快速获取玉米青贮饲料的营养价值水平成为保障奶牛生产性能稳定、降低饲养成本的重要手段。国内外大量的专家学者从20世纪80年代开始研究利用近红外光谱技术快速测定玉米青贮的营养指标、评定其质量水平。本文从预测指标的范围、扫描样品预处理方式2个维度梳理总结了已有研究成果,以供该领域的研究人员参考。 The rapid acquisition of the nutritive value of corn silage has become an important means to ensure the stability of the dairy production performance and reduce the feeding cost. Since 1980s, a large number of experts and scholars at home and abroad have studied the nutritional index and quality level of corn silage by near infrared spectroscopy. In this paper, the existing research results are summarized to the researchers from 2 dimensions of the prediction index and sample scanning preprocessing methods.
李丽媛
淄博市农业广播电视学校,山东 淄博
收稿日期:2019年4月4日;录用日期:2019年4月19日;发布日期:2019年4月26日
快速获取玉米青贮饲料的营养价值水平成为保障奶牛生产性能稳定、降低饲养成本的重要手段。国内外大量的专家学者从20世纪80年代开始研究利用近红外光谱技术快速测定玉米青贮的营养指标、评定其质量水平。本文从预测指标的范围、扫描样品预处理方式2个维度梳理总结了已有研究成果,以供该领域的研究人员参考。
关键词 :玉米青贮,近红外,饲料
Copyright © 2019 by author and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY).
http://creativecommons.org/licenses/by/4.0/
玉米青贮饲料是奶牛养殖中最主要的日粮成分,占比高达60%左右,其营养价值对奶牛的生产性能起着至关重要的作用。单头高产泌乳奶牛年消耗玉米青贮饲料在3.6吨左右,费用约占总饲养成本的20%,玉米青贮饲料的营养价值也影响着牧场的经济效益。因玉米品种、地域和青贮工艺的不同,玉米青贮饲料的营养指标存在着较大差异;受季节和环境等因素的影响,玉米青贮饲料的营养指标还具有波动性。快速获取玉米青贮饲料的营养价值水平成为保障奶牛生产性能稳定、降低饲养成本的重要手段。
近红外(near-infrared, NIR)光谱分析技术是一种有机物快速分析技术。它的原理是利用有机化学物质在近红外光谱区的光学特性来快速测定样品中的一种或多种化学成分,具有分析速度快、样品制备简单、无破环性、无污染和同时测定多种成分的特点。随着光学、计算机数据处理技术、化学光度理论和方法的不断发展,以及新型近红外光谱仪器的不断出现和软件版本的不断更新,该技术的稳定性、实用性和准确性不断提高,应用领域也不断扩大,在农业、食品、石油化学和生物医学等多个领域均得到了广泛的应用。
国内外大量的专家学者从20世纪80年代开始研究利用近红外光谱技术快速测定玉米青贮的营养指标、评定其质量水平。本文从预测指标的范围、扫描样品预处理方式2个维度总结了已有研究成果。
在美国Norris [
常规指标是指基于Weende饲料分析体系化学分析方法获取的概略养分,主要包括:水分(Moisture)、粗蛋白(Crude protein, CP)、粗灰分(Ash)、粗脂肪(Ether extract, EE)、粗纤维(Crude fibre, CF)等。
粗蛋白:加拿大E. V. Valdes等 [
作者 | 光谱仪 | 样品 个数 | 分析 指标 | 含量 范围 | 指标 单位 | 烘干 情况 | 扫描样 品粒径 | 模型预 测效果 |
---|---|---|---|---|---|---|---|---|
Moe, A. J.和 Carr, S. B., 1985 | / | 142 | IVDMD | 38.5~74.7 | % | / | / | SEE = 4.04 |
E. V. Valdes等, 1987 | Neotec 51A | 862 | CP | 4.8~10.6 | % | 烘干 | 1.0 mm | SEE = 0.41 |
Neotec 51A | IVDMD | 60.2~83.8 | % | SEE = 1.76 | ||||
Technicon InfraAlyzer 400R | IVDMD | 60.2~83.8 | % | SEE = 1.70 | ||||
Technicon InfraAlyzer 400R | CP | 4.8~10.6 | % | SEE = 0.25 | ||||
J.L. De Boever等, 1997 | Infra-alyzer 500 | 101 | 水分 | 49~92 | g∙kg-1 | 烘干 | 1.0 mm | SECV = 2.68 |
CP | 63~100 | g∙kg-1 DM | SECV = 3 | |||||
CF | 164~243 | g∙kg-1 DM | SECV = 13 | |||||
Ash | 39~100 | g∙kg-1 DM | SECV = 7 | |||||
淀粉 | 137~365 | g∙kg-1 DM | SECV = 20 | |||||
NDF | 380~489 | g∙kg-1 DM | SECV = 16 | |||||
ADF | 201~281 | g∙kg-1 DM | SECV = 13 | |||||
ADL | 14~31 | g∙kg-1 DM | SECV = 3 | |||||
VOMD | 67.3~78.5 | % | SECV = 2.1 | |||||
ME | 9.86~11.76 | MJ∙kg-1 DM | SECV = 0.32 | |||||
NEL | 5.76~7.07 | MJ∙kg-1 DM | SECV = 0.23 | |||||
OEB | −43~−11 | g∙kg-1 DM | / | |||||
DVE | 43~57 | g∙kg-1 DM | SECV = 5 | |||||
Roberto Serena Fontaneli, João Walter Durr等, 2002 | Silver Spring, MD, modelo 5000 | 246 | CP | 5.43~10.52 | % | 烘干 | 1.0 mm | SECV = 0.14 |
DM | 86.13~99.67 | % | SECV = 0.22 | |||||
ADF | 19.43~40.41 | % | SECV = 0.32 | |||||
NDF | 49.41~72.35 | % | SECV = 0.44 | |||||
Ca | 0.02~0.67 | % | SECV = 0.03 | |||||
P | 0.10~0.26 | % | SECV = 0.01 | |||||
K | 0.61~2.14 | % | SECV = 0.08 | |||||
Mg | 0.12~0.32 | % | SECV = 0.01 | |||||
Mary Lou Swift, 2003 | FOSS NIR Systems 6500 | 191 | His | 0.06~0.17 | %DM | 烘干 | 2.0 mm | SECV = 0.013 |
Arg | 0.17~0.75 | %DM | SECV = 0.051 | |||||
Thr | 0.1~0.38 | %DM | SECV = 0.031 | |||||
Val | 0.24~0.51 | %DM | SECV = 0.033 | |||||
Met | 0.07~0.16 | %DM | / | |||||
ILe | 0.17~0.39 | %DM | SECV = 0.026 | |||||
Leu | 0.34~0.94 | %DM | SECV = 0.062 | |||||
Phe | 0.16~0.43 | %DM | SECV = 0.029 | |||||
Lys | 0.07~0.32 | %DM | SECV = 0.027 | |||||
De Boever, J. L等, 2002 | Infralyzer 500 spectrophotometer | 26 | FOM1 | 505 ± 65 | / | 烘干 | 1.0 mm | RMSEP = 34 |
FOM2 | 556 ± 38 | / | RMSEP = 22 | |||||
DVE | 55 ± 4 | / | RMSEP = 3 | |||||
OEB | −39 ± 7 | / | RMSEP = 5 | |||||
L. K. Sørensen, 2004 | FOSS NIR Systems 5000 | 221 | pH | 3.7~6.4 | / | 烘干 | 1.0 mm | RMSECV = 0.063 |
FOSS a NIR-Systems 6500 | 221 | pH | 3.7~6.4 | / | 未烘干 | / | RMSECV = 0.080 | |
202 | 乳酸 | 0.08~16 | %DM | 烘干 | 1.0 mm | RMSECV = 0.36 | ||
202 | 乳酸 | 0.08~16 | %DM | 未烘干 | / | RMSECV = 0.47 |
表1. 国内外玉米青贮饲料分析的近红外定标模型
Continued
粗灰分:比利时De Boever等 [
粗脂肪:国内白琪林等 [
粗纤维:CF的NIR模型 [
水分/干物质:玉米青贮饲料水分含量大,常规分析一般基于烘干样品分析。本指标的NIR模型分为2种,一是基于烘干样品,预测烘干样品的水分/干物质含量;一是基于未烘干样品,预测未烘干样品的水分/干物质含量。De Boever等 [
此外,淀粉 [
范式纤维指标是Van Soest提出的精准分析粗纤维的所含有的化合物,包括:中性洗涤纤维(Neutral detergent fiber, NDF)、酸性洗涤纤维(Acid detergent fiber, ADF)和酸性洗涤木质素(Acid detergent lignin, ADL)。其中NDF和ADF既是反映玉米青贮饲料营养价值的指标,也是NIR模型构建的重点和热点。模型样品的含量范围也不断丰富,其中NDF含量范围为38.0~73.8 %DM [
氨基酸是组成蛋白质的基本单位,也是蛋白质的分解产物。Mary Lou Swift [
巴西Roberto Serena Fontaneli等 [
发酵是玉米秸秆变为玉米青贮饲料的最主要的过程,有机酸是青贮发酵过程中微生物作用下的主要产物。青贮饲料质量评定标准体系也采用发酵品质为主要评定指标。发酵品质指标一般包括:pH值、乳酸、乙酸、丙酸、丁酸和氨态氮等。Snyman等 [
此外,乙醇 [
NIR技术最先被研究用于测定玉米青贮饲料的消化性能。传统的玉米青贮饲料消化代谢性能的测定和能量指标的获取,都需要耗费大量的时间、人力和物力,而利用NIR则可以快速测定多种指标。NIR法在预测精度上也具有一定的优势,Barber等 [
目前,已有的研究报道多集中在对IVDMD和有机物消化率(VOMD)的测定上。粗蛋白的小肠降解率 [
NIR法也被应用于预测干物质和粗蛋白在瘤胃和小肠的动态消化降解情况,降解动力学方程参数的NIR定标模型被构建。De la Roza [
奶牛饲养具有不同的营养体系,国内外比较常见的有美国的NRC和美国康乃尔大学的净碳水化合物和蛋白体系CNCPS、荷兰的DVE/OBE体系和法国的PDI体系等。比利时De Boever等 [
玉米青贮饲料不同于大豆粕等饲料原料,具有水分含量高、粒度不均一等显著特征。近红外漫反射分析检测器所检测到的信号是分析光与样品间经过多次反射、折射、衍射和吸收后返回样品表面的光信号,它负载了样品的结构和组成信息。光与样品作用时,在反射、折射和衍射等方面的差异都会影响漫反射系数,而这些差异又源于样品的粒径大小、分布以及外观形态等方面的差异,所以待测样品的粒径大小、均匀度以及外观形态对光的漫反射强度有很大的影响 [
NIR已经广泛应用于干燥粉碎青贮饲料化学成分的测定,然而进行干燥和粉碎的样品前处理过程仍然费时费力,并且干燥过程可能会导致青贮饲料中富含的一些挥发性成分如挥发性脂肪酸和乙醇等损失,从而影响测定结果。因此研究者们提出直接用新鲜的青贮饲料进行NIRS或NITS分析。这种方法方便快捷,既节省了样品前处理的时间 [
用于NIRS测定的样品粉碎前需进行干燥处理,不适宜的干燥过程会导致青贮饲料的一部分挥发性物质损失,从而影响NIRS测定的准确性。Sorensen [
烘干样品:利用近红外漫反射光谱技术时,为获得较准确的测定结果,通常对样品进行粉碎处理。Norris等 [
未烘干样品:由于新鲜青贮饲料的样品状态很不均匀,而样品粒度又是引起光散射的重要因素 [
NIR在玉米青贮饲料检测领域的应用推广前景极其诱人。该技术融合了计算机技术、化学计量学、光谱学和光电硬件技术等多种技术,为了更好发挥其自身优势,应该重点关注一下几个方面:1) 样品代表性:我国玉米青贮饲料受地域影响大,具有来源广、种类多的显著特点。一是,玉米生产分布广泛,2017年种植面积约为15,445.2千公顷,分布在东北经黄淮海向西南延伸的广阔地区,包括北方春玉米区、黄淮海夏玉米区及西南山玉米区,且随着粮改饲工作的推进,用于青贮的玉米种植面积将进一步增加;二是,我国玉米品种多,2017年国审数量即超过87个。此外,以裹包青贮为代表的新的青贮工艺的发展,也对定标模型的样品代表性提出了更多的要求。2) 模型传递性:近红外光谱分析仪器包括滤光片型、傅里叶变换型、声光可调滤光型等3种类型,且在线式、便携式等新型仪器已经被应用于实际检测。模型传递可避免模型重建带来的大量人力物力的重复耗费,修正或对不同条件获取的样品光谱信号进行校正等,以消除或减小不同测定条件引起的分析结果差异。刘贤等 [
李丽媛. 近红外光谱技术在玉米青贮饲料分析中的应用现状Application of Near Infrared Spectroscopy in the Analysis of Corn Silage[J]. 农业科学, 2019, 09(04): 258-266. https://doi.org/10.12677/HJAS.2019.94040