饲草产业发展是草食畜牧业不断发展的基础。然而，优质饲草是全球现代草食畜牧业健康、高质量发展的重要基础保障，也是草食家畜维持高产与生产优质、安全畜产品的重要前提[1]，对促进农村产业结构调整具有重要的意义[2][3]。近年来，基于近红外光谱技术（Near infrared reflectance spectroscopy,NIRS）以多种类、多形态方式构建了饲草营养成分含量预测模型。本文对NIRS技术基本原理及应用NIRS技术构建饲草营养成分预测模型进行了介绍，综述了基于NIRS技术评定饲草营养价值、快速预测饲草可消化养分的研究进展以及饲草营养成分NIRS模型优化与转移，以期为草食家畜日粮科学精准配制、优化饲养管理和提高饲料利用率奠定基础。
1 NIRS技术原理与饲料营养成分预测模型构建
1.1 NIRS技术原理与优势
美国试验和材料检测协会定义的近红外光是指波长在780～2 526 nm的电磁波[4]。而近红外光谱技术是根据待测不同有机分子含氢基团中化学键泛频振动和转动，在近红外波长区域（780～2 526 nm）获得待测物质光谱信息，使用化学计量学和数学方式构建的近红外线性或非线性模型，从而实现对待测物质的营养成分含量的预测[5]。饲草是畜牧业生产、发展的基础，其质量好坏和畜产品质量密切相关[6]。应用化学分析法、消化试验法、代谢试验法和饲养试验等方法评定饲草营养价值不仅耗时耗力，而且对样品有一定的破坏性，对于饲草营养价值评定有一定的滞后性，影响饲草资源合理高效利用，制约动物精准营养调控的发展。近年来，随着数学、化学计量学和计算机技术的快速发展，近红外光谱技术以快速、便捷和绿色等特点应用于饲草营养价值评定。
1.2基于NIRS技术构建饲料营养成分预测模型
我国基于近红外光谱技术构建了饲料原料、农作物副产物及其成品料中常规营养成分（干物质、粗蛋白质、中性洗涤纤维、酸性洗涤纤维、粗脂肪和粗灰分）和元素含量预测模型，不仅为其营养价值评定奠定了基础，而且为成品料生产的质量控制提供了有效方法[7]。其预测模型构建如图1所示，将采集到的样品一部分用于获得近红外光谱，另一部分用于湿化学分析，之后将同一样品的湿化学分析值和近红外光谱整合，多个样品组合即可利用数学和化学计量学方式构建各营养成分含量近红外快速预测模型。
2基于NIRS技术评定饲草营养价值研究进展
2.1基于NIRSR技术快速评定豆科饲草及副产物营养价值
豆科饲草可与根瘤菌共生固氮，其优质饲草中蛋白质含量可达25%，有“蛋白质饲料”之美誉[8]。具有适应性较强、适口性好和消化率较高等特点，已广泛应用于动物饲料配制[9]。迄今为止，关于豆科饲草营养成分含量近红外预测模型构建中，主要集中于苜蓿干草、苜蓿青贮、红豆草和花生秧的研究。其中，关于苜蓿干草常规营养成分含量和元素含量近红外预测模型构建已有诸多研究，且获得了较准确的预测结果[10][11][12][13]。肖红等[14]使用偏最小二乘回归法建模，证明了NIRS技术可以测定紫花苜蓿青贮饲料鲜样中的粗灰分含量。陈鹏飞等[15][16]基于偏最小二乘法、傅里叶变换近红外光谱和液氮冷冻制样技术构建不同品种、生育期和青贮方法的苜蓿青贮鲜样（n=160）营养成分含量（干物质、粗蛋白质、中性洗涤纤维和酸性洗涤纤维）和发酵品质（氨态氮、乳酸、乙酸和丁酸）预测模型。李文等[17]构建了红豆草粗蛋白质、中性洗涤纤维、酸性洗涤纤维、粗脂肪和粗灰分5种营养成分近红外预测模型，为红豆草干草品质性状快速分析提供了新方法。付趁等[18]采集了河南省6个花生品系120份花生秧样品，使用福斯近红外光谱仪（DS2500）采集光谱，结合湿化学分析构建了各营养成分（水分、粗蛋白质、粗纤维、中性洗涤纤维、酸性洗涤纤维、酸性木质素、粗脂肪和粗灰分）预测模型，由于高纤维饲料粗脂肪含量较低，检测误差较其他营养成分大，粗脂肪模型预测效果较差，需进一步优化调整。冯豆[19]基于Spectrastar 1400XL-3型近红外光谱仪，不仅构建了花生秧常规营养成分模型，而且发现在奶牛日粮中100%替代苜蓿时，能显著提高花生秧的中性洗涤纤维瘤胃降解率。
图1 近红外预测模型构建及分析示意图
目前，基于NIRS技术构建的豆科部分饲草各营养成分含量预测模型如表1所列，由于构建模型所用光谱仪器、光谱预处理方法、样本数量、营养成分含量变异范围不同，预测准确性评价参考指标均为RPD，其各营养成分预测准确性仍参差不齐，模型无法共享。
2.2基于NIRS技术快速评定禾本科饲草及副产物营养价值
禾本科饲草在我国种类繁多，以抗寒旱和抗盐碱等优势广泛分布于各地，占比达到我国优良牧草40%；具有营养价值高、适口性好和适应性强的特点，多以干草或青贮形式应用于反刍动物饲养之中[25]。常见的禾本科饲草有玉米青贮、燕麦草、高羊茅和无芒雀麦，副产物有玉米秸秆和小麦秸秆等。玉米青贮营养丰富，适口性好，是反刍动物饲养中使用范围最广、用量最大的粗饲料之一，但其营养品质受玉米品种、种植与收割方式和加工调制工艺的影响[36][37]，其营养成分含量变异性较大，构建近红外预测模型可为日粮配方精准配制奠定基础。燕麦种植主要分布于亚洲、欧洲和北美洲等地区，其面积和产量仅次于玉米、小麦和高粱、大麦[38]。由于抗旱、耐寒性强、产草量大、水溶性碳水化合物含量丰富等特点，广泛应用于反刍动物饲养之中[39]。玉米秸秆和小麦秸秆木质化程度高，纤维含量较高，营养价值相对较低，其作为反刍动物饲料资源开发潜力巨大[30]。此外，大麦秸秆粗蛋白含量和饲用价值与玉米秸秆相当，以纤维素酶和木聚糖酶预处理玉米秸秆和大麦秸秆，可显著提高大麦秸秆中性木质素和酸性木质素在绵羊瘤胃中的降解率，为大麦秸秆作为反刍动物饲料提供了可能性[40][41]。基于NIRS技术构建的禾本科部分饲草各营养成分含量预测模型如表2所列，其各营养成分预测模型预测准确性与豆科饲草近红外模型预测结果类似。
表1 基于NIRS技术构建豆科饲草营养成分含量预测模型(1)
(1)DM(Dry matter）为干物质，OM(Organic matter）为有机物，CP(Crude protein）为粗蛋白质，NDF(Neutral detergent fiber）为中性洗涤纤维，ADF(Acid detergent fiber）为酸性洗涤纤维，EE(Ether extract）为粗脂肪，Ash为粗灰分，Ca(Calcium）为钙，P(Phosphorus）为磷，RFV(Relative feed value）为相对饲喂价值，RPD(Relative predict deviation）为相对分析误差，下同。
表2 基于NIRS技术构建禾本科饲草营养成分含量预测模型(1)
(1)Starch为淀粉，ADL(Acid detergent lignin）为酸性洗涤木质素，WSC(Water-soluble carbohydrates）为水溶性碳水化合物，CF(Crude fiber）为粗纤维，K(Potassium）为钾，R2为预测决定系数。下同。
2.3基于NIRS技术快速评定其他饲草营养价值
天然草地牧草营养价值与反刍家畜营养状况、生命活动和生产性能密切联系，快速、高效评定、监控其营养价值信息，是评估天然草地营养供给和计算载畜量的基础，是科学开发利用草地生态资源的重要依据[42]。目前基于NIRS技术构建的天然牧草部分养分含量和降解率模型参数和所用样本数量和仪器信息如表3所列。天然牧草种类繁多，变异性较大，构建其NIRS预测模型所需样本数量大，研究构建模型所用样本数量及营养成分含量变异性不一，且所用近红外仪器有光栅型和傅里叶型等方式采集光谱，光谱格式不统一，模型不能普遍适用。
3基于NIRS技术快速预测饲草可消化养分研究进展
1976年，Norris等[50]构建了高羊茅、苜蓿和苜蓿菠萝草混合物等饲草的IVDMD近红外预测模型，定标决定系数为0.90，证实了利用NIRS预测其IVDMD的可行性。自此，Bruno-Soares等[51]采集了135份不同生长期的燕麦、大麦、黑小麦和小麦整株样品，构建的干物质消化率（Dry matter digestibility,DMD）和有机物消化率（Organic matter digestibility,OMD）近红外预测模型定标决定系数分别为0.86和0.88，可用于实际分析。Olsoy等[52]以蒿属植物为研究对象，构建了其叶片DMD预测模型，预测值与实测值相关性可达0.83。Samadi等[53]构建了动物饲料体外干物质降解率和体外有机物降解率NIRS预测模型，证明了利用NIRS技术构建饲料养分降解率的可行性。季晓菲等[49]基于偏最小二乘法建立了虉草体外干物质消化率预测模型，其预测相关系数为0.98，可用于虉草体外干物质消化率的实际测定。诸多研究表明，构建饲草可消化养分近红外预测模型可行，且为其精准优化反刍动物日粮配方奠定了基础，推动畜牧业可持续发展。
4饲草营养成分NIRS预测模型优化与转移
近红外预测模型在同一型号仪器上的通用性依赖于硬件制造技术，因此国外有关模型转移算法研究工作明显减少，但是模型转移算法研究仍然必要，仪器硬件技术指标提高，为不同型号以及不同光谱采集方式仪器之间的模型转移提供了有效保障[7]。模型转移主要是通过建立主仪器和从仪器、模型参数或预测值之间的函数关系，校正由不同类型仪器、检测条件及环境等变化因素导致的预测误差[54]。王红英等[55]应用基于光谱共享法的模型转移技术，可实现对小样本量和较窄化学值范围条件的豆粕和玉米粉营养成分实时在线监控和离线检测。刘贤等[56]探究青贮饲料（玉米、水稻、高粱、小麦和苜蓿）NIRS分析模型在傅里叶变换型和光栅型光谱仪之间的模型转移，采用斜率/截距和局部中心化2种方法进行转移后NIRS预测模型预测准确性接近，且提高了转移之前的模型预测精度。丁柯等[57]采用光谱差值转移算法、直接校正算法和分段直接校正算法进行了蛋白质饲料原料的粗蛋白质含量3种不同类型仪器间的模型转移，预测均方根误差明显低于模型转移之前，玉米蛋白粉、菜粕和酒糟的粗蛋白质含量预测模型转移后RPD均高于3.0，鱼粉样品模型从主仪器转移至从仪器，RPD均大于2.5，取得了较好的预测效果。杨增玲等[58]采用斜率/截距矫正和样品扩充2种方法，将实验室静态豆粕含水率和粗蛋白质近红外光谱预测模型转移至饲料企业生产在线应用监控品质，并可达到在线分析的要求。王红英等[55]以豆粕和玉米粉为研究对象，分别应用离线光谱和在线光谱构建定量分析模型，基于光谱共享法的模型转移技术，并构建光谱共享模型，经对比结果表明，光谱共享模型预测准确性最好。Shi等[59]采用5种光谱校正算法将光栅型近红外光谱仪干物质、粗蛋白质、粗脂肪和磷含量预测模型转移至傅里叶变换光谱仪，且预测准确性优于主仪器。
表3 基于NIRS技术构建其他饲草营养成分预测模型
(1)IVDMD(In vitro dry matter digestibility）为体外干物质消化率。
5结束语
应用NIRS技术快速评定饲草营养价值已有诸多研究，应用不同类型近红外光谱仪，构建了不同种类饲草营养成分含量预测模型。由于各模型预测准确性参差不齐，需要对其采用模型扩展和校正方式来优化；针对模型无法通用问题，限制实际生产中饲草营养价值快速评定。应用模型转移技术，将主仪器各饲草营养成分含量预测模型转移至从仪器，实现模型共享；针对不同实验室采集到的同一类型饲草不同品种、生长周期饲草，应整合数据，进行多源数据融合，扩展并优化模型；同时，构建标准化光谱共享平台，建立跨仪器、不同环境的光谱数据库，为饲草合理高效利用奠定理论基础与技术支撑。