为实现现场、 快速且相对准确地获得规模化奶牛场粪便从牛舍到还田前各环节的全氮含量, 连续6天采集天津市某典型奶牛场粪便处理全过程环节(收集—筛分—堆储)111个粪便样品, 使用电热鼓风干燥箱将样品烘干后粉碎并过18目筛。 采用凯氏定氮仪测得各环节样品中全氮含量, 其浓度范围为0.20%~3.86%; 采用美国PE公司的傅里叶近红外光谱仪在4 000~12 000 cm^-1范围内采集所有样品的近红外漫反射光谱。 基于蒙特卡洛交叉验证法对异常样品进行检查, 剔除17个异常样品, 并对剩余94个样品的近红外漫反射光谱进行SG一阶导数与去噪预处理。 接着对94个样品预处理后的近红外漫反射光谱数据进行主成分分析, 前两个主成分可以解释所有变量方差的89%, 通过主成分分析得出规模化奶牛场粪便处理全过程环节样品的变异情况: 从鲜粪到混合粪环节, 样品的性质和有机组分变化不大, 而到垫料环节, 性质和有机组分发生较大变化, 表明粪便样品随着处理环节的变化, 其性质和组成在发生动态的变化。 因此, 要实现对规模化奶牛场粪便处理全过程环节样品动态的、 实时的总氮快速检测, 就必须建立适用于粪便处理全过程环节的定量分析模型。 最后, 采用K-S法从94个样品中选择63个样品, 包括24个鲜粪样品、 28个混合粪样品、 11个垫料样品, 作为校正集建立规模化奶牛场粪便处理全过程环节定量分析总氮的偏最小二乘模型。 利用所建立的全环节模型对预测集31个未知样品, 包括12个鲜粪样品、 9个混合粪样品、 10个垫料样品, 进行预测, 预测浓度与实际浓度的相关系数(R)为0.91, 预测均方根误差(RMSEP)为0.151%。 表明: 将近红外漫反射光谱与化学计量学结合快速定量分析规模化奶牛场全程粪便中全氮的含量完全可行, 为粪便全氮快速检测近红外仪器的开发和现场应用提供理论和实验依据, 为粪便定量还田提供技术支撑。

传统外部品质分选目前已经无法满足人们对水果口感品质的需求，对传统外部品质分选线进行糖度分选改造，实现糖度分选，对确保水果的口感品质具有重要意义。分别采集两种不同检测方式下获取的脐橙的近红外漫反射光谱，其中环形发射与接收漫反射方式的光谱能量要比多点发射与接收漫反射方式强，波峰与波谷位置大致相同。近红外漫反射光谱经基线校正、多元散射校正、一阶、二阶导数等方法进行光谱数据预处理，以减少杂散光和噪声的影响。分别建立脐橙在两种不同漫反射检测方式下的糖度偏最小二乘（PLS）模型进行对比分析。实验结果表明，采用基线校正预处理方法获得的结果最优；环形发射与接收漫反射检测方式下的糖度模型预测相关系数为0.81，预测均方根误差为0.46°Brix，多点发射与接收漫反射检测方式下的糖度模型预测相关系数为0.76，预测均方根误差为0.53°Brix。研究表明，应用PLS建模结合近红外漫反射光谱对传统外部品质分选线中的糖度分选线功能进行升级改造是可行的。