近日，重庆市畜牧科学院草业研究所栽培草地管理与利用团队开展了狼尾草属牧草品质评价与无损检测技术研究，提出了狼尾草属牧草品质的神经网络预测方法，成功构建了该属牧草品质的速测模型，为牧草品质快速预测研究提供了新方法。
  近年来，随着智慧农业的发展，便携式微型近红外光谱仪普遍被使用在现场检测中，如何建立更优的预测模型在近红外仪器中应用，成为当前近红外光谱研究中被广泛聚焦的热点。目前，普遍采用偏最小二乘法（PLS）建模，关于利用人工神经网络处理是否获得良好的鲁棒性和相对较强的预测能力，有待进一步研究。本研究通过人工神经网络结合近红外光谱技术的分析方法，选择不同品（系）种来源狼尾草属牧草样品光谱，与偏最小二乘法（PLS）模型比较分析，人工神经网络模型中4项品质指标（水分、粗蛋白、木质素、灰分含量）的决定系数大于85%。研究人员通过进一步探讨前馈（BP）神经网络在近红外光谱预测狼尾草常规营养成分含量的鲁棒性，明确了近红外光谱快速测定狼尾草品质预测模型的稳定可靠，为狼尾草属牧草高效率生产加工和储存提供了科学依据，其预测模型对于指导牧草品质分级管理与科学研究具有广泛的应用前景。
  该研究得到国家现代农业产业技术体系（CARS-34）、重庆市畜牧科学院人才启动经费（21522）等项目的资助。