DB36 T 1127-2019 饲料中粗灰分、钙、总磷和氯化钠快速测定 近红外光谱法.pdf

《DB36 T 1127-2019 饲料中粗灰分、钙、总磷和氯化钠快速测定 近红外光谱法.pdf》由会员分享，可在线阅读，更多相关《DB36 T 1127-2019 饲料中粗灰分、钙、总磷和氯化钠快速测定 近红外光谱法.pdf（11页珍藏版）》请在麦多课文档分享上搜索。

1、ICS 65.120 B 46 DB36 江西省 地方标准 DB36/T 1127 2019 饲料中粗灰分、钙、总磷和氯化钠快速测定 近红外光谱法 Method for determination of crude ash， calcium， phosphorus and chlorides in feeds-Near infrared reflectance spectroscopy 2019 - 07 - 03 发布 2020 - 01 - 01 实施 江西省市场监督管理局 发布 DB36/T 1127 2019 I 前 言 本标准根据 GB/T 1.1-2009给出的规则起草。 本标准由

2、江西省农业农村厅提出并归口。 本标准起草单位：江西省兽药饲料监察所、双胞胎（集团）股份有限公司。 本标准主要起草人： 杨琳芬 、文虹、邢磊、姜文娟、符金华、廖丰、范昌成、邓倩、孙新、尹腾桂、 董泽民、刘国花、李存、黄艳清、李丹 DB36/T 1127 2019 1 饲料中粗灰分、钙、总磷和氯化钠快速测定 近红外光谱法 1 范围 本标准规定了以近红外光谱仪快速测定饲料中粗灰分和钙、 总磷 、 氯化钠 的 术语和定义、仪器和软 件、样品处理、分析方法、分析的允许误差 。 本标准适用于 配合饲料中粗灰分、钙、 总磷 和 氯化钠 的测定， 不适合仲裁检测 。 2 规范性引用文件 下列文件对于本文件的应

3、用是必不可少的。凡是注日期的引用文件，仅所注日期的版本适用于本文 件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。 GB/T 6436 饲料中钙的测定 GB/T 6437 饲料中总磷的测定 分光光度法 GB/T 6438 饲料中粗灰分的测定 GB/T 6439 饲料中水溶性氯化物的测定 3 术语和定义 下列术语和定义 适用于本文件 。 3.1 标准分析误差 standard error of the calibration 样品的近红外光谱法测定值与 国标 方法测 定值间残差的标准差，表达 如下 ，对于定标样 品常以 SEC表示。 3.2 残差 residual 样品的

4、近红外光谱法测定值与 国标分析方法测定值 的差值。 3.3 偏差 bias 残差的平均值。 3.4 相关系数 correlation coefficient DB36/T 11287 2019 2 近红外光谱法测定值与 国标法测定值的相关性。 3.5 异常样品 exception sample 仪器 扫描报警样品， 表示样品可能与定标模型使用的样品差异较大。 3.6 马氏距离 mahalanobis distance 广义上为度量未知样品于特定类之间的距离，常用于光谱的判别分析。 马氏距离 分为 GH和 NH， GH 为 未知样品 距离中心样品点的距离， NH为未知样品与相邻样品间的距离。 3

5、.7 t 检验 students t test 用 t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。 4 仪器 和软件 4.1 近红外光谱仪 带可连续扫描单色器的漫反射型近红外光谱仪或其他类产品，扫描范围 400nm 2500nm，波长准确 度 0.5nm，波长的重现性为 0.04nm。 4.2 软件 具有 NIR光谱数据的收集、存储、加工等功能。 5 样品 处理 样品粒度与定标模型所对应粒度处理方式一致。 6 分析方法 6.1 仪器校准 6.1.1 仪器自检 仪器噪声自检通过， 以多次扫描光谱吸光度残差的标准差来反映仪器的噪声。 6.1.2 波长准确度和重现性 波长准确度和

6、重现性通过仪器自检。 6.1.3 仪器标准样品测定 将一个 仪器标准样品作为仪器外用检验标准样品，测定该样品中粗灰分、钙、总磷、氯化钠含量并 做 T检验， 应无显著差异。 DB36/T 1127 2019 3 6.2 定标 6.2.1 定标模型的选择 NIR分析的准确性取决于定标工作，定标的 总则和程序见附录 A。 定标模型的选择原则为定标样品的 NIR光谱能代表被测定样品的 NIR光谱。通过 比较它们光谱间的 H值，如果待测样品 GH值 3，则可选用该 定标模型 ； 如果待测样品 GH值 3，则不能选用该定标模型 ； 如果没有现有的定标模型，则需要对现有 模型进行升级。 定标模型建立见附录

7、B。 6.2.2 定标模型的升级 定标模型升级的目的是为了使该模型在 NIR光谱上能适应于待测样品。通过 选择 20个 30个与待测 样品相似的样品，扫描其 NIR光谱，并用国标方法测定粗灰分、钙、总磷、氯化钠含量，然后将这些样 品加入 到定标样品中，用原有的定 标方法进行计算，即获得升级的定标模型。 6.3 样品的测定 将饲料样品 处理待测， 开机持续预热 1.5h左右， 仪器自检 ， 取适量样品 ， 装填均匀，开始扫描；扫 描结束后，清扫样品 ， 重新装样，进行第二个样品的扫描 ， 样品全部扫描结束后，分析结果。 6.4 结果分析 根据待测样品 NIR光谱选用对应的定标模型，对样品进行扫描

8、，然后进行待测样品 NIR光谱与定标 样品间的比较。如果待测样品 NH值 O.6，则仪器将直接给出样品的粗灰分、钙、 总磷、氯化钠 含量 ； 如果待测样品 NH值 0.6，则说明该样品已超出了该定标模型的分析能力，对于该定标模型，该样 品被 称为异常样品。 6.5 异常样品的分类 形成异常测定结果的原因，可能来自于该样品测定参数的含量超过了该仪器的定标模型 的范围，或 者该样品的品种与参与该仪器定标样品集的种类有很大差异。“好的” 异常样品 NH值为 0.6或 GH值 5， 并且该异常样品加入定标模型后， SEC不会显著增加，可增加该模型的分析能力。 6.6 异常样品的处理 应对造成测定结果异

9、常的原因进行分析和排除，再进行第二次 NIR测定予以确认，如仍出现报警， 则确认为异常样品。 NIR分析中发现异常样品后，要用 国标 方法对该样品进行分析，并封存样品，将异 常样品的情况通报 NIR管理者或仪器生产商，以利于今后对定标模型进行升级。 7 分析的允许误差 检测项目 分析的允许误差见表 1 。 DB36/T 11287 2019 4 表 1 检测项目分析的允许误差 样品中组分 含量 (%) 平行样间相对偏差小于 (%) 测定值与国标方法测定值之间的偏差小于 (%) 粗灰分 5.0 2 0.50 5.0 4 0.40 钙 1.0 5 0.30 1.0 10 0.15 总磷 0.5 3

10、 0.20 0.5 10 0.10 氯化钠 (水溶性氯化物 ) 0.5 8 0.15 0.5 5 0.10 DB36/T 1127 2019 5 A A 附 录 A （规范性附录） 定标的总则和程序 A.1 样品的选择 参与定标的样品应具有代表性，即需涵盖 将来所要分析样品的特性。创建一个新的校正模型，至少 需要收集 50个样品。通常以 70个 150个样品为宜。样品过少，将导致定标模型的欠拟合性 ； 样品过多， 将导致模型的过拟合性。 A.2 稳定样品组 为了使定标模型具有较好的稳定性，即其预测 性能不受仪器本身波动和样品的温度发生变化的影 响，在定标中应加上温度发生变化的样品和仪器发生变化

11、的样品。 A.3 定标样品选择的方法 对定标样品的选择应使用主成分分析法 PCA和聚类分析。根据某样品 NIR光谱与其 他样品光谱的相似 性，仅选择其 NIR光谱有代表性的样品，去除光谱非常接近的样品。对于 PCA方法，通常是选用前 12个目 标值用于选择定标样品组。或者从每一 PCA中选择具有最大和最小目标值的样品 (min/max )； 或者将每 一 PCA种的样品分为等同两组，从每一组中选择等同数目的代表性样品参与定标。两种方法中以 min/max 法是最通常采用的方法。对于聚类分析方法，使用马哈拉诺比斯距离 (或 H值 )等度量样品光谱间的相似 性。通常选择有代表性样品的边界 H值为

12、0.6，即如果某样品 NIR光谱与其他样品的 H统计值大于或等于 0.6， 则将其选择进入 定标样品 ； 如果某样品 NIR光谱与其他样品的 H统计值小于 0.6，则不将其选择进入 定标。 A.4 定标样品真实值的测定 对于定标样品需要知道其钙、 总磷 、粗灰分、 氯化钠 含量的“真值”，在实际操作中，通常以 GB/T 6436 ,GB/T 6437, GB/T 6438 ,GB/T 6439的测定值来代替。 A.5 定标方法 A.5.1 逐步回归 选择回归变量，产生最优回归方程的一种常用数学方法。它首先通过单波长点的回归校正，误差最 小的波长点的光谱读数就为多线性回归模型中的第一独立变量 ；

13、 以此为第一变量，进行二元回归模型的 比较，误差 最小的波长所对应的光谱读数则为第二独立变量 ；以此类推获得第三独立变量。但是独 立变量的总数量不应超过 (N/10)+3,N为定标系中样品数量，否则将产生模型的过适应性。 A.5.2 主成分回归法 DB36/T 11287 2019 6 如果在回归中应用所有的 100个 (NIT)或 700个 (NIR)波长点光谱的信息，这样在建立回归模型时，至 少需要 101个或 701个样品建立 101个或 701个线性方程组。主成分分析可用于压缩所需要的样品数量，同 时又应用光谱所有的信息。它将高度相关的波长点归于一个独立变量中，进而就以为数不多的独立变

14、量 建立回归方程，独立变量内高度相 关的波长点可用主成分得分将其联系起来。内部的检验用于防止过模 型现象。 A.5.3 偏最小二乘法回归法 部分最小偏差回归法是 80年代末应用到近红外光谱分析上的。该法与 主成分回归法 很相似，仅是在 确定独立变量时，不仅考虑光谱的信息 (X变量 )，还考虑化学分析值 (Y变量 )。该法是目前近红外光谱分 析上应用最多的回归方法，在制定饲料中粗灰分、钙、 总磷 、 氯化钠 测定的定标模型时使用此方法。 A.5.4 定标模型的更新 定标是一个由小样本估计整体的计量过程，因此定标模型预测能力的高低取决于定标样品的代表 性。由于预测样品的不确定性，在实际分析工作中边

15、分 析边选择异常样品，定期进行定标模型的升级， 可概括为以下步骤 ： a) 定标设计 ； b) 分析测定 ； c) 定标运算 ； d) 实际预测 ； e) 异常数据检查 ； f) 再定标设计 ； g) 再分析测定 ； h) 再定标运算 。 A.5.5 对定标模型的检验和选取 检验定标模型的适用性，其简单的方法是直接比较一个有代表样品群的预测值 (yi)和真实值 (Yi)的 偏差。 DB36/T 1127 2019 7 附 录 B （资料性附录） 定标模型建立 B.1 饲料中粗灰分的测定 定标样品数为 105个，以改进的偏最小二乘法 (MPLS)建立定标模型，模型的参数为 ： SEP =0.33

16、%， Bias=-O.02%， MPLS独立 向量 (Term)=12，光谱的数学处理为 ： 一阶导数、每隔 4nm进行平滑运算，光谱 的波长范围为 800nm 2498nm。 B.2 饲料中钙的测定 定标样品数为 95个，以改进的偏最小二乘法 (MPLS)建立定标模型，模型的参数为 :SEP =0.07%， Bias=O.01%， MPLS独立向量 (Term)=12，光谱的数学处理为 ： 一阶导数、每隔 4nm进行平滑运算，光谱的 波长范围为 800nm 2498nm。 B.3 饲料中 总磷 的测定 定标样品数为 103个，以改进的偏最小二乘法 (MPLS)建立定标模型，模型的参数为 ： SEP =0.05%， Bias=-O.01%， MPLS独立向量 (Term)=12，光谱的数学处理为 ： 一阶导数、每隔 4nm进行平滑运算，光谱 的波长范围为 800nm 2498nm。 B.4 饲料中 氯化钠 (水溶性氯化物 )的测定 定标样品数为 101个，以改进的偏最小二乘法 (MPLS)建立定标模型，模型的参数为 ： SEP =0.08%， Bias=-O.02%， MPLS独立向量 (Term)=12，光谱的数学处理为 ： 一阶导数、每隔 4nm进行平滑运算，光谱 的波长范围为 800nm 2498nm。 _