1、i cs 6 5B 4 61 2 0中 华 人 民 共 和 国 国 家 标 准GB/T 1 8 8 6 8-2 0 0 2饲料中水分、粗蛋白质、粗纤维、粗脂肪、赖氨酸、蛋氨酸快速测定近红外光谱法M e t h o d f o r d e t e r mi n a t i o n o f mo i s t u r e,c r u d e p r o t e i n，c r u d e f a t,c r u d e f i b r e,l y s i n e a n d m e t h i n i o n ei n f e e d s-Ne a r i n f r a r e d r e f l
2、 e c t a n c e s p e c t r o s c o p y2 0 0 2 一 0 9 一 2 4 发布2 0 0 3 一 0 3 一 0 1 实施中华人民共和国国 家 质 量 监 督 检 验 检 疫 总 局发 布GB/T 1 8 8 6 8-2 0 0 2月 q舀 本标准是建立在经典方法基础上的饲料中水分、粗蛋白质、粗纤维、粗脂肪、赖氨酸和蛋氨酸的快速测定方法，对于仲裁检验应以经典方法为准。所谓经典法是指国家标准已规定的常规方法，即GB/T6 4 3 2-1 9 9 4 饲料中粗蛋白测定方法,G B/T 6 4 3 3-1 9 9 4 饲料粗脂肪测定方法,GB/T 6 4 3
3、 4-1 9 9 4 饲料中粗纤维测定方法,G B/T 6 4 3 5-1 9 8 6 饲料水分的测定方法),G B/T 1 5 3 9 9-1 9 9 4 饲料中含硫氨基酸测定方法离子交换色谱法 和GB/T 1 8 2 4 6-2 0 0 0 饲料中氨基酸的测定。本标准中水分、粗蛋白质、粗纤维的测定参考采用美国公职分析化学家协会(AO A C)方法(第十五版)，方法的编号分别为 9 8 9.0 3 和9 9 1.0 1,本标准的附录 A为规范性附录。本标准由全国饲料工业标准化技术委员会提出。本标准由全国饲料工业标准化技术委员会归口。本标准起草单位:国家饲料质量监督检验中心(北京)。本标 准主
4、要起草人:杨曙 明、宋荣、张瑜、苏晓鸥。G B/T 1 8 8 6 8-2 0 0 2饲料中水分、粗蛋白质、粗纤维、粗脂肪、赖氨酸、蛋氨酸快速测定 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水分、粗蛋白质、粗纤维、粗脂肪、赖氨酸和蛋氨酸的方法。对于仲裁检验应以经典方法为准。本标准适用于各种饲料原料和配合饲料中水分、粗蛋白质、粗纤维和粗脂肪，各种植物性蛋白类饲料原料中赖氮酸和蛋氨酸的测定，本方法的最低检出量为o.o o l%,2 规范性引用文件 下列文件中的条款通过本标准的引用而成为本标准的条款。凡是注日 期的引用文件，其随后所有的修改单(不包括勘误的内容)或修订版均不适
5、用于本标准，然而，鼓励根据本标准达成协议的各方研究是否可使用这些文件的最新版本。凡是不注日期的引用文件，其最新版本适用于本标准。G B/T 6 4 3 2 饲料中 粗蛋白测定方法 G B/T 6 4 3 3 饲料粗脂肪测定方法 G B/T 6 4 3 4 饲料中 粗纤维测定方法 G B/T 6 4 3 5-1 9 8 6 饲料水分的测定方法 G B/T 1 5 3 9 9 饲料中含硫氨 基酸测定方法 G B/T 1 8 2 4 6 饲料中氨基酸的测定3原理 近红外光谱方法(NI R)利用有机物中含有 C-H,N-H,O-H,C-C等化学键的泛频振动或转动，以漫反射方式获得在近红外区的吸收光谱，
6、通过主成分分析、偏最小二乘法、人工神经网等现代化学和计量学的手段，建立物质光谱与待测成分含量间的线形或非线形模型，从而实现用物质近红外光谱信息对待测成分含量的快速计量。术语和定义下列术语和定义适用于本标准。标准分析误差(S E C或S E P)样 品 的 近 红 夕卜光 谱 法 测 定 值 与 经 典 方 法 测 定 值 间 残 差 的 标 准 差，表 达 为 ,(d,-d)n-1，对 于 定 标样品常以S E C表示，检验样品常用 S E P表示。4.2 相对标准分析误差 S E C(C)I 样品 标准分析误差中 扣除偏差的部分，表达为丫 S P c l-万 N,GB/T 1 8 8 6 8
7、-2 0 0 2残差(d)样品的近红外光谱法测定值与真实值(经典分析方法测定值)的差值。偏 差(B i a s)残差 的平均 值。相关系数(R或r)近红外光谱法测定值与经典法测定值的相关性，通常定标样品相关系数以 R表示，检验样品相关系数以r 表示。4.6 异 常样 品 样品近红外光谱与定标样品差别过大，具体表现为样品近红外光谱的马哈拉诺比斯(Ma h a l a n o b i s)距离(H值)大于。.6，则该样品被视为异常样品。仪器5.1 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，光源为 1 0 0 W 钨卤灯，检测器为硫化铅，扫描范围为 1 1 0 0 n m-
8、2 5 0 0 n m，分辨率为 0.7 9 n m，带宽为 1 0 n m，信号的线形为。.3，波长准确度 0.5 n m，波长的重现性为 0.0 3 n m，在 2 5 0 0 n m 处杂散光为 0.0 8，在 1 1 0 0 n m处杂散光为0.0 1%.5.2软件 为D O S 或W I N D O WS 版本，该软件由c语言编写，具有N I R光谱数据的收集、存储、加工等功能。5.3 样品磨 旋风磨，筛片孔径为。.4 2 mm，或同类产品。5.4样品皿 长方形样品槽,1 0 c mX4 c mXI c m，窗口为能透过红外线的石英玻璃，盖子为白色泡沫塑料，可容纳样品为 5 g-1
9、5 g,试样处 理将样品粉碎，使之全部通过0.4 2 m m孔筛(内径)，并棍合均匀。分 析步 骤了1 一般要求 每次测定前应对仪器进行以下诊断。7.1.1 仪器噪声 3 2次(或更多)扫描仪器内部陶瓷参比，以多次扫描光谱吸光度残差的标准差来反映仪器的噪声。残差的标准差应控制在3 0 1 g(1/R)1 0-以下。7.1.2 波长准确度和重现性 用加盖的聚苯乙烯皿来测定仪器的波长准确度和重现性。以陶瓷参比做对照，测定聚苯乙烯皿中聚苯乙烯的三个吸收峰的位置，即1 6 8 0.3 n m,2 1 6 4.9 n m,2 3 0 4.2 n m，该三个吸收峰的位置的漂移应小于 0.5 n m，每个波
10、长处漂移的标准差应小于 0.0 5 n m,7.，.3仪器外 用检验样品测定G B/T 1 8 8 6 8-2 0 0 2 将一个饲料样品(通常为豆粕)密封在样品槽中作为仪器外用检验样品，测定该样品中粗蛋白质、粗纤维、粗脂肪和水分含量并做 T检验，应无显著差异。7.2定标 NI R分析的准确性在一定程度上取决于定标工作，定标的总则和程序见附录A,7.2.1 定标模型的选择 定标模型的选择原则为定标样品的 N I R光谱能代表被测定样品的N I R光谱。操作上是比较它们光谱间的H值，如果待测样品 H值簇0.6，则可选用该定标模型;如果待测样品H值0.6，则不能选用该定标模型;如果没有现有的定标模
11、型，则需要对现有模型进行升级。7.2.2 定标模型的升级 定标模型升级的目的是为了使该模型在NI R光谱上能适应于待测样品。操作上是选择2 5 个一4 5个当地样品，扫描其NI R光谱，并用经典方法测定水分、粗蛋白质、粗纤维、粗脂肪或赖氨酸和蛋氨酸含量，然后将这些样品加人到定标样品中，用原有的定标方法进行计算，即获得升级的定标模型。7.2.3已建立的定标模型7.2-3.1 饲 料中水分的测定 定标样品数为 1 0 1个，以改进的偏最小二乘法(MP L S)建立定标模型，模型的参数为:S EP=。2 4%,B i a s=0.1 7%,MP L S独立向量(T e r m)=3，光谱的数学处理为
12、:一阶导数、每隔8 n m进行平滑运算，光谱的波长范围为 1 3 0 8 n m-2 3 9 2 n mo7.2-3.2 饲料中粗蛋白质的测定 定 标样品数为 1 1。个，以改进的偏最小二乘法(MP L S)建立定标模型，模型的参数为:S EP=0.3 4%,B i a s=O.2 9%,MP L S独立向量(T e r m)=7，光谱的数学处理为:一阶导数、每隔8 n m进行平滑运算，光谱的 波长范围为1 1 0 8 n m-2 5 0 0 nn.7-2-3.3 饲料 中粗脂肪 的测定 定 标样品数为 9 5个，以改进的偏最小二乘法(MP L S)建立定标模型.模型的参数为:S E P=0.
13、1 4%,B i a s=0.0 7%,MP L S独立向量(T e r m)=8，光谱的数学处理为:一阶导数、每隔 1 6 n m进行平滑运算，光谱的波长范围为 1 3 0 8 n m-2 3 9 2 n me7.2-3.4 饲料中粗纤维的测定 定标样品数为 1 0 6个，以改进的偏最小二乘法(MP L S)建立定标模型，模型的参数为:S E P=0.4 1 o o,B i a s=O.1 9 0 o,MP I,S独立向量(T e r m)=6，光谱的数学处理为:一阶导数、每隔8n m进行平滑运算，光谱的波长范围为1 1 0 8 n m-2 3 9 2 n m,7.2-3.5 植物性蛋白类饲
14、料中赖氮酸的测定 定 标样 品数为 9 3个，以改进的偏最小二乘法(MP L S)建立定标模型，模型的参数为:S E P=0.1 4 0 o,B i a s=0.0 7 0 o,MP L S独立向量(T e r m)=7，光谱的数学处理为:一阶导数、每隔4 n m进行平滑运算，光谱的波长范围为1 1 0 8 n m-2 3 9 2 n m,7.2-3.6 植物性蛋白类饲料中蛋氮酸的测定 定 标样 品数为 8 7个，以改进的偏最小二乘法(MP L S)建立定标模型，模型的参数为:S E P=0.0 9%,B i a s=0.0 6%,MP I,S 独立向量(T e r m)=5，光谱的 数学处理
15、为:一阶导数、每 隔4 n m进行平滑运算，光谱的波长范围为1 1 0 8 n m-2 3 9 2 n m,7.3对未知样品的测定 根据待测样品 N I R光谱选用对应的定标模型，对样品进行扫描，然后进行待测样品N I R光谱与定标样品间的比较。如果待测样品H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。7.3.1 异 常样品的分类c s/T 1 8 8 6 8-2 0 0 2 异常样品可为“好”、“坏”两类，“好”的异常样品加人定标模型后可增加该模型的分析能力，而“坏”的异常样品加人定标模型后，只能降低分析的准确度。“好”、“坏”异常样品的埋别标准
16、有二:一是H值，通常“好”的 异常样品H值为0.6 或H值5，通常“坏”的异常样品H值5;二是S E C，通常“好”的异常样品加人定标模型后，S E C不会显著增加，而“坏”的异常样品加人定标模型后，S E C将显著增加。7.3.2 异常样品的处理 N I R分 析中发现异常样品后，要用经典方法对该样品进行分析，同时对该异常 样品类型进行确定，属于“好”异常样品则保留，并加人到定标模型中，对定标模型进行升级;属于“坏”异常样品则放弃。分析的允许误差分析的允许误差见表 1,表 1样品中组分含 量平行样间相对偏差 小 于测定值与经典方法测定值之间的偏差 小 于水 分 2 050.4 0 1 0,镇 2 070.3 5 4 020.5 0 2 5,1 0,1 030.3 5镇 1 050.3 0粗 纤 维 1 820.4 5 1 0,镇 1 830.3 5 0.540.1 0 0.S30.0 8赖 氮 酸G0.1 5G B/T 1 8 8 6 8-2 0 0 2 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，即需含概将来所要分析样品的特性。创建一个新
