颗粒评分校准制造技术

本发明专利技术公开了一种用于建立近红外反射分光光度计的校准以预测成分的颗粒评分的方法，所述方法包括：(a)通过使多个植物物质样品穿过筛网来按尺寸分选这些样品，随后根据穿过所述筛网的样品的数量，计算所述样品的颗粒评分，(b)使用所述分光光度计测量所述多个植物物质样品的吸光度或反射率，以及(c)将步骤(a)所得的所述颗粒评分与步骤(b)所测得的所述吸光度或反射率进行关联。

【技术实现步骤摘要】
【国外来华专利技术】相关申请本申请要求2013年12月20日提交的名称为“PARTICLE SCORE CALIBRATION”(颗粒评分校准)的美国临时专利申请No.61/919,258的权益，该临时专利申请全文以引用方式并入本文。
本公开整体涉及光谱法。本公开的各方面具体涉及使用近红外光谱法预测草料样品的颗粒评分。
技术介绍
已知的是，使用颗粒评分器测定草料样品的颗粒评分，所述颗粒评分器诸如为可从美国威斯康星州阿特金森堡(Fort Atkinson,Wisconsin,USA)的纳斯科目录经销店(Nasco Catalog Outlet Store)商购获得的宾州州立大学三层筛草料颗粒分离器(Penn State Three-Sieve Forage Particle Separator)型号C24682N。然而，此类已知的颗粒评分器可能有些不精确。还已知的是，使用近红外反射(NIR)分光计(分光光度计)测定草料的化学性质(例如，粗蛋白、脂肪、灰分、纤维等的百分比)，所述分光计诸如为均可从美国明尼苏达州伊甸草原(Eden Prairie,Minnesota,USA)的福斯公司(FOSS)(也称为瑞士万通(Metrohm AG)旗下的Metrohm NIRSystems公司(Metrohm NIRSystems))商购获得的FOSS型号NIRsys II 5000近红外反射分光计、或FOSS INFRAXACT近红外反射分光计、或FOSS XDS NIR分析仪、或FOSS NIRS DS2500，或者可从美国马萨诸塞州比尔里卡(Billerica,Massachusetts,USA)的布鲁克公司(Bruker Corporation)商购获得的Bruker FT-NIR。然而，此类已知的NIR仪器可能无法准确预测草料的颗粒评分。附图说明图1为根据一个示例性实施例的三层筛宾州州立大学颗粒分离器装置的透视图。图2A为根据一个示例性实施例的两层筛宾州州立大学颗粒分离器装置的透视图。图2B为图2A的两层筛宾州州立大学颗粒分离器装置的透视图。图3为根据一个示例性实施例的替代颗粒评分器装置(Alternative Particle Scorer device)的透视图。图4为坐标图，示出了根据实例1使用替代颗粒评分器装置建立的NIR校准的NIR预测能力。图5A为坐标图，示出了根据实例1使用宾州州立大学颗粒分离器装置的顶筛建立的NIR校准的NIR预测能力。图5B为坐标图，示出了根据实例1使用宾州州立大学颗粒分离器装置的中筛建立的NIR校准的NIR预测能力。图5C为坐标图，示出了根据实例1使用宾州州立大学颗粒分离器装置的底筛建立的NIR校准的NIR预测能力。图6为坐标图，示出了根据实例1，相比于使用替代颗粒评分器装置建立的NIR预测颗粒评分，对使用来自替代颗粒评分器装置的湿化学值测定的实际颗粒评分进行核实。图7A为坐标图，示出了根据实例1，相比于使用宾州州立大学颗粒分离器装置顶筛建立的NIR预测颗粒评分，对使用来自宾州州立大学颗粒分离器装置顶筛的湿化学值测定的实际颗粒评分进行核实。图7B为坐标图，示出了根据实例1，相比于使用宾州州立大学颗粒分离器装置中筛建立的NIR预测颗粒评分，对使用来自宾州州立大学颗粒分离器装置中筛的湿化学值测定的实际颗粒评分进行核实。图7C为坐标图，示出了根据实例1，相比于使用宾州州立大学颗粒分离器装置底筛建立的NIR预测颗粒评分，对使用来自宾州州立大学颗粒分离器装置底筛的湿化学值测定的实际颗粒评分进行核实。图8为坐标图，示出了根据实例1的替代颗粒评分方法的实际颗粒评分与NIR预测之间的相关性。图9A为坐标图，示出了根据实例1的宾州州立大学颗粒级分测量(旁路顶筛)的实际颗粒评分与NIR预测之间的相关性。图9B为坐标图，示出了根据实例1的宾州州立大学颗粒级分测量(旁路中筛)的实际颗粒评分与NIR预测之间的相关性。图9C为坐标图，示出了根据实例1的宾州州立大学颗粒级分测量(旁路底筛)的实际颗粒评分与NIR预测之间的相关性。图10为流程图，示出了根据所公开技术的一些实施例的创建校准组件的处理。图11为流程图，示出了根据所公开技术的一些实施例的构建数据库组件的处理。图12为流程图，示出了根据所公开技术的一些实施例的测定颗粒评分组件的处理。图13为流程图，示出了在一些实例中的一些这样的组件，这些组件可结合在至少一些计算机系统及该系统在其上操作并与其交互的其他装置中。具体实施方式本专利技术公开了用于校准近红外反射分光光度计的系统和方法。在一个方面，提供了一种用于建立近红外反射分光光度计的校准的方法，以预测成分的颗粒评分，该方法包括：(a)通过使多个植物物质样品穿过筛网来按尺寸分选这些样品，随后根据穿过筛网的样品的数量，计算样品的颗粒评分，(b)使用分光光度计测量所述多个植物物质样品的吸光度或反射率，以及(c)对步骤(a)所得的颗粒评分与步骤(b)所测得的吸光度或反射率进行关联。在另一个方面，提供了用于预测干燥成分的颗粒评分的近红外反射率校准，该校准通过包括以下步骤的方法产生：(a)通过使多个草料样品穿过具有至少一个筛网的颗粒分离器来按切割长度分选这些样品，随后根据穿过筛网的样品的重量，计算样品的颗粒评分，(b)使用分光光度计测量所述多个样品的吸光度或反射率，以及(c)对步骤(a)所得的颗粒评分与步骤(b)所测得的吸光度或反射率进行关联。在另一个方面，提供了用于配制饲料的方法，该方法包括：(a)校准近红外反射分光光度计，包括：(i)通过使多个草料样品穿过具有筛网的颗粒分离器来按切割长度分选这些样品，随后根据穿过筛网的样品的数量，计算样品的颗粒评分，(ii)使用分光光度计测量样品的吸光度或反射率，以及(iii)对步骤(i)所得的颗粒评分与步骤(ii)所测得的吸光度或反射率进行关联；(b)使用根据步骤(iii)进行了关联的近红外反射分光光度计预测全混合日粮的颗粒评分；以及(c)根据全混合日粮的颗粒评分来配制饲料。颗粒评分本公开中所使用的术语“颗粒评分”意指穿过筛子或筛网的成分颗粒的百分比(按重量百分比计)。颗粒评分与成分颗粒的尺寸相关。例如，草料成分的尺寸可根据草料成分的切割长度而变化。又如，玉米成分的尺寸可根据玉米品种、玉米水分、加工玉米的研磨机的速度、加工玉米的研磨机的类型等而变化。成分的颗粒尺寸可影响成分(例如，草料)在动物体内消化的速率和程度。例如，足够的草料颗粒长度可有助于瘤胃发挥正常功能。已表明，减小的草料颗粒尺寸会缩短动物咀嚼草料所花的时间，并引起动物瘤胃pH降低的趋势。当奶牛用更少时间咀嚼时，它们产生更少的唾液，而唾液是缓冲奶牛瘤胃所需的。相比之下，当饲料成分颗粒太长时，动物更有可能拣选日粮。这会导致动物所食用的饮食比初始配制的饮食大不相同。如果日粮或草料太细，喂食少量长干草或打捆青贮牧草(baleage)可改善平均日粮颗粒尺寸。某些成分(例如，草料)可具有所需颗粒评分或目标颗粒评分。颗粒评分与颗粒的尺寸呈负相关(即，更高的颗粒评分等同于更小的颗粒尺寸)。例如，随着颗粒评分增加，对于诸如草料并且更具体地豆类半干青贮饲料(haylage)的成分而言，中性洗涤纤维(NDF)消化率百分比也增加。又如，随着本文档来自技高网...

【技术保护点】
一种用于建立近红外反射分光光度计的校准以预测成分的颗粒评分的方法，所述方法包括：a.通过使多个植物物质样品穿过筛网来按尺寸分选所述多个植物物质样品，随后根据穿过所述筛网的植物物质样品的数量，计算所述多个植物物质样品的颗粒评分；b.使用所述分光光度计测量所述多个植物物质样品的吸光度或反射率；以及c.对步骤(a)所得的所述颗粒评分与步骤(b)所测得的所述吸光度或反射率进行关联。

【技术特征摘要】
【国外来华专利技术】2013.12.20 US 61/919,2581.一种用于建立近红外反射分光光度计的校准以预测成分的颗粒评分的方法，所述方法包括：a.通过使多个植物物质样品穿过筛网来按尺寸分选所述多个植物物质样品，随后根据穿过所述筛网的植物物质样品的数量，计算所述多个植物物质样品的颗粒评分；b.使用所述分光光度计测量所述多个植物物质样品的吸光度或反射率；以及c.对步骤(a)所得的所述颗粒评分与步骤(b)所测得的所述吸光度或反射率进行关联。2.根据权利要求1所述的方法，其中对所述颗粒评分进行关联还包括通过对步骤(a)所得的所述颗粒评分与步骤(b)所测得的所述吸光度或反射率进行关联，来构建曲线。3.根据权利要求2所述的方法，其中使用所述分光光度计还包括如下至少一者：使用近红外分光光度计、近红外反射分光光度计、近红外透射分光光度计、紫外分光光度计、可见光分光光度计、傅里叶变换近红外分光光度计、拉曼分光光度计以及中红外分光光度计。4.根据权利要求3所述的方法，其中按尺寸分选所述多个植物物质样品还包括测量所述多个植物物质样品每一者的切割长度。5.根据权利要求4所述的方法，其中对步骤(a)所得的所述颗粒评分与步骤(b)所测得的所述吸光度或反射率进行关联还包括进行回归分析。6.根据权利要求5所述的方法，其中进行所述回归分析还包括如下至少一者：多元线性回归(MLR)、主成分回归(PCR)、偏最小二乘法(PLS)、人工神经网络(ANN)、局部加权回归(LWR)以及支持向量机(SVM)。7.根据权利要求6所述的方法，其中使所述多个植物物质样品穿过所述筛网还包括使所述样品穿过颗粒分离器，所述颗粒分离器包括具有0.75英寸或更小孔径的上筛、具有0.31英寸或更小孔径的中筛、具有0.16英寸或更小孔径的下筛以及底盘。8.根据权利要求7所述的方法，其中使所述多个植物物质样品穿过所述筛网还包括使所述多个植物物质样品穿过包括宾州州立大学颗粒分离器的颗粒分离器。9.根据权利要求6所述的方法，其中使所述多个植物物质样品穿过筛网还包括使所述多个植物物质样品穿过包括替代颗粒评分器的颗粒分离器。10.根据权利要求8所述的方法，其中计算所述颗粒评分还包括根据宾州州立大学颗粒分离器方法来计算所述颗粒评分。11.根据权利要求9所述的方法，其中使所述多个植物物质样品穿过所述替代颗粒评分器还包括使所述多个植物物质样品穿过孔径为0.065英寸或更小的筛网。12.根据权利要求11所述的方法，其中计算所述颗粒评分还包括根据替代颗粒评分器方法来计算所述颗粒评分。13.一种用于预测干燥成分的颗粒评分的NIR校准，所述校准通过包括以下步骤的方法产生：a.通过使多个草料样品穿过具有至少一个筛网的颗粒分离器来按切割长度分选所述多个草料样品，随后根据穿过所述筛网的所述多个草料样品的重量，计算所述多个草料样品的颗粒评分；b.使用分光光度计测量所述多个草料样品的吸光度或反射率；以及c.对步骤(a)所得的所述颗粒评分与步骤(b)所测得的所述吸光度或反射率进行关联。14.根据权利要求13所述的NIR校准，其中对步骤(a)所得的所述颗粒评分与步骤(b)所测得的所述吸光度或反射率进行关联还包括进行回归分析，所述回归分析包括如下至少一者：多元线性回归(MLR)、主成分回归(PCR)、偏最小二乘法(PLS)、人工神经网络(ANN)、局部加权回归(LWR)以及支持向量机(SVM)。15.根据权利要求14所述的NIR校准，其中使所述多个草料样品穿过所述筛网还包括使所述多个草料样品穿过颗粒分离器，所述颗粒分离器包括宾州州立大学颗粒分离器和替代颗粒评分器中的至少一者。16.根据权利要求15所述的NIR校准，其中计算所述颗粒评分还包括根据宾州州立大学颗粒分离器方法和替代颗粒评分器方法中的至少一者来计算所述颗粒评分。17.一种用于配制饲料的方法，所述方法包括：a.校准近红外反射分光光度计，包括：i.通过使多个草料样品穿过具有筛网的颗粒分离器来按切割长度分选所述多个草料样品，随后根据穿过所述筛网的样品数量，计算所述多个草料样品的颗粒评分；ii.使用所述分光光度计测量所述多个草料样...

【专利技术属性】
技术研发人员：J·M·基特尔森，
申请(专利权)人：CAN科技公司，
类型：发明
国别省市：美国;US