接近红外光谱的应用,用于在不同程度的样本准备过程中评估干草

科学领域:

• 农业科学 农业科学
• 分析化学 分析化学
• 频谱学是一种光谱学.

背景情况:

• 近红外光谱 (NIRS) 是一种快速分析技术,用于确定料质量.
• 干草营养素分析对于动物营养和料管理至关重要.
• 优化样本准备是提高NIRS模型准确性和效率的关键.

研究的目的:

• 根据干草样本准备方法,量化NIRS校准模型中的性能差异.
• 评估研磨与未研磨样本对营养分析NIRS模型准确性的影响.
• 评估NIRS花草分析中样本准备工作和分析速度之间的权衡.

主要方法:

• 开发了NIRS校准模型,使用来自227个子和360个蒂莫西花草样本的光谱数据.
• 从地面 (1毫米颗粒大小) 和未地面的干草样本开发的比较模型.
• 使用R2,标准误差和性能与偏差 (RPD) 与湿化学结果的比率来评估模型性能.

主要成果:

• 使用土壤花草样本开发的NIRS模型与未土壤样本相比,显示出更高的准确性和稳定性.
• 校准模型实现的R2值一般高于0.90,但交叉验证R2根据营养参数和干草类型而有所不同 (0.61-0.95).
• 使用校准的NIRS估计进口干草中的关键料值是可行的,但模型改进需要多样化的样本.

结论:

• 研磨干草样本显著提高了NIRS分析的准确性.
• 虽然样品准备较快,但不那么密集,但可能会损害分析精度.
• 需要进一步调查,以确定NIRS干草分析的最佳样本准备水平,平衡速度和准确性.