1
SỬ DỤNG PHƯƠNG PHÁP QUANG PHỔ HẤP PHỤ CẬN HỒNG NGOẠI
CHẨN ĐOÁN THÀNH PHẦN HÓA HỌC CỦA PHÂN, LỰỢNG THỨC ĂN ĂN
VÀO VÀ TỶ LỆ TIÊU HÓA CHẤT HỮU CƠ CỦA CỎ CHO GIA SÚC NHAI
LẠI
Đ
Văn Mười
1
,Vũ Chí Cương
2
, Phạm Bảo Duy
2
, Nguyễn Sức Mạnh
2
, Bùi Thị Thu Hiền
2
.

ABSTRACT
Near infrared reflectance spectroscopy (NIRS) were used to predict the chemical composition of shêp feaces and
OMD of forage. 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 feace and OMD of forage.
The following equations can be used for determination of DM, CP, Fat, CF, Ash, NDF, ADF of
feaces: DM_Lab
8
= 0.461 + 0.9911 DM_NIRS (R
2
=70.900); CP_Lab
9

Keywords: NIRS, calibration, prediction, equation.

ĐẶT VẤN ĐỀ
Kỹ thuật quang phổ hấp phụ cận hồng ngoại (Near Infrared Reflectance
Spectroscopy viết tắt là NIRS) là kỹ thuật ñã ñược biết ñến từ lâu và hiện nay ñã ñược
ứng dụng rộng rãi vào nhiều lĩnh vực. Đầu tiên, Norris và các ñồng nghiệp ñã phát
triển kỹ thuật NIRS ñể xác ñịnh lượng nước trong ngũ cốc và các loại hạt (Norris và
Hart, 1965). NIRS là phương pháp vật lý ño sự giao ñộng gây ra do các cầu nối của C-
H, O-N kéo dài ra hoặc gấp lại (Carpenter and Niio-Dupon, 1996). Việc phân tích hàm
lượng các chất dinh dưỡng trong thức ăn gia súc dựa trên nguyên lý: sự hấp phụ và
phản xạ ánh sáng cận hồng ngoại (vùng không nhìn thấy ñược) ở bước sóng (1100 –
2500 nm) của các cơ chất (chất dinh dưỡng) với cấu trúc hoá học khác nhau là khác
nhau (Givens và cộng sự 1997). Do phổ hấp phụ phụ thuộc vào cầu nối hoá học giữa
các chất hoá học của thức ăn và vì vậy có thể xác ñịnh ñược các vùng phổ ñặc trưng
cho các chất hoá học khác nhau như protein, xơ, tinh bột Để có thể ước tính gần
ñúng nhất hàm lượng các chất dinh dưỡng của thức ăn, cần phải chuẩn hoá thiết bị với
các mẫu chuẩn ñã phân tích nhiều lần. NIRS cũng có thể dùng ñể xác ñịnh tỷ lệ tiêu
hoá, tuy nhiên phải làm thí nghiệm
in vivo
(
Givens và cộng sự 1997
) ñể hồi qui các kết
quả với nhau. Các số liệu in vivo là ñiều kiện tiên quyết ñể sử dụng các kết quả của
phương pháp NIRS (Kitessa và cộng sự 1999). Để áp dụng phương pháp này trước hết
cần có các phân tích hoá học và thí nghiệm in vivo ñể xây dựng ñường hồi qui (Kitessa
và cộng sự 1999).
Sử dụng kỹ thuật NIRS ñể xác ñịnh thành phần hoá học, tỷ lệ tiêu hoá của thức
ăn ñể từ ñó tính ra giá trị dinh dưỡng của thức ăn hiện ñã ñược công nhận là phương
pháp phòng thí nghiệm có ñộ chính xác cao (Boval và cộng sự, 2004). Đã có rất nhiều
những báo cáo công bố về các phương trình chẩn ñoán có ñộ chính xác cao ñể dự ñoán

không chạy phổ trên máy NIRS ñể kiểm tra ñộ tin cậy của phương trình.
- Xây dựng ñường hồi qui chẩn ñoán lượng thức ăn ăn vào, tỷ lệ tiêu hoá chất
hữu cơ của cỏ cho gia súc nhai lại từ thành phần hóa học của phân ước tính từ NIRS,
thành phần hóa học của thức ăn uớc tính từ NIRS.
Phổ hấp phụ cận hồng ngoại của phân ñược xác ñịnh với máy NIRS loại NIR
Systems 5000 Monochromator của hãng Foss, USA với bước sóng từ 1100 - 2500 nm.
Phổ và thành phần hóa học sau ñó ñược xử lý bằng phần mềm WinISI. Từ kết quả
chạy trên máy NIRS và nhờ phần mềm Winisi chúng ta có ñược hai bộ số liệu về
thành phần hóa học phân tích trong phòng thí nghiệm và thành phần hóa học chẩn
ñoán trên máy NIRS. Từ hai bộ số liệu này, sử dụng kỹ thuật hồi qui ña chiều bậc một
ñể xây dựng ñược phương trình hồi qui hiệu chỉnh chẩn ñoán thành phần hóa học của
phân. Đây sẽ là phương trình hồi qui dùng ñể kiểm tra các mẫu phân khác ñể biết ñộ
chính xác của phương trình vừa tạo ra.
Mô hình toán học ñể xây dựng quan hệ giữa thành phần hóa học của phân phân
tích trong phòng thí nghiệm và thành phần hóa học của phân chẩn ñoán bằng phương
trình có sẵn trong máy NIRS là mô hình hồi quy tuyến tính ña chiều bậc một:
Y = b
o
+ b
1
x
1
+ b
2
x
2
+………+ b
i
x
i

máy NIRS
Chỉ tiêu n Mean Est. Min Est. Max SEC SECV 1-VR
DM 393 45,1533 21,2833 69,0232 3,9212 4,3733 0,6987
CP 396 11,3646 1,6997 21,0296 0,4991 0,565 0,9692
Fat 390 2,2008 0 6,1533 0,2105 0,2285 0,970
CF 393 28,5528 7,6982 49,4074 1,3897 1,5184 0,9523
Ash 397 25,2121 0 79,4647 5,6563 6,2134 0,8819
NDF 394 55,3623 10,8222 99,9025 3,8635 4,1082 0,9234
ADF 396 32,4392 4,9461 59,9323 3,1745 3,455 0,8577
*Est.Min: Giá trị ước lượng nhỏ nhất; *Est.Max: Giá trị ước lượng cao nhất; *SEC:Sai số trước khi hiệu chỉnh;
*SECV: Sai số sao khi hiệu chỉnh;*1-VR Hệ số tương quan của phương trình
Sai số tính bằng % giữa kết quả phân tích phòng thí nghiệm (Lab) và kết quả
trên NIRS không lớn và tương ứng là: 7,395; 3,924; 4,314; 6,777; 9,554 % cho DM,
CP, CF, NDF, ADF của phân cừu. Riêng sai số tính bằng % giữa kết quả phân tích
phòng thí nghiệm (Lab) và kết quả trên NIRS cho Fat và Ash là lớn hơn 10%, tương
ứng là 11,083 và 26,24% cho Fat và Ash của phân cừu.

Bảng 1.2: So sánh kết quả chẩn ñoán DM, CP, Fat, CF, Ash, NDF, ADF
của phân cừu với kết quả phân tích
Chỉ tiêu n Mean SE StDev Min Max
Lab 405 45,439 0,409 8,226 22,76 71,48
NIRS 405 45,355 0,352 7,074 21,745 69,817
DM
Sai số (%) 7,395
Lab 405 11,458 0,167 3,351 5,21 28,05
NIRS 405 11,402 0,159 3,204 5,198 22,896 CP
Sai số (%) 3,924
Lab 405 2,2154 0,065 1,3083 0,25 8,48
NIRS 405 2,2083 0,0638 1,2847 0,341 8,293 Fat
Sai số (%) 11,083

TT n Phương trình R
2
(%) r
P
1 350
DM_Lab
8
= 0,461 + 0,9911 DM_NIRS 70,90 0,842

< 0,01
2 350 CP_Lab
9
= - 0,0412 + 1,009 CP_NIRS 92,30 0,961

< 0,01
3 350 Fat_Lab
10
= - 0,00092 + 0,9970 Fat_NIRS 96,50 0,982

< 0,01
4 350 CF_Lab
11
= 0,4812 + 0,9804 CF_NIRS 95,40 0,977

< 0,01
5 350 Ash_Lab
12
= - 0,8984 + 1,034 Ash_NIRS 92,60 0,962

< 0,01

71,48

NIRS_DM 55

43,52

1,14

8,44

32,03

69,66

PT1
Sai số (%) 55

7,121 82,20 0,909
Lab_CP 55

11,65

0,397


2,862

0,186

1,378

1,19

7,21

NIRS_Fat 55

2,754

0,184

1,366

1,309

7,065

PT3
Sai số (%) 55

7,509

90,90 0,954
Lab_Ash 55

29,92

2,34

17,32

15,05

69,87

NIRS_Ash 55

28,44

1,87

13,91

10,47

59,8


17,03

67,79

PT6
Sai số (%) 55

6,997 95,00 0,975
Lab_ADF 55

32,18

1,07

7,97

16,21

49,22

NIRS_ADF 55

32,52


R-Sq 82.6%
R-Sq(adj) 82.2%
DM_Lab = - 0.976 + 1.027 DM_NIRS
So sánh kết quả phân tích DM phân cừu giữa Lab và NIRS
25
30
35
40
45
50
55
60
65
70
75
DM_Lab DM_NIRS
CP_NIRS
C P_La b
181614121086
18
16
14
12
10
8
6
S 0.508162
R-Sq 97.1%
R-Sq(adj) 97.0%
CP_Lab = 0.1314 + 0.9876 CP_NIRS

5.5
6.5
7.5
Fat_Lab Fat_NIRS
CF_Lab
40
35
30
25
S 1.45962
R-Sq 91.0%
R-Sq(adj) 90.9%
CF_Lab = - 2.757 + 1.111 CF_NIRS
So sánh kết quả phân tích CF phân cừu giữa Lab và NIRS
20
25
30
35
40
Với 55 mẫu ngẫu nhiên không chạy NIRS và với phương trình có dung lượng
mẫu là 350 kết quả chẩn ñoán bằng phương trình hiệu chỉnh với NIRS cho DM, CP,
Fat, CF, Ash, NDF và ADF của 55 mẫu phân phân cừu cho thấy R
2
(%) khá cao (82,2
– 97,00), riêng R
2
(%) cho DM, ADF và Ash < 90,00. Sai khác % giữa các giá trị
Mean tính ñược và thực của 55 mẫu phân cừu là nhỏ cho CP, CF (< 5%), chấp nhận
ñựợc cho DM (7,21%), Fat (7,509), NDF (6,997) và ADF (9,73%), tất cả ñều nhỏ hơn
10 %. Riêng Ash sai khác này quá lớn (15,87%) nên có thể phải loại bỏ phương trình

6
Ash_NIRS
Ash_Lab
605040302010
70
60
50
40
30
20
10
0
S 5.89524
R-Sq 88.6%
R-Sq(adj) 88.4%
Ash_Lab = - 5.062 + 1.235 Ash_NIRS
So sánh kết quả phân tích Ash giữa Lab và NIRS
5

NDF_Lab NDF_NIRS
ADF_NIRS
A DF_La b
50454035302520
55
50
45
40
35
30
25
20
15
S 2.82589
R-Sq 87.7%
R-Sq(adj) 87.4%
ADF_Lab = - 9.683 + 1.287 ADF_NIRS
So sánh kết quả phân tích ADF phân cừu giữa Lab và NIRS
15
20
25
30
35
40
45
50
ADF_Lab ADF_NIRS
Ki
m tra s sai khá ủa á số trung bình
Để kiểm tra lại cả bẩy phương trình chúng tôi ñã dùng T-student (Paired test) ñể
so sánh từng cặp số liệu về DM, CP, Fat, CF, Ash, NDF và ADF của phân cừu. 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 1.5.

7
Bảng 1.5 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, CF, Ash, NDF và ADF của
phân cừu tính theo các phương trình 1, 2, 3, 4, 5, 6 và 7 và giá trị phân tích cho DM,
CP, Fat, CF, Ash, NDF và ADF của phân cừu 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 1, 2, 3, 4, 5, 6 và 7
ñể chẩn ñoán DM, CP, Fat, CF, Ash, NDF và ADF của phân cừu với ñộ chính xác >
95%.
Bảng 1.5: Kiểm tra bẩy phương trình bằng T-student (Paired test)

Chỉ tiêu N Mean SE StDev Minimum Maximum P
Lab 55

43,73


0,903
Lab 55

11,65

0,397

2,941

6,96

17,87

NIRS 55

11,664

0,396

2,934

7,46

18,172

CP
(PT2)
Sai số 55



Fat
(PT3) Sai số 55

7,65 0,602
Lab 55

29,036

0,651

4,83

16,05

39,12

NIRS 55

28,616

0,559

4,148

28,33

1,78

13,2

11,26

58,11

Ash
(PT5)
Sai số 55

16,3 0,59
Lab 55

49,49

2,02

14,98

15,8


7,97

16,21

49,22

NIRS 55

32,089

0,801

5,94

20,105

47,661

ADF
(PT7)
Sai số 55

0,0944 0,946

NIRS ở bảng 1.7
Kết quả ở bảng 1.7 cho thấy: việc sử dụng thành phần hóa học của thức ăn ước
tính từ NIRS ñể chẩn ñoán DMI cho kết quả khả quan hơn sử dụng thành phần hóa học
của phân ước tính từ NIRS. Hệ số tương quan của phương trình chẩn ñoán chỉ ở mức
khá: 0,63-0,64. Tăng số lượng biến trong phương trình chẩn ñoán không làm tăng hệ
số tương quan.

Bảng 1.7: Phương trình hồi qui chẩn ñoán DMI từ thành phần hóa học của thức ăn ước
tính từ NIRS

TT Phương trình hồi qui r P

18
DMI = 1620 – 15,5DM_NIRS thức ăn – 30,3CP_NIRS thức ăn +
487EE_NIRS thức ăn - 68,4Ash_NIRS thức ăn - 15,6ADF_NIRS thức
ăn
0,63 P<0,001
19 DMI = 1089 - 7,68DM_NIRS thức ăn - 27,3CP_NIRS thức ăn +
594EE_NIRS thức ăn + 38,5CF_NIRS thức ăn - 57,1Ash_NIRS thức ăn
- 48,7 ADF_NIRS thức ăn
0,64 P<0,001
20 DMI = 1270 - 13,0DM_NIRS thức ăn - 25,2CP_NIRS thức ăn +
504EE_NIRS thức ăn - 65,9Ash_NIRS thức ăn + 4,68NDF_NIRS thức
ăn - 18,8ADF_NIRS thức ăn
0,63 P<0,001
21 DMI = 727 - 24,8CP_NIRS thức ăn + 667EE_NIRS thức ăn +
50,8CF_NIRS thức ăn - 49,0Ash_NIRS thức ăn - 60,2ADF_NIRS, thức
ăn
0,64 P<0,001
22 DMI = 620 - 22,6CP_NIRS thức ăn + 661EE_NIRS thức ăn +

27 OMD = 73,0 + 1,89 CP_NIRS phân - 4,56EE_NIRS phân - 0,645
CF_NIRS phân - 0,0019 Ash_NIRS phân
0,756 < 0,001
28 OMD = 73,0 + 1,87 CP_NIRS phân - 4,42 EE_NIRS phân -
0,619CF_NIRS phân - 0,0153NDF_NIRS phân
0,758 < 0,001
29 OMD = 72,6 + 1,89CP_NIRS phân - 4,44EE_NIRS phân -
0,616CF_NIRS phân - 0,0234ADF_NIRS phân
0,756 < 0,001
Kết quả ở bảng 1.8 cho thấy: việc sử dụng thành phần hóa học của phân ước
tính từ NIRS ñể chẩn ñoán OMD cho kết quả khá khả quan. Hệ số tương quan của
phương trình chẩn ñoán ở mức khá: 0,756-0,757. Tuy nhiên tăng số lượng biến trong
phương trình chẩn ñoán không làm tăng hệ số tương quan.
Phương trình hồi qui ước tính D ( ganic matter Digesti ility) từ thành phần
hóa học của th
c ăn ước tính với RS
Sử dụng thuật toán hồi qui ña chiều bậc 1 trên MINITAB chúng tôi có ñược các
phương trình hồi qui chẩn ñoán OMD từ thành phần hóa học của thức ăn ước tính từ
NIRS ở bảng 1.9.
Bảng 1.9: Phương trình hồi qui chẩn ñoán OMD từ thành phần hóa học
của thức ăn ước tính từ NIRS
TT Phương trình hồi qui r P
41 OMD = 90,7 - 0,953 DM_NIRS thức ăn - 0,353 CF_NIRS thức ăn 0,806 < 0,001
42 OMD = 86,1 - 0,897 DM_NIRS thức ăn + 0,178 CP_NIRS thức ăn
– 0,302 CF_NIRS thức ăn
0,804 < 0,001
43 OMD = 82,5 - 0,884 DM_NIRS thức ăn + 2,53 EE_NIRS thức ăn –
0,287 CF_NIRS thức ăn
0,803 < 0,001
44 OMD = 92,5 - 0,950 DM_NIRS thức ăn - 0,248 CF_NIRS thức ăn –

NIRS có thể chấn ñoán lượng DM ăn vào của thức ăn ủ với R
2
= 0,90 còn theo Coates
(1998) có thể dùng NIRS của phân ñể chẩn ñoán OMD với R
2
= 0,97, chẩn ñoán lượng
DM ăn vào với R
2
= 0,79. Krachounov và cộng sự.,(2000) cho biết NIRS có thể chấn
ñoán tỷ lệ tiêu hóa chất khô với với R
2
= 0,94, SEC = 2,26. Boval và cộng sự (2004)
cho biết: NIRRS có thể chẩn ñoán cho OMD và OMI với R
2
và SEC tương ứng là:
0,72 và 0,021; 0,61 và 4,62. Theo Znidarsic và cộng sự (2005): NIRS có thể chấn ñoán
10
NE của cỏ khô với R
2
= 0,89 và Znidarsic và cộng sự (2006): NIRS có thể chấn ñoán
NE của thức ăn ủ với R
2
= 0,76. Gần ñây Vu Dinh Tuan và cộng sự., (2006) cho thấy:
NIRS có thể chấn ñoán Nitơ trong phân lợn với R
2
là 94%. Theo McCann và cộng sự.,
2006: Hồi qui giữa giá trị thực và giá trị chẩn ñoán trên máy NIRS cho DE và tỷ lệ tiêu
hóa OM của hạt mạch dùng cho lợn có dạng tương ứng là y (DE in vivo) = 0,928 *
DE chẩn ñoán trên NIRS + 1,176, R
2

= - 0,00092 + 0,9970 Fat_NIRS, (R
2
=96,50);
CF_Lab
11
= 0,4812 + 0,9804 CF_NIRS, (R
2
=95,40); Ash_Lab
12
= - 0,8984 + 1,034
Ash_NIRS, (R
2
=92,60); NDF_Lab
13
= 0,6938 + 0,9873 NDF_NIRS, (R
2
=91,50);
ADF_Lab
14
= 1,573 + 0,9546 ADF_NIRS, (R
2
=86,20).
Có thể dùng các phương trình hồi qui với NIRS sau ñây ñể chẩn ñoán OMD của
thức ăn: OMD = 90,7 - 0,953 DM_NIRS thức ăn - 0,353 CF_NIRS thức ăn.
Đề nghị
Cho áp dụng kết quả nghiên cứu ñể xác ñịnh thành phần hóa học, tỷ lệ tiêu hóa,
của thức ăn và phân bằng NIRS ñể giảm chi phí phân tích và làm thí nghiệm in vivo
Tiếp tục nghiên cứu theo hướng này cho thức ăn gia cầm và lợn và tăng ñộ
chính xác của các phương trình hiện có, ñặc biệt là các phương trình cho Fat, DM và
khoáng.

analysis of faeces from sheep for estimation of forage availability. Zhivotnov’Dni Nauki 37, 22-30.
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.
Lippke, H. and Barton, F. E. (1988) NIRS for predicting intake of digestible organic matter by cattle. . Dairy
Sci. 71: 2986-2991.
Lyons, R. K. and Stuth, J. W. 1992. Faecal NIRS equations for pridicting diet quality of free rangeing cattle.
.
Range Manage. 45, 3, pp:238-244.
Lyons, R.K., 1990. Fecal indices of nutritional status of free-ranging cttle using near infrared reflectance
spectroscopy. Ph A&D. Dissertation. Texas A&M Uiversity, College Station, TX, USA.
McCann, M.E.E., K.J. McCracken and R.E.Agnew. 2006. The use of near infrared reflectance spectroscopy
(NIRS) for prediction of the nutrutive value of barley for growing pigs. Irish journal of agricultural and food
reseach 45: 187-195.
Norris, K.H. and Hart, J.R. (1965
). Direct spectrophotometric determination of moisture content of grains and
seeds. Principles and Methods of Measuring Moisture Content in Liquids and Solids, 4: 19-25.
Norris, K.H., Barnes, R.F., Moore, J.E. and Shenk, J.S. (1976). Predicting forage quality by near infrared
reflectance spectroscopy.
ournal 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.
Park, R.s.,Gonrdon, F.J., Agnew, R.E., Barnes, R.J. and Steen, R.W.J. 1997. The use of near-infrared
reflectance spectroscopy on dried samples to predict biological parameters of grass silage. Animal Fedd Science
and Technology, 68, 235-246.
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. . Near Infrared Spectroscopy. 2: 79-84.
Vu Dinh Tuan, V. Porphyre, JL. Farinet, Tran Duc Toan (2006). Composition of Animal Manure and Co-
products. Pig Production Development, Animal-Waste Management and Environmnent Protection: A case Study