基于便携式近红外光谱仪的鸡饲料中微塑料定性定量分析

刘一诺; 霍正婷; 杨仁杰; 董桂梅; 于亚萍; 李留安

doi:10.12452/j.fxcsxb.25021691

您当前的位置：

首页 >

文章列表页 >

基于便携式近红外光谱仪的鸡饲料中微塑料定性定量分析

更新时间：2025-05-21

- 基于便携式近红外光谱仪的鸡饲料中微塑料定性定量分析
- Quantitative Analysis of Microplastics in Chicken Feed Based on Portable Near Infrared Spectrometer
- 分析测试学报 2025年44卷页码：1-8
- 作者机构：
  
  1.天津农学院工程技术学院，天津 300384
  2.天津农学院动物科学与动物医学学院，天津 300384
- 作者简介：
  
  杨仁杰，博士，教授，研究方向：光谱检测技术与应用，E-mail：rjyang1978@163.com
- 基金信息：
  
  国家自然科学基金资助项目(41771357;31201359)
- DOI：10.12452/j.fxcsxb.25021691
  中图分类号： O657.3
- 收稿日期：2025-02-16，
  
  修回日期：2025-03-18，
  
  录用日期：2025-03-20，
  
  网络出版日期：2025-05-21，
  
  纸质出版日期：2025-06-15
- 稿件说明：
移动端阅览
刘一诺,霍正婷,杨仁杰,董桂梅,于亚萍,李留安.基于便携式近红外光谱仪的鸡饲料中微塑料定性定量分析[J].分析测试学报,2025,44(06):1-8.

LIU Yi-nuo, Zheng-ting HUO, YANG Ren-jie, DONG Gui-mei, YU Ya-ping, LI Liu-an. Quantitative Analysis of Microplastics in Chicken Feed Based on Portable Near Infrared Spectrometer[J/OL]. Journal of instrumental analysis, 2025, 441-8.
刘一诺,霍正婷,杨仁杰,董桂梅,于亚萍,李留安.基于便携式近红外光谱仪的鸡饲料中微塑料定性定量分析[J].分析测试学报,2025,44(06):1-8. DOI： 10.12452/j.fxcsxb.25021691.

LIU Yi-nuo, Zheng-ting HUO, YANG Ren-jie, DONG Gui-mei, YU Ya-ping, LI Liu-an. Quantitative Analysis of Microplastics in Chicken Feed Based on Portable Near Infrared Spectrometer[J/OL]. Journal of instrumental analysis, 2025, 441-8. DOI： 10.12452/j.fxcsxb.25021691.

摘要

采用便携式近红外（NIR）光谱仪对被微塑料（MPs）污染的鸡饲料样品进行定性和定量分析。共制备了鸡饲料样品244份，包括未被MPs污染的鸡饲料样品61份和分别被聚丙烯（PP）、聚氯乙烯（PVC）和聚对苯二甲酸乙二酯（PET）污染的鸡饲料样品（质量分数均为0.01%~0.8%）183份。基于便携式近红外光谱仪（波长范围900~1 700 nm）采集所有样品的近红外光谱，随机选择1/3样品作为预测集，剩余2/3样品作为校正集，并采用偏最小二乘法建立定性定量分析鸡饲料中MPs的数学模型。对于定性模型：多元散射处理所建模型的性能最佳，对校正集和预测集样品的判别正确率分别为99.38%和100%；对于定量偏最小二乘回归（PLSR）模型：遗传算法（GA）在波长选择方面对提高鸡饲料中MPs定量模型的预测性能展现出显著优势，GA-PLSR模型对3种MPs的预测相关系数（

）均超过0.873 7，残余预测偏差比（RPD）均超过2.709 0。结果表明：基于便携式近红外光谱仪定性定量分析鸡饲料中MPs是可行的。该研究为饲料中MPs检测提供了一种低成本的快速检测方法。

Abstract

Rapid and low-cost detection tools provide new methods for the qualitative and quantitative analysis of microplastics（MPs）in chicken feed. In this study，a portable near infrared（NIR）spectrometer was used for qualitative and quantitative analysis of MPs-contaminated chicken feed samples. A total of 244 chick

en feed samples were prepared，including 61 non-contaminated chicken feed samples and 183 MPs-contaminated chicken feed samples（mass fraction range of 0.01%-0.8%）namely polypropylene（PP），polyvinyl chloride（PVC） and polyethylene terephthalate（PET），respectively. The NIR spectra of all samples were collected based on the portable NIR spectrometer（wavelength range，900-1 700 nm）. 1/3 of the samples were randomly selected as the prediction set，and the remaining 2/3 of the samples were used as the calibration set. The mathematical model for qualitative and quantitative analysis of MPs in chicken feed was developed using the partial least squares method. For the qualitative models：the model built by the multiple scattering treatment showed the best performance. The discrimination accuracies were 99.38% and 100% for the samples in the calibration and prediction sets，respectively. For quantitative partial least squares regression（PLSR）models：genetic algorithms（GA）showed significant advantages in wavelength selection for improving the prediction performance of the PLSR models for MPs in chicken feed. The GA-PLSR model predicted correlation coefficients（

） more than 0.873 7 and residual prediction deviation ratios（RPD） more than 2.709 0 for the three MPs. The results showed that it was feasible to analyze MPs in chicken feed by qualitative and quantitative analysis based on portable NIR spectroscopy. This study provides a low-cost and rapid method for the detection of MPs in feed.

关键词

Keywords

references

Vethaak A D ， Legler J . Science ， 2021 ， 371 （ 6530 ）： 672 - 674 .

He X J ， Li J Y . J. Instrum. Anal. （何晓杰，李菊英. 分析测试学报）， 2024 ， 43 （ 8 ）： 1135 - 1143 .

Habib R Z ， Kindi R A ， Salem F A ， Kittaneh W F ， Poulose V ， Iftikhar S H ， Thiemann T . Int. J. Environ. Res. Public Health ， 2022 ， 19 （ 20 ）： 13442 .

Chen J ， Chen G ， Peng H ， Qi L ， Zhang D ， Nie Q ， Luo W . Sci. Total Environ. ， 2023 ， 882 ： 163305 .

Chen L ， Yang Z ， Han L . Appl. Spectrosc. Rev. ， 2023 ， 48 （ 7 ）： 509 - 522 .

Li Y P ， Li H H ， Zhu Q ， Qiao J Y ， Wang W J . China Feed（李玉鹏，李海花，朱琪，乔佳运，王文杰 . 中国饲料）， 2017 ，（ 4 ）： 22 - 26 .

Bin J R ， Xing H B ， Xiao X Y ， Zheng Y J ， Cai H C ， Song M ， Huang M Y . China Feed（宾金荣，邢宏博，肖小云，郑玉姣，蔡汉聪，宋敏，黄明媛 . 中国饲料）， 2024 ，（ 23 ）： 170 - 175 .

Xiccato G ， Trocino A ， De Boever J L ， Maertens L ， Carabaño R ， Pascual J J ， Falcao-E-Cunha L . Ani. Feed Sci. Technol. ， 2003 ， 104 （ 1/4 ）： 153 - 168 .

Sun D D ， Li J G ， Qin Y C ， Dong Y C . Chin. J. Anim. Nutr. （孙丹丹，李军国，秦玉昌，董颖超. 动物营养学报）， 2015 ， 27 （ 4 ）： 1199 - 1206 .

Xu J P ， Bi W J ， Hua L T ， Cheng Z P ， Wang Y ， Li D D ， Liu W T ， Wang L ， Sun H W . Chemosphere ， 2022 ， 307 ： 135847 .

Wang Q ， Li J J ， Zhu X P ， Sun C ， Teng J ， Chen L M ， Shan E C ， Zhao J M . Sci. Total Environ. ， 2021 ， 807 ： 151049 .

Maganti S S ， Akkina R C . Online J. Anim. Feed Res. ， 2023 ， 13 （ 5 ）： 348 - 356 .

Shenk J S ， Workman Jr J J ， Westerhaus M O . In Handbook of Near-infrared Analysis . Florida ： CRC Press ， 2007 ： 365 - 404 .

Masoero G ， Barbera S ， Kaihara H ， Mabrouki S ， Patrucco S G ， Abid K ， Tassone S . Acta IMEKO ， 13 （ 2 ）： 1 - 6 .

Liu Y N ， Huo Z T ， Huang M Y ， Yang R J ， Dong G M ， Yu Y P ， Wang B . Spectrochim. Acta A ， 2025 ， 329 ： 125617 .

Chu X L ， Shi Y Y ， Chen P ， Li J Y ， Xu Y P . J. Instrum. Anal. （褚小立，史云颖，陈瀑，李敬岩，许育鹏. 分析测试学报）， 2019 ， 38 （ 5 ）： 603 - 611 .

Huo X S ， Chen P ， Dai J W ， Wang H P ， Liu D ， Li J Y ， Xu Y P ， Chu X L . J. Instrum. Anal. （霍学松，陈瀑，戴嘉伟，王海朋，刘丹，李敬岩，许育鹏，褚小立. 分析测试学报）， 2022 ， 41 （ 9 ）： 1301 - 1313 .

Pierna J A F ， Abbas O ， Lecler B ， Hogrel P ， Dardenne P ， Baeten V . Food Chem. ， 2015 ， 189 ： 2 - 12 .

Zhou H J ， Li X Y ， Feng Y ， Zhang D ， Yin G P ， Wang S ， Zhen Y G ， Wang T . Heilongjiang Anim. Sci. Vet. （周昊杰，李小宇，冯煜，张丹，尹国沛，王爽，甄玉国，王涛. 黑龙江畜牧兽医）， 2020 ， 3 ： 106 - 109 .

Modroño S ， Soldado A ， Martínez-Fernández A ， de la Roza-Delgado B . Talanta ， 2017 ， 162 ： 597 - 603 .

Bec K B ， Grabska J ， Pfeifer F ， Siesler H W ， Huck C W . J. Hazard. Mater. ， 2024 ， 480 ： 135967 .

Marchesi C ， Rani M ， Federici S ， Alessandri I ， Vassalini I ， Ducoli S ， Depero L E . Environ. Res. ， 2023 ， 216 ： 114632 .

Xu P ， Tu Z H ， Mi Q ， Qiu C G ， Lu Y ， Luo W X ， Yu J X ， Chen J ， Zheng G W . J. Instrum. Anal. （徐萍，涂振华，米琪，邱昌桂，陆尤，罗文秀，余建新，陈佳，郑国伟. 分析测试学报）， 2024 ， 43 （ 11 ）： 1813 - 1820 .

Wold H . Quantitative Sociology . Cambridge ： Academic Press ， 1975 ： 307 - 357 .

El Maouardi M ， De Braekeleer K ， Bouklouze A ， Vander Heyden Y . Food Control ， 2024 ， 165 ： 110671 .

Liang H ， Shi Z L ， Fan Y P ， Ren Z X ， Yuan T Y ， Huang Y P ， Han L J ， Yang Z L . Trans. Chin. Soc. Agric. Eng. （梁浩，史卓林，范雅彭，任朝霞，袁天怡，黄圆萍，韩鲁佳，杨增玲. 农业工程学报）， 2022 ， 38 （ 10 ）： 208 - 215 .

Zhang W T ， Wang K J ， Lu Y M ， Yang W Y ， Xiong Y R ， Wu Q ， Du Y P . J. Instrum. Anal. （张文婷，王凯君，路亚梅，杨吴烨，熊訚然，吴琼，杜一平. 分析测试学报）， 2024 ， 43 （ 5 ）： 746 - 754 .

Wang J H ， Zhang X W ， Wang J ， Han D H . Spectrosc. Spectral Anal. （王加华，张晓伟，王军，韩东海. 光谱学与光谱分析）， 2014 ， 34 （ 10 ）： 2679 - 2684 .

Hu X Y ， Bian X H ， Xiang Y ， Zhang H ， Wei J F . Spectrosc. Spectral Anal. （胡晓云，卞希慧，项洋，张环，魏俊富. 光谱学与光谱分析）， 2023 ， 43 （ 1 ）： 78 - 84 .

Zhai C ， Gao M ， Luan X X ， Qian C J ， Zhang W W ， Shi X M ， Luo Y J ， Lü C Z . Feed Res. （翟晨，高曼，栾鑫鑫，钱承敬，张巍巍，史晓梅，罗云敬，吕朝政 . 饲料研究）， 2024 ，（ 47 ）： 126 - 131 .

Blanco M ， Coello J ， Iturriaga H ， Maspoch S ， Pezuela C D L . Appl. Spectrosc. ， 1997 ， 51 （ 2 ）： 240 - 246 .

Fan C ， Huang Y Z ， Lin J N ， Li J W . Environ. Technol. Innov. ， 2021 ， 23 ： 101798 .

Koljonen J ， Nordling T E ， Alander J T . J. Near Infrared Spectrosc. ， 2008 ， 16 （ 3 ）： 189 - 197 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于FT-NIR和ATR-FTIR光谱的铁皮石斛地理溯源

化学计量学在水体微塑料识别中的应用

基于FT-NIR技术结合化学计量学方法快速准确鉴别天麻不同栽培品种

紫外光谱结合化学计量学用于青稞酒的判别分析

基于FT-NIR和ATR-FTIR技术结合化学计量学方法快速、准确鉴别不同地理来源的草果