[发明专利]一种基于近红外光谱的燕麦相对饲用价值的检测方法在审
申请号: | 202210327847.5 | 申请日: | 2022-03-30 |
公开(公告)号: | CN114720421A | 公开(公告)日: | 2022-07-08 |
发明(设计)人: | 孙彦;王储;麻冬梅;李跃;胡倩楠 | 申请(专利权)人: | 中国农业大学 |
主分类号: | G01N21/359 | 分类号: | G01N21/359;G01N21/3563;G06K9/62;G06F17/18 |
代理公司: | 北京纪凯知识产权代理有限公司 11245 | 代理人: | 刘鑫鑫 |
地址: | 100193 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 红外 光谱 燕麦 相对 价值 检测 方法 | ||
1.一种燕麦相对饲用价值的检测方法,包括如下步骤:
(1)采集N份不同品种的燕麦全株样品,N为50~150间的任意整数,烘干后粉碎,得到N份燕麦全株干样;
(2)分别测定所述N份燕麦全株干样中的中性洗涤纤维的含量和酸性洗涤纤维的含量,按照如下公式(1)-(3)分别计算所述N份燕麦全株干样的相对饲用价值;
RFV=DDM×DMI/1.29 (1)
DDM=88.9-0.779ADF (2)
DMI=120/NDF (3)
其中,RFV表示相对饲用价值,DDM表示干物质消化率,DMI表示干物质采食量,NDF表示干物质中的中性洗涤纤维的质量百分含量,ADF表示干物质中的酸性洗涤纤维的质量百分含量;
(3)将所述N份燕麦全株干样中每个样品进行三次重复扫描,获取3N份近红外光谱图;
(4)剔除所述3N份燕麦全株干样中的异常样本,以剔除异常样本后剩余的全株干样为定标集,以随机抽取的全株干样为验证集;
(5)对步骤(2)中计算得到的所述定标集的相对饲用价值和步骤(3)得到的所述定标集的近红外光谱图进行关联,构建定标模型;
利用所述定标模型对步骤(4)中所述验证集进行预测,以验证所述定标模型;
(6)将待检测的燕麦全株烘干后粉碎,得到待检测的燕麦全株干样;获取所述待检测的燕麦全株干样的近红外光谱图,根据所述定标模型,即可得到所述待检测的燕麦全株的相对饲用价值。
2.根据权利要求1所述的燕麦相对饲用价值的检测方法,其特征在于:步骤(1)中,N为83;
步骤(4)中,以随机抽取的35份燕麦品种作为验证集。
3.根据权利要求1或2所述的燕麦相对饲用价值的检测方法,其特征在于:步骤(1)和步骤(6)中,所述烘干在60℃下进行,所述粉碎后过1mm的筛。
4.根据权利要求1-3中任一项所述的燕麦相对饲用价值的检测方法,其特征在于:步骤(3)中,所述近红外光谱图的扫描条件如下:温度为26℃,扫描波长范围为1100nm~2492.8nm,波长间隔2nm,扫描次数32次。
5.根据权利要求1-4中任一项所述的燕麦相对饲用价值的检测方法,其特征在于:步骤(4)中,所述剔除中聚类分析方式采用主成分分析,以马氏距离法中GH3和T检验法中T2.5剔除标准。
6.根据权利要求1-5中任一项所述的燕麦相对饲用价值的检测方法,其特征在于:步骤(5)中,所述构建定标模型中采用不同光谱处理、不同数学处理和不同回归方法,以校正标准误差、交叉验证误差、定标相关系数和交叉验证决定系数为筛选标准确定最佳建模方法;
所述不同光谱处理为无散射预处理、标准化处理、去趋势化处理、标准化处理+去趋势化处理、标准化多元散射处理、加权多元散射处理和反向多元散射处理;
所述不同数学处理为导数处理和平滑处理;
所述不同回归方法为改进局部偏最小二乘法、偏最小二乘法和主成分回归;
所述最佳建模方法如下:光谱处理为标准化处理+去趋势化处理,数学处理为1阶求导光谱间隔4个点第一次平滑处理间隔4个点第二次平滑处理间隔2个点,回归方法为改进偏最小二乘法。
7.根据权利要求1-6中任一项所述的燕麦相对饲用价值的检测方法,其特征在于:步骤(5)中,以外部验证决定系数、预测标准误差和预测相对标准误差为衡量参数对所述验证集进行预测。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国农业大学,未经中国农业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210327847.5/1.html,转载请声明来源钻瓜专利网。