시료 전처리 방법이 근적외선분광법을 이용한 옥수수 사일리지의 화학적 조성분 평가에 미치는 영향

박형수; 이종경; 이효원; 황경준; 정하연; 고문석

추천

검색

자료유형: 학술저널

저자정보: 박형수 (난지농업연구소) 이종경 (축산연구소) 이효원 (한국방송통신대학교) 황경준 (난지농업연구소) 정하연 (난지농업연구소) 고문석 (난지농업연구소)

저널정보: 한국초지조사료학회 한국초지조사료학회지 한국초지조사료학회지 제26권 제1호

발행연도: 2006.1

수록면: 53 - 62 (10page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 시료 및 스펙트럼의 전처리 방법이 근적외선 분광법을 이용한 옥수수 사일리지의 화학적 조성분의 예측능력에 미치는 영향을 평가하기 위해 수행되었다. 시료의 전처리 방법은 건조하여 분쇄하는 방법(Oven Dried Grinding), 액화 질소처리 후 분쇄하는 방법(Liquid Nitrogen Grinding) 그리고 생사일리지(Intact Fresh)처리로 하였으며 4개의 스펙트럼의 수처리(1,4,4, 2,6,4, 2,10,5) 방법을 이용하여 다변량회귀분석법인 변형부분최소자승회귀법(MPLS)을 통해 검량식을 작성하였다. 시료의 전처리 방법에 의해서 유도된 검량식의 예측 능력은 섬유소 성분(NDF, ADF)과 일반 조성분(CP, Ash) 모두에서 Oven dried grinding (ODG) > Liquid nitrogen grinding (LNG)>Intact fresh (IF) 처리 순으로 우수하였다. 또한 스펙트럼의 수처리 방법에 의한 결과는 시료의 전처리 방법에 따라 그 예측 능력이 다르게 나타났다. 옥수수 사일리지의 섬유소 함량을 예측하기 위한 최적의 시료 전처리 및 스펙트럼 수처리 방법은 NDF는 ODG 처리에 2,10,5 수처리 방법 $(R^2=0.86)$, ADF는 ODG 처리에 2,10,5 수처리 방법 $(R^2v=0.93)$이 가장 우수한 전처리 방법으로 나타났다. 조단백질 함량과 조회분 함량을 측정하기 위한 최적의 시료 전처리 및 스펙트럼 수처리 방법은 조단백질은 ODG 처리에 1,4,4 수처리 방법$(R^2v,=0.91)$, 조회분은 ODG 처리에 2,10,5 수처리 방법$(R^2v=0.89)$이 가장 우수한 전처리 방법으로 판단된다. 이상의 연구 결과를 종합해보면 근적외선 분광법을 이용한 사일리지의 화학적 조성분 함량 측정은 적은 오차 범위 내에서 신속하고 정확한 분석법이 될 수 있음을 확인 할 수 있었다. 비록 원물 생시료(IF)에 대한 직접적인 측정은 다소 예측 정확성이 떨어지지만 현장 적용성과 편리성을 높이기 위해서는 생시료의 측정시 오차를 줄일 수 있는 스펙트럼의 수처리 방법이나 산란보정 방법과 같은 데이터 처리기법에 대한 더 많은 연구가 앞으로 진행되어야 한다고 생각되어진다.

Near infrared reflectance spectroscopy (NIRS) has been increasingly used as a rapid, accurate method of evaluating some chemical compositions in forages. Analysis of forage quality by NIRS usually involves dry ground samples. Costs might be reduced if samples could be analyzed without drying or grinding. The objective of this study was to investigate effect of sample preparations and spectral math treatments on prediction ability of chemical composition for corn silage by NIRS. A population of 112 corn silage representing a wide range in chemical parameters were used in this investigation. Samples of com silage were scanned at 2nm intervals over the wavelength range 400-2500nm and the optical data recorded as log l/Reflectance(log l/R) and scanned in overt-dried grinding(ODG), liquid nitrogen grinding(LNG) or intact fresh(IF) condition. Samples were analysed for neutral detergent fiber(NDF), acid detergent fiber(ADF), acid detergent lignin(ADL), crude protein(CP) and crude ash content were expressed on a dry-matter(DM) basis. The spectral data were regressed against a range of chemical parameters using modified partial least squares(MPLS) multivariate analysis in conjunction with four spectral math treatments to reduce the effect of extraneous noise. The optimum calibrations were selected on the basis of minimizing the standard error of cross validation(SECV). The results of this study show that NIRS predicted the chemical parameters with very high degree of accuracy(the correlation coefficient of cross validation$(R^2cv)$ range from $0.70{\sim}0.95$) in ODG. The optimum equations were selected on the basis of minimizing the standard error of prediction(SEP). The Optimum sample preparation methods and spectral math treatment were for ADF, the ODG method using 2,10,5 math treatment(SEP = 0.99, $R^2v=0.93$), and for CP, the ODG method using 1,4,4 math treatment(SEP = 0.29. $R^2v=0.91$).

#NIRS #Chemical composition #Quality #Corn silage

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

박형수

소속기관 농촌진흥청 난지농업연구소

주요연구분야 농수해양학 > 농학 공학 > 화학공학 > 생물공학

논문수 61 이용수 225

이종경

소속기관 농촌진흥청 축산과학원

주요연구분야 농수해양학 > 축산학

논문수 125 이용수 322

이효원

소속기관 한국방송통신대학교 자연과학대학 농학과

주요연구분야 농수해양학 > 농수해양학 일반 농수해양학 > 농학

논문수 47 이용수 100

황경준

소속기관 농촌진흥청 난지농업연구소

주요연구분야 농수해양학 > 축산학

논문수 29 이용수 98

Jeong, Ha-Yeon

소속기관 Dairy Science Division, National Institute of Animal Science, Rural Development Administration

주요연구분야 농수해양학 > 축산학

논문수 7 이용수 48

Moon-Suck Ko

소속기관 농촌진흥청

주요연구분야 자연과학 > 기타 자연과학 공학 > 건축공학 > 환경공학

논문수 29 이용수 1,156

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)