肉骨粉常規營養成分近紅外模型的建立及驗證

曹小華，李小鑾，劉娟花，蔡懋成

(廣東粵海飼料集團工程中心，廣東 湛江 524017)

肉骨粉常規營養成分近紅外模型的建立及驗證

曹小華，李小鑾，劉娟花，蔡懋成

(廣東粵海飼料集團工程中心，廣東 湛江 524017)

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

肉骨粉；NIRS；常規營養

肉骨粉是以動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、內臟、雜骨等為原料，經高溫高壓、滅菌消毒、干燥、粉碎制成的粉狀產品。肉骨粉的粗蛋白質質量分數一般為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及鈣、磷供源。隨著飼料工業的快速發展，魚粉、魚油等漁業資源短缺，優質的肉粉類蛋白質成為最佳替代資源之一。然而，由于原料來源混雜、生產方式粗放，以及儲存期間的氧化酸敗，導致肉骨粉產品質量參差不齊，養分變異性大，適口性、營養素消化率以及衛生狀況均受到不同程度的惡化。飼料企業和配方設計需要快速而準確地獲得相關營養數據，方能合理利用資源與指導飼料生產。

近紅外光譜(NIRS)分析技術是一種新興的快速、簡便、無損、綠色環保的定性、定量分析技術，應對了飼料行業需要快速進行品質分析、摻假溯源及在線監測的要求，是對傳統理化分析方法耗時長、成本高、前處理過程繁瑣、難以批量快速分析等缺點的革命性創新。近年來，我國大型飼料集團都在積極推廣使用NIRS技術，并獲得了較好的經濟效益，國家也已頒布了相關的技術標準(GB/T 18868-2002)[1]。國內近紅外光譜法在大宗農作物方面如豆類、玉米、小麥、稻谷中的應用[2]，已有了較深入的研究，但針對動物性蛋白質原料方面的研究還十分欠缺，主要在于肉粉等動物性原料均勻性差、雜質多、養分變異大，導致近紅外建模難度大及模型準確性不高，制約了近紅外分析方法的應用。

采用傅里葉變換近紅外漫反射技術采集不同來源肉骨粉樣品的光譜，分析營養成分含量及變異度，應用偏最小二乘法算法(PLS)建立粗蛋白質、粗脂肪、水分、粗灰分、鈣、總磷的近紅外模型，探討NIRS用于肉骨粉營養價值評定的可行性，旨在為飼料企業在動物性原料品質方面提供一種低廉、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

本實驗室于2015-3-2016-10，從國內各原料市場收集進口與國產肉骨粉樣品480個，樣品無腐臭、發霉、結塊等，符合飼料衛生標準。每個樣品經旋風磨粉碎后充分混合并過0.42 mm孔篩(內徑)，采用四分法取樣100 g左右，置封口袋抽真空密封，儲存于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、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

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

1.4 模型的建立與驗證

采用Bruker 公司OPUS 7.2 軟件進行光譜預處理和譜區選擇，結合化學計量學偏最小二乘法(PLS)建立定量分析模型。隨機將480個樣品分為校正集450個和驗證集30個，用校正集樣品建立定標模型并對其進行內部交叉檢驗，用驗證集樣品對所建立的定標模型進行外部驗證，采用決定系數(R2)評價模型的定標擬合效果，以內部驗證均方差(RMSECV)和外部驗證均方差( RMSEP)衡量定標模型質量的優劣。對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)來評估其是否適用于模型建立。

2 結果與分析

2.1 營養成分含量分布與變異度分析

校正集樣品常規營養含量分布情況(濕基)見表1。

表1 校正集樣品常規營養含量分布情況(濕基)

根據國家標準(GB/T 20193-2006)飼用肉骨粉以粗蛋白質和粗灰分為定等級指標，按含量分為三級，粗蛋白質量分數≥50%為一級、≥45%為二級、≥40%為三級，粗灰分質量分數≤33%為一級、≤38%為二級、≤43%為三級。本試驗450個校正集肉骨粉樣品，按粗蛋白質含量評級標準，符合一級的為144個，占樣品總數32%；二級223個，占樣品總數49.56%；三級50個，占樣品總數11.11%；三級以下33個，占樣品總數7.33%。按粗灰分標準，符合一級的242個，占樣品總數53.78%；二級156個，占樣品總數34.67%；三級32個，占樣品總數7.11%；三級以下20個，占樣品總數4.44%。由此可知，肉骨粉營養含量覆蓋范圍寬，梯度分布均勻，說明校正集樣品具備較好的連續性與代表性，滿足近紅外建模要求。

2.2 樣品光譜的預處理

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

圖1 450個肉骨粉樣品的近紅外漫反射光譜圖

2.3 定標模型的建立

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

肉骨粉常規營養成分的最佳定標模型見表2。

表2 肉骨粉常規營養成分的最佳定標模型

不同營養指標對應的最佳光譜預處理方法不同，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，6 200～6 800和4 700～5 000 cm-1左右主要反映NH的信號，而6 900～7 500和5 000～5 600 cm-1左右反映OH的信號。從表2可以看出，粗蛋白質、粗脂肪、水分、粗灰分最優模型的決定系數R2都在0.92以上，說明化學分析值與近紅外預測值之間具有很好的線性相關性，相對分析誤差RPD均大于3，即所建定標模型具有較高的穩健性。粗蛋白質、粗灰分、鈣模型的RMSECV值較大，對定標模型的預測偏差可能會存在一定影響，與肉骨粉原料成分混雜、營養變異性與化學測量值允許誤差較大的關聯性較高，可通過增加樣本量、提高化學測量值準確度等手段加以優化。而鈣、總磷定標模型的擬合度還不是很高，主要是因為無機元素在近紅外譜區的吸收、反射、散射等非常弱，反映在光譜中的特征信息較差，但兩個模型的定標決定系數也達到了0.83以上，且RMSECV值較小，說明定標模型基本成功，可用于實際應用。

2.4 定標模型的驗證

建立校正模型后，需要用驗證集樣品進行外部驗證，以考察NIRS定標模型的預測精度和可靠性。隨機抽取的30個驗證集樣品的常規營養含量分布情況見表3。

表3 驗證集樣品常規營養含量分布情況(濕基)

由表3可知，各營養組分的含量分布均在校正集范圍之內，說明外部驗證試驗具有可比性。調用已建立的定標模型對該驗證集樣品進行預測分析，通過比較近紅外預測值與化學值，采用預測值與化學值間的平均偏差(bias)、驗標標準偏差(SEP)、驗標決定系數(R2)及相對分析誤差(RPD)等統計參數對定標模型的定標效果和預測精度進行驗證。

肉骨粉營養成分定標模型外部驗證結果見表4。

表4 肉骨粉營養成分定標模型外部驗證結果

由表4可知，粗蛋白質、粗脂肪、水分、粗灰分、鈣、總磷的NIRS預測結果與化學值的驗標決定系數R2均在0.94以上，預測值與化學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、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)國家標準的要求，粗蛋白質>40%、粗脂肪>10%或≤10%、水分≤10%的近紅外預測值與化學值之間的平均偏差分別要<0.50、<0.35或<0.30、<0.30，上述營養指標的近紅外預測值均能很好地逼近化學測定值。而相對分析誤差(RPD)均大于3(除總磷的RPD值稍低一點外)，說明定標效果良好，預測精度高，所建立的定標模型滿足實際檢測要求。

3 小結

肉骨粉450個校正集樣品的粗蛋白質、粗脂肪、水分、粗灰分、鈣和總磷的質量分數變化范圍分別為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，具備良好的連續性與代表性，滿足試驗條件的要求。各營養成分定標模型的交叉驗證決定系數(R2)分別為0.946 9、0.926 1、0.974 1、0.972 3、0.857 1、0.830 9，交叉驗證均方根誤差(RMSECV)為0.863、0.303、0.123、1.08、0.663、0.368，相對分析誤差(RPD)均大于2.5，外部驗證集驗標決定系數(R2)值均在0.94以上，驗證集近紅外預測值與化學值之間的平均偏差(bias)均較小。結果表明，肉骨粉常規營養成分近紅外模型取得了良好的定標效果和預測能力，可用于實際檢測應用。

[1] 全國飼料工業標準化技術委員會.飼料中水分、粗蛋白質、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:中國標準出版社,2002.

[2] 袁天軍,王家俊,者 為,等.近紅外光譜法的應用及相關標準綜述[J].中國農學通報,2013,29(20):190-196.

[3] 全國飼料工業標準化技術委員會．飼料用骨粉及肉骨粉：GB/T20193-2006[S].北京：中國標準出版社，2006.

[4] 李玉鵬,年 芳,李愛科,等.近紅外反射光譜技術評定棉籽粕營養價值和蛋公雞代謝能[J].動物營養學報,2016,28(7):2 013-2 023.

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

[6] 張 強. 基于近紅外光譜技術的稻谷中霉菌和毒素檢測研究[D].哈爾濱：東北農業大學,2015.

(責任編輯：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，主要從事水產飼料原料質量控制的研究。

10.7633/j.issn.1003-6202.2017.03.012

S816.17

A

1003-6202(2017)03-0051-04