多源光谱数据融合结合化学计量学用于犬粮关键质量参数的快速分析

《Journal of Food Composition and Analysis》：Multi-source Spectral Data Fusion Combined with Chemometrics for Rapid Analysis of Key Quality Parameters in Canine Feed

　　

随着宠物食品市场的快速扩张，宠物饲料的质量、安全性与营养平衡日益受到关注。传统分析方法虽准确，但耗时、步骤复杂且依赖化学试剂，难以满足现代生产快速质控需求。为此，研究人员开发了一种基于便携式近红外（NIR）与衰减全反射中红外（ATR-IR）光谱融合结合化学计量学的快速定量方法，用于测定犬粮中粗蛋白、粗脂肪、水分和赖氨酸等关键营养成分。研究人员建立了偏最小二乘回归（PLSR）模型，并评估了低层与中层数据融合策略。对于粗蛋白与水分，单独NIR模型预测性能最佳；对于粗脂肪与赖氨酸，中层融合光谱取得最高精度。该方法高效、无损且环保，为宠物饲料生产快速质量监测提供可靠技术支撑。

研究背景方面，宠物饲养量随社会经济发展持续上升，全球犬粮市场规模扩大使营养与安全质控要求日趋严格。传统湿化学法（如凯氏定氮测粗蛋白、索氏提取测粗脂肪）虽为国家标准认可，但操作繁琐、耗时长、需化学试剂与熟练技术人员，无法适配产线快速筛查。振动光谱技术因分子振动信息丰富、样品前处理简单、无试剂消耗，成为替代方向；其中NIR穿透深、对物理异质耐受性好，ATR-IR提供基频振动高特异性但对表面接触敏感，单一技术均难在复杂犬粮基质中对所有目标物同时达到稳健预测。因此研究人员提出将NIR与ATR-IR多源信息融合，以互补特征提升模型性能。

本研究发表于《Journal of Food Composition and Analysis》。研究人员采集北京本地市场与线上平台4品牌共186份犬粮样品，覆盖幼犬与成犬、不同工艺与配方，研磨分样后一份做国标湿化学参考值、一份做光谱采集；NIR采用便携式NIRMagic2700反射模式900–2200 nm，ATR-IR采用Thermo Nicolet iS50配ATR附件4000–545 cm^-1，各样品多次装样取平均谱。按参考值排序约2:1划分校正集与预测集。关键技术方法包括：光谱预处理（自标度化、标准正态变量变换SNV、一阶/二阶求导及其组合）消除基线漂移与散射；偏最小二乘回归（PLSR）提取潜变量并建立定量模型，以R²c、R²p、RMSEC、RMSEP及预测偏差比（RPD）评价；低层融合直接拼接原始NIR与ATR-IR矩阵后PLSR建模；中层融合先用竞争自适应重加权采样（CARS）分别筛选两源特征波长再拼接建模。

研究结果部分，3.1营养组成统计显示粗蛋白24.00%–51.11%（均值36.60%）、粗脂肪11.40%–43.60%（均值21.90%）、水分1.10%–8.20%（均值5.31%）、赖氨酸0.92%–3.70%（均值2.08%，n=132），宽分布利于校准但水分变异系数偏小限制预测上限。3.2 NIR与ATR-IR分析表明，NIR平均谱在1200、1500、1723、1932、2062 nm处有蛋白/脂肪/水分特征倍频与合频，前三维主成分解释96.18%方差；ATR-IR在3277 cm^-1（O-H/N-H伸缩）、2918/2850 cm^-1（C-H）、1740 cm^-1（酯C=O）、1640/1532/1233 cm^-1（酰胺I/II/III）显示基频振动，前三维仅解释88.13%且散点更分散，证实两技术信息互补。3.3定量模型中，3.3.1 NIR-PLSR最优预处理为自标度化+SNV+二阶求导，粗蛋白R²p=0.98、RPD=8.22，粗脂肪R²p=0.97、RPD=6.18，水分R²p=0.93、RPD=4.82，赖氨酸R²p=0.88、RPD=3.32；3.3.2 ATR-IR单模最优结果粗脂肪最佳（R²p=0.93、RPD=4.31），粗蛋白RPD=3.30，水分仅RPD=2.76，整体弱于NIR；3.3.3数据融合显示低层融合粗脂肪R²p=0.98、RPD=7.18优于单模，粗蛋白RPD=6.32略低于NIR单模；中层融合经CARS选点后粗脂肪R²p=0.99、RPD=11.93，赖氨酸R²p=0.91、RPD=3.71，粗蛋白RPD=7.25，水分RPD=4.37未超NIR单模，证明特征级融合在脂肪与氨基酸上捕获互补信息最有效。

讨论部分指出，NIR对水分/蛋白的高RPD源于倍频区重叠虽强但潜变量可解耦，ATR-IR受限穿透浅与表面接触变异故单模偏弱；中层融合以CARS压制冗余、保留跨源特征，是复杂饲料基质多组分同时定量优选方案。结论部分翻译如下：本研究开发并验证了一种集成便携式NIR与ATR-IR光谱及化学计量学数据融合的犬粮粗蛋白、粗脂肪、水分、赖氨酸快速无损定量方法。单谱与多源融合模型系统比较表明，中层数据融合显著提升粗脂肪（R²c=0.99、R²p=0.99）与赖氨酸（R²c=0.94、R²p=0.91）预测，优于单一光谱技术；粗蛋白与水分融合模型与优化NIR模型相当。结果确认多源光谱融合可有效增强模型稳健性与整体预测性能。所提方法克服常规法通量低、操作复杂、依赖试剂等局限，为宠物饲料生产快速质控提供可靠路径，并系统评估了便携式NIR与ATR-IR在快速营养分析中的适用性与互补性；但更广泛外部验证（多品牌、多批次、跨仪器）仍是工业落地前关键前提。