3一、工作簡況），訂項目編號為20213324-T-469，項目名稱為《飼料中水分、粗蛋白質(zhì)、粗為四川威爾檢測技術股份有限公司、中國農(nóng)業(yè)科學院農(nóng)業(yè)質(zhì)量標準與檢測技術研究所[國家飼料質(zhì)量監(jiān)督檢驗中心（北京）]和通威股份有限公司。行細分，新成立通威農(nóng)業(yè)發(fā)展有限公司，承擔原通威股份有限公司農(nóng)牧板塊全部業(yè)務，計劃未來單獨拆分上市，使后續(xù)業(yè)務更聚焦。草單位申請變更為四川威爾檢測技術股份有限公司、中國農(nóng)業(yè)科學院農(nóng)業(yè)農(nóng)業(yè)發(fā)展有限公司。本標準由全國飼料工業(yè)標準化技術委員會（SAC/TC近紅外光譜法是目前公認最快速、最綠色環(huán)保的飼料、食品等產(chǎn)品營養(yǎng)成分檢測方法。近紅外快速檢測技術在美國、歐盟等飼料企業(yè)應用較廣泛，近年來我國飼料近紅外技術應用水平也逐步提升。隨著農(nóng)業(yè)農(nóng)村部發(fā)布《共同推進“一帶一路”建設農(nóng)業(yè)合作的愿景與行動》，我國主要大型飼料企業(yè)不斷在“一帶一路”沿線國家布局，開展多種形式的國際產(chǎn)能合作，為我國飼料產(chǎn)業(yè)獲取新的增長動力。飼料貿(mào)易方面，進口產(chǎn)品主要為飼料4魚粉、雞肉粉、肉骨粉等。隨著國內(nèi)飼料行業(yè)的近紅外技術普及及廣泛應用，不論是飼料企業(yè)的加工制造產(chǎn)能轉(zhuǎn)移，還是產(chǎn)業(yè)鏈上、下游的整合，ThermoFisher、PerkinElmer、聚光科技、海洋光學、威斯派克、譜綠光、迅杰等國內(nèi)外近紅外分析儀已在飼料行業(yè)廣泛應用，化學計量學發(fā)展料、谷物和碾磨谷物制品—近紅外光譜法應用指南》，該指南更趨向于通用的原則要求，不容易轉(zhuǎn)化為實際應用的方案。國991.01飼料中的水分、989.03牧草中的酸性洗滌纖維和粗蛋白質(zhì)等三個方隨著國內(nèi)外對近紅外光譜法的認識與研究日益深入，GB/T18868-外應用實際情況進行修訂，滿足各大、中、小型企業(yè)建立飼料原料和飼料產(chǎn)品近紅外預測模型實際需要，提升飼料行業(yè)近紅外18868－2002僅適用各種飼料原料和配合飼料中的水分、粗蛋白質(zhì)、粗纖5維和粗脂肪，各種植物性蛋白類飼料原料中的賴氨酸、蛋氨酸，未涵蓋濃縮飼料、精料補充料的水分、粗蛋白質(zhì)、粗纖維和粗脂肪，以及動物類蛋白飼料原料、配合飼料、濃縮飼料和精料補充料中的賴氨酸、蛋氨酸，亟蛋白質(zhì)、粗纖維、粗脂肪、賴氨酸、蛋氨酸快速測定需要，提升飼料生產(chǎn)質(zhì)量標準與檢測技術研究所[國家飼料質(zhì)量監(jiān)督檢驗中心（北京）]和通威股份有限公司接到國家標準修訂任務后，成立了標準編制小組，落實了人任務分工高級工程師項目主持人，負責項目的全面工作張鳳枰教授級高工技術路線制定，標準文本和編制說明編寫和完善、征求意見研究員實施方案制定，標準文本和編制說明編寫和完善祁蒙蒙工程師標準文本和編制說明編寫和完善、征求意見、標準驗證唐瑤助理工程師模型分析、意見咨詢、信息收集整理研究員標準文本和編制說明編寫和完善6質(zhì)量標準與檢測技術研究所[國家飼料質(zhì)量監(jiān)督檢驗中心（北京）]組織有關專家、主要起草人員召開標準修訂項目啟動會，確定標準修訂的主要內(nèi)光譜法》標準文本和編制說明征求意見稿發(fā)送給國家和省部級飼料質(zhì)檢機構(gòu)、大中型飼料企業(yè)實驗室、全國飼料工業(yè)標準化技術委員會委員等相關的質(zhì)檢機構(gòu)、科研院所、高校、企業(yè)等單位的專家征求意見，詳細情況見序號單位屬性發(fā)函數(shù)量反饋數(shù)量1高校、科研院所12質(zhì)檢機構(gòu)33飼料企業(yè)23227回函單位25個；提出意見單位25個，無意見單位0個；共提出意見根據(jù)征求得到意見和建議，標準編制小組對標準進行認真的修改、完粗脂肪、賴氨酸、蛋氨酸快速測定近紅外光譜8二、標準編制原則和主要技術內(nèi)容確定的依據(jù)2.1標準編制原則和起草規(guī)則》、GB/T20001.4標準》的規(guī)定和要求編寫標準全文。查閱了國內(nèi)外相關標準，結(jié)合現(xiàn)行標本標準代替GB/T18868－2002《飼料中水分、粗蛋白質(zhì)、粗纖維、改動外，對標準的適用范圍、術語和定義、原理、儀器設備、樣品、試驗9No.章條編號修訂前修訂后主要技術差異1本標準適用于各種飼料原料和配合飼料中水分、粗蛋白質(zhì)、粗纖維和粗脂肪，各種植物性蛋白類飼料原料中賴氨酸和蛋氨酸的測定，本方法的最低檢出量為0.001%。本文件描述了飼料中水分、粗蛋白質(zhì)、粗纖維、粗脂肪、賴氨酸和蛋氨酸的近紅外光譜快速測定方法。本文件適用于配合飼料、濃縮飼料、精料補充料和飼料原料（不含礦物質(zhì)飼料原料）中水分、粗蛋白質(zhì)、粗纖維和粗脂肪的測定，以及配合飼料、濃縮飼料、精料補充料和蛋白質(zhì)飼料中賴氨酸和蛋氨酸的測定。本文件水分、粗蛋白質(zhì)、粗纖維、粗脂肪的定量限為0.1%，賴氨酸為0.04%，蛋氨酸的定量限為0.01%。修改了適用范圍和定量限2.無近紅外光譜儀增加近紅外光譜儀所包含的元件和系統(tǒng)說明無光源增加近紅外光譜儀常用光源的說明4.無測量附件增加測量附件的定義無分光系統(tǒng)（也稱單色器）增加分光系統(tǒng)的定義和類型檢測器為硫化鉛把攜帶試樣信息的近紅外光信號轉(zhuǎn)變?yōu)殡娦盘?，再通過A-D轉(zhuǎn)變?yōu)閿?shù)字形式輸出，在短波區(qū)域，多采用Si檢測器，長波區(qū)域增加檢測器的定義和類型No.章條編號修訂前修訂后主要技術差異多采用PbS或InGaAs檢測器。無樣品臺增加樣品臺的定義無冷卻系統(tǒng)（或通風系統(tǒng)）增加冷卻系統(tǒng)（或通風系統(tǒng)）的定義無波長準確度增加波長準確度的定義無波長重復性增加波長重復性的定義無吸光度重復性增加吸光度重復性的定義無信噪比增加信噪比的定義3.2無近紅外軟件對近紅外軟件進行細分3.2.1無建模軟件增加建模軟件的說明3.2.2無掃描軟件增加掃描軟件的說明3.2.3無網(wǎng)絡化管理軟件增加網(wǎng)絡化管理軟件的說明No.章條編號修訂前修訂后主要技術差異3.3無近紅外光譜增加近紅外光譜的定義3.3.1無波長（或波數(shù)）范圍增加波長（或波數(shù)）范圍的定義3.3.2無光譜范圍增加光譜范圍的定義無吸光度增加吸光度的定義無帶寬（分辨率）增加帶寬（分辨率）的定義無掃描間隔增加掃描間隔的定義23.3.4無近紅外模型增加近紅外模型的定義無光譜預處理增加光譜預處理的定義無參數(shù)項增加參數(shù)項的定義無試樣成分含量（化學值）增加試樣成分含量（化學值）的定義無校正集試樣增加校正集試樣的定義No.章條編號修訂前修訂后主要技術差異無交互驗證增加交互驗證的定義主成分回歸法主成分回歸法修改主成分回歸法的定義偏最小二乘法回歸法偏最小二乘回歸法修改偏最小二乘回歸法的定義31.3.5無應用效果增加應用效果的定義無驗證集增加驗證集的定義無盲樣（即未知樣品）增加盲樣（即未知樣品）的定義無偏差分析增加偏差分析的定義無報警增加報警的定義無光譜殘差增加光譜殘差的定義無馬氏距離增加馬氏距離的定義無最鄰近距離增加最鄰近距離的定義No.章條編號修訂前修訂后主要技術差異39.3.6無模型性能增加模型性能的定義4.4偏差4.3殘差偏差或殘差增加偏差或殘差的定義和計算公式4.1標準分析誤差(SEC或SEP)校正標準偏差（SEC或RMSEC)增加校正標準偏差的定義，增加對公式中項的解釋無交互驗證的校正標準偏差（SECV或RMSECV)增加交互驗證的校正標準偏差的定義、計算公式和公式中項的解釋4.1標準分析誤差(SEC或SEP)預測標準偏差（SEP或RMSEP)增加預測標準偏差的定義、計算公式和公式中項的解釋無驗證集標準偏差與預測標準偏差的比值（RPD)增加驗證集標準偏差與預測標準偏差的比值公式4.5相關系數(shù)（R或r)決定系數(shù)（R2)或相關系數(shù)（R)增加R2的計公式無成對t檢驗增加成對t檢驗統(tǒng)計量的計算公式異常樣品樣品近紅外光譜與定標樣品差別過大，具體表現(xiàn)為樣品近紅外光譜的馬哈拉諾比斯（Mahalanobis）距離（H值）大于0.6，則該樣品被視為異常樣品。3.7異常試樣（也稱界外試樣、奇異點或異常點等）預測過程異常試樣的識別主要是用來檢驗待測試樣是否在所建校正模型的覆蓋范圍內(nèi)，以確保對其預測結(jié)果的準確性將超馬氏距離的異常樣品歸為異常試樣的其一類別：濃度異常試樣無濃度異常試樣增加濃度異常試樣的定義No.章條編號修訂前修訂后主要技術差異無光譜殘差異常試樣增加光譜殘差異常試樣的定義無最臨近距離異常試樣增加最臨近距離異常試樣的定義51.4近紅外光譜方法(NIR)利用有機物中含有C-H、N-H、O-H、C-C等化學鍵的泛頻振動或轉(zhuǎn)動，以漫反射方式獲得在近紅外區(qū)的吸收光譜，通過主成分分析、偏最小二乘法、人工神經(jīng)網(wǎng)等現(xiàn)代化學和計量學的手段，建立物質(zhì)光譜與待測成分含量間的線形或非線形模型，從而實現(xiàn)用物質(zhì)近紅外光譜信息對待測成分含量的快速計量。利用有機物中含有C-H、N-H、O-H、C=C等化學鍵的泛頻振動或轉(zhuǎn)動，以漫反射、透反射或透射方式獲得在近紅外區(qū)的吸收光譜，通過化學計量學方法建立光譜與物質(zhì)成分含量值之間的線性或非線性模型，從而實現(xiàn)用試樣的近紅外光譜吸光度建立的相關性模型，對待測樣品成分含量值的快速計量。修改“C-C”為“C=C”；“線形”修改為“線性”；增加透反射和透射方式；52.帶可連續(xù)掃描單色器的漫反射型近紅外光譜儀或其他類產(chǎn)品，光源為100W鎢鹵燈，檢測器為硫化鉛，掃為0.79nm，帶寬為10nm，信號的線形為0.3，波長準確度0.5nm，波長的重現(xiàn)性為0.03nm，在2500nm處雜散光為0.08%，在1100nm處雜散光為0.01%。儀器應具備自我診斷系統(tǒng)，用于檢測儀器的噪音、重現(xiàn)性、波長/波數(shù)準確度和波長/波數(shù)精度（對掃描型光譜儀）。儀器具有反射或透射掃描模式，其譜區(qū)范圍為近紅外全譜區(qū)或全譜區(qū)內(nèi)的部分譜區(qū)或是選擇的譜區(qū)組合。儀器應該分析足夠多體積或表面積的樣品以消除待檢樣品化學和物理性質(zhì)不均勻的影響。對于透射掃描模式，應依據(jù)儀器制造商的關于信號強度的推薦值進行樣品光程（試樣厚度）的優(yōu)化，以獲得最佳的線性和最大的信噪比。技術要求如下：（1）波長準確度優(yōu)于±1.0nm（光柵型）、±0.1cm-1（傅里葉變換型）；增加對近紅外儀器自我診斷系統(tǒng)的描述和技術要求No.章條編號修訂前修訂后主要技術差異（2）波長重復性優(yōu)于0.04nm（光柵型）、0.02cm-1（傅里葉變換型）；（3）吸光度重復性優(yōu)于0.0004AU；（4）在1690nm處，雜散光小于0.01T%。53.5.2軟件為DOS或WINDOWS版本，該軟件由C語言編寫，具有NIR光譜數(shù)據(jù)的收集、存儲、加工等功能。建模軟件(也稱化學計量學軟件）建模軟件的核心任務是建立定量或定性校正模型，應具有以下功能：①光譜預處理②波長篩選③多元定量校正④模型傳遞⑤模型界外試樣的識別、校正試樣的選擇、模型質(zhì)量控制以及模型評價等。增加對建模軟件的功能說明54.5.3無掃描軟件的核心任務是光譜的采集，應具有以下功能：①光譜采集與參數(shù)設置②儀器的自檢和故障診斷③光譜變換④光譜顯示⑤光譜格式的轉(zhuǎn)換⑥光譜峰谷標定、積分計算增加對掃描軟件的功能說明55.5.4樣品皿長方形樣品槽，10cm×4cm×1cm,窗口為能透過紅外線的石英玻璃，蓋子為白色泡沫塑料，可容納樣品為5g~樣品杯（槽、皿）最常用的是由可透過近紅外光的石英（或玻璃、CaF2等）材料制成盛裝的樣品的杯槽或皿等?！皹悠访蟆碧鎿Q為“樣品杯（槽、皿）?,刪除對規(guī)格的描述，當前使用的近紅外儀器型號不同，樣品槽的規(guī)格不同56.6試樣處理將樣品粉碎，使之全部通過0.42mm孔篩(內(nèi)徑),并混合均勻。樣品本文件中的樣品包括：用于近紅外儀器定標的建模樣品、用于定標模型驗證的驗證樣增加對樣品的分類No.章條編號修訂前修訂后主要技術差異品、用于儀器穩(wěn)定性檢查的儀器質(zhì)控樣品及用于定標模型性能監(jiān)控的監(jiān)控樣品。57.無建模樣品和驗證樣品增加收集建模樣品和驗證樣品需考慮的各種因素和選擇方法58.6.2無儀器質(zhì)控樣品增加對儀器質(zhì)控樣品的要求59.6.3無定標模型性能監(jiān)控樣品增加對定標模型性能監(jiān)控樣品的要求60.7分析步驟試驗步驟將建模的步驟完善61.無校正集試樣選擇修改了校正集式樣選擇需考慮的因素和要求62.參與定標的樣品應具有代表性，即需含概將來所要分析樣品的特性。創(chuàng)建一個新的校正模型，至少需要收集50宜。樣品過少，將導致定標模型的欠擬合性；樣品過多，將導致模型的過擬合性。7.1.1試樣收集收集具有差異化物理特性和化學特性的樣品，如種類、表面特征、化學性質(zhì)、顆粒形狀大小、色澤差異等。天然的樣品還要根據(jù)根莖葉的質(zhì)地、收獲季節(jié)、收獲時間和加工貯存條件等因素加以收集。因此，建模并非一成不變，需要逐年優(yōu)化。增加對試樣收集過程中需考慮的其他因素No.章條編號修訂前修訂后主要技術差異63.無分類收集保存增加試樣收集的要求64.無信息登記增加試樣收集的要求65.附錄A.3定標樣品選擇的方法校正集試樣選擇方法修改校正集試樣收集的方法66.7.2無將試樣處理待測，開機持續(xù)預熱至儀器性能相關測試全部通過，達到穩(wěn)定狀態(tài)，取適量試樣（平衡至室溫裝填均勻，開始掃描；掃描結(jié)束后，清掃試樣，重新裝樣，進行同一試樣的第二次掃描，試樣全部掃描結(jié)束后，分析結(jié)果。增加對光譜采集操作的描述無近紅外光譜常見的測量方式：（1）透射測量：透射是均勻透明液體最理想的測量方式。（2）透反射測量：為了實現(xiàn)光源和探測器的整體化設計，實現(xiàn)直接對液體或者固體測量，同時也可以增加液體樣品光譜吸收的光程，往往采用透反射測量。（3）漫反射測量：對于固體顆粒，粉末等試樣，近紅外最常見的測量方式是漫反射。增添近紅外光譜測量方式無建立定標模型增加定標模型的建立順序No.章條編號修訂前修訂后主要技術差異69.7.5無定標模型評估修改評估定標模型的方式7.2.1定標模型的選擇選擇定標模型修改選擇定標模型的要求無測定增加四個判據(jù)來保證模型的適用性，一是馬氏距離，二是光譜殘差，三是最鄰近距離，四是模型組分范圍限定。72.7.6無定標模型維護與質(zhì)量控制增加定標模型維護與質(zhì)量控制，實際應用過程中，模型的更新是必須和必要的附錄A動態(tài)定標模型辦法就是在日常分析中邊分析邊選擇異常樣品，定期進行定標模型的升級7.6.1模型更新可分為兩類；一是遇到異常樣品。二是對模型定期維護更新。模型更新后需要重新進行驗證，可以使用初始的驗證集試樣對新模型進行驗證，但是必須補充代表新范圍或新類型的試樣，其比例應不小于新試樣在校正集中所占的比例。增加模型更新的類別和要求無分析質(zhì)量保證與控制增加定期對模型和儀器進行檢測的方式75.異常試樣分類異常試樣分類修改“好”和“壞”異常試樣的甄別標準76.8無試樣中水分、粗蛋白質(zhì)、粗纖維、粗脂肪、賴氨酸和蛋氨酸的含量以質(zhì)量分數(shù)wi表示，單位以質(zhì)量百分含量表示，按公式（6）計算：增加試驗數(shù)據(jù)處理的公式No.章條編號修訂前修訂后主要技術差異77.9精密度重復性限和允許誤差修改精密度為重復性限和允許誤差78.無重復性限在在同一實驗室，由同一操作者使用同一設備，按相同的操作步驟，在短時間內(nèi)，對同一被測樣品獨立進行近紅外掃描得到的兩個近紅外測定值的絕對差值，超過表1所給出的重復性限r(nóng)的情況不大于5%。增加重復性限的數(shù)據(jù)和范圍79.9.28分析的允許誤差僅從水分、粗蛋白質(zhì)、粗脂肪、粗纖維、蛋氨酸、賴氨酸進行分類9.2允許誤差飼料中水分、粗蛋白質(zhì)、粗纖維、粗脂肪、賴氨酸和蛋氨酸的近紅外測定結(jié)果與參考值的絕對差值，超過表2所給出的允許誤差的情況不大于5%。根據(jù)不同種類的飼料（含魚粉、豬肉粉、雞肉粉、DDGS、玉米、玉米蛋白粉、豆粕、棉粕、花生粕、小麥、麩皮、米糠、豬配合飼料、豬濃縮飼料、雞配合飼料、雞濃縮飼料、鴨配合粗蛋白質(zhì)、粗脂肪、粗纖維、蛋氨酸、賴氨酸的允許誤差2.3主要修訂內(nèi)容說明近紅外建模試樣的水分、粗蛋白質(zhì)、粗纖維、粗脂肪、賴氨酸、蛋氨序號標準名稱定量限結(jié)果表示GB/T6435－2014飼料中水分的測定—以質(zhì)量分數(shù)表示，結(jié)果精確到0.1%GB/T6432－2018飼料中粗蛋白的測定凱氏定氮法 以質(zhì)量分數(shù)表示，計算結(jié)果表示到小數(shù)點后GB/T6433－2006飼料中粗脂肪的測定—以克每千克表示，結(jié)果準確至1g/kg，也可用質(zhì)量分數(shù)表示GB/T6434－2022飼料中粗纖維的含量測定以質(zhì)量分數(shù)表示，保留至小數(shù)點后1位GB/T18246－2019飼料中氨基酸的測定賴氨酸0.04%蛋氨酸0.01%以質(zhì)量分數(shù)表示，保留兩位小數(shù)GB/T15399－2018飼料中含硫氨基酸的測定離子交換色譜法蛋氨酸0.01%以質(zhì)量分數(shù)表示，保留兩位小數(shù)結(jié)合以上飼料中水分、粗蛋白質(zhì)、粗纖維、粗脂肪、氨基酸測定標準方法規(guī)定，水分、粗蛋白質(zhì)、粗纖維、粗脂肪等化學值測定結(jié)果以質(zhì)量分數(shù)表示、保留至小數(shù)點后1位，蛋氨酸、賴氨酸的定量限分別為0.01%和2.3.2規(guī)范性引用文件就需要按照國家標準方法開展檢測得到的化學值來作為近紅外建模的基礎結(jié)合最新文獻及出版物（詳見參考文獻），對原標準中近紅外相關的術語和定義做了補充與完善。涵蓋了近紅外光譜儀及相關硬件、軟件，近紅外光譜及光譜處理，近紅外樣品、模型，近紅外模型分析、效果評價等近紅外光譜儀NIRspec在本文件規(guī)定的條件下，利用近紅外光譜的吸光度與試樣成分含量及性能參數(shù)建立關系模型，對試樣成分含量及性能參數(shù)進行預測的儀器，包含光源、測量附件、分光系統(tǒng)、檢測器、樣品臺、冷卻系統(tǒng)或通風系統(tǒng)，儀器基于近紅外譜區(qū)的漫反射、透射或其它類型進行檢測，其光譜區(qū)區(qū)內(nèi)的某段光譜范圍，該譜區(qū)根據(jù)分光方式的不同，可選用波長或者波數(shù)表示。按照工作原理可以分為色散型（連續(xù)波長和離散波長）、干涉型或聲光調(diào)制等類型。按照功能可以分為通用型和專用型，前者通常為寬譜區(qū)（短波、中波、長波近紅外譜區(qū)）可以測定樣品的透射與漫反射光譜，主（2）測量附件measuringaccessori包括承載試樣的器件、獲得光譜的器件以及相關配套將復合光變成單色光的系統(tǒng)。按單色器分類，商品化近紅外光譜儀主（5）樣品臺rotarytableorsampletab（6）冷卻系統(tǒng)（或通風系統(tǒng)）coolingsystem（orventilationsyste光源燈發(fā)熱時，及時將熱量散發(fā)出去，使光源燈保持恒溫恒定狀態(tài)的（7）波長準確度wavelengthaccura光譜儀器波長的標準值與儀器輸出的單色光實際波長值之間的符合程（8）波長重復性wavelengthrepetition光譜儀器重復掃描標準樣品時指定吸收峰多個（波長）測定值之間相（9）吸光度重復性absorbance近紅外軟件NIRsoftw用來操作和控制近紅外光譜儀的運行，采集、處理、儲存、顯示、分析光譜數(shù)據(jù)等的軟件。分為建模軟件、掃描軟件、網(wǎng)絡化管理軟件，相互（1）建模軟件quantitative&qualitativeanalysissoftwa通過化學計量學各種方法，用于分析、處理光譜信息，結(jié)合算法以建（2）掃描軟件scanningsoftware用來操作和控制近紅外光譜儀的運行，采集、處理、儲存、顯示、簡（3）網(wǎng)絡化管理軟件networkedmanagementsoftware統(tǒng)一管理并使用網(wǎng)絡校正模型、掃描參數(shù)配置，處理、儲存、顯示、（1）波長（或波數(shù)）范圍wavelength（（2）光譜范圍spectralra（4）帶寬（分辨率）spectralbandwidth（resolutio（5）掃描間隔scaninterv近紅外模型NIRquantitative&qualitativeanalysism部分或整體的光譜區(qū)域進行檢測，然后采用光譜數(shù)據(jù)處理技術將吸光度值（1）光譜預處理spectralpretreatme將近紅外光譜通過選用合理的的預處理方法降低近紅外光譜中的噪聲信息，增強有效信息的方法和過程，常用的預處理方式有均值中心化、標（2）參數(shù)項parameterit試樣采用標準方法或者經(jīng)典分析方法進行測定分析得到試樣組分的含（4）校正集calibrations基于一組已知試樣建立校正模型，這組試樣稱為校正集試樣，簡稱校正集。校正集中要包含所有可預期到的變換因素下的所有試樣，通常也稱（5）交互驗證crossvalidat從校正集中拿出來一定數(shù)量的試樣作預測，用剩余的試樣建立校正模型，來預測拿出來的試樣，重復上述過程，經(jīng)反復建模及預測，直至這所有試樣均被預測一次且只被預測一次，得到一因子數(shù)預測殘差平方和一種統(tǒng)計學方法，采用多元統(tǒng)計中的主成分分析，先對近紅外光譜矩一種多元線性回歸方法，與主成分回歸有關系。PLS把矩陣分解和回歸并為一步，即在對近紅外光譜陣和濃度陣分解的同時，將濃度陣的信息引入到光譜矩陣分解過程中，在每計算一個新主成分前，將光譜陣的得分（1）驗證集validations試樣通過近紅外光譜儀測量試樣光譜，并用適當?shù)墓猓?）盲樣（即未知樣品）blindsamples（i.e.unknownsamples）（3）偏差分析deviationanaly（4）報警warning當未知試樣的光譜殘差、馬氏距離和最臨近距離中有任何一項超出相（5）光譜殘差spectralresid（6）馬氏距離mahalanobisdistan（7）最鄰近距離nearestdista模型性能modelperfor模型的性能是利用近紅外光譜儀，測量驗證集試樣的近紅外光譜，根據(jù)已建的近紅外模型快速得出驗證集試樣定量分析結(jié)果準確性、適用性的試樣參考方法和近紅外預測值之間的差異，一般要求絕對偏差小于參（2）校正標準偏差（SEC或RMSEC）calibrationstandarddevideviationofcross-validationmeansquareerrorofprediction以不參與定標過程的樣品為預測樣品，其定標模型測定值和參考值經(jīng)deviationofverificationsettostandarddeviationofprediction2假設光譜方法與參考方法間無系統(tǒng)偏差，則兩種方法測定結(jié)果間差值異常試樣（也稱界外試樣、奇異點或異常點等）abnormal預測過程異常試樣的識別主要是用來檢驗待測試樣是否在所建校正模型的覆蓋范圍內(nèi)，以確保對其預測結(jié)果的準確性，模型異常試樣主要有以（1）濃度異常試樣abnormalconcentrationsamp否超過了校正試樣的濃度范圍，根據(jù)校正過程中確定的馬氏距離閾值判斷（2）光譜殘差異常試樣spectralresidualanomalysamp不存在的組分，根據(jù)校正集的光譜殘差及光譜的重復性確定光譜殘差方均（4）最臨近距離異常試樣theclosestdistanceanomalysamp即使用最臨近距離檢測位置試樣是否位于校正集試樣分布稀疏的區(qū)域，根據(jù)主成分得分計算校正集所有試樣間的馬氏距離，得到校正集試樣當未知試樣的光譜殘差、馬氏距離和最臨近距離中有任何一項超出相應閾值時，則說明該試樣為模型異常試樣，其預測結(jié)果的準確性將受到較-2007《紫外、可見、近紅外分光光度計檢定規(guī)程》，以及各市售各主要儀器的性能參數(shù)，列出了近紅外儀器最基本的技術要求：波長準確性優(yōu)于）；近紅外光譜儀是實施近紅外分析的硬件基礎，處于近紅外光譜分析技術“金字塔”的最低端，其重要性不言而喻，相比舊版本，表述更為清晰，標準文本中列出了近紅外建模軟件基本需要的功能及常見的幾種算（1）近紅外光譜儀表面積的樣品以消除待檢樣品化學和物理性質(zhì)不均勻的影響。對于透射掃描方式，應依據(jù)儀器制造商的關于信號強度的推薦值進行樣品光程（樣品波長準確度優(yōu)于±1.0nm（光柵型）、）；）；（2）建模軟件（也稱化學計量學軟件）建模軟件的核心任務是建立定量或定性校正模型，應具有以下功能：號校正、標準正態(tài)變量法和小波變換等；②波長篩選，如相關系數(shù)法、方差分析法、無信息變量消除、區(qū)間偏最小二乘、遺傳算法等；③多元定量（3）掃描軟件掃描軟件的核心任務是光譜的采集，應具有以下功能：①光譜采集與①光譜變換，如基線校正（微分、扣減）、平滑、吸光度和透光率之間的轉(zhuǎn)換，波長和波數(shù)之間的轉(zhuǎn)換等；②光譜顯示，如光譜放大、縮小和疊加等；③光譜格式的轉(zhuǎn)換，如將光譜文件轉(zhuǎn)換成國際通用的數(shù)據(jù)或文本文件（4）樣品杯（槽、皿）本文件中的樣品包括：用于近紅外儀器定標的建模樣品、用于定標模型驗證的驗證樣品、用于儀器穩(wěn)定性檢查的儀器質(zhì)控樣品及用于定標模型建模樣品的選擇對近紅外定量分析模型的建立至關重要，影響著模型準確性和可靠性。為防止定標模型的欠擬合性和過擬合性，使模型預測更準確，需選擇合適數(shù)量的具有代表性的樣本參與定標，并在樣本采集中需考慮不同因素的影響；增加驗證樣品，使樣品選擇更加明確；增加質(zhì)控樣品來檢查儀器的穩(wěn)定性；增加監(jiān)控樣品來衡量定標模型性能，確保滿足日程序中對樣品的選擇只描述了代表性，為了定標模型的準確性和適用性，（1）校正集試樣選擇建立模型需要大量有代表性且化學值已知的試樣。模型包含的試樣數(shù)并不是越多越好，試樣數(shù)越多干擾信息就越多，因此必須從大量試樣中挑選部分試樣，這部分試樣既為化學分析所能承受，又能充分代表原來試樣的全部信息。校正集中要包含所有可預期到的變換因素下的試樣，如果沒有收集全代表各種變化因素的試樣就會對模型的適應性產(chǎn)生較差的影響。參與定標的試樣應具有代表性，所謂代表性就是校正集試樣包含的有效信息與背景信息的范圍要足夠?qū)?，從猜測組分含量到試樣來源即需涵蓋（2）試樣收集收集具有差異化物理特性和化學特性的樣品，如種類、表面特征、化學性質(zhì)、顆粒形狀大小、色澤差異等。天然的樣品還要根據(jù)樣品品種、栽培方式、生長條件、氣候差異、根莖葉的質(zhì)地、收獲季節(jié)、收獲時間和加的保存條件，確保所收集試樣的組成在未測量光譜和進行基礎數(shù)據(jù)測量之（3）穩(wěn)定試樣組為了使定標模型具有較好的穩(wěn)定性，即其預測性能不受儀器本身波動和試樣的溫度發(fā)生變化的影響，在定標中應加上溫度發(fā)生變化的試樣和儀（4）校正集試樣選擇方法選擇校正集試樣的方法眾多。一可根據(jù)試樣的品種、產(chǎn)地、年份、形狀等特征進行人工挑選，應盡可能地增大上述因素的變化范圍從而使挑選出的建模樣品更具代表性；二可按照已知組分的化學值，在綜合考慮常量成分與微量成分及其成分含量范圍的基礎上，通過正交試驗設計等方法進行人工設計挑選；三可根據(jù)試樣的近紅外光譜特征用數(shù)學方法進行計算機2.3.7采集樣品近紅外光譜光譜質(zhì)量會顯著影響模型的預測能力，光譜的采集和測量方式又影響著光譜質(zhì)量，故在此對光譜采集前的試樣處理和測量方式進行了簡略說明，便于對操作方法的理解。對合適的測量方式應滿足的條件進行說明，并舉例常見的測量方式，便于讀者理解和使用。為驗證儀器的性能穩(wěn)定，特用儀將試樣處理待測，開機持續(xù)預熱至性能診測試通過，達到穩(wěn)定狀態(tài)，取適量試樣（平衡至室溫），裝填均勻，開始掃描；掃描結(jié)束后，清掃試樣，重新裝樣，進行同一試樣的第二次掃描，試樣全部掃描結(jié)束后，分析（1）測量方式近紅外光譜的測量方式是決定光譜質(zhì)量的重要因素之一，而光譜質(zhì)量將顯著影響模型的預測能力，因此選擇合適的近紅外光譜測量方式至關重射測量附件是石英石制成的試樣池，在短波近紅外區(qū)使用長光程試樣池，液體或者固體測量，同時也可以增加液體樣品光譜吸收的光程，往往采用方式是漫反射。常用的測量附件為積分球和光纖漫反射探頭，使用意每次裝樣的一致性，如試樣顆粒的大小，試樣的緊實度等，還應保證所裝試樣的厚度對近紅外光來說是無窮厚度。漫反射法測量的主要是淺層試樣的某種組分濃度，如果試樣不均勻，某組分濃度和內(nèi)部濃度不相等，這樣漫反射測出濃度就不能代表試樣中這一組分的濃度。為減少試樣不均勻2.3.8樣品化學分析對于定標試樣需要知道其水分、粗蛋白質(zhì)、粗纖維、粗脂肪、賴氨酸2.3.9定標模型建立使整個定標過程更清晰、完善，且在建立定標模型章節(jié)加入對異常值分類建立定標模型使用與近紅外光譜儀配套的化學計量學軟件。模型建立的順序大致如（1）光譜和對應基礎數(shù)據(jù)組成校正數(shù)據(jù)陣；（2）對光譜進行必要的光譜預處理；（3）光譜區(qū)（范圍）的選擇；（5）異常試樣的剔除。2.3.10定標模型評估說明了完整的定標過程需要有對模型的檢驗過程。關于現(xiàn)有的已建立并且對于近紅外光譜分析方法而言，由于不可能建立一個樣的校正模型，因此，建立模型的適用性判據(jù)尤為重要和必要。所以，特關于預測結(jié)果是否有效和準確，可從校正標準偏差、交互驗證的校正（1）選擇定標模型穩(wěn)健性和傳遞性等性能進行驗證。驗證集試樣包含待測試樣所包含的所有化學組分，驗證集試樣的濃度或性質(zhì)范圍要至少覆蓋校正集試樣的濃度或性質(zhì)范圍的95%，且分布是均勻的。此外，驗證集試樣的數(shù)量應足夠多以（2）測定才能保證分析結(jié)果的有效性和準確性，未知試樣的形態(tài)需與校正集一致。通過三個判據(jù)來保證模型的適用性，一是馬氏距離，如果待測試樣的馬氏距離大于校正集試樣的最大馬氏距離，則說明待測試樣中的一些組分濃度超出了校正集試樣組分濃度的范圍，二是光譜殘差。如果待測試樣的光譜殘差大于了規(guī)定的閾值，則說明待測試樣中含有校正集試樣中所沒有的組分，三是最鄰近距離，如果待測試樣與所有校正集試樣之間的距離的最小值（最鄰近距離）大于了規(guī)定的閾值，則說明待測試樣落入了校正集分布比較稀疏的地方，四是模型組分范圍限定，如果超出模型組分值的最大值2.3.11定標模型維護與質(zhì)量控制模型的更新是近紅外光譜分析方法的主要內(nèi)容之一，儀器和軟件是否先進、模型庫是否有大量的數(shù)據(jù)，這些條件都不能確保校正模型的長期準一是遇到異常樣品。這時應搞清異常樣品產(chǎn)生的原因，是待測試樣的化學組分發(fā)生了變化，還是非試樣化學組成因素引起的，如環(huán)境引起的光譜儀改變、光源工作異常、試樣溫度或粒度等發(fā)生顯著變化等。若是第一種情況，需要及時將這些試樣補充到校準集中，對模型進行更新，擴充模型的覆蓋范圍。若屬于第二種情況，則需要找出具體原因，加以解決，如排除硬件故障，保證分析條件的一致性。對于試樣溫度、農(nóng)產(chǎn)品水分含量或粒度等因素引起的異常，也可通過將這些異常樣品引入模型的辦法來解二是對模型定期維護更新。這是建立穩(wěn)健模型的需要，因為儀器或試樣的一些微小的變動，在很多時候通過模型適用性判據(jù)很難做出判別。所以，非常有必要利用定期驗證試樣的對比數(shù)據(jù)，集中（如2個月）對模型在進行模型更新時，需要重新進行校正過程的異常點檢驗，如果只添因此要求添加多個每一類型的新試樣。模型更新后需要重新進行驗證，可以使用初始的驗證集試樣對新模型進行驗證，但是必須補充代表新范圍或分析質(zhì)量保證與控制在近紅外光譜日常分析時，另一項重要的工作是定期對模型和儀器進行檢測，稱之為分析質(zhì)量的保證和控制?？沈炞C頻率，如每周2~3次，與建立模型所用的參考方法進行對比，其絕對偏差不應超過再現(xiàn)性范圍。另外，若引起待測試樣組分發(fā)生變化的工藝條件發(fā)生較大變動時，如溫度、溶劑或催化劑改變時，或近紅外光譜儀器更換部件時，如光源和測量附件更換后，不論模型是否適合，都應及時加樣可以使用參考值和近紅外預測值差異控制圖對定量模型例行分析性能進行評估，控制圖以分析試樣數(shù)作為橫坐標，參考值和近紅外預測值的差如果出現(xiàn)上述結(jié)果時，首先應重新多次采集近紅外光譜，進行預測分析，以確保光譜采集的正確，再對基礎數(shù)據(jù)的準確性進行核對，然后再判斷待測試樣是否與校正集中的試樣存在較大差異。若不是上述問題，則還（1）異常試樣分類該模型的分析能力，而“壞”的異常試樣加入定標模型后，只能降低分析的（2）異常試樣處理NIR分析中發(fā)現(xiàn)異常試樣后，要用參考方法對該試樣進行分析，同時對該異常試樣類型進行確定，屬于“好”的異常試樣則保留，并加入到定標2.4模型驗證誤差分析原標準中對各項目的誤差分含量范圍進行了階段性的劃分，但在實際應用過程中，不同飼料因其加工工藝和成分組成的復雜程度，在同一成分含量范圍內(nèi)，近紅外模型的準確度會有較大的差異。誤差的表達方式，對不同飼料的各分析項目的允許誤差做了舉例。這些是基于大量真實樣品的實際建模后的分析數(shù)據(jù)，在現(xiàn)實中是可以實現(xiàn)與滿足取代表性樣品的驗證樣品集，分別用對應的模型進行近紅外分析，將近紅外檢測值與化學法檢測值的誤差進行統(tǒng)計，按從小到大排序，取90%2.4.1水分模型誤差分析圖2水產(chǎn)顆粒配合飼料水分模型驗證樣品集的誤差累計占比分析樣品名稱模型值范圍（%）驗證值范圍（%）驗證樣品數(shù)量90%順位誤差值95%順位誤差值99%順位誤差值5.30~11.994.95~11.928310.260.320.45豬肉粉4.71~10.534.65~10.174100.300.350.42雞肉粉2.27~10.042.32~9.957780.250.280.34DDGS6.49~12.066.30~12.288380.310.360.46玉米7.00~17.804010.340.350.37玉米蛋白粉4.94~9.454.97~9.350.210.290.358.86~13.398.82~13.564750.250.290.34棉粕4.26~8.964.54~8.88花生粕3350.210.260.40小麥8.40~14.357400.320.360.42麩皮0.320.350.37樣品名稱模型值范圍（%）驗證值范圍（%）驗證樣品數(shù)量90%順位誤差值95%順位誤差值99%順位誤差值米糠0.310.350.39豬配合飼料9.86~12.709.98~12.780.320.350.37雞配合飼料8.09~13.307.70~13.350.290.360.47鴨配合飼料0.290.350.42水產(chǎn)顆粒配合飼料6.36~11.106.55~50.32水產(chǎn)膨化配合飼料5.90~11.806.20~11.633670.280.340.43豬濃縮飼料0.300.350.50雞濃縮飼料 牛羊濃縮飼料8.35~12.010.460.520.64牛羊精料補充料8.42~12.168.35~12.080.470.520.642.4.2粗蛋白質(zhì)模型誤差分析對其模型驗證誤差按從小到大排序，取90%順位、95%順位、99%順樣品名稱模型值范圍（%）驗證值范圍（%）驗證樣品數(shù)量90%順位誤差值95%順位誤差值99%順位誤差值60.01~69.4559.94~69.639850.540.570.61豬肉粉66.19~75.2266.31~74.722000.530.550.58雞肉粉61.25~70.1860.92~70.684610.510.560.59DDGS22.33~29.6922.66~29.748060.410.440.49玉米6.68~9.406.53~9.585350.320.360.43玉米蛋白粉49.76~67.9850.24~68.133010.500.520.5639.12~48.7938.87~48.880.510.560.60棉粕41.07~61.2140.66~61.503510.500.560.60花生粕46.70~54.7746.82~54.303030.470.500.54小麥9.54~15.709.19~15.372860.330.400.55麩皮6.66~18.706.60~18.642500.350.400.44米糠8770.420.450.48豬配合飼料11.93~23.0812.00~23.330.460.500.55雞配合飼料13.52~30.0913.18~30.100.500.550.60鴨配合飼料14.75~21.0214.55~21.190.370.450.56水產(chǎn)顆粒配合飼料24.32~37.8424.53~37.930.380.410.43水產(chǎn)膨化配合飼料27.48~53.4927.61~53.846960.430.480.55豬濃縮飼料39.34~44.6938.90~44.282360.510.540.59雞濃縮飼料——————牛羊濃縮飼料34.61~40.3934.45~40.270.610.620.72牛羊精料補充料0.400.460.522.4.3粗脂肪模型誤差分析對其模型驗證誤差按從小到大排序，取90%順位、95%順位、99%順樣品名稱模型值范圍（%）驗證值范圍（%）驗證樣品數(shù)量90%順位誤差值95%順位誤差值99%順位誤差值5.92~12.955.69~12.737650.510.580.63豬肉粉5.31~18.994.68~19.582890.580.620.65雞肉粉9.58~17.539.66~17.296810.560.600.65DDGS8.25~15.178.13~15.238250.470.520.54玉米2.01~9.011.85~9.746510.350.410.60玉米蛋白粉1.00~2.880.96~2.920.380.420.440.37~3.060.19~3.418380.370.410.47棉粕0.24~2.480.21~2.560.240.280.32花生粕 小麥1.10~2.244030.100.13樣品名稱模型值范圍（%）驗證值范圍（%）驗證樣品數(shù)量90%順位誤差值95%順位誤差值99%順位誤差值麩皮2.07~3.981.73~4.080.570.650.75米糠10.54~26.479.84~26.308290.640.690.75豬配合飼料1.98~6.531.99~6.452350.440.540.81雞配合飼料0.40~9.670.34~10.323140.530.600.67鴨配合飼料2320.620.650.69水產(chǎn)顆粒配合飼料2.72~11.832.86~11.640.270.280.34水產(chǎn)膨化配合飼料3.27~16.353.21~16.829520.600.650.69豬濃縮飼料1.52~5.781.50~6.000.470.530.62雞濃縮飼料——————牛羊濃縮飼料——————牛羊精料補充料——————2.4.4粗纖維模型誤差分析對其模型驗證誤差按從小到大排序，取90%順位、95%順位、99%順樣品名稱模型值范圍（%）驗證值范圍（%）驗證樣品數(shù)量90%順位誤差值95%順位誤差值99%順位誤差值 —豬肉粉 —雞肉粉——————DDGS4.79~15.634.30~15.723800.580.630.69玉米1.19~4.543670.350.420.52玉米蛋白粉 —4.31~9.254.30~9.700.530.550.68棉粕2.45~5.860.440.530.98花生粕 —小麥1.99~2.701.87~2.793290.130.16麩皮 —米糠3.89~12.573.64~12.507280.590.620.67豬配合飼料2.26~5.622.13~6.272230.600.670.87雞配合飼料1.55~4.791.80~4.502250.320.390.46鴨配合飼料1.54~5.422.10~5.500.530.640.65水產(chǎn)顆粒配合飼料2.48~12.422.40~11.907000.490.550.60水產(chǎn)膨化配合飼料1.51~7.451.40~7.500.490.570.62豬濃縮飼料2.42~7.202.66~7.300.570.660.81雞濃縮飼料——————牛羊濃縮飼料 —牛羊精料補充料 —2.4.5賴氨酸模型誤差分析對其模型驗證誤差按從小到大排序，取90%順位、95%順位、99%順樣品名稱模型值范圍（%）驗證值范圍（%）驗證樣品數(shù)量90%順位誤差值95%順位誤差值99%順位誤差值3.82~5.673.86~5.6020000豬肉粉3.41~4.173.28~4.19402雞肉粉2.82~4.392.98~4.56469DDGS0.36~1.000.41~0.990.16玉米 — 玉米蛋白粉0.92~1.180.85~1.172640.050.060.092.32~3.792.34~3.79棉粕1.32~2.271.41~2.39花生粕 — 小麥 — 樣品名稱模型值范圍（%）驗證值范圍（%）驗證樣品數(shù)量90%順位誤差值95%順位誤差值99%順位誤差值麩皮——————米糠 — 豬配合飼料0.37~3.860.49~3.83273雞配合飼料0.56~1.340.51~1.44206鴨配合飼料0.64~1.270.61~1.33水產(chǎn)顆粒配合飼料1.36~2.151.27~2.21402水產(chǎn)膨化配合飼料1.24~2.031.28~2.07豬濃縮飼料0.85~4.190.97~4.19450.280.310.33雞濃縮飼料1.39~60.28牛羊濃縮飼料——————牛羊精料補充料——————2.4.6蛋氨酸模型誤差分析對其模型驗證誤差按從小到大排序，取90%順位、95%順位、99%順樣品名稱模型值范圍（%）驗證值范圍（%）驗證樣品數(shù)量90%順位誤差值95%順位誤差值99%順位誤差值1.39~2.260.080.100.13豬肉粉0.97~1.260.91~1.284390.090.10雞肉粉0.97~1.440.94~1.5955DDGS0.29~0.530.24~0.600.080.090.10玉米 — 玉米蛋白粉300.35~1.000.26~1.000.130.16棉粕0.34~0.660.29~0.690.090.10花生粕 — 小麥 — 麩皮 — 米糠——————豬配合飼料0.08~1.130.12~0.552620.480.580.80雞配合飼料0.17~0.460.14~0.582120.15鴨配合飼料0.25~0.330.17~0.430.10水產(chǎn)顆粒配合飼料0.22~0.500.24~0.63410.100.13水產(chǎn)膨化配合飼料0.28~0.510.24~0.540.100.13豬濃縮飼料0.21~0.590.18~0.67450.080.100.19雞濃縮飼料0.41~0.680.37~0.780.090.15牛羊濃縮飼料 — 牛羊精料補充料 — 2.5平行樣品偏差分析不論任何掃描方式，近紅外掃描時掃描的都是部分樣品，樣品的均勻是驗證掃描樣品具有代表性的有效操作方式。當兩次掃次掃描的平均值；當兩次掃描值差異較大，應分析產(chǎn)生問題的原因，如樣品均勻性較大、裝樣錯誤、儀器故障等，并有針對性的解決重復掃描兩次樣品名稱水分（%）粗蛋白質(zhì)（%）粗脂肪（%）粗纖維（%）賴氨酸（%）蛋氨酸（%）0.320.170.090.050.02豬肉粉0.300.31—0.020.02雞肉粉0.41 0.050.02DDGS0.230.300.160.080.010.01玉米90.15 玉米蛋白粉30.150.010.020.250.400.030.220.050.03棉粕0.440.040.380.030.01花生粕0.420.030.01 小麥0.180.060.030.08 麩皮0.260.470.270.020.01米糠0.150.080.34 豬配合飼料0.190.270.040.130.070.02雞配合飼料20.060.030.02鴨配合飼料30.130.040.02水產(chǎn)顆粒配合飼料80.530.050.02樣品名稱水分（%）粗蛋白質(zhì)（%）粗脂肪（%）粗纖維（%）賴氨酸（%）蛋氨酸（%）水產(chǎn)膨化配合飼料90.450.060.01豬濃縮飼料90.050.01雞濃縮飼料0.130.270.060.220.050.02牛羊濃縮飼料20.05 牛羊精料補充料0.060.15————2.6模型誤差分析總結(jié)樣品名稱水分（%）粗蛋白質(zhì)（%）粗脂肪（%）粗纖維（%）賴氨酸（%）蛋氨酸（%）0.320.170.090.050.02豬肉粉0.300.31 0.020.02雞肉粉0.41—0.050.02DDGS0.230.300.160.080.010.01玉米90.15 玉米蛋白粉30.150.010.020.250.400.030.220.050.03棉粕0.440.040.380.030.01花生粕0.420.030.01——小麥0.180.060.030.08 麩皮0.260.470.27 米糠0.150.080.34 豬配合飼料0.190.270.040.130.070.02雞配合飼料20.060.030.02鴨配合飼料30.130.040.02樣品名稱水分（%）粗蛋白質(zhì)（%）粗脂肪（%）粗纖維（%）賴氨酸（%）蛋氨酸（%）水產(chǎn)顆粒配合飼料80.530.050.02水產(chǎn)膨化配合飼料90.450.060.01豬濃縮飼料90.050.01雞濃縮飼料0.130.270.060.220.050.02牛羊濃縮飼料20.05——牛羊精料補充料0.060.15 結(jié)合表3~表10數(shù)據(jù)，按照95%置信區(qū)間，統(tǒng)計近紅外樣品名稱水分（%）粗蛋白質(zhì)（%）粗脂肪（%）粗纖維（%）賴氨酸（%）蛋氨酸（%）0.320.570.58 0.170.10豬肉粉0.350.550.62 0.200.10雞肉粉0.280.560.60—0.230.13DDGS0.360.440.520.630.09玉米0.350.360.410.42 玉米蛋白粉0.290.520.42 0.060.150.290.560.410.55棉粕0.160.560.280.530.170.10花生粕0.260.50————小麥0.360.40 麩皮0.350.400.65 米糠0.350.450.690.62 豬配合飼料0.350.500.540.670.210.58雞配合飼料0.360.550.600.390.21鴨配合飼料0.350.450.650.640.19水產(chǎn)顆粒配合飼料0.250.410.280.550.1