本發(fā)明涉及牧草營養(yǎng)品質(zhì)評(píng)價(jià)領(lǐng)域，具體涉及一種多花黑麥草酸性洗滌纖維含量的測定方法。

背景技術(shù)：

多花黑麥草(Lolium multiflorum Lam.)為禾本科黑麥草屬一年生或越年生牧草，適于生長在氣候溫暖濕潤地區(qū)，是具世界栽培意義的優(yōu)良牧草之一，在我國南方多省(市)均有較大面積的栽培。近年來，隨著國家農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，草食畜牧業(yè)快速發(fā)展，多花黑麥草因其產(chǎn)量高、冬春季生長旺盛、適應(yīng)性強(qiáng)、營養(yǎng)價(jià)值豐富等優(yōu)點(diǎn)，解決了我國南方冬春季家畜飼草不足的問題，在我國南方地區(qū)糧草輪作中發(fā)揮了極其重要的作用，尤其是草產(chǎn)量高、營養(yǎng)品質(zhì)好的優(yōu)良多花黑麥草品種對畜牧業(yè)生產(chǎn)尤為重要。在多花黑麥草育種工作中，不僅要培育產(chǎn)量高的品種，同時(shí)還要兼顧牧草的品質(zhì)。

酸性洗滌纖維(Acid detergent fiber，ADF)是植物材料或含有植物材料的飼料中，不溶于酸性洗滌劑的化合物，主要包含纖維素、木質(zhì)素和硅酸鹽。牧草中ADF的含量是影響牧草營養(yǎng)品質(zhì)的重要因素，ADF含量高，其中的木質(zhì)素難以被家畜消化，因此研究ADF在多花黑麥草中含量的動(dòng)態(tài)變化對于飼草生產(chǎn)、育種具有重要指導(dǎo)意義。目前國內(nèi)對于牧草ADF測定主要以傳統(tǒng)濕化學(xué)方法為主，存在操作復(fù)雜、誤差較大、成本高、耗時(shí)長、有毒有害化學(xué)藥品污染環(huán)境等突出問題，難以從大量的多花黑麥草品種(系)或樣品中篩選出ADF含量適當(dāng)?shù)钠贩N(系)或樣品，因此找出一種能夠快速測定多花黑麥草中ADF含量的方法，對多花黑麥草育種和牧草品質(zhì)控制具有重要的意義。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是提供一種能夠快速測定多花黑麥草酸性洗滌纖維含量的多花黑麥草酸性洗滌纖維含量的測定方法。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案為：該多花黑麥草酸性洗滌纖維含量的測定方法，包括以下步驟：

A、建立多花黑麥草酸性洗滌纖維含量近紅外預(yù)測模型；所述多花黑麥草酸性洗滌纖維含量近紅外預(yù)測模型采用如下方法建立，具體包括如下步驟：

a、采集多花黑麥草樣品，所述多花黑麥草樣品包括不同品種、不同品系、不同生育期、不同栽培方式和不同部位的鮮草樣品，分別將上述采集的多花黑麥草樣品進(jìn)行預(yù)處理，所述預(yù)處理的方法如下所述：將采集的多花黑麥草樣品先在105℃的環(huán)境中殺青20min，然后在65℃的環(huán)境中烘干后，在微型粉碎機(jī)中粉碎成粉末并過40目篩得到多花黑麥草樣品粉末；

b、將步驟a得到的多花黑麥草樣品粉末分別進(jìn)行近紅外光譜采集得到每個(gè)多花黑麥草樣品粉末的近紅外原始光譜圖；

c、采用PCA算法對所有多花黑麥草樣品粉末的近紅外原始光譜進(jìn)行分析，剔除具有相似光譜的多花黑麥草樣品，剩余的多花黑麥草樣品為代表性多花黑麥草樣品；

d、采用Van Soest方法對步驟c得到的代表性多花黑麥草樣品逐個(gè)進(jìn)行酸性洗滌纖維含量進(jìn)行測定得到每個(gè)代表性多花黑麥草樣品酸性洗滌纖維含量值；

e、依據(jù)代表性多花黑麥草樣品酸性洗滌纖維含量值將代表性多花黑麥草樣品分為校正集和驗(yàn)證集兩部分，具體方法如下：首先將得到的代表性多花黑麥草酸性洗滌纖維含量值從小到大進(jìn)行排序，然后每隔3個(gè)取1個(gè)作為驗(yàn)證集，其余作為校正集，并且調(diào)整代表性多花黑麥草中酸性洗滌纖維含量的最小值和最大值，使之劃歸為校正集；

f、將校正集樣品的近紅外光譜圖和校正集樣品的酸性洗滌纖維含量值的導(dǎo)入Bruker OPUS/QUENT 5.5商用光譜定量分析軟件中，首先，在全譜范圍內(nèi)對校正集樣品的近紅外光譜進(jìn)行預(yù)處理，接著采用偏最小二乘回歸法結(jié)合交互驗(yàn)證對校正集樣品建立預(yù)測校正模型，根據(jù)近紅外定量校正模型的參數(shù)對預(yù)測校正模型進(jìn)行評(píng)價(jià)，對預(yù)測校正模型進(jìn)行評(píng)價(jià)的近紅外定量校正模型參數(shù)包括決定系數(shù)R²、交互驗(yàn)證決定系數(shù)R²cv、交互驗(yàn)證均方根誤差RMSECV，其決定系數(shù)R²為94.49％、交互驗(yàn)證決定系數(shù)R²_cv為92.46％，交互驗(yàn)證均方根誤差RMSECV為1.68，確定最佳光譜預(yù)處理為一階導(dǎo)數(shù)，最佳建模光譜區(qū)為6101.9～5446.2cm^-1和4601.5～4246.7cm^-1，最佳因子數(shù)為6，在評(píng)價(jià)過程中根據(jù)馬氏距離、主因素分析圖、光譜殘差圖以及化學(xué)分析值殘差圖結(jié)果剔除異常的多花黑麥草校正集樣品，從而得到最佳的多花黑麥草酸性洗滌纖維含量最佳近紅外預(yù)測校正模型；接著，將驗(yàn)證集樣品的近紅外光譜和驗(yàn)證集樣品的酸性洗滌纖維含量導(dǎo)入建立的預(yù)測校正模型中進(jìn)行分析驗(yàn)證得到預(yù)測驗(yàn)證模型；接著，利用近紅外定量驗(yàn)證模型的參數(shù)對所得的預(yù)測驗(yàn)證模型進(jìn)行評(píng)價(jià)，對預(yù)測驗(yàn)證模型進(jìn)行評(píng)價(jià)的近紅外定量驗(yàn)證模型的參數(shù)包括外部驗(yàn)證決定系數(shù)R²ev和驗(yàn)證均方根誤差RMSEP，其外部驗(yàn)證決定系數(shù)R²ev為94.82％，驗(yàn)證均方根誤差RMSEP為1.32，在評(píng)價(jià)過程中根據(jù)馬氏距離、主因素分析圖、光譜殘差圖以及化學(xué)分析值殘差圖結(jié)果剔除異常的多花黑麥草驗(yàn)證集樣品，從而得到最佳多花黑麥草酸性洗滌纖維含量近紅外預(yù)測模型；

B、將待測的多花黑麥草樣品按照步驟a所述的預(yù)處理方法處理后得到待測多花黑麥草樣品粉末；

C、將步驟B得到的待測多花黑麥草樣品粉末進(jìn)行近紅外光譜采集得到待測多花黑麥草樣品粉末的近紅外原始光譜圖；

D、將待測多花黑麥草樣品粉末的近紅外原始光譜圖和步驟f中得到的多花黑麥草酸性洗滌纖維含量近紅外預(yù)測模型導(dǎo)入到Bruker OPUS/QUENT 5.5商用光譜定量分析軟件中，通過模型運(yùn)算分析，即可得到待測多花黑麥草樣品中酸性洗滌纖維的含量。

進(jìn)一步的是，所述多花黑麥草的生育期包括分蘗期、拔節(jié)期、孕穗期、抽穗期、開花期、結(jié)實(shí)期、成熟期。

進(jìn)一步的是，所述多花黑麥草的栽培方式包括撒播栽培方式、育苗移栽栽培方式、施用氮肥栽培方式。

進(jìn)一步的是，所述多花黑麥草的采集部位包括莖、葉、全株。

進(jìn)一步的是，在步驟b中，采用如下所述的方法對多花黑麥草樣品粉末分別進(jìn)行近紅外光譜采集，具體的，取適量多花黑麥草樣品粉末，放入Bruker MPA型傅里葉變換NIRS儀樣品杯中，使樣品自然攤平，設(shè)定儀器工作參數(shù)，在溫度為25±0.5℃條件下采集樣品近紅外光譜，得到該樣品的第一次近紅外光譜值，接著，將樣品杯中的樣品取出后再放入樣品杯中，使樣品自然攤平，再次采集樣品近紅外光譜，得到該樣品的第二次近紅外光譜值，然后對第一次近紅外光譜值和第二次近紅外光譜值進(jìn)行平均，得到該多花黑麥草樣品的近紅外原始光譜圖。

進(jìn)一步的是，所述Bruker MPA型傅里葉變換NIRS儀器工作參數(shù)設(shè)定為：譜區(qū)范圍4000～12500cm^-1，分辨率8cm^-1，掃描次數(shù)64次。

進(jìn)一步的是，采用Bruker OPUS/QUENT 5.5商用光譜定量分析軟件對第一次近紅外光譜值和第二次近紅外光譜值進(jìn)行平均，得到多花黑麥草樣品的近紅外原始光譜圖。

進(jìn)一步的是，在步驟d中，采用Van Soest方法的代表性多花黑麥草樣品逐個(gè)進(jìn)行酸性洗滌纖維含量進(jìn)行測定得到每個(gè)代表性多花黑麥草樣品酸性洗滌纖維含量值；

進(jìn)一步的是，在步驟f中，在全譜范圍內(nèi)對校正集樣品的近紅外光譜采用一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、減去一條直線、一階導(dǎo)數(shù)+MSC(多元散射校正)、一階導(dǎo)數(shù)+減去一條直線、一階導(dǎo)數(shù)+矢量歸一化、沒有光譜預(yù)處理、最小-最大歸一化、矢量歸一化、消除常量偏移量和多元散射校正11種光譜預(yù)處理方法。

本發(fā)明的有益效果在于：本發(fā)明所述的多花黑麥草酸性洗滌纖維含量的測定方法提供了一種基于近紅外光譜技術(shù)的多花黑麥草中酸性洗滌纖維真實(shí)含量的預(yù)測模型，在已知大量樣品真實(shí)含量的基礎(chǔ)上，采集樣品的近紅外原始光譜，建立基于近紅外光譜技術(shù)和化學(xué)計(jì)量學(xué)方法的多花黑麥草酸性洗滌纖維含量的定量分析預(yù)測模型，接著，只需要將待測的多花黑麥草樣品經(jīng)過預(yù)處理后得到待測多花黑麥草樣品粉末；并采集其近紅外原始光譜圖，光譜采集過程時(shí)間短，在采集近紅外光譜后就可以進(jìn)行檢測，除前期建立預(yù)測模型外，整個(gè)近紅外檢測過程僅需短短的幾分鐘，具有操作簡單、檢測迅速、檢測效率高的特點(diǎn)，而且該方法是在在已知大量樣品真實(shí)含量的基礎(chǔ)上，采集樣品的近紅外原始光譜，建立基于近紅外光譜技術(shù)和化學(xué)計(jì)量學(xué)方法的多花黑麥草酸性洗滌纖維含量的定量分析預(yù)測模型，其檢測精度非常高，此外，本發(fā)明的檢測方法不需要加入任何有機(jī)試劑，不會(huì)損害檢測人員的健康，更不會(huì)因使用化學(xué)試劑導(dǎo)致環(huán)境污染等問題，更加安全環(huán)保，對于多花黑麥草生產(chǎn)和育種工作具有極為重要的意義。

附圖說明

圖1是實(shí)施例中所述404份多花黑麥草樣品的近紅外光譜圖；

圖2是實(shí)施例中所述123份代表性多花黑麥草樣品的近紅外光譜圖；

圖3是實(shí)施例中校正集樣品的近紅外光譜在最佳預(yù)處理方式一階導(dǎo)數(shù)進(jìn)行預(yù)處理后最佳建模譜區(qū)的近紅外光譜圖；

圖4是實(shí)施例中交叉驗(yàn)證均方根誤差RMSECV、交互驗(yàn)證決定系數(shù)R²_cv隨著主成份維數(shù)的變化圖；

圖5是實(shí)施例中驗(yàn)證集樣品酸性洗滌纖維含量化學(xué)值與近紅外光譜預(yù)測值之間的相關(guān)性圖。

具體實(shí)施方式

下面結(jié)合實(shí)施例對本發(fā)明作進(jìn)一步的說明。

該多花黑麥草酸性洗滌纖維含量的測定方法，包括以下步驟：

A、建立多花黑麥草酸性洗滌纖維含量近紅外預(yù)測模型；所述多花黑麥草酸性洗滌纖維含量近紅外預(yù)測模型采用如下方法建立，具體包括如下步驟：

a、采集多花黑麥草樣品，所述多花黑麥草樣品包括不同品種、不同品系、不同生育期、不同栽培方式和不同部位的鮮草樣品，分別將上述采集的多花黑麥草樣品進(jìn)行預(yù)處理，所述預(yù)處理的方法如下所述：將采集的多花黑麥草樣品先在105℃的環(huán)境中殺青20min，然后在65℃的環(huán)境中烘干后，在微型粉碎機(jī)中粉碎成粉末并過40目篩得到多花黑麥草樣品粉末；

b、將步驟a得到的多花黑麥草樣品粉末分別進(jìn)行近紅外光譜采集得到每個(gè)多花黑麥草樣品粉末的近紅外原始光譜圖；

c、采用PCA算法對所有多花黑麥草樣品粉末的近紅外原始光譜進(jìn)行分析，剔除具有相似光譜的多花黑麥草樣品，剩余的多花黑麥草樣品為代表性多花黑麥草樣品；

d、采用Van Soest方法對步驟c得到的代表性多花黑麥草樣品逐個(gè)進(jìn)行酸性洗滌纖維含量進(jìn)行測定得到每個(gè)代表性多花黑麥草樣品酸性洗滌纖維含量值；

e、依據(jù)代表性多花黑麥草樣品酸性洗滌纖維含量值將代表性多花黑麥草樣品分為校正集和驗(yàn)證集兩部分，具體方法如下：首先將得到的代表性多花黑麥草酸性洗滌纖維含量值從小到大進(jìn)行排序，然后每隔3個(gè)取1個(gè)作為驗(yàn)證集，其余作為校正集，并且調(diào)整代表性多花黑麥草中酸性洗滌纖維含量的最小值和最大值，使之劃歸為校正集；

f、將校正集樣品的近紅外光譜圖和校正集樣品的酸性洗滌纖維含量值的導(dǎo)入Bruker OPUS/QUENT 5.5商用光譜定量分析軟件中，首先，在全譜范圍內(nèi)對校正集樣品的近紅外光譜進(jìn)行預(yù)處理，接著采用偏最小二乘回歸法結(jié)合交互驗(yàn)證對校正集樣品建立預(yù)測校正模型，根據(jù)近紅外定量校正模型的參數(shù)對預(yù)測校正模型進(jìn)行評(píng)價(jià)，對預(yù)測校正模型進(jìn)行評(píng)價(jià)的近紅外定量校正模型參數(shù)包括決定系數(shù)R²、交互驗(yàn)證決定系數(shù)R²cv、交互驗(yàn)證均方根誤差RMSECV，其決定系數(shù)R²為94.49％、交互驗(yàn)證決定系數(shù)R²_cv為92.46％，交互驗(yàn)證均方根誤差RMSECV為1.68，確定最佳光譜預(yù)處理為一階導(dǎo)數(shù)，最佳建模光譜區(qū)為6101.9～5446.2cm^-1和4601.5～4246.7cm^-1，最佳因子數(shù)為6，在評(píng)價(jià)過程中根據(jù)馬氏距離、主因素分析圖、光譜殘差圖以及化學(xué)分析值殘差圖結(jié)果剔除異常的多花黑麥草校正集樣品，從而得到最佳的多花黑麥草酸性洗滌纖維含量最佳近紅外預(yù)測校正模型；接著，將驗(yàn)證集樣品的近紅外光譜和驗(yàn)證集樣品的酸性洗滌纖維含量導(dǎo)入建立的預(yù)測校正模型中進(jìn)行分析驗(yàn)證得到預(yù)測驗(yàn)證模型；接著，利用近紅外定量驗(yàn)證模型的參數(shù)對所得的預(yù)測驗(yàn)證模型進(jìn)行評(píng)價(jià)，對預(yù)測驗(yàn)證模型進(jìn)行評(píng)價(jià)的近紅外定量驗(yàn)證模型的參數(shù)包括外部驗(yàn)證決定系數(shù)R²ev和驗(yàn)證均方根誤差RMSEP，其外部驗(yàn)證決定系數(shù)R²ev為94.82％，驗(yàn)證均方根誤差RMSEP為1.32，在評(píng)價(jià)過程中根據(jù)馬氏距離、主因素分析圖、光譜殘差圖以及化學(xué)分析值殘差圖結(jié)果剔除異常的多花黑麥草驗(yàn)證集樣品，從而得到最佳多花黑麥草酸性洗滌纖維含量近紅外預(yù)測模型；

B、將待測的多花黑麥草樣品按照步驟a所述的預(yù)處理方法處理后得到待測多花黑麥草樣品粉末；

C、將步驟B得到的待測多花黑麥草樣品粉末進(jìn)行近紅外光譜采集得到待測多花黑麥草樣品粉末的近紅外原始光譜圖；

D、將待測多花黑麥草樣品粉末的近紅外原始光譜圖和步驟f中得到的多花黑麥草酸性洗滌纖維含量近紅外預(yù)測模型導(dǎo)入到Bruker OPUS/QUENT 5.5商用光譜定量分析軟件中，通過模型運(yùn)算分析，即可得到待測多花黑麥草樣品中酸性洗滌纖維的含量。

本發(fā)明所述的多花黑麥草酸性洗滌纖維含量的測定方法提供了一種基于近紅外光譜技術(shù)的多花黑麥草中酸性洗滌纖維真實(shí)含量的預(yù)測模型，在已知大量樣品真實(shí)含量的基礎(chǔ)上，采集樣品的近紅外原始光譜，建立基于近紅外光譜技術(shù)和化學(xué)計(jì)量學(xué)方法的多花黑麥草酸性洗滌纖維含量的定量分析預(yù)測模型，接著，只需要將待測的多花黑麥草樣品經(jīng)過預(yù)處理后得到待測多花黑麥草樣品粉末；并采集其近紅外原始光譜圖，光譜采集過程時(shí)間短，在采集近紅外光譜后就可以進(jìn)行檢測，除前期建立預(yù)測模型外，整個(gè)近紅外檢測過程僅需短短的幾分鐘，具有操作簡單、檢測迅速、檢測效率高的特點(diǎn)，而且該方法是在在已知大量樣品真實(shí)含量的基礎(chǔ)上，采集樣品的近紅外原始光譜，建立基于近紅外光譜技術(shù)和化學(xué)計(jì)量學(xué)方法的多花黑麥草酸性洗滌纖維含量的定量分析預(yù)測模型，其檢測精度非常高，此外，本發(fā)明的檢測方法不需要加入任何有機(jī)試劑，不會(huì)損害檢測人員的健康，更不會(huì)因使用化學(xué)試劑導(dǎo)致環(huán)境污染等問題，更加安全環(huán)保，對于多花黑麥草生產(chǎn)和育種工作具有極為重要的意義。

預(yù)測模型的檢測精度與采集樣品的種類有直接的關(guān)系，為了進(jìn)一步增加預(yù)測模型的檢測精度，需采集不同生育期的多花黑麥草樣品，所述多花黑麥草的生育期包括分蘗期、拔節(jié)期、孕穗期、抽穗期、開花期、結(jié)實(shí)期、成熟期。

進(jìn)一步的是，預(yù)測模型的檢測精度與采集樣品的種類有直接的關(guān)系，為了進(jìn)一步增加預(yù)測模型的檢測精度，需采集不同栽培方式的多花黑麥草樣品，所述多花黑麥草的栽培方式包括撒播栽培方式、育苗移栽栽培方式、施用氮肥栽培方式。

進(jìn)一步的是，預(yù)測模型的檢測精度與采集樣品的種類有直接的關(guān)系，為了進(jìn)一步增加預(yù)測模型的檢測精度，需采集不同部位的多花黑麥草樣品，所述多花黑麥草的采集部位包括莖、葉、全株。

為了使得到的多花黑麥草樣品的近紅外原始光譜圖更加準(zhǔn)確真實(shí)，在步驟b中，采用如下所述的方法對多花黑麥草樣品粉末分別進(jìn)行近紅外光譜采集，具體的，取適量多花黑麥草樣品粉末，放入Bruker MPA型傅里葉變換NIRS儀樣品杯中，使樣品自然攤平，設(shè)定儀器工作參數(shù)，采集樣品近紅外光譜，得到該樣品的第一次近紅外光譜值，接著，將樣品杯中的樣品取出后再放入樣品杯中，使樣品自然攤平，再次采集樣品近紅外光譜，得到該樣品的第二次近紅外光譜值，然后對第一次近紅外光譜值和第二次近紅外光譜值進(jìn)行平均，得到該多花黑麥草樣品的近紅外原始光譜圖。

進(jìn)一步的是，所述Bruker MPA型傅里葉變換NIRS儀器工作參數(shù)設(shè)定為：譜區(qū)范圍4000～12500cm^-1，分辨率8cm^-1，掃描次數(shù)64次。

為了方便操作，采用Bruker OPUS/QUENT 5.5商用光譜定量分析軟件對第一次近紅外光譜值和第二次近紅外光譜值進(jìn)行平均，得到多花黑麥草樣品的近紅外原始光譜圖。

進(jìn)一步的是，在步驟d中，采用Van Soest方法的代表性多花黑麥草樣品逐個(gè)進(jìn)行酸性洗滌纖維含量進(jìn)行測定得到每個(gè)代表性多花黑麥草樣品酸性洗滌纖維含量值；

進(jìn)一步的是，在步驟f中，在全譜范圍內(nèi)對校正集樣品的近紅外光譜采用一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、減去一條直線、一階導(dǎo)數(shù)+MSC(多元散射校正)、一階導(dǎo)數(shù)+減去一條直線、一階導(dǎo)數(shù)+矢量歸一化、沒有光譜預(yù)處理、最小-最大歸一化、矢量歸一化、消除常量偏移量和多元散射校正11種光譜預(yù)處理方法。

實(shí)施例

A、建立多花黑麥草酸性洗滌纖維含量近紅外預(yù)測模型；所述多花黑麥草酸性洗滌纖維含量近紅外預(yù)測模型采用如下方法建立，具體包括如下步驟：

a、采集多花黑麥草樣品，所述多花黑麥草樣品為2015-2016年采集的多花黑麥草樣品，包括16個(gè)國審品種，22個(gè)新品系，采集生育期包括分蘗期、拔節(jié)期、孕穗期、抽穗期、開花期、結(jié)實(shí)期、成熟期七個(gè)生育期，采集部位包括莖、葉、全株，采集多花黑麥草的栽培方式包括撒播栽培方式、育苗移栽栽培方式、施用氮肥栽培方式，多花黑麥草樣品一共403份，在105℃殺青20min，65℃烘干后，在微型粉碎機(jī)中粉碎成粉末并過40目篩，得到多花黑麥草樣品粉末；

b、將步驟a得到的多花黑麥草樣品粉末分別進(jìn)行近紅外光譜采集得到每個(gè)多花黑麥草樣品粉末的近紅外原始光譜圖；具體的，取適量多花黑麥草樣品粉末，放入Bruker公司生產(chǎn)的MPA型傅里葉變換NIRS儀樣品杯中，使樣品自然攤平，裝載樣品時(shí)，盡量保持樣品的裝載量、實(shí)密程度和表面平整一致，樣品裝載量為樣品杯容量的一半左右，設(shè)定儀器工作參數(shù)為譜區(qū)范圍4000～12500cm^-1，分辨率8cm^-1，掃描次數(shù)64次，以儀器內(nèi)置參比作為校正采集樣品光譜；在室溫25±0.5℃條件下進(jìn)行光譜采集，得到該樣品的第一次近紅外光譜值，接著，將樣品杯中的樣品取出后再放入樣品杯中，使樣品自然攤平，再次采集樣品近紅外光譜，得到該樣品的第二次近紅外光譜值，采集兩次是為了減少取樣引起的光譜漂移，然后采用OPUS/QUENT 5.5商用光譜定量分析軟件對第一次近紅外光譜值和第二次近紅外光譜值進(jìn)行平均，得到多花黑麥草樣品的近紅外原始光譜圖，樣品原始光譜圖如圖1所示；

c、將步驟b中得到的原始光譜圖導(dǎo)入德國Bruker公司的OPUS/QUENT 5.5商用光譜定量分析軟件中，采用PCA算法對所有多花黑麥草樣品粉末的近紅外原始光譜進(jìn)行分析，剔除具有相似光譜的多花黑麥草樣品，剩余123份多花黑麥草樣品為代表性多花黑麥草樣品，其樣品原始光譜圖如圖2所示；

d、采用Van Soest方法對步驟c得到的代表性多花黑麥草樣品逐個(gè)進(jìn)行酸性洗滌纖維含量進(jìn)行測定得到每個(gè)代表性多花黑麥草樣品酸性洗滌纖維含量值；

所述的Van Soest方法(NY/T 1459-2007)為：利用美國Ankom公司的2000i纖維分析儀對酸性洗滌纖維進(jìn)行測定，其步驟如下：

1、試劑的配置：現(xiàn)將濃硫酸稀釋為當(dāng)量濃度為1N的硫酸溶液，即將27.17mL濃硫酸用蒸餾水稀釋為1L，在此過程中現(xiàn)將濃硫酸緩慢倒入適量的蒸餾水中，待溶液冷卻后定容至1L；然后向1L1N的硫酸溶液中溶解20g十六烷基三甲溴化銨(CTAB)，配置為酸性溶液。

2、酸性洗滌纖維的測定：用不溶于有機(jī)溶劑的記號(hào)筆給美國Ankom公司生產(chǎn)的F57濾袋編號(hào)并稱重(W1)，然后準(zhǔn)確稱量0.35～0.45g(W2)的樣品于濾袋中，避免樣品粘在距袋口4mm處，然后使用封口機(jī)封口，將裝好樣品的濾袋放置在容器內(nèi)加入足量丙酮覆蓋濾袋，震蕩10次浸泡10分鐘，重復(fù)丙酮洗滌，然后倒出丙酮放置濾袋風(fēng)干；將濾袋放置在美國Ankom公司的2000i纖維分析儀的托盤架上，每次最多能放24個(gè)樣品包，九個(gè)托盤不用區(qū)分濾袋編號(hào)，每個(gè)托盤放置3個(gè)濾袋，托盤間呈120°角放置，將放好濾袋的托盤架放入纖維儀容器中，放入重錘確?？罩牡诰艑油斜P可浸入液面下；遵循Ankom 2000i的用法，選擇ADF程序，在纖維分析儀的B口放入配置好的酸性溶液，待ADF分析及洗滌過程結(jié)束，取出樣品，輕壓濾袋使水?dāng)D出，用冷水洗滌兩次，把濾袋放置在燒杯中，加入足量丙酮覆蓋濾袋浸泡3-5分鐘；最后從丙酮中取出濾袋風(fēng)干，在烘箱102±℃完全干燥(注意丙酮沒有完全揮發(fā)前不要放入烘箱)；干燥后在隔絕空氣的袋中冷卻稱重(W3)。按照公式ADF(％)＝(W3-W1)×100÷W2進(jìn)行計(jì)算酸性洗滌纖維的含量。

e、依據(jù)代表性多花黑麥草樣品酸性洗滌纖維含量值將代表性多花黑麥草樣品分為校正集和驗(yàn)證集兩部分，具體方法如下：首先將得到的代表性多花黑麥草酸性洗滌纖維含量值從小到大進(jìn)行排序，然后每隔3個(gè)取1個(gè)作為驗(yàn)證集，其余作為校正集；即具有代表性的123份多花黑麥草樣品中，有93份作為校正集，30份作為驗(yàn)證集，并且調(diào)整多花黑麥草中酸性洗滌纖維含量的最小值和最大值，使之劃歸為校正集。

f、將校正集樣品的近紅外光譜圖和校正集樣品的酸性洗滌纖維含量值的導(dǎo)入BrukerOPUS/QUENT 5.5商用光譜定量分析軟件中，首先，在全譜范圍內(nèi)對校正集樣品的近紅外光譜進(jìn)行預(yù)處理，在全譜范圍內(nèi)對校正集樣品的近紅外光譜采用一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、減去一條直線、一階導(dǎo)數(shù)+MSC(多元散射校正)、一階導(dǎo)數(shù)+減去一條直線、一階導(dǎo)數(shù)+矢量歸一化、沒有光譜預(yù)處理、最小-最大歸一化、矢量歸一化、消除常量偏移量和多元散射校正11種光譜預(yù)處理方法，接著采用偏最小二乘回歸法結(jié)合交互驗(yàn)證對校正集樣品建立預(yù)測校正模型，根據(jù)近紅外定量校正模型的參數(shù)對預(yù)測校正模型進(jìn)行評(píng)價(jià)，確定最佳光譜預(yù)處理方法，主成份因子數(shù)和最佳建模光譜區(qū)，最終以預(yù)測校正模型的交互驗(yàn)證均方根誤差RMSECV的最小值對應(yīng)最佳光譜預(yù)處理方法、最佳建模光譜區(qū)和最佳主成份因子數(shù)，圖3是校正集樣品的近紅外光譜在最佳預(yù)處理方式一階導(dǎo)數(shù)進(jìn)行預(yù)處理后最佳建模譜區(qū)的近紅外光譜圖；表1是不同光譜預(yù)處理方法下最佳建模譜區(qū)和模型參數(shù)，由表1所述，最終確定的最佳光譜預(yù)處理為一階導(dǎo)數(shù)，最佳建模光譜區(qū)為6101.9～5446.2cm^-1和4601.5～4246.7cm^-1，最佳因子數(shù)為6；在評(píng)價(jià)過程中根據(jù)馬氏距離、主因素分析圖、光譜殘差圖以及化學(xué)分析值殘差圖等結(jié)果剔除異常的多花黑麥草校正集樣品，從而得到最佳的多花黑麥草酸性洗滌纖維含量最佳近紅外預(yù)測校正模型，對預(yù)測校正模型進(jìn)行評(píng)價(jià)的近紅外定量校正模型參數(shù)包括決定系數(shù)R²、交互驗(yàn)證決定系數(shù)R²cv、交互驗(yàn)證均方根誤差RMSECV；接著，采用驗(yàn)證集樣品對預(yù)測校正模型進(jìn)行外部驗(yàn)證，所述的外部驗(yàn)證的具體方法是利用預(yù)測校正模型對驗(yàn)證集光譜進(jìn)行預(yù)測，即在德國Bruker公司的OPUS/QUENT 5.5商用光譜定量分析軟件中選擇建立定量2方法，將驗(yàn)證集樣品的近紅外光譜和驗(yàn)證集樣品的酸性洗滌纖維含量導(dǎo)入建立的預(yù)測校正模型中進(jìn)行分析驗(yàn)證得到預(yù)測驗(yàn)證模型；接著，利用近紅外定量驗(yàn)證模型的參數(shù)對所得的預(yù)測驗(yàn)證模型進(jìn)行評(píng)價(jià)，在評(píng)價(jià)過程中根據(jù)馬氏距離、主因素分析圖、光譜殘差圖以及化學(xué)分析值殘差圖等結(jié)果剔除異常的多花黑麥草驗(yàn)證集樣品，從而得到最佳多花黑麥草酸性洗滌纖維含量近紅外預(yù)測模型；對預(yù)測驗(yàn)證模型進(jìn)行評(píng)價(jià)的近紅外定量驗(yàn)證模型參數(shù)包括外部驗(yàn)證決定系數(shù)R²ev和驗(yàn)證均方根誤差RMSEP。即預(yù)測校正模型有較高的決定系數(shù)R²、交互驗(yàn)證決定系數(shù)R²cv和較低的RMSECV，預(yù)測驗(yàn)證模型有較高的外部驗(yàn)證決定系數(shù)R²ev和較低的RMSEP值時(shí)，所述近紅外預(yù)測模型適用于多花黑麥草酸性洗滌纖維含量的測定；圖4是交叉驗(yàn)證均方根誤差RMSECV、交互驗(yàn)證決定系數(shù)R²cv隨著主成份維數(shù)的變化圖，圖5是驗(yàn)證集樣品酸性洗滌纖維含量化學(xué)值與近紅外光譜預(yù)測值之間的相關(guān)性圖；通過優(yōu)化評(píng)價(jià)，所述的最優(yōu)的多花黑麥草酸性洗滌纖維含量的預(yù)測模型，其決定系數(shù)R²為94.49％、交互驗(yàn)證決定系數(shù)R²_cv為92.46％、外部驗(yàn)證決定系數(shù)R²_ev為94.82％、RMSECV為1.68和RMSEP為1.32；所述預(yù)測校正模型剔除了1個(gè)異常樣品，即校正集樣品為92個(gè)；所述的預(yù)測驗(yàn)證模型沒有異常樣品，即驗(yàn)證集樣品為30個(gè)；

表1

B、將待測的多花黑麥草樣品按照步驟a所述的預(yù)處理方法處理后得到待測多花黑麥草樣品粉末；

C、將步驟B得到的待測多花黑麥草樣品粉末進(jìn)行近紅外光譜采集得到待測多花黑麥草樣品粉末的近紅外原始光譜圖；

D、將待測多花黑麥草樣品粉末的近紅外原始光譜圖和步驟f中得到的多花黑麥草酸性洗滌纖維含量近紅外預(yù)測模型導(dǎo)入到Bruker OPUS/QUENT 5.5商用光譜定量分析軟件中，通過模型運(yùn)算分析，即可得到待測多花黑麥草樣品中酸性洗滌纖維的含量。

下表為待測的48份多花黑麥草樣品采用上述方法測得的酸性洗滌纖維的含量值；

由上表可知，采用本發(fā)明所述的多花黑麥草酸性洗滌纖維含量的測定方法測定的多花黑麥草酸性洗滌纖維含量的測定值與其真實(shí)值非常接近，其檢測精度非常高。

以上所述的實(shí)施例僅僅是對本發(fā)明的優(yōu)選實(shí)施方式進(jìn)行描述，并非對本發(fā)明的范圍進(jìn)行限定。任何熟悉本領(lǐng)域的技術(shù)人員，在不脫離本發(fā)明的精神實(shí)質(zhì)和技術(shù)方案的情況下，都可以利用上述的方法和技術(shù)內(nèi)容對本發(fā)明技術(shù)方案做出許多可能的變動(dòng)和修飾。因此，凡是未脫離本發(fā)明技術(shù)方案的內(nèi)容，依據(jù)本發(fā)明的技術(shù)實(shí)質(zhì)對以上實(shí)施例所做的變動(dòng)和修飾，均屬于本發(fā)明技術(shù)方案保護(hù)的范圍內(nèi)。