中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 燕麦草常规营养成分含量近红外预测模型的建立 动物营养学报 2022,34 (2) 1334-1342
Position: Home > Articles > Near Infrared Prediction Model Establishment for Conventional Nutrient Contents of Oat Grass Chinese Journal of Animal Nutrition 2022,34 (2) 1334-1342

燕麦草常规营养成分含量近红外预测模型的建立

作  者：
张书阅;熊安然;潘予琮;余诗强;蒋林树;熊本海
单  位：
中国农业科学院北京畜牧兽医研究所;北京农学院动物科学技术学院
关键词：
燕麦草;常规营养成分;近红外光谱技术;模型构建
摘  要：
本试验旨在构建燕麦草常规营养成分含量的近红外预测模型.试验于2017—2019年,从我国京津冀等地区的牧场及种植基地收集了80份不同品种、不同产地和不同成熟度的燕麦草,参照燕麦草常规营养成分国标检测方法测定采集80份样品中水分(MSTR)、粗蛋白质(CP)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、粗脂肪(EE)和粗灰分(Ash)含量并进行燕麦草近红外光谱采集.使用OPUS7.5中的偏最小二乘(PLS)化学计量学方法将燕麦草的光谱图和理化指标进行关联,交叉检验法评价预测模型效果.结果显示:不同来源的燕麦草中MSTR、CP、NDF、ADF、EE和Ash含量变异较大;MSTR、CP、NDF、ADF和Ash含量预测模型校正决定系数(RSQcal)为0.886~0.977,交叉验证决定系数(1?VR)为0.84~0.95,交叉验证相对分析误差(RPDCV)为2.50~4.23,定标效果较为理想,外部验证预测决定系数(RSQv)为0.846~0.945,预测相对分析误差(RPDV)为2.57~4.20,表明模型均可应用于实际检测且适用性良好;EE含量预测模型RSQcal为0.870,1?VR为0.772,RPDCV为1.80,外部验证结果RSQv为0.735,RPDV为1.95,模型效果不理想,不能应用于实际检测.综上所述,本试验初步建立燕麦草中MSTR、CP、NDF、ADF和Ash含量的近红外预测模型效果较好,为生产中快速高效测定燕麦草常规营养成分提供技术支撑.
译  名：
Near Infrared Prediction Model Establishment for Conventional Nutrient Contents of Oat Grass

相似文章

导出引用
计量
文章访问数: 5
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46