摘要
玉米青贮饲料的矿物组成对于奶牛及其他反刍动物的精准营养至关重要，但其测定依赖于耗时、费力且昂贵的传统参考方法。本研究首次评估了近红外光谱（Vis-NIR）在新鲜和干燥研磨的玉米青贮饲料样品中对17种矿物元素（Li、Na、Mg、P、S、K、Ca、Mn、Fe、Co、Cu、Zn、As、Mo、Cd、I和Pb）进行定量和判别分析的潜力。采用偏最小二乘法（PLS）回归建立定量模型，并应用偏最小二乘判别分析（PLS-DA）根据矿物含量对样品进行分类判别。干燥和研磨处理提高了定量模型的性能，但对判别模型的影响有限。利用加工样品（干燥研磨）建立的最佳PLS模型用于Li、P和Fe的定量，其相对误差率（RER）和预测性能比（RPD）值分别为Li的10.1和2.2、P的12.0和2.3、Fe的10.0和1.9，表明具有准确的预测能力。其余大多数PLS模型可用于筛查目的，因为其预测决定系数（R2P）和RER值分别大于0.65和4。PLS-DA结果进一步证明了近红外光谱适用于玉米青贮饲料矿物含量的筛查，大多数模型对加工样品的预测准确率超过75%，对新鲜样品的预测准确率超过70%。这些结果表明，近红外光谱为玉米青贮饲料的矿物筛查提供了一种快速、低劳动强度、环保且经济有效的方案。该方法通过优化饲料配方实现精准矿物营养，确保动物健康生长并减少矿物补充带来的环境影响。
