一種基于近紅外光譜技術的dl-蛋氨酸的快速檢測方法
【技術領域】
[0001]本發明涉及一種DL-蛋氨酸的檢測方法，尤其涉及的是一種基于近紅外光譜技術的飼料級DL-蛋氨酸的快速檢測方法。
【背景技術】
[0002]市售的蛋氨酸主要是人工合成的，為左旋體(L)與右旋體(D)的結合，兩者結合抵消了旋光性，成為外銷旋體，記為“DL”。L型與D型具有相同的物理化學性質，對動物體也都同樣有效，目前售價約10萬元/噸。飼料生產企業為杜絕使用假冒偽劣的氨基酸類添加劑產品，保證養殖效果，均需對該類添加劑進行一定的檢測。目前飼料企業主要是按照GB/T17810-2009《飼料級DL-蛋氨酸》規定的滴定法進行含量檢測，或者按照GB/T 18246-2000《飼料中氨基酸的測定》的離子交換色譜法進行檢測，這些方法不僅要花費大量的時間進行樣品前處理，同時也要花費一定量試劑耗材，檢測成本較高。
【發明內容】
[0003]本發明為了解決上述技術問題，提供了一種基于近紅外光譜技術的飼料級DL-蛋氨酸的快速檢測方法。利用有機物的分子鍵在近紅外光譜區域范圍內有特定的吸收峰、干涉峰，通過近紅外光譜儀采集DL-蛋氨酸樣品的光譜，利用化學計量學建立的近紅外預測模型進行計算，得到待測樣品的近紅外預測值，可以準確有效的檢測蛋氨酸含量并識別摻假的飼料級DL-蛋氨酸。
[0004]為了實現上述發明目的，本發明采用如下的技術方案:
一種基于近紅外光譜技術的飼料級DL-蛋氨酸的快速檢測方法，其特征在于:包括以下步驟:
A、近紅外光譜采集與化學測定
收集D-蛋氨酸與L-蛋氨酸樣本，利用標準化的近紅外儀器掃描對樣本進行掃描，獲得各樣本的光譜信息，光譜范圍為1100nm-2498nm，分辨率為2nm ;同時參照GB/T 18246-2000《飼料中氨基酸的測定》，用純水溶解樣本，測定蛋氨酸的含量；
B、光譜預處理
將樣本隨機分成建模集和預測集，將建模集樣本的近紅外光譜與檢測得到的蛋氨酸含量一一對應，運用FOSS公司的WINISI III化學計量學軟件，先將光譜平均化，采用PCA(主成分分析)法進行樣本分析，光譜的處理方式為:散射校正和去趨勢處理、I階導數處理和平滑處理；
C、建立近紅外定標模型
采用MPLS法建模，建模的光譜范圍選擇為1346nm-1466nm、1670nm-1808nm和2148nm-2470nm，光譜處理方式為反相多元離散校正，2階導數處理、平滑處理，得到最優的近紅外定標模型。
[0005]D、驗證近紅外定標模型將預測集的樣本使用導入定標模型的近紅外分析儀掃描，得到定標模型的預測結果，與A步驟得到的檢測值進行比較，驗證近紅外定標模型的準確性。
[0006]本發明采用的是丹麥FOSS公司的WINISI III軟件建立的模型，模型文件為“.eqa” 文件，適合該公司的 InfraXact、NIR-systems 6500、TR3750-5000、DA1650、DS2500、XPS等近紅外分析儀。
[0007]本發明方法是應用光柵型近紅外漫反射光譜分析技術結合因子法建立的定性方程有效識別DL-蛋氨酸；是應用近紅外光柵型近紅外漫反射光譜分析技術結合改進的偏最小二乘法建立的定量分析模型定量測定DL-蛋氨酸的有效含量。結合定性結果與定量結果，準確判斷DL-蛋氨酸是否摻假。
[0008]另選擇蛋氨酸含量不同的三個樣本，在近紅外分析儀上分別掃描10次，隔5天后重復該過程，評估近紅外定標模型的重復性。
[0009]所述的近紅外定標模型得到的蛋氨酸含量大于100%或者低于97%，則判定為摻假。
[0010]所述的A步驟，每個樣品掃描2次，得到2條近紅外光譜。
[0011]所述的B步驟，PCA法進行樣本分析是指創建得分文件，以中心值為圓心，對馬氏距離大于3的樣品進行剔除。
[0012]所述的I階導數處理、2階導數處理和平滑處理的間隔點為4，不做二次平滑處理。
[0013]本發明的有益效果為:直接采用樣品原樣檢測，省去繁瑣的前處理工作，化學計量學模型建立后，只需用待測樣品通過近紅外光譜儀進行掃描，能夠快速(3分鐘內)、準確的直接檢測飼料添加劑DL-蛋氨酸中蛋氨酸的有效含量(范圍在20%-99.9%)?嚴格檢測和控制飼料添加劑中蛋氨酸的含量，提高飼料產品的質量和安全系數，促進飼料行業持續健康發展。
[0014]本發明的近紅外光譜檢測方法得到的有效含量準確率高，近紅外蛋氨酸含量的預測值與化學檢測真值之間的誤差(絕對誤差)小于1.2% ;重復性好，平行10次結果之間的極差小于0.35% ;識別度好，將離子交換色譜法檢測為摻雜使假的樣品，使用近紅外光譜儀進行檢測，評估近紅外定標模型對假樣品的識別度，得到的蛋氨酸含量大于100%或者低于97%，且有GH報警。
[0015]本發明的近紅外定標模型檢測得到的有效含量在97%_99%之間時，數據準確率或者可信度為95% ;檢測得到的有效含量在90%-97%之間時，數據準確率或者可信度為85% ；檢測得到的有效含量在90%以下時，數據準確率或者可信度為80%。
【附圖說明】
[0016]圖1為蛋氨酸的近紅外光譜圖。
[0017]圖2為建模樣品集樣品預測值與真值的線性相關分析。
[0018]圖3為建模樣品集樣品預測值與真值的偏差分析。
[0019]圖4為檢驗樣品集樣品預測值與真值的線性相關分析。
[0020]圖5為檢驗樣品集樣品預測值與真值的偏差分析。
【具體實施方式】
[0021]下面對本發明的實施例作詳細說明，本實施例在以本發明技術方案為前提下進行實施，給出了詳細的實施方式和具體的操作過程，但本發明的保護范圍不限于下述的實施例。
[0022]實施例1
一種基于近紅外光譜技術的飼料級DL-蛋氨酸的快速檢測方法，包括以下步驟:
A、近紅外光譜采集與化學測定
收集D-蛋氨酸與L-蛋氨酸樣本，利用標準化的近紅外儀器掃描對樣本進行掃描，獲得各樣本的光譜信息，光譜范圍為1100nm-2498nm，分辨率為2nm ;同時參照GB/T 18246-2000《飼料中氨基酸的測定》，用純水溶解樣本，測定蛋氨酸的含量；
B、光譜預處理
將樣本隨機分成建模集和預測集，將建模集樣本的近紅外光譜與檢測得到的蛋氨酸含量一一對應，運用FOSS公司的WINISI III化學計量學軟件，先將光譜平均化，采用PCA法進行樣本分析，光譜的處理方式為:散射校正和去趨勢處理、I階導數處理、平滑處理，不做二次平滑處理；
C、建立近紅外定標模型
采用MPLS法建模，建模的光譜范圍選擇為1346nm-1466nm、1670nm-1808nm和2148nm-2470nm，光譜處理方式為反相多元離散校正，2階導數處理、平滑處理，得到最優的近紅外定標模型；
D、驗證近紅外定標模型
將預測集的樣本使用導入定標模型的近紅外分析儀掃描，得到定標模型的預測結果，與A步驟得到的檢測值進行比較，驗證近紅外定標模型的準確性。
[0023]實施例2
本實施例的實施方式與實施例1基本相同，在此基礎上:
另選擇蛋氨酸含量不同的三個樣本，在近紅外分析儀上分別掃描10次，隔5天后重復該過程，評估近紅外定標模型的重復性。
[0024]實施例3