏、杂骨等为原料，经高温高压、灭菌消毒、干燥、粉碎制成的粉状产品。肉骨粉的粗蛋白质质量分数一般为35%～58%，赖氨酸1%～3%，蛋氨酸0.4%～1.5%，脂肪7%～16%，粗灰分18%～45%，钙5%～13%，磷2.5%～6.5%，是一种理想的饲用蛋白质及钙、磷供源。随着饲料工业的快速发展，鱼粉、鱼油等渔业资源短缺，优质的肉粉类蛋白质成为最佳替代资源之一。然而，由于原料来源混杂、生产方式粗放，以及储存期间的氧化酸败，导致肉骨粉产品质量参差不齐，养分变异性大，适口性、营养素消化率以及卫生状况均受到不同程度的恶化。饲料企业和配方设计需要快速而准确地获得相关营养数据，方能合理利用资源与指导饲料生产。
近红外光谱(NIRS)分析技术是一种新兴的快速、简便、无损、绿色环保的定性、定量分析技术，应对了饲料行业需要快速进行品质分析、掺假溯源及在线监测的要求，是对传统理化分析方法耗时长、成本高、前处理过程繁琐、难以批量快速分析等缺点的革命性创新。近年来，我国大型饲料集团都在积极推广使用NIRS技术，并获得了较好的经济效益，国家也已颁布了相关的技术标准(GB/T 18868-2002)[1]。国内近红外光谱法在大宗农作物方面如豆类、玉米、小麦、稻谷中的应用[2]，已有了较深入的研究，但针对动物性蛋白质原料方面的研究还十分欠缺，主要在于肉粉等动物性原料均匀性差、杂质多、养分变异大，导致近红外建模难度大及模型准确性不高，制约了近红外分析方法的应用。
采用傅里叶变换近红外漫反射技术采集不同来源肉骨粉样品的光谱，分析营养成分含量及变异度，应用偏最小二乘法算法(PLS)建立粗蛋白质、粗脂肪、水分、粗灰分、钙、总磷的近红外模型，探讨NIRS用于肉骨粉营养价值评定的可行性，旨在为饲料企业在动物性原料品质方面提供一种低廉、多成分同步测量的快速分析方法。
1 材料与方法
1.1 样品采集与制备
本实验室于2015-3-2016-10，从国内各原料市场收集进口与国产肉骨粉样品480个，样品无腐臭、发霉、结块等，符合饲料卫生标准。每个样品经旋风磨粉碎后充分混合并过0.42 mm孔筛(内径)，采用四分法取样100 g左右，置封口袋抽真空密封，储存于4℃冰柜中。扫描前，将样品置于室温条件下平衡24 h以上。
1.2 测定方法
粗蛋白质、粗脂肪、水分、粗灰分、钙、总磷分别按照GB/T 6432-94、GB/T 6433-2006、GB/T 6435-2006、GB/T 6438-2007、GB/T 6436-2002、GB/T 6437-2002测定。
1.3 光谱采集
试验采用Bruker MPA型近红外分析仪积分球附件进行样品光谱采集，采集方式为漫反射，样品均匀装填于旋转台样品杯中，扫描波长范围12 500～3 600 cm-1，波长间隔2 nm，扫描次数为32次，分辨率为8 cm-1。每个样品重复装样及扫描2 次，取平均值，且每小时做一次背景测量。
1.4 模型的建立与验证
采用Bruker 公司OPUS 7.2 软件进行光谱预处理和谱区选择，结合化学计量学偏最小二乘法(PLS)建立定量分析模型。随机将480个样品分为校正集450个和验证集30个，用校正集样品建立定标模型并对其进行内部交叉检验，用验证集样品对所建立的定标模型进行外部验证，采用决定系数(R2)评价模型的定标拟合效果，以内部验证均方差(RMSECV)和外部验证均方差( RMSEP)衡量定标模型质量的优劣。对于异常样品的剔除采用该样品的光谱与校正集的平均光谱的马氏距离(MDI)来评估其是否适用于模型建立。
2 结果与分析
2.1 营养成分含量分布与变异度分析
校正集样品常规营养含量分布情况(湿基)见表1。
表1 校正集样品常规营养含量分布情况(湿基)
根据国家标准(GB/T 20193-2006)饲用肉骨粉以粗蛋白质和粗灰分为定等级指标，按含量分为三级，粗蛋白质量分数≥50%为一级、≥45%为二级、≥40%为三级，粗灰分质量分数≤33%为一级、≤38%为二级、≤43%为三级。本试验450个校正集肉骨粉样品，按粗蛋白质含量评级标准，符合一级的为144个，占样品总数32%；二级223个，占样品总数49.56%；三级50个，占样品总数11.11%；三级以下33个，占样品总数7.33%。按粗灰分标准，符合一级的242个，占样品总数53.78%；二级156个，占样品总数34.67%；三级32个，占样品总数7.11%；三级以下20个，占样品总数4.44%。由此可知，肉骨粉营养含量覆盖范围宽，梯度分布均匀，说明校正集样品具备较好的连续性与代表性，满足近红外建模要求。
2.2 样品光谱的预处理
450个肉骨粉样品在12 500～3 600 cm-1波长的近红外漫反射光谱图见图1。
图1 450个肉骨粉样品的近红外漫反射光谱图
2.3 定标模型的建立
利用软件OPUS 7.2自动优化功能，筛选校正集光谱的最佳光谱预处理方法与最适谱区范围。采用交叉检验法，以不同预处理方法和谱段组合的交叉验证决定系数(R2)、交叉验证均方根误差(RMSECV)和相对分析误差(RPD)等参数来确定最优模型。R2越接近1，说明函数模型拟合度越好，对定标样品集变异描述的能力越强。RMSECV最重要，决定模型预测样品的误差大小。而相对分析误差(RPD)检验定标模型的稳健性和预测能力，RPD值>8 表示所建定标模型非常成功，5
肉骨粉常规营养成分的最佳定标模型见表2。
表2 肉骨粉常规营养成分的最佳定标模型
不同营养指标对应的最佳光谱预处理方法不同，其最适谱段范围也不同，5 600～6 200和4 200～4 700 cm-1左右主要反映CH的吸收信号，6 200～6 800和4 700～5 000 cm-1左右主要反映NH的信号，而6 900～7 500和5 000～5 600 cm-1左右反映OH的信号。从表2可以看出，粗蛋白质、粗脂肪、水分、粗灰分最优模型的决定系数R2都在0.92以上，说明化学分析值与近红外预测值之间具有很好的线性相关性，相对分析误差RPD均大于3，即所建定标模型具有较高的稳健性。粗蛋白质、粗灰分、钙模型的RMSECV值较大，对定标模型的预测偏差可能会存在一定影响，与肉骨粉原料成分混杂、营养变异性与化学测量值允许误差较大的关联性较高，可通过增加样本量、提高化学测量值准确度等手段加以优化。而钙、总磷定标模型的拟合度还不是很高，主要是因为无机元素在近红外谱区的吸收、反射、散射等非常弱，反映在光谱中的特征信息较差，但两个模型的定标决定系数也达到了0.83以上，且RMSECV值较小，说明定标模型基本成功，可用于实际应用。
2.4 定标模型的验证
建立校正模型后，需要用验证集样品进行外部验证，以考察NIRS定标模型的预测精度和可靠性。随机抽取的30个验证集样品的常规营养含量分布情况见表3。
表3 验证集样品常规营养含量分布情况(湿基)
由表3可知，各营养组分的含量分布均在校正集范围之内，说明外部验证试验具有可比性。调用已建立的定标模型对该验证集样品进行预测分析，通过比较近红外预测值与化学值，采用预测值与化学值间的平均偏差(bias)、验标标准偏差(SEP)、验标决定系数(R2)及相对分析误差(RPD)等统计参数对定标模型的定标效果和预测精度进行验证。
肉骨粉营养成分定标模型外部验证结果见表4。
表4 肉骨粉营养成分定标模型外部验证结果
由表4可知，粗蛋白质、粗脂肪、水分、粗灰分、钙、总磷的NIRS预测结果与化学值的验标决定系数R2均在0.94以上，预测值与化学测定值间的平均偏差(bias)分别为0.033、0.027 3和-0.035 1、-0.292、-0.051 6、0.003 95，按照饲料中水分、粗蛋白质、粗脂肪、粗纤维、赖氨酸、蛋氨酸快速测定近红外光谱法(GB/T 18868-2002)国家标准的要求，粗蛋白质>40%、粗脂肪>10%或≤10%、水分≤10%的近红外预测值与化学值之间的平均偏差分别要<0.50、<0.35或<0.30、<0.30，上述营养指标的近红外预测值均能很好地逼近化学测定值。而相对分析误差(RPD)均大于3(除总磷的RPD值稍低一点外)，说明定标效果良好，预测精度高，所建立的定标模型满足实际检测要求。
3 小结
肉骨粉450个校正集样品的粗蛋白质、粗脂肪、水分、粗灰分、钙和总磷的质量分数变化范围分别为32.90%～66.18%、3.12%～19.30%、2.29%～10.55%、12.39%～45.90%、4.58%～17.19%、1.66%～7.01%，样本范围宽，具备良好的连续性与代表性，满足试验条件的要求。各营养成分定标模型的交叉验证决定系数(R2)分别为0.946 9、0.926 1、0.974 1、0.972 3、0.857 1、0.830 9，交叉验证均方根误差(RMSECV)为0.863、0.303、0.123、1.08、0.663、0.368，相对分析误差(RPD)均大于2.5，外部验证集验标决定系数(R2)值均在0.94以上，验证集近红外预测值与化学值之间的平均偏差(bias)均较小。结果表明，肉骨粉常规营养成分近红外模型取得了良好的定标效果和预测能力，可用于实际检测应用。
[1] 全国饲料工业标准化技术委员会.饲料中水分、粗蛋白质、粗纤维、粗脂肪、赖氨酸、蛋氨酸快速测定近红外光谱法：GB/T18868-2002[S].北京:中国标准出版社,2002.
[2] 袁天军,王家俊,者 为,等.近红外光谱法的应用及相关标准综述[J].中国农学通报,2013,29(20):190-196.
[3] 全国饲料工业标准化技术委员会．饲料用骨粉及肉骨粉：GB/T20193-2006[S].北京：中国标准出版社，2006.
[4] 李玉鹏,年 芳,李爱科,等.近红外反射光谱技术评定棉籽粕营养价值和蛋公鸡代谢能[J].动物营养学报,2016,28(7):2 013-2 023.
[5] 余 恩. 棉籽无机元素含量的近红外测定方法研究[D].杭州：浙江大学,2016.
[6] 张 强. 基于近红外光谱技术的稻谷中霉菌和毒素检测研究[D].哈尔滨：东北农业大学,2015.
(责任编辑：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
曹小华(1987-)，男，工程师，主要从事水产饲料原料质量控制的研究。
10.7633/j.issn.1003-6202.2017.03.012
S816.17
A
1003-6202(2017)03-0051-04
