[发明专利]一种快速预测大麦秸秆营养组成的方法

权利要求书

1.一种快速预测大麦秸秆营养组成的方法，其特征在于，包括以下步骤：

1) 大麦秸秆营养组成的化学分析

2）大麦秸秆样品的近红外光谱数据采集；

3）原始光谱预处理；

4）建标用样品筛选；

5）建立定标模型；

6）确定最优模型；

7）模型外部验证 。

2.根据权利要求1所述的一种快速预测大麦秸秆营养组成的方法，其特征在于，所述步骤1）大麦秸秆营养组成的化学分析步骤为：

将采集回实验室的整株大麦秸秆样品铡至3～5 cm，利用粉碎机粉碎样品，过40目的饲料分析筛后将样品混合均匀装入自封袋密封保存、备用；所述粗蛋白采用CB/T6432-94测定；粗灰分采用GB/T6438-1992测定；中性洗涤纤维采用GB/T20806-2006测定；酸性洗涤纤维采用ISO 13906-2008测定。

3.根据权利要求1所述的一种快速预测大麦秸秆营养组成的方法，其特征在于，所述步骤2）大麦秸秆样品的近红外光谱数据采集步骤为：

将处理好的样品装入样品杯并压紧，样品杯内样品的体积大概要占样品杯容量的3/4，应用美国FOSS的DS2500近红外光谱分析仪，每个样品进行3次扫描，每次均需扫描其背景，将仪器对待测样品扫描出的平均光谱保存成最终该样品的光谱，最后通过ISIscan Nova软件对上述所得光谱进行采集、处理和存储。

4.根据权利要求1所述的一种快速预测大麦秸秆营养组成的方法，其特征在于，所述步骤3）原始光谱预处理为，大麦秸秆样品按照4:1的比例，随机分成定标集和外部验证集，分别构建相应的模型；利用DS2500近红外光谱分析仪自带计量学软件WinISI III的无散射处理、标准正常化与去散射校正、标准正常化处理、去散射处理和 3 种导数处理相结合，对原始光谱进行预处理，提高信噪比和模型的预测性能。

5.根据权利要求1所述的一种快速预测大麦秸秆营养组成的方法，其特征在于，所述步骤4）样品筛选为，根据软件建议值分别设置相应窗口，交叉验证分组数目窗口建议值为5，超常样品删除批次窗口建议值为2，缺省数据窗口默认建议值为0，T值超常样品窗口，确认显示的值为2.5，其表示当建立定标模型后，利用此模型预测定标样品集；如果某些预测结果与传统化学测定结果的差大于该定标误差的2.5倍，则这些样品将被认为是T指超常样品；H值超常样品窗口，确认显示的值为10，其定义为如果样品的GH值大于10或某样品的偏差大于定标样品集平均偏差10倍，则将被认为是光谱值超常样品，进行剔除。

6.根据权利要求1所述的一种快速预测大麦秸秆营养组成的方法的制备方法，其特征在于，所述步骤5）建立定标模型为，以MPLS改进最小二乘法回归技术与不同的光谱处理方法及参数进行搭配组合，进行大麦秸秆近红外模型的建立。

7.根据权利要求1所述的一种快速预测大麦秸秆营养组成的方法的制备方法，其特征在于，所述步骤6) 确定最优模型为，定标模型建立后，用交叉验证决定系数1-VR、交叉验证标准差SECV和定标标准差SEC三个指标确定最优模型；1-VR表示定标模型建立过程中，进行交叉验证时所得到的相关系数，即模型对样品集浓度变化所能描述出的百分率；如果1-VR的值为1，说明在交叉验证过程中定标样品集浓度的变化100%的被解释出来，即预测模型的1-VR值越接近1，说明其为最佳模型；SECV表示在定标模型建立过程中，进行交叉验证时所获得的近红外预测值与化学分析值的标准偏差，通过SECV可以大致评估定标模型预测的准确度，其值越小越有利于最佳模型的挑选；SEC表示通过建立的定标模型对定标样品集进行预测，所获得的实验室分析值与近红外预测值之间的标准偏差。

8.根据权利要求1所述的一种快速预测大麦秸秆营养组成的方法的制备方法，其特征在于，所述步骤7）模型外部验证为，定标模型建立后，采用未参与模型定标过程的独立样品集对最优模型进行外部验证，然后评价定标模型预测外部验证的能力；衡量模型预测效果的统计参数为验证决定系数、验证标准差和平均偏差；SEP值越小，说明得出了越准确的预测结果；RSQv≥0.84时，同时验证集的预测值与湿化学值间的平均偏差相对偏低的模型，即为最优模型，适用于实际检测。