近紅外光譜儀肉制品飼料解決方案

由圖1可以看出，光譜一致性較好，成品飼料有良好的光譜吸收，并在近紅外譜圖中含有大量與成品飼料指標的相關有效信息。因此，使用Unity近紅外光譜技術檢測成品飼料和原料的方案是完全可行的。

NIR使用方案

1. 根據(jù)檢測需求，為您制定兩個檢測模型包，包含飼料原料模型包和成品飼料模型包，初步建立統(tǒng)計模型如下列表。

★飼料原料模型包

2. 建模樣品的準備

1)每個模型需要選擇一定個數(shù)的樣品，來建立一個初步的模型。

根據(jù)客戶樣品的類型和不同狀況，初步建模的數(shù)量不定。一個好的模型，樣品量越大越好，選擇樣品的個數(shù)可在后期邊使用邊添加，模型準確度也會越來越高。

2)建模時與后期使用時，樣品狀態(tài)前后要一致性。

樣品狀態(tài)也可以看做樣品的背景信息，前后樣品的背景不一致，會導致預測誤差偏大。

3)樣品的濕化學方法所得一級數(shù)據(jù)準確性好。

近紅外儀器預測結果是統(tǒng)計學回歸理論基礎上得出的，一級數(shù)據(jù)的不準確必然使得回歸模型不準確，進而導致預測結果不準確。

4)建模樣品各指標的梯度廣。

建模時樣品指標的梯度是根據(jù)客戶在使用中指標范圍來定的，比如指標蛋白質范圍在16%-20%，那么模型中蛋白質的范圍要大于16%-20%，才能有效的保證了預測范圍永遠在模型之內。

5)指標值范圍內的樣品個數(shù)要均勻。

在正態(tài)分布圖里，指標的范圍之內，樣品個數(shù)盡量是均勻分布的，這樣對模型預測準確度也會提高。

3.技術服務承諾

終身免費技術咨詢和模型維護工作。