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，即淀粉在全價飼料中 占有較大比重。在飼料工業，開發牛產顆粒飼料或膨化 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的消化吸收效果、飼料轉化效 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特性變化過程，而快速準確檢 測和實時監控飼料加工中原料淀粉糊化特性的變化，對 提高飼料加工及產品質童，降低生產成本具有十分重要 的意義。
淀粉糊化作用將導致雙折射現象消失、顆粒膨脹、 透光率和黏度上升，借助檢測分析這些變化，逐漸發展 產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]。針對畜禽機體降解利用 淀粉類營養物質的生理模式，飼料行業通常采用與動物 機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、耗時費力，同時需要多 種化學試劑，在實時質量監控領域中的推廣應用有明顯 的M限性，并給飼料產品實際生產質量管理帶來了很大 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生產管理水平和飼料產品質 量安全水平的行業共性問題[4,5]。
作為一種快速分析技術，近紅外光譜分析技術 (NIRS)在石油化工、農業、制藥、食品科學等領域均 有廣泛應用[M]。在飼料行業，NIRS廣泛用于飼料原料和 配合飼料的質量安全評價，包括對粗蛋白、粗纖維等常 規化學指標^121，以及消化率等營養評價指標的測 定[13— ,但目前國內外鮮有關于用N1RS檢測顆粒飼料淀 粉糊化度的報道。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糊化和凝膠化，樣品黏度將發生明 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。快速黏度分析儀（RVA)是一種由計算機控制的快 速的旋轉式黏度測試儀，其通過檢測淀粉糊化過程中樣 品黏度的變化，可實現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。
在上述研究的基礎之上，本文將通過探討近紅外光 譜分析技術和快速黏度分析法預測乳豬顆粒飼料淀粉糊 化度的可行性，進一步建立淀粉糊化度的快速準確的測 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（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)，導致不同樣品的淀粉棚 化度差異較大。同時，為研究探討黏度與淀粉糊化度的 關系，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，然后進行酶解、沉淀過濾雜質，最后利用斐林試劑顯色，通過檢測吸光度值，計算對應的糊化度值。
本文所用的近紅外光譜分析儀為瑞典波通DA7200 型，光譜數據分析軟件為儀器自帶Grams32PLSplUS+IQ 軟件。樣品原始光譜數據的采集：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32次（以 內部陶瓷為參比），分辨率為8 cm—1。每個樣品掃描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：首先根據樣品的濃度 殘差和光譜殘差、學生氏殘差和杠桿值，將馬氏距離超 過3的樣品作為異常點剔出，然后按照淀粉糊化度值的 分布，將樣品劃分為定標集和驗證集。利用定標樣品集， 比較不同回歸方法和光譜預處理方法對模型定標決定系 數（凡2)、交互驗證標準差等統計參數的影 響，選擇最優冋歸方法和光譜預處理方法建、>:定標模型。 然后以驗證集樣品作為未知樣品進行預測，通過預測決 定系數（/?/)、相對標準差（/WD)和相對分析誤差（/?/»£») 驗證模型的預測能力。最后，根據相對標準差和相對分 析誤差值對模型進行綜合性評價，如果/WD客10%,則表 明所建模型具有良好預測能力，同時，如果/?/力>3,則 說明定標效果良好，所建模型可用丁•實際檢測[18]。
2結果與分析
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個乳豬顆粒飼料樣品， 獲得原始光譜圖（圖la),橫坐標為光譜波長，縱坐標為 與本底相比的相對吸光度，即^-城/瓜)，其中/為樣本的 反射光強度，/〇為本底的反射光強度。而通過•階導數處 理消除基線漂移對光譜圖的影響，以及通過標準正態變 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，說明這兩個光譜區包含 有淀粉所含化學鍵較多的信息。
由于測量儀器、測試方法和環境因素以及樣品本身多 樣性等原因在實際操作中往往會出現昇常值，異常值的判 別和處理是提高近紅外分析處理準確度的一個重要步驟 [191。判別特異點主要是根據樣品的濃度殘差和光譜殘差的 分布、學牛氏殘差和杠桿值的分布，以及馬氏距離。馬氏 距離閾值通常設定為3,本研究也將馬氏距離的閾值設定 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定標模型的建立
依據樣品淀粉糊化度的分布（2.1.1),確定80個樣 品作為建立近紅外光譜分析方法的定標集，其余22個樣 品作為驗證集。選擇最優回歸方法時，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定標效果的影響。由表2 的統計分析表明，雖然PCR法的決定系數略高與PLS, 但其主因子數太多（14),預測模型容易出現過擬合現象， 同時標準差（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模型評價參數相同， 但前人研究表明PLS-1更適用于待測指標變化范圍較大 的樣品組分，且該方法的計算精確度更高[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，以上面確定的PLS-1 為回歸方法，比較多元散射校正（MSC),標準正態變換 +去趨勢（SNV+Detrend),歸一化（Normalize)預處理 等方法對定標模型的影響。結果表明：MSC明顯優于其 它兩種方法，獲得的模型決定系數較高、標準差小，所 以本文選用MSC作為散射校正方法。同時，在確定最佳 導數處理方法過程中，一階導數結合五點平滑處理（1st derive+smooth (5))方法獲得的定標模型明顯好于無導 數處理（No derivative)、二階導數結合五點平滑處理（2st derive+smooth (5))兩種處理方法，因此，選用1st derive+smooth (5)作為建立定標模型的導數處理方法。 最后，篩選確定采用 PLS-1、MSC、lstderive+smooth (5) 建立預測模型，所建模型的決定系數達到0.8759,且相 對標準差（RSD)小于10%,相對分析誤差（RPD)大 于3，定標結果良好。
2. 1.4定標模型的驗證
利用驗證樣品集的22個樣品，驗證所建的近紅外光 譜分析方法的定標模型的預測精度和可靠性，通過一元 線性回歸方法，得到化學分析值和預測值之間的相關關 系，如圖4所示，兩者之間的決定系數（/?2)為0.9608, 相對標準差小于10%,相對分析誤差大于3,表明定標模 型具有較好的穩定性和預測精度，預測效果良好，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 行“復煮”，而由于淀粉糊化為不可逆過程，將會出現 樣品糊化度越高，RVA曲線將越不明顯的現象。RVA曲 線中用于評價樣品黏度和糊化特性的參數包括冷峰值 (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，此值越高 則表明樣品糊化程度越高，如果在低溫時出現此峰值， 則表明樣品凝膠化程度較高。峰值黏度是另一個反映樣 品糊化度的指標，樣品經高溫加熱時可出現此峰值，但 如果是已糊化的樣品，則檢測時不會出現此峰值。最終 黏度又稱為RVA擠壓膨化指數，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曲線的各項參數存在著緊密的內在 的聯系。
圖5a為6種玉米產品的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，數值上表現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 項黏度指標處丁•膨化玉米和生玉米淀粉的參數之間，上述 試驗結果H觀展示了樣品糊化度和黏度之間的內在聯系。
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系， 本試驗通過選用86個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系。圖5b 為所有樣品的黏度曲線，明晰了所有樣品各項黏度參數 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 度等五個黏度參數之間的N歸關系，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 的內在關系，研究建立了淀粉糊化度和黏度指標之間的 回歸關系，決定系數達0.8以上，對驗證樣品的預測結果 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提高加工質量管理水平和確保飼 料產品的質量安全的應用需求，近紅外光譜分析方法在 飼料質量實時控制領域展示了良好的應用前景。