수 처리 방법이 근적외선분광법을 이용한 옥수수 사일리지의 화학적 조성분 및 발효품질의 예측 정확성에 미치는 영향

박형수; 김지혜; 최기춘; 김현섭

추천

검색

자료유형: 학술저널

저자정보: 박형수 (국립축산과학원) 김지혜 (국립축산과학원) 최기춘 (국립축산과학원) 김현섭 (국립축산과학원)

저널정보: 한국초지조사료학회 한국초지조사료학회지 한국초지조사료학회지 제36권 제1호

발행연도: 2016.1

수록면: 50 - 57 (8page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 국내산 원물 옥수수 사일리지의 품질을 신속하게 분석 평가하기 위한 NIRS DB 구축과 원물시료의 분석 예측능력을 향상시키기 위한 근적외선 스펙트라의 적정 수 처리 방법을 구명하기 위하여 수행되었다. 옥수수 사일리지는 전국 사료작물 사일리지 품질경연대회에 출품된 시료와 2014년부터 2015년까지 전국 조사료 품질검사 시범사업에 참여한 조사료 생산경영체, 농축협 TMR회사 및 생산농가에서 407점을 수집하였다. 옥수수 사일리지의 품질평가를 위한 NIRS DB 구축을 위해 수집된 시료를 근적외선 분광기를 이용하여 스펙트라를 측정하고 측정된 시료는 실험실에서 화학적 분석을 실시하였다. 다양한 수 처리 방법에 따른 사료가치 및 발효품질의 예측정확성을 평가하기 위하여 원시 스펙트라를 미분처리하여 최적의 수처리 방법을 구명하였다. 옥수수 원물 사일리지의 수분함량 예측능력은 1차 미분처리(1, 16, 16)한 것으로 나타났으며 NDF와 ADF의 최적 수 처리는 두 성분 모두에서 2, 16, 16 처리가 예측 정확성이 가장 높게 나타났다. 조단백질 함량의 예측능력은 1차 미분처리(1, 4, 4)가 SECV 0.51과 $R^2{_{cv}}$ 0.72로 가장 우수한 예측능력을 나타내었다. 옥수수 사일리지의 발효산물인 산도(pH) 예측 정확성은 원물 스펙트라를 1차 미분처리(1, 8, 8)한 것으로 나타났으며 젖산과 초산의 예측능력은 2차 미분처리(2, 16, 16)에서 각각 SECV 0.81% 및 0.71%의 분석오차로 높게 나타났다.

This study was conducted to determine the effect of mathematical transformation on near infrared spectroscopy (NIRS) calibrations for the prediction of chemical composition and fermentation parameters in corn silage. Corn silage samples (n=407) were collected from cattle farms and feed companies in Korea between 2014 and 2015. Samples of silage were scanned at 1 nm intervals over the wavelength range of 680~2,500 nm. The optical data were recorded as log 1/Reflectance (log 1/R) and scanned in intact fresh condition. The spectral data were regressed against a range of chemical parameters using partial least squares (PLS) multivariate analysis in conjunction with several spectral math treatments to reduce the effect of extraneous noise. The optimum calibrations were selected based on the highest coefficients of determination in cross validation ($R^2{_{cv}}$) and the lowest standard error of cross validation (SECV). Results of this study revealed that the NIRS method could be used to predict chemical constituents accurately (correlation coefficient of cross validation, $R^2{_{cv}}$, ranging from 0.77 to 0.91). The best mathematical treatment for moisture and crude protein (CP) was first-order derivatives (1, 16, 16, and 1, 4, 4), whereas the best mathematical treatment for neutral detergent fiber (NDF) and acid detergent fiber (ADF) was 2, 16, 16. The calibration models for fermentation parameters had lower predictive accuracy than chemical constituents. However, pH and lactic acids were predicted with considerable accuracy ($R^2{_{cv}}$ 0.74 to 0.77). The best mathematical treatment for them was 1, 8, 8 and 2, 16, 16, respectively. Results of this experiment demonstrate that it is possible to use NIRS method to predict the chemical composition and fermentation quality of fresh corn silages as a routine analysis method for feeding value evaluation to give advice to farmers.

#Near infrared reflectance spectroscopy #NIRS) #Chemical composition #Fermentation quality #Maize 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

Kim, Ji-Hye

소속기관 국립축산과학원

주요연구분야 농수해양학 > 축산학

논문수 31 이용수 162

최기춘

소속기관 건국대학교 축산대학 동물생산.환경학

주요연구분야 농수해양학 > 농학 공학 > 화학공학 > 생물공학

논문수 128 이용수 466

Kim, Hyeon-Seop

소속기관 Grassland & Forages Division, National Institute of Animal Science

주요연구분야 농수해양학 > 농수해양학 일반 농수해양학 > 농학

논문수 18 이용수 36

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)