1
SỬ DỤNG PHƯƠNG PHÁP QUANG PHỔ HẤP PHỤ CẬN HỒNG NGOẠI ĐỂ
XÁC ĐỊNH THÀNH PHẦN HÓA HỌC CỦA THỨC ĂN THÔ XANH
CHO GIA SÚC NHAI LẠI

Đinh Văn Mười
1
,Vũ Chí Cương
2
, Phạm Bảo Duy
2
, Nguyễn Sức Mạnh
2
, Bùi Thị Thu Hiền
2
.
1: Sở NN&PTNT tỉnh Vĩnh Phúc; 2: Bộ môn Dinh dưỡng thức ăn chăn nuôi và ñồng cỏ;

ABSTRACT
Near infrared reflectance spectroscopy (NIRS) were used to predict the chemical composition of forage (dry
matter - DM, crude protein - CP, crude fibre - CF and Fat). Samples were analysed by reference methods and
spectra collected using a NIR spectrophotometer in eflectance (1100–2500 nm). It was revealed that the NIRS
based calibration equations can be accurately predicted chemical compositions of forage.
The following equations can be used for determination of DM, CP, Fat and CF of forage: DM_Lab
8
= 0.3245 +
0.9818 DM_NIRS. R
2
(96.9); CP_Lab
9

quả ñầy triển vọng và chính xác. (Valdes và cộng sự., 1985; Valdes và Leeson, 1992a,
1992b, 1992c, 1992d).
Với mục tiêu ứng dụng một phương pháp hiện ñại, ñơn giản, nhanh, rẻ tiền lại
không gây ô nhiễm môi trường ñể xây dựng phương trình chẩn ñoán thành phần hoá
học của thức ăn, phân. Chúng tôi tiến hành ñề tài: "Nghiên cứu sử dụng kỹ thuật quang
phổ hấp phụ cận hồng ngoại (Near Infrared Reflectance Spectroscopy – NIRS) ñể xác
ñịnh thành phần hoá của thức ăn thô xanh cho gia súc nhai lại"

NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Đề tài ñược tiến hành từ tháng 5/2005 ñến tháng 12/2007 tại Bộ môn dinh
dưỡng thức ăn chăn nuôi và ñồng cỏ, Trung tâm Thực nghiệm và Bảo tồn vật nuôi,
Phòng phân tích tại Viện Chăn nuôi với các vật liệu là các mẫu cỏ hòa thảo ñã xác

2
ủnh thnh phn húa hc. tin hnh ủ ti ny, phi tin hnh cỏc ni dung (cỏc
bc) nghiờn cu sau:
- Xỏc ủnh ph hp ph cn hng ngoi ca cỏc mu c hũa tho ủó xỏc ủnh
thnh phn húa hc.
- Xõy dng ủng hi qui chn ủoỏn thnh phn hoỏ hc ca cỏc mu c hũa
tho t cỏc s liu v ph hp ph cn hng ngoi v thnh phn húa hc
- p dng phng trỡnh hi qui tỡm ủc cho cỏc cỏc mu c hũa tho ly ngu
nhiờn, khụng chy ph trờn mỏy NIRS ủ kim tra ủ tin cy ca phng trỡnh.
Ph hp ph cn hng ngoi ca thc n ủc xỏc ủnh vi mỏy NIRS loi
NIR Systems 5000 Monochromator ca hóng Foss, USA vi bc súng t 1100 - 2500
nm. Ph v thnh phn húa hc sau ủú ủc x lý bng phn mm WinISI. T kt qu
chy trờn mỏy NIRS v nh phn mm Winisi chỳng ta cú ủc hai b s liu v
thnh phn húa hc phõn tớch trong phũng thớ nghim v thnh phn húa hc chn
ủoỏn trờn mỏy NIRS. T hai b s liu ny, s dng k thut hi qui ủa chiu bc mt
ủ xõy dng ủc phng trỡnh hi qui hiu chnh chn ủoỏn thnh phn húa hc ca
thc n. õy s l phng trỡnh hi qui dựng ủ kim tra cỏc mu thc n khỏc ủ bit

Phần mềM
WinISIGiá trị
CHN ON NIRS CH
O
CH
T A

SampleIden
MAT

K
T QUẢ VÀ THẢO LUẬN
Xác ñịnh phổ hấp phụ cận hồng ngoại (DM, CP, CF, Fat, Ash, NDF, ADF) của
thức ăn thô xanh dùng cho gia súc nhai lại trên máy NIRS

Bảng 1.1 Kết quả xác ñịnh DM, CP, CF, Fat, Ash, NDF, ADF của cỏ
trên máy NIRS
Chỉ tiêu n Mean Est. Min Est. Max

SEC SECV 1-VR
DM 86

16,7698

1,3703

32,1693

0,7008

0,8821

0,9709

CP 86

11,5671

0


0,8203

1,0501

0,9373

Ash 56

11,9643

20,765

3,1635

0,7386

0,9709

0,8932

NDF 57

66,0895

86,2362

45,9428

1,0316


16,8070

0,533 5,03 7,747 30,825
DM
Sai số (%) 89

3,6040 0,369 3,481 0,00389

17,205
Lab 89

11,6580

0,41 3,871 4,158 20,754
NIRS 89

11,5880

0,404 3,81 4,019 21,287
CP
Sai số (%) 89

3,9070 0,411 3,881 0,0469 20,191
Lab 87

1,9785 0,0342 0,3186 1,23 2,64
NIRS 87

1,9752 0,0323 0,301 1,169 2,533 Fat
Sai số (%) 87

5,6310 0,719 5,524 0,0103 25
Lab 59

65,8930

0,872 6,701 40,28 79,37 NDF

NIRS 59

66,0440

0,853 6,553 39,785 79,382

4
Sai số (%) 59

1,3100 0,195 1,497 0,00849

7,755
Lab 59

38,1710

0,582 4,467 26,04 47,65
NIRS 59

38,0710

0,535 4,109 24,578 46,441 ADF


TT

n Phương trình R
2
(%) r
p
1 65 DM_Lab
8
= 0,3245 + 0,9818 DM_NIRS 96,9 0,985

< 0,01

2 65 CP_Lab
9
= 0,1692 + 0,9913 CP_NIRS 97,6 0,988

< 0,01

3 65 Fat_Lab
10
= 0,01877 + 0,9933 Fat_NIRS 87,8 0,938

< 0,01

4 65 CF_Lab
11
= 3,070 + 0,9039 CF_NIRS 93,2 0,966

< 0,01


R-Sq 96.7%
R-Sq(adj) 96.5%
DM_Lab = - 0.5494 + 1.033 DM_NIRS
CP_NIRS
CP_Lab
141312111098765
15.0
12.5
10.0
7.5
5.0
S 0.709830
R-Sq 95.6%
R-Sq(adj) 95.4%
CP_Lab = - 0.6800 + 1.072 CP_NIRS
Data
Frequency
3228242016128
3.5
3.0
2.5
2.0
1.5
1.0
0.5
0.0
MeanStDev N
19.38 5.78524
19.30 5.50824
Variable

9.611 3.32324
9.603 3.03324
Variable
CP_Lab
CP_NIRS
Histogram of CP_Lab, CP_NIRS
Normal
So sánh kết quả phân tích CP cỏ giữa Lab và NIRS
4
6
8
10
12
14
16
123456789101112131415161718192021222324
CP_Lab CP_NIRS
hồi qui ñường thẳng với R
2
(%) cao (96,5 và 95,4. cho DM và CP). Sai khác % giữa
hai bộ giá trị Mean tính ñược theo phương trình hồi qui và thực của 24 mẫu chấp nhận
ñựợc cho DM (0,039 %) và hơi cao cho CP (5.795 %).
Bốn bộ số liệu tính từ phương trình và số liệu phân tích 24 mẫu cỏ cho DM và
CP không làm NIRS ñều có phân bố chuẩn và gần như trùng khít.
Như vậy phương trình số 1, 2 có thể dùng ñể ước tính DM và CP của cỏ với ñộ
chính xác chấp nhận ñược.
Bảng 1.4: So sánh kết quả chẩn ñoán DM, CP của cỏ giữa NIRS và với giá trị phân
tích phòng thí nghiệm
Chỉ tiêu n Mean SE StDev Min Max R
2

0,785

3,848

0,0981

17,218

96,5 0,983

Lab 24

9,611

0,678

3,323

5,38

15,47

NIRS 24

9,603

0,619

3,033


6
Fat_NIRS
Fat_Lab
2.01.91.81.71.61.51.4
2.2
2.1
2.0
1.9
1.8
1.7
1.6
1.5
1.4
S 0.0825374
R-Sq 86.4%
R-Sq(adj) 85.8%
Fat_Lab = - 0.1837 + 1.103 Fat_NIRS
sánh kết quả phân tích Fat cỏ giữa Lab và NIRS

Sau khi áp dụng phương trình có số thứ tự 3 trên 22 mẫu ngẫu nhiên chúng tôi
có kết quả ở bảng 1.5 và các ñồ thị 2.7, 2.8, 2.9

Bảng 1.5: So sánh kết quả phân tích Fat của của cỏ trong phòng thí nghiệm và sử
dụng phương trình chẩn ñoán của NIRS
Phương trình N Mean SE StDev Min Max R
2
(%) r
Lab 1,6933 0,0466 0,2188 1,41 2,12
NIRS 1,7024 0,0393 0,1845 1,4571 1,9935
PT3
Sai số (%)
22

3,901
85,8 0,93

Đồ thị 2.7, 2.8, 2.9 Hồi qui giữa giá trị chẩn ñoán (NIRS) với giá trị phân tích
phòng thí nghiệm (%Fat)
R-Sq 90.4%
R-Sq(adj) 89.9%
CF_Lab = - 1.315 + 1.052 CF_NIRS
sánh kết quả phân tích CF cỏ giữa Lab và NIRS
30
32
34
36
38
40
42
1 2 3 4 5 6 7 8 91011121314151617181920
CF_Lab CF_NIRS
Data
Freque ncy
403836343230
4
3
2
1
0
MeanStDev N
35.42 2.36020
34.92 2.13420
Variable
CF_Lab
CF_NIRS
Histogram of CF_Lab, CF_NIRS
Normal
Sau khi áp dụng phương trình có số thứ tự 4 trên 20 mẫu ngẫu nhiên chúng tôi


Hai bộ số liệu tính từ phương trình và số liệu phân tích 20 mẫu cỏ cho CF
không làm NIRS ñều có phân bố chuẩn và gần như trùng khít.
Như vậy phương trình số 4 có thể dùng ñể ước tính CF của cỏ với ñộ chính xác
chấp nhận ñược.
ểm tra sự sai khác của các số trung bình
Để kiểm tra lại cả bốn phương trình chúng tôi ñã dùng T-student (Paired test)
ñể so sánh từng cặp số liệu về DM, CP, Fat và CF của cỏ. Bộ số liệu thứ nhất là bộ số
liệu tính ñược từ phương trình chẩn ñoán, bộ số liệu kia là kết quả phân tích. Kết quả
của phép thử T-student ñược trình bày ở bảng 1.7.
Bảng 1.7 cho thấy: các giá trị P khi so sánh Paired test ñều lớn hơn giá trị P >
0,05 rất nhiều. Điều ñó có nghĩa là các giá trị DM, CP, Fat và CF của cỏ tính theo các

8
phương trình 1, 2, 3, 4 và giá trị phân tích cho DM, CP, Fat và CF là không khác nhau
có ý nghĩa thống kê hay ñúng hơn chúng hoàn toàn như nhau.
Như vậy hoàn toàn có thể dùng các phương trình trên NIRS ñể chẩn ñoán DM,
CP, Fat và CF của cỏ với ñộ chính xác > 95%.

12,2

26,58

DM

Sai khác 24

3,923

0,785

3,848

0,0981

17,218

0,961
Lab 24

9,611

0,678

3,323

5,38

15,47


0,0466

0,2188

1,41

2,12

NIRS 22

1,7024

0,0393

0,1845

1,4571

1,9935

Fat
Sai khác 22

3,901

0,482

2,259


Sai khác 20

2,033

0,288

1,289

0,296

6,17

0,494

luận chung
Kết quả của chúng tôi phù hợp và tương ứng với những kết quả nghiên cứu trước ñó
của các tác giả khác. Leite và Stuth, (1995) nghiên cứu trên 173 mẫu cỏ và thức ăn thô
thấy: R
2
và SEC của phương trình chẩn ñoán cho CP là: 97 % và 1,02. Cozzolio và
cộng sự., (2002) trên 90 cỏ mẫu thấy R
2
cho CP, DM và ADF là: 91; 85 và 86 % và
SECV là 6,5; 27,4 và 22,1. Còn theo Cozzolino và Labandera, (2002) NIRRS có thể
chẩn ñoán cho DM và CP của cỏ khô hoặc tươi với R
2
và SECV tương ứng là: 0,92 và
12,4; 0,0,87 và 18,1. Boval và cộng sự,. (2004) trên 88 mẫu cỏ mẫu chạy trên NIRS
5000 Monochromator thấy R
2

rất thấp (0,56-0,57) (De Boever và cộng sự., 1996).
Nguyên nhân là do tính không ñồng nhất của mở thô trong cây cỏ (De Boever và cộng
sự., 1996).

K
TLU N VÀ NGHỊ
Kết luận
Các phương trình trên NIRS 1, 2, 3, 4: DM_Lab
8
= 0,3245 + 0,9818 DM_NIRS,
R
2
(96,9); CP_Lab
9
= 0,1692 + 0,9913 CP_NIRS, R
2
(97,6); Fat_Lab
10
= 0,01877 +
0,9933 Fat_NIRS, R
2
(87,8); CF_Lab
11
= 3,070 + 0,9039 CF_NIRS, R
2
(93,2) có thể
dùng ñể chẩn ñoán DM, CP, Fat, CF của cỏ cho gia súc nhai lại với với ñộ chính xác >
95%.
Đề ngh
Cho áp dụng kết quả nghiên cứu ñể chẩn ñoán DM, CP, Fat, CF của cỏ cho gia

spectroscopy. Anim. Feed Sci. Technol., 60(1996), 103 – 115.
Gonzáles-Martín, N.Álvarez-García and J.L. Hernández-Andaluz.2005. Instantaneous Determination of
crude protein, fat and fibre in animal feeds using near-infrared reflectance spectroscopy technology and a remote
reflectance fibre-optic probe. Animal Fedd Science and Technology
Lavrencic, A., Stefanon, B., Toso, B., Susmel, P. (2001). Determination of chemical composition, in vitro dry
matter digestibility and in vitro gas production of forage by near-infrared reflectance spectroscopy. Zb. Bioteh.
Fak. Univ, Ljublj., Kmet. Zooteh., 78(2001), 151 – 160
Leite. E. R. and Stuth. J. W. 1995. Faecal NIRS equations to assess diet quality of free ranging goats. Small
Ruminant Res, 15, pp: 223-230.
10
Lippke, H. and Barton, F. E. (1988) NIRS for predicting intake of digestible organic matter by cattle. J. Dairy
Sci. 71: 2986-2991.
Norris, K.H., Barnes, R.F., Moore, J.E. and Shenk, J.S. (1976). Predicting forage quality by near infrared
reflectance spectroscopy. Journal of Animal Science, 43: 889-897.
Park, R. S., Agnew, R. E., Gordon, F. J. and Steen, R. W. J. (1998). The use of NIRS on dried samples to
predict chemical composition and digestibility parameters. Anim. Feed Sci. Technol. 69, 3: 253-259.
Redshaw, E. S., Mathison, G. W. Milligan, L. P. and Weisenburger (1986).

NIRS for predicting forage
composition and voluntary consumption and digestibility in cattle and sheep. Can. J. Anim. Sci. 66. pp: 103-115.
Shenk, J. S., Norris, K. H., Barnes, R. F. and Fissel, G. W. (1977). Forage and feedstuffs analysis with
infrared reflectance spectro-computer system. In: Proceedings of the XIIth
Sinnaeve, G., Dardenne, R., Agneessens, R. and Biston, R. (1994). The use of near infrared spectroscopy for
the analysis of fresh grass silage. J. Near Infrared Spectroscopy. 2: 79-84.
Valdes ,E. V. and Leeson, S. (1992a). Near infrared reflectance analysis as a method to measure metabolisable
energy in complete poultry feeds. Poultry Science. 71: 1179-1187
Valdes ,E. V. and Leeson, S.(1992b). Research note: use of NIRS to measure in vitro digestible energy content
in poultry feeds. Poultry Science. 71: 1396-1399
Valdes ,E. V. and Leeson, S.(1992c). Measurement of metabolisable energy in poultry feeds by in vitro system.
Poultry Science. 71: 1493-1503