畜禽飼料配方中玉米的用量一般在45%以上，而玉 米中淀粉含量通常為64%?78%m，即淀粉在全價(jià)飼料中 占有較大比重。在飼料工業(yè)，開發(fā)牛產(chǎn)顆粒飼料或膨化 飼料的主要目的之一是使原料淀粉糊化。糊化作用除可 改善物料的流變加工特性外，更為1要的是能在一定程 度上提高畜禽對能量物質(zhì)的消化吸收效果、飼料轉(zhuǎn)化效 率，以及畜禽牛長性能[2)。因此，淀粉糊化作用是飼料加 工過程中重要的物理化學(xué)特性變化過程，而快速準(zhǔn)確檢 測和實(shí)時(shí)監(jiān)控飼料加工中原料淀粉糊化特性的變化，對 提高飼料加工及產(chǎn)品質(zhì)童，降低生產(chǎn)成本具有十分重要 的意義。
淀粉糊化作用將導(dǎo)致雙折射現(xiàn)象消失、顆粒膨脹、 透光率和黏度上升，借助檢測分析這些變化，逐漸發(fā)展 產(chǎn)生了多種檢測淀粉糊化度的方法，如雙折射法、酶水 解法、膨脹法和黏度測量法等[3]。針對畜禽機(jī)體降解利用 淀粉類營養(yǎng)物質(zhì)的生理模式，飼料行業(yè)通常采用與動物 機(jī)體消化功能較為接近的酶水解法，作為淀粉糊化度測 定方法。但此種方法操作繁瑣、耗時(shí)費(fèi)力，同時(shí)需要多 種化學(xué)試劑，在實(shí)時(shí)質(zhì)量監(jiān)控領(lǐng)域中的推廣應(yīng)用有明顯 的M限性，并給飼料產(chǎn)品實(shí)際生產(chǎn)質(zhì)量管理帶來了很大 不便。而加快研究推廣淀粉糊化度的快速檢測方法，已 成為制約中國提高飼料行業(yè)生產(chǎn)管理水平和飼料產(chǎn)品質(zhì) 量安全水平的行業(yè)共性問題[4,5]。
作為一種快速分析技術(shù)，近紅外光譜分析技術(shù) (NIRS)在石油化工、農(nóng)業(yè)、制藥、食品科學(xué)等領(lǐng)域均 有廣泛應(yīng)用[M]。在飼料行業(yè)，NIRS廣泛用于飼料原料和 配合飼料的質(zhì)量安全評價(jià)，包括對粗蛋白、粗纖維等常 規(guī)化學(xué)指標(biāo)^121，以及消化率等營養(yǎng)評價(jià)指標(biāo)的測 定[13— ,但目前國內(nèi)外鮮有關(guān)于用N1RS檢測顆粒飼料淀 粉糊化度的報(bào)道。此外，淀粉糊化過程中，由于淀粉粒 的吸水溶脹和崩解，淀粉或以淀粉為主要成分的物料與 水的懸浮物在加熱時(shí)糊化和凝膠化，樣品黏度將發(fā)生明 顯的變化，即樣品的糊化特性和黏度變化W者之間息息 相關(guān)?？焖兖ざ确治鰞x（RVA)是一種由計(jì)算機(jī)控制的快 速的旋轉(zhuǎn)式黏度測試儀，其通過檢測淀粉糊化過程中樣 品黏度的變化，可實(shí)現(xiàn)對樣品淀粉糊化特性的定性和定 量分析，比如用于檢測樣品的糊化溫度等反映淀粉糊化 特性的參數(shù)。
在上述研究的基礎(chǔ)之上，本文將通過探討近紅外光 譜分析技術(shù)和快速黏度分析法預(yù)測乳豬顆粒飼料淀粉糊 化度的可行性，進(jìn)一步建立淀粉糊化度的快速準(zhǔn)確的測 定方法。
1材料和方法 1.1樣品的收集
2007年9月至2007年12月，共收集兩家飼料公司 的106個(gè)（表1)乳豬顆粒飼料樣品。由于不同批次乳豬 料的原料、配方和加工工藝不盡相同，特別是對玉米原 料的使用方面情況各異（表1)，導(dǎo)致不同樣品的淀粉棚 化度差異較大。同時(shí)，為研究探討?zhàn)ざ扰c淀粉糊化度的 關(guān)系，采集了生玉米淀粉、普通玉米、膨化玉米、蒸汽 壓片玉米等4種不同糊化程度的玉米產(chǎn)品。
1.2淀粉糊化度的參考測定方法-簡易酶法
本文采用簡易酶法[17]測定樣品的淀粉糊化度。通過 加熱的方法制備全糊化樣品，然后進(jìn)行酶解、沉淀過濾雜質(zhì)，最后利用斐林試劑顯色，通過檢測吸光度值，計(jì)算對應(yīng)的糊化度值。
本文所用的近紅外光譜分析儀為瑞典波通DA7200 型，光譜數(shù)據(jù)分析軟件為儀器自帶Grams32PLSplUS+IQ 軟件。樣品原始光譜數(shù)據(jù)的采集：將顆粒飼料樣品粉碎， 過0.5 mm篩，制成近紅外光譜掃描用樣品；光譜采集波 長950?1650nm,采樣間隔2.0nm，掃描次數(shù)32次（以 內(nèi)部陶瓷為參比），分辨率為8 cm—1。每個(gè)樣品掃描2次, 取其平均光譜值作近紅外光譜分析。
近紅外光譜分析模型的建立：首先根據(jù)樣品的濃度 殘差和光譜殘差、學(xué)生氏殘差和杠桿值，將馬氏距離超 過3的樣品作為異常點(diǎn)剔出，然后按照淀粉糊化度值的 分布，將樣品劃分為定標(biāo)集和驗(yàn)證集。利用定標(biāo)樣品集， 比較不同回歸方法和光譜預(yù)處理方法對模型定標(biāo)決定系 數(shù)（凡2)、交互驗(yàn)證標(biāo)準(zhǔn)差等統(tǒng)計(jì)參數(shù)的影 響，選擇最優(yōu)冋歸方法和光譜預(yù)處理方法建、>:定標(biāo)模型。 然后以驗(yàn)證集樣品作為未知樣品進(jìn)行預(yù)測，通過預(yù)測決 定系數(shù)（/?/)、相對標(biāo)準(zhǔn)差（/WD)和相對分析誤差（/?/»£») 驗(yàn)證模型的預(yù)測能力。最后，根據(jù)相對標(biāo)準(zhǔn)差和相對分 析誤差值對模型進(jìn)行綜合性評價(jià)，如果/WD客10%,則表 明所建模型具有良好預(yù)測能力，同時(shí)，如果/?/力>3,則 說明定標(biāo)效果良好，所建模型可用丁•實(shí)際檢測[18]。
2結(jié)果與分析
2.1淀粉糊化度的近紅外光譜分析法
2.1.1樣品淀粉糊化度的分布及近紅外光譜信息
通過簡易酶法測定106個(gè)樣品的淀粉糊化度，最大 值為0.7947,最小值為0.3595,表明樣品淀粉糊化度測 定值變化范圍較大，分布較為合理（具體測定結(jié)果未列 出），所取樣品具有較好的代表性。
用近紅外光譜分析儀掃描106個(gè)乳豬顆粒飼料樣品， 獲得原始光譜圖（圖la),橫坐標(biāo)為光譜波長，縱坐標(biāo)為 與本底相比的相對吸光度，即^-城/瓜)，其中/為樣本的 反射光強(qiáng)度，/〇為本底的反射光強(qiáng)度。而通過•階導(dǎo)數(shù)處 理消除基線漂移對光譜圖的影響，以及通過標(biāo)準(zhǔn)正態(tài)變 換（SNVT)消除由于粒度不均引起的光散射對光譜圖的 影響，獲得去除基線和散射效果影響后的處理圖（圖lb)。 對比分析獲得的樣品原始圖譜圖，光譜在950?1150 nm 和1400?1650 nm之間存在差別，說明這兩個(gè)光譜區(qū)包含 有淀粉所含化學(xué)鍵較多的信息。
由于測量儀器、測試方法和環(huán)境因素以及樣品本身多 樣性等原因在實(shí)際操作中往往會出現(xiàn)昇常值，異常值的判 別和處理是提高近紅外分析處理準(zhǔn)確度的一個(gè)重要步驟 [191。判別特異點(diǎn)主要是根據(jù)樣品的濃度殘差和光譜殘差的 分布、學(xué)牛氏殘差和杠桿值的分布，以及馬氏距離。馬氏 距離閾值通常設(shè)定為3,本研究也將馬氏距離的閾值設(shè)定 為3。圖2所示，36、49、96, 97號樣品明顯偏離其它樣品, 且它們的馬氏距離大于3,將被作為異常樣品剔除。
1.1.3定標(biāo)模型的建立
依據(jù)樣品淀粉糊化度的分布（2.1.1),確定80個(gè)樣 品作為建立近紅外光譜分析方法的定標(biāo)集，其余22個(gè)樣 品作為驗(yàn)證集。選擇最優(yōu)回歸方法時(shí)，對比偏最小二乘 法1 (PLS-1)、偏最小二乘法2 (PLS-2)和主成分回歸 (PCR)三種冋歸方法對NIRS定標(biāo)效果的影響。由表2 的統(tǒng)計(jì)分析表明，雖然PCR法的決定系數(shù)略高與PLS, 但其主因子數(shù)太多（14),預(yù)測模型容易出現(xiàn)過擬合現(xiàn)象， 同時(shí)標(biāo)準(zhǔn)差（RMSEC)略大，故不選擇PCR法。PLS-1 和PLS-2兩種回歸方法獲得的定標(biāo)模型評價(jià)參數(shù)相同， 但前人研究表明PLS-1更適用于待測指標(biāo)變化范圍較大 的樣品組分，且該方法的計(jì)算精確度更高[9]，所以本文選 用PLS-1作為回歸方法。
在篩選最佳散射校正方法時(shí)，以上面確定的PLS-1 為回歸方法，比較多元散射校正（MSC),標(biāo)準(zhǔn)正態(tài)變換 +去趨勢（SNV+Detrend),歸一化（Normalize)預(yù)處理 等方法對定標(biāo)模型的影響。結(jié)果表明：MSC明顯優(yōu)于其 它兩種方法，獲得的模型決定系數(shù)較高、標(biāo)準(zhǔn)差小，所 以本文選用MSC作為散射校正方法。同時(shí)，在確定最佳 導(dǎo)數(shù)處理方法過程中，一階導(dǎo)數(shù)結(jié)合五點(diǎn)平滑處理（1st derive+smooth (5))方法獲得的定標(biāo)模型明顯好于無導(dǎo) 數(shù)處理（No derivative)、二階導(dǎo)數(shù)結(jié)合五點(diǎn)平滑處理（2st derive+smooth (5))兩種處理方法，因此，選用1st derive+smooth (5)作為建立定標(biāo)模型的導(dǎo)數(shù)處理方法。 最后，篩選確定采用 PLS-1、MSC、lstderive+smooth (5) 建立預(yù)測模型，所建模型的決定系數(shù)達(dá)到0.8759,且相 對標(biāo)準(zhǔn)差（RSD)小于10%,相對分析誤差（RPD)大 于3，定標(biāo)結(jié)果良好。
2. 1.4定標(biāo)模型的驗(yàn)證
利用驗(yàn)證樣品集的22個(gè)樣品，驗(yàn)證所建的近紅外光 譜分析方法的定標(biāo)模型的預(yù)測精度和可靠性，通過一元 線性回歸方法，得到化學(xué)分析值和預(yù)測值之間的相關(guān)關(guān) 系，如圖4所示，兩者之間的決定系數(shù)（/?2)為0.9608, 相對標(biāo)準(zhǔn)差小于10%,相對分析誤差大于3,表明定標(biāo)模 型具有較好的穩(wěn)定性和預(yù)測精度，預(yù)測效果良好，即所 建的近紅外光譜分析方法可以用于定量測定乳豬飼料的 淀粉糊化度。
快速黏度分析儀檢測樣品黏度的過程，將對樣品進(jìn) 行“復(fù)煮”，而由于淀粉糊化為不可逆過程，將會出現(xiàn) 樣品糊化度越高，RVA曲線將越不明顯的現(xiàn)象。RVA曲 線中用于評價(jià)樣品黏度和糊化特性的參數(shù)包括冷峰值 (Cold Peak)、冷峰面積(Cold Peak Area)、峰值黏度（Raw Peak)、保持黏度（Hold Strength)、最終黏度（Final Viscidity)。其中冷峰值又叫RVA冷擠壓指數(shù)，此值越高 則表明樣品糊化程度越高，如果在低溫時(shí)出現(xiàn)此峰值， 則表明樣品凝膠化程度較高。峰值黏度是另一個(gè)反映樣 品糊化度的指標(biāo)，樣品經(jīng)高溫加熱時(shí)可出現(xiàn)此峰值，但 如果是已糊化的樣品，則檢測時(shí)不會出現(xiàn)此峰值。最終 黏度又稱為RVA擠壓膨化指數(shù)，此值越高，則樣品糊化 度越低，若為已糊化樣品，樣品最終黏度將偏低。總之， 樣品的糊化度與RVA曲線的各項(xiàng)參數(shù)存在著緊密的內(nèi)在 的聯(lián)系。
圖5a為6種玉米產(chǎn)品的RVA曲線，其中膨化玉米a 和膨化玉米b的淀粉糊化度分別為0.732和0.896，是糊 化度最高的兩種樣品，其糊化曲線無明顯的峰值和峰值 后的下降趨勢，數(shù)值上表現(xiàn)為較大的冷峰值面積和較高 的冷峰值、較低的峰值黏度、保持黏度和最終黏度。而 生玉米淀粉的淀粉糊化度可以視為〇,其糊化曲線表現(xiàn)與 膨化玉米相反，冷峰面積較小、冷峰值較低，峰值較高 且冇明顯的波峰和波谷，最終黏度較高。蒸汽壓片玉米 的淀粉糊化度為0.333,普通玉米糊化度為0.18, —種乳 豬顆粒飼料樣品的淀粉糊化度為0.526,這3種樣品的各 項(xiàng)黏度指標(biāo)處丁•膨化玉米和生玉米淀粉的參數(shù)之間，上述 試驗(yàn)結(jié)果H觀展示了樣品糊化度和黏度之間的內(nèi)在聯(lián)系。
2. 2. 2淀粉糊化度的快速黏度分析法
針對樣品糊化度和黏度之間存在的相互影響關(guān)系， 本試驗(yàn)通過選用86個(gè)玉米使用量相近的乳豬顆粒飼料樣 品，探索建、>:樣品糊化度和黏度之間的定量關(guān)系。圖5b 為所有樣品的黏度曲線，明晰了所有樣品各項(xiàng)黏度參數(shù) 的變化范圍。而通過SAS分析軟件建立乳豬料淀粉糊化 度與冷峰值、冷峰面積、峰值黏度、保持黏度、最終黏 度等五個(gè)黏度參數(shù)之間的N歸關(guān)系，化度的近紅外光譜分析方法具有良好的分析能力和檢測 精度。此外，通過探討分析淀粉糊化度與物料黏度之間 的內(nèi)在關(guān)系，研究建立了淀粉糊化度和黏度指標(biāo)之間的 回歸關(guān)系，決定系數(shù)達(dá)0.8以上，對驗(yàn)證樣品的預(yù)測結(jié)果 也較好。上述兩種淀粉糊化度的快速檢測方法在一定程 度上能夠滿足飼料工業(yè)提高加工質(zhì)量管理水平和確保飼 料產(chǎn)品的質(zhì)量安全的應(yīng)用需求，近紅外光譜分析方法在 飼料質(zhì)量實(shí)時(shí)控制領(lǐng)域展示了良好的應(yīng)用前景。