为了研究近红外光谱模型的优化方法,提高模型的精度,利用遗传算法对64个掺加了肉骨粉的鱼粉样品近红外光谱进行变量筛选,采用偏最小二乘法回归建模,并用21个样品进行外部验证。遗传算法共选取310个波长变量,相对于全谱的1556个变量减少了80%,与全谱范围的偏最小二乘法相比,交互验证相关系数(RCV)从0.80提高到0.90,交互验证均方根误差从5.22%降低到3.62%,预测相关系数(RV)从0.91提高到0.96,预测均方根误差从3.85%降低到2.95%,模型的稳健性和预测精度都显著提高。试验结果表明遗传算法可以改善近红外光谱法预测鱼粉中肉骨粉含量的效果。

为了切断疯牛病的传播途径保证饲料安全,开展非反刍动物肉骨粉中反刍动物成分含量的检测方法研究十分必要.本文探讨了利用近红外漫反射光谱(MRS)分析技术快速检测非反刍动物(猪鸡)肉骨粉中反刍动物(牛羊)成分含量的可行性.收集了不同地区不同种类的肉骨粉样本,在猪和鸡肉骨粉中分别掺入0～48 %的牛或羊肉骨粉,制备了200个样本.针对含牛羊源的猪肉骨粉、含牛羊源的鸡肉骨粉和含牛羊源的猪鸡肉骨粉三类样本,以掺入的牛羊源成分的质量比例作为真值,分别采用改进的偏最小二乘回归(MPLS)、偏最小二乘回归(PLS)和主成分回归(PCR)三种不同建模方法建立了MRS定标模型.用独立的验证集对模型进行了验证,最优模型验证集的决定系数(R2)均大于0.90,相对分析误差(RPD)均大于3.0.结果表明,利用NIRS分析技术可以快速检测出猪鸡肉骨粉中牛羊源成分的含量.