當前工業領域的質量管理已逐漸由傳統的“事后檢驗”提升到“預防檢驗”階段，即以“生產過程質量控制”及“原料控制”等預防性的質量控制和檢驗手段為主，實現過程控制。要達到該目標則要求化驗室具備快速分析檢測能力。近紅外光譜分析技術以其快速、準確的特性，符合了質量管理的要求。
　　
　　1近紅外光譜分析技術
　　
　　現代近紅外光譜分析技術zui早始于農業領域，也是近年來發展zui快的分析檢測技術，其基本檢測原理如下：近紅外光是指波長介于可見區與中紅外區之間的電磁波，其波長范圍為780～2526nm，是由于分子振動的非諧振性使分子振動從基態向高能級躍遷時產生的，主要反映的是含氫基團（如C-H，N-H，S-H，O-H等）的倍頻和組合頻吸收，具有豐富的結構和組成信息，被測樣品近紅外光譜吸收強度與其組分含量具有一定的函數關系，近紅外光譜分析即以樣品的光譜信息代入該函數關系獲得待測成分含量的檢測結果。圖1顯示了近紅外分析的整個分析過程，該過程包含2個步驟。*步為校正過程：通過收集一批樣品的近紅外光譜和標準方法分析結果采用化學計量學方法建立分析模型（標準曲線）；第二步為預測過程，即通過未知樣品的近紅外光譜預測未知樣品組分含量等信息。
　　
　　近紅外光譜分析技術具有分析速度快、不破壞樣品、操作簡單、穩定性好以及效率高等優勢，得到了較廣泛的應用。近紅外光譜分析作為一種節能綠色分析技術，不僅使用方便簡單，在飼料工業中可應用于從原料到產品各個品質控制環節（如表1所示），而且可提高企業生產效率，增加可觀的經濟效益。i-font-family:"TimesNewRoman";mso-hansi-font-family:"TimesNewRoman";mso-bidi-font-family:"TimesNewRoman";mso-font-kerning:1.0pt;mso-ansi-language:EN-US;mso-fareast-language:ZH-CN;mso-bidi-language:AR-SA'>所示），而且可提高企業生產效率，增加可觀的經濟效益。
　　
　　表1近紅外快速檢測方法在飼料企業的應用
　　
　　應用點檢測指標作用
　　
　　原料品質快速檢測
　　
　　（原料）水分、蛋白、纖維、脂肪在原料卸載之前，進行現場檢測，快速準確的品質數據取代感觀物理特征，防止人為誤差，加快收購速度，實現按質論價。
　　
　　動態調節配料比例
　　
　　（原料、飼料半成品）水分、蛋白、纖維、脂肪、各種氨基酸基于原料品質的快速檢測獲得的多個營養數據，可指導動態調節配料比例，使飼料配料*化
　　
　　生產過程實時監控
　　
　　（飼料半成品）水分實時檢測生產過程中飼料半成品水分含量，根據水分含量進行調質，有利于飼料制粒和膨化成型
　　
　　蛋白實時檢測生產過程中飼料半成品的蛋白含量，根據蛋白波動反映混合設備異常或投料異常。
　　
　　飼料成品品質檢測
　　
　　（飼料成品）水分、蛋白、纖維、脂肪、各種氨基酸對zui終的飼料成品進行檢測，可記錄并監查每批成品料的質量，防止不合格產品流向市場。
　　
　　目前上大型及超大型的飼料企業，均采用該項技術作為主要質量檢測手段。我國飼料行業在20世紀90年代中期也開始引進該項技術，經過十多年發展，已有幾十家大中型飼料企業和研究機構采用該技術進行檢測分析。
　　
　　2002年底，國家正式頒布了飼料行業近紅外分析國家標準（GB/T18868-2002），這標志著這項新的檢測技術已經成為標準的飼料檢測方法。
　　
　　2近紅外光譜分析物聯網技術
　　
　　現代飼料工業集團化和規模化已成趨勢，將近紅外技術和現代物聯網技術結合，構架集團內部近紅外網絡監測平臺，可有效實現資源共享，以更方便快捷的方法監測飼料品質變化情況，將促進飼料工業檢測體系的變革。
　　
　　2010年國家出臺標準：《GB/T24895-2010糧油檢驗近紅外分析定標模型驗證和網絡管理與維護通用規則》，為近紅外技術的網絡化應用提供很好的指導作用。
　　
　　近紅外網絡平臺可以提供近紅外儀器的遠程配置、管理和監控工具，以及開放的遠程信息和儀器網絡管理平臺，確保網絡中所有儀器測量結果的準確性和一致性，保證被測樣品價值得到公正和可信的評價。通過網絡成員的共同努力，降低模型開發和維護成本，保證模型的透明性。通過網絡平臺，實現網絡中所有儀器的實時監控，保證*的儀器性能。總而言之，近紅外網絡的優勢具有以下幾點：1）通過網絡可保證分析結果的透明度；2）聯合開發模型，減少新開發模型的成本；3）降低儀器操作和維護所需的特殊技能；4）分析結果在整個網絡內高度統一。
　　
　　構建近紅外儀器分析網絡，需滿足的四點要求：1）同一個網絡使用相同型號的儀器；2）同一個網絡使用相同的模型；3）網絡中的所有儀器使用同一組監控樣品進行校正；4）網絡中的所有設備人員進行統一規范的操作。
　　
　　2.1平臺結構
　　
　　近紅外光譜分析物聯網平臺包括了1臺主機和多臺子機。主機用來掃描建模樣品，來監控和升級模型，通常放在標準化學分析實驗室。通過網絡（Internet/Intranet）向子機發布和升級模型。
　　
　　主機的模型調整到與標準化學實驗室分析的數據一致。所有的子機也被調整到與主機一致，即與標準化學實驗室分析的數據一致。通過這套質量保證流程，保證每一臺聯網的近紅外儀器測量
　　
　　結果的準確性。
　　
　　2.2功能組織
　　
　　近紅外光譜分析物聯網平臺中的主要工作由不同的組織來承擔：
　　
　　u近紅外技術委員會：全面負責網絡平臺運行，由它決定模型開發工作。
　　
　　u模型服務中心：開發新模型，并提供模型升級參考意見。
　　
　　u標準化學分析實驗室：分析建模樣品的化學值，監控主機工作狀態。
　　
　　u網絡管理中心：維護網絡平臺，負責網絡中各臺儀器之間的數據傳輸。
　　
　　圖2顯示，通過Internet或者Intranet，實現Server和分散在各地的儀器（Client）間信息交換和管理的網絡平臺。圖3給出了網絡服務器與客戶端之間能實現的功能，包括儀器標準化、儀器監控與維護、模型維護、數據庫管理四大功能，以及服務器與客戶端間需要各自承擔的具體任務。
　　
　　3近紅外分析物聯網應用于飼料工業
　　
　　某飼料集團采用聚光科技（杭州）股份有限公司生產的SupNIR-2750儀器組建近紅外光譜分析小型物聯網，用于檢測豆粕。在其分析中心
　　
　　實驗室和3個分廠各配置1臺近紅外分析儀，其中分析中心實驗室的近紅外儀器為主機，分廠儀器為子機，并在分析中心架設服務器。表2所示為近紅外主機所建立的豆粕分析模型。該模型通過分析中心近紅外技術委員會確認后通過服務器下發給主機和3臺子機。分析中心同時給各儀器同時分發了一份豆粕標準樣品，遠程要求各實驗室采用近紅外分析儀進行光譜采集和預測，將所檢測數據上傳至服務器，分析中心通過瀏覽器觀察各近紅外儀器的檢測結果。
　　
　　表2：豆粕校正模型參數
　　
　　檢測
　　
　　指標性質范圍
　　
　　（%）相關系數校正標準偏差檢驗標準偏差
　　
　　水分9.5-14.070.9710.240.26
　　
　　粗蛋白41.76-50.30.9660.360.39
　　
　　粗脂肪0.72-1.80.8650.120.13
　　
　　粗纖維3.50-7.700.9280.310.33
　　
　　灰分4.31-7.460.6860.220.22
　　
　　蛋白溶出度71.86-85.620.8021.11.14
　　
　　尿素酶0.02--0.0960.9750.0020.003
　　
　　賴氨酸2.04--3.550.9960.0640.082
　　
　　蛋氨酸0.51--0.780.9860.0140.019
　　
　　色氨酸0.48--0.810.9870.0150.017
　　
　　蘇氨酸1.19--2.290.9970.0240.032
　　
　　表3為四臺儀器上傳的同一份豆粕樣品的預測結果，其粗蛋白預測值zui大相差0.3，說明儀器運行良好，網絡中儀器具有良好的一致性，物聯網技術可成功應用于飼料品質的統一監測。
　　
　　此外，如果分析中心發現有分廠對同一份豆粕樣品的粗蛋白預測值超過閾值，可以通知對方對儀器性能進行檢測，并上傳性能測試報告，進行儀器故障診斷及維護。
　　
　　因此，近紅外光譜分析物聯網技術尤其適用于大型飼料集團企業，有助于飼料集團對各分廠的飼料質量進行快速檢測和統一管理。
　　
　　表3：網絡內各臺近紅外儀器分析同一份豆粕結果
　　
　　分廠1分廠2分廠3中心
　　
　　粗蛋白%43.043.343.143.2
　　
　　4結論
　　
　　采用近紅外光譜分析技術進行飼料品質分析和監控將成為飼料工業發展的趨勢。近紅外光譜分析技術的應用，不僅可以使企業節約成本、增加利潤，也使企業的質量管理水平躍上一個新的臺階，進而提升公司的形象，從而在應對WTO的挑戰中，增強與上超*企業抗衡的實力。
　　
　　將近紅外光譜分析技術和物聯網技術相結合構建的近紅外光譜分析物聯網平臺，可充分利用飼料集團內部分散的資源，實現資源共享，統一監測集團內飼料品質，可根據實際情況對分析模型進行集中升級，提高其檢測精度，將大大推動近紅外光譜分析技術在飼料檢測中的應用。