肉制品饲料NIR解决方案

肉制品饲料NIR解决方案

　　图1.成品猪饲料近红外吸收光谱

　　由图1可以看出，光谱一致性较好，成品饲料有良好的光谱吸收，并在近红外谱图中含有大量与成品饲料指标的相关有效信息。因此，使用Unity近红外光谱技术检测成品饲料和原料的方案是完全可行的。

　　NIR使用方案

　　1. 根据检测需求，为您制定两个检测模型包，包含饲料原料模型包和成品饲料模型包，初步建立统计模型如下列表。

　　★饲料原料模型包

　　★成品饲料模型包

　　以上两个模型包是根据目前所掌握信息制定，可根据客户需求添加。

　　2. 建模样品的准备

　　1)每个模型需要选择一定个数的样品，来建立一个初步的模型。

　　根据客户样品的类型和不同状况，初步建模的数量不定。一个好的模型，样品量越大越好，选择样品的个数可在后期边使用边添加，模型准确度也会越来越高。

　　2)建模时与后期使用时，样品状态前后要一致性。

　　样品状态也可以看做样品的背景信息，前后样品的背景不一致，会导致预测误差偏大。

　　3)样品的湿化学方法所得一级数据准确性好。

　　近红外仪器预测结果是统计学回归理论基础上得出的，一级数据的不准确必然使得回归模型不准确，进而导致预测结果不准确。

　　4)建模样品各指标的梯度广。

　　建模时样品指标的梯度是根据客户在使用中指标范围来定的，比如指标蛋白质范围在16%-20%，那么模型中蛋白质的范围要大于16%-20%，才能有效的保证了预测范围永远在模型之内。

　　5)指标值范围内的样品个数要均匀。

　　在正态分布图里，指标的范围之内，样品个数尽量是均匀分布的，这样对模型预测准确度也会提高。

　　3.技术服务承诺

　　终身免费技术咨询和模型维护工作。实验室电话0531-88874444转139。