Aufgrund der begrenzten landwirtschaftlichen Ackerfläche und aus der Notwenigkeit wirtschaftlich zu arbeiten, wird es immer wichtiger, die Futtererntekette zu optimieren. Entscheidend ist hierbei, die genauen Mengen der Inhaltsstoffe in Futtererntegütern zu kennen, um Lagerverluste zu verringern, tiergerechte und effiziente Fütterung zu fördern und Dünge- und Pflegemaßnahmen zu optimieren. Um dieses Ziel zu verwirklichen, wurde versucht, einfachere und schnellere Methoden in die Praxis umzusetzen. Die Nahinfrarot-Reflexions-Spektroskopie (NIRS) ist ein Verfahren, welches durch seine Einfachheit und Genauigkeit bevorzugt eingesetzt wird. Ein Sensor erfasst ein spezifisches Spektrum, welches durch intelligente Kalibrierung zur Bestimmung von Qualitätsinhaltsstoffen dient. Bislang wurde die NIRS lediglich im Labor, aber noch nicht vollständig im mobilen Einsatz etabliert, da noch zu wenige Untersuchungen über Störgrößen und ihren Einfluss auf die Qualitätsparameter vorliegen. Aus diesem Grund wurde am Lehrstuhl für Landtechnik in Weihenstephan ein Prüfstand gebaut, der den mobilen Einsatz des NIRS-Sensors simuliert, um einzelne Störgrößen untersuchen zu können. Aufbauend auf die vorangegangene Diplomarbeit ist die Zielsetzung dieser Bachelorarbeit, Daten zu erfassen und auszuwerten. Aus den gesammelten Daten sollte eine Gerätekalibrierung möglich sein, welche auch im Feld einsetzbar ist. Die Untersuchungen beschränkten sich bei der vorliegenden Arbeit am Prüfstand ausschließlich auf kleine Strohballen aus Weizen und Gerste. Es sollte vor allem der Einfluss der Überfahrtgeschwindigkeit auf die gemessenen Daten überprüft werden, deshalb wurden kontinuierliche und diskontinuierliche Messungen am Einzelballen sowie an der Charge durchgeführt. Besonders galt es zu klären, ob eine Kalibrierung einer Überfahrtgeschwindigkeit auf eine andere Messungsart übertragbar ist und gute Vorhersagen getroffen werden können. Zu dieser Art von Versuchsaufbau gibt es in der Literatur keine genaueren Untersuchungen. Die neuen Erkenntnisse können somit verwendet werden, um zukünftig Schwachstellen im mobilen Einsatz zu erkennen und zu eliminieren und Qualitätsinformationen in Futtererntegütern bereits direkt auf dem Feld zu erhalten.
Inhaltsverzeichnis
1. Einleitung und Problemstellung
2. Stand des Wissens
2.1 Geschichte: Entdeckung des Infrarotbereichs
2.2 Physikalische und chemische Grundlagen
2.3 Instrumentelle Grundlage
2.4 Spektrenauswertung
2.5 4-Phasenmodell
3. Zielsetzung
4. Datenerfassung
4.1 Prüfstand
4.2 Spektrenerfassung
4.3 Datenverknüpfung
4.4 Versuchsreihe
4.5 Ermittlung der Referenzwerte
5. Datenauswertung
5.1 Statistische Analyse
5.2 Möglichkeiten der Modellerstellung
5.3 Probenvarianz und Stichprobengröße
5.4. Probenkalibrierung
5.5 Übertragung der Ballenkalibrierung und Ergebnisbetrachtung
6. Ausblick
Abbildungsverzeichnis
Abb. 1: Schematische Darstellung der möglichen Strahlengänge
Abb. 2: Darstellung der Datenerfassung am Prüfstand
Abb. 3: Darstellung der Chargenabhängigkeit von der DM am Beispiel Weizenstroh
Abb. 4: Chargenabhängigkeit von Rohfaser am Beispiel Weizenstroh
Abb. 5: Chargenabhängigkeit von Rohprotein am Beispiel Weizenstroh
Abb. 6: Gegenüberstellung der DM der verschiedenen Stroharten
Abb. 7: Gegenüberstellung des Trockenmassegehalts und der Luftfeuchte
Abb. 8: Darstellung der erklärenden Faktoren und ihrer Eigenvalues
Abb. 9: Gegenüberstellung der Faktoren 1 und 2 zur Darstellung der Stroharten
Abb. 10: Gegenüberstellung von Faktor 3 und 4 zur Darstellung der Chargen
Abb. 11: Gegenüberstellung von Faktor 2 und 4 zur Darstellung der Temperatur-abhängigkeit
Abb. 12: Gegenüberstellung der Faktoren 1 und 2 zur Darstellung der verschiedenen Überfahrtgeschwindigkeiten
Tabellenverzeichnis:
Tab: 1: Zuordnungstabelle nach COLTHUP (Bechmann und Schmidt, 2000, S.70) 5
Tab: 2: Darstellung der Kalibrierungsparameter der Ballenmessung (ALLE) 25
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
Kurzfassung
Aufgrund der begrenzten landwirtschaftlichen Ackerfläche und aus der Notwenigkeit wirtschaftlich zu arbeiten, wird es immer wichtiger, die Futtererntekette zu optimieren. Entscheidend ist hierbei, die genauen Mengen der Inhaltsstoffe in Futtererntegütern zu kennen, um Lagerverluste zu verringern, tiergerechte und effiziente Fütterung zu fördern und Dünge- und Pflegemaßnahmen zu optimieren.
Um dieses Ziel zu verwirklichen, wurde versucht, einfachere und schnellere Methoden in die Praxis umzusetzen. Die Nahinfrarot-Reflexions-Spektroskopie (NIRS) ist ein Verfahren, welches durch seine Einfachheit und Genauigkeit bevorzugt eingesetzt wird. Ein Sensor erfasst ein spezifisches Spektrum, welches durch intelligente Kalibrierung zur Bestimmung von Qualitätsinhaltsstoffen dient. Bislang wurde die NIRS lediglich im Labor, aber noch nicht vollständig im mobilen Einsatz etabliert, da noch zu wenige Untersuchungen über Störgrößen und ihren Einfluss auf die Qualitätsparameter vorliegen.
Aus diesem Grund wurde am Lehrstuhl für Landtechnik in Weihenstephan ein Prüfstand gebaut, der den mobilen Einsatz des NIRS-Sensors simuliert, um einzelne Störgrößen untersuchen zu können. Aufbauend auf die vorangegangene Diplomarbeit ist die Zielsetzung dieser Bachelorarbeit, Daten zu erfassen und auszuwerten. Aus den gesammelten Daten sollte eine Gerätekalibrierung möglich sein, welche auch im Feld einsetzbar ist. Die Untersuchungen beschränkten sich bei der vorliegenden Arbeit am Prüfstand ausschließlich auf kleine Strohballen aus Weizen und Gerste. Es sollte vor allem der Einfluss der Überfahrtgeschwindigkeit auf die gemessenen Daten überprüft werden, deshalb wurden kontinuierliche und diskontinuierliche Messungen am Einzelballen sowie an der Charge durchgeführt. Besonders galt es zu klären, ob eine Kalibrierung einer Überfahrtgeschwindigkeit auf eine andere Messungsart übertragbar ist und gute Vorhersagen getroffen werden können.
Zu dieser Art von Versuchsaufbau gibt es in der Literatur keine genaueren Untersuchungen. Die neuen Erkenntnisse können somit verwendet werden, um zukünftig Schwachstellen im mobilen Einsatz zu erkennen und zu eliminieren und Qualitätsinformationen in Futtererntegütern bereits direkt auf dem Feld zu erhalten.
Abstract
As a result of the restricted agricultural crop land and the need to work economically it is going to be more and more important to optimize the forage processing. For that purpose, the knowledge of the amount of ingredients helps to reduce the loss while harvesting, to feed stock suitable and efficient as well as to optimize the pest and fertilizer management. This ambition can be reached by using near-infrared-spectroscopy. A sensor, representing specific spectra for the examined material, has to be calibrated to give an answer of the amount of ingredients. Until now NIRS was only used in laboratories, but hasn’t been established for the mobile use in agriculture yet. This is because of too less information about interfering variables, which effect the quantitative measurements.
For that reason a test stand was constructed by the faculty of Agrarsystemtechnik in Weihenstephan to simulate the mobile use of a sensor to investigate the impact of interfering variables. By doing the Bachelor-Thesis, data had to be acquired to calibrate the spectral data and to use the calibration for the mobile tray. The analysis was only made for small square bales of wheat and barley straw. Particularly focused on the impact of speeds to predict the contents, continuously and discontinuously measurements were made on single bales and charges. It had to be clarified if differences within the speeds can be used for calibration and validation of other motions.
There don’t exist publications, which are closer concentrated on this topic. The results of this work could be used to detect and to eliminate entrapments in the mobile use and to get information about quality of ingredients.
1. Einleitung und Problemstellung
Die Nahinfrarot-Spektroskopie ist eine nicht-destruktive Methode und ein nahezu ideales Verfahren, Inhaltsstoffe von verschiedenen Futtererntegütern schnell, einfach und mit geringem Aufwand zu bestimmen. Das System findet besonders bei der Bestimmung von Qualitätsparametern in landwirtschaftlichen Produkten und Futtermitteln seine Anwendung, um diese quantitativ erfassen zu können. Um effizient und ökonomisch zu wirtschaften, ist eine zentrale Aufgabe in der Landwirtschaft, die Grünfutterkette zu optimieren. Es gibt bereits Untersuchungen z. B. von Feuchtemesssystemen in Futtererntemaschinen, bei denen unter anderem auch die NIRS in Betracht gezogen wurde (Kormann, 2001). Durch die NIRS könnten Qualitätsparameter schon bei der Bergung bestimmt und dadurch Einbußen minimiert werden, indem z. B. der richtige Schnittzeitpunkt gewählt wird.
Bislang mussten für die Alternativmethode im Labor mühselig repräsentative Proben gewonnen und analysiert werden, was einen großen Zeit- und Kostenaufwand bedeutete. Die Proben werden dabei meistens chemisch zerstört und gehen unwiederbringlich verloren. Die universelle Integrierbarkeit von NIRS-Sensoren in Prozessketten könnte zur Erfassung und sofortigen Wiedergabe von Qualitätsdaten genutzt werden. Diese Vorteile versuchte Dolud (2006) bei der Entwicklung einer nahinfrarotspektrometrischen Methode zur Analyse von Gülleinhaltsstoffen zu nutzen.
Ein ganz allgemeines Ziel ist es, eine sehr gute Kalibrierung zu erstellen, um eine hohe Güte der Ergebnisse zu erhalten, damit eine Nutzung im Feld ermöglicht wird. Sie soll reproduzierbar, jederzeit wiederholbar und natürlich zuverlässig sein. Mit der Kalibrierung eines Gutes auf seine Inhaltsstoffe sollen neue Daten geschätzt, Abweichungen von Ergebnissen minimiert und die Genauigkeit der Schätzungen erklärt und interpretiert werden können. Zur Verwirklichung dieses Ziels, müssen Untersuchungen gemacht werden, um auftretende Probleme und Einflüsse erkennen und beheben zu können.
2. Stand des Wissens
2.1 Geschichte: Entdeckung des Infrarotbereichs
Die Entdeckung des Infrarotwellenbereichs und somit auch die Nutzung seiner Eigenschaften ist Sir William Herschel zu verdanken, der im Jahre 1800 einen Versuch im Rahmen der Energieverteilung im Sonnenspektrum durchgeführt hatte.
Bei der Zerlegung des Sonnenlichts mit Hilfe eines Prismas fand er ein Temperaturmaximum nicht etwa in einem Wellenbereich der sichtbaren Spektralfarben, sondern jenseits von Rot im unsichtbaren Strahlungsbereich. In weiteren Experimenten stellte er fest, dass auch dieser den Gesetzen der Optik gehorchen sollte und es sich somit um keine neue Strahlungsart handelte. Er benannte den neu entdeckten Wellenbereich als Infrarot. (Günzler und Heise, 1996)
2.2 Physikalische und chemische Grundlagen
Um sich mit der Nahinfrarot-Messtechnik vertraut zu machen, werden im Weiteren wichtige physikalische und chemische Größen und Prinzipen erläutert. Dies dient der allgemeinen Einführung in die Grundlagen der Optik und spiegelt den momentanen Wissensstand im Bereich der Spektrometrie wider.
Größen und Einheiten
Eine zentrale Größe der elektromagnetischen Strahlung ist die Wellenlänge [λ], welche sich im Infrarotbereich charakteristisch für bestimmte Molekülgruppen darstellt. Bei verschieden spezifischen Frequenzen absorbieren Molekülbindungen Lichtenergie, welche zur Schwingung anregt und in Wärme umgewandelt wird. Die Menge an absorbierter Energie ist ein Maß für die Menge an vorhandenen spezifischen Molekülgruppen.
Eine weitere wichtige physikalische Größe ist die Schwingungsfrequenz. Si e wird erklärt als die Anzahl an Schwingungen in einer definierten Zeiteinheit.
Eine dritte wichtige Größe ist die Wellenzahl. Sie ist proportional zur Frequenz und in der NIRS als Einteilungskriterium weit verbreitet. (vgl. COLTHUP-Tab., S. 5)
Frequenz = v = c/λ [s-1]
Lichtgeschwindigkeit (in Luft) = c = 2.99793 1010 [cm s-1]
Wellenzahl = z [cm-1] = v /c
Freiheitsgrade und Schwingungsformen von Molekülen
Die Wellenlänge und die Schwingungsfrequenz werden durch die vorhandene Molekülstruktur beeinflusst. Je nach Größe und Gestalt eines Moleküls können mehrere Translations- und Rotationsbewegungen ausgeführt werden. Ein zweiatomiges Molekül gleicht einem harmonischen Oszillator und gehorcht dem Hookschen Gesetz. (Bechmann und Schmidt; 2000, S.60)
Kraft = F [kg m/s2]
Kraftkonstante = k [kg/s2] F = -k × x
Weg = x [m]
(k ist ein Maß für die Bindungsstärke zwischen zwei Kernen)
Bei Zuführung von geeigneter Energie werden Atome angeregt und fangen mit unterschiedlicher Amplitude an zu schwingen. Es wird von einer Normalschwingung gesprochen, welche sich einfach berechnen lässt. Jedes Atom hat die Möglichkeit, sich in drei Raumrichtungen zu bewegen und besitzt somit drei Translationsfreiheitsgrade. Atome in Molekülverbänden weisen zusätzlich Rotationsfreiheitsgrade als Molekül im Ganzen und Schwingungsfreiheitsgrade im Molekül selbst auf. Unterschieden werden lineare Moleküle mit zwei und gewinkelte mit drei zusätzlichen Freiheitsgraden. Innerhalb der Molekülbindung tragen Valenzschwingungen zu einer Veränderung des Abstandes zwischen zwei Atomen bei. Deformationsschwingungen hingegen bewirken eine Veränderung des Bindungswinkels bei gewinkelten Verbindungen.
- scissoring ( Scheren- bzw. Beugebewegung)
- rocking (Schaukel- bzw. Pendelbewegung)
- wagging (Nick-, Fächel- bzw. Kippbewegung)
- twisting (Torsions- bzw. Drillbewegung)
Die Gestalt eines Moleküls ist maßgebend für eine Infrarot-Aktivität, da nur Dipolmomente mit dieser elektromagnetischen Strahlung interagieren. Homonukleare Verbindungen wie Cl2 oder N2 werden nicht angeregt, sie emittieren keine infrarote Strahlung und werden somit nicht detektiert. (Bechmann und Schmidt, 2000)
Charakteristische Gruppenschwingung
Bei Inhaltsstoffen wie z. B. Proteinen in organischen Substanzen handelt es sich um komplexe Moleküle mit spezifischen Gruppen. Aus der Kombination mehrerer Normalschwingungen treten Kombinationsschwingungen auf, die der Summe bzw. Differenz der ein- oder mehrfachen Frequenzbeträge der Normalschwingung entsprechen. Gleiche Atomgruppen haben spezifische Absorptionsbanden z. B. absorbiert eine OH-Gruppe immer bei einer Wellenzahl von 3700 cm -1 Energie.
Nach Bechmann und Schmidt (2000) treten charakteristische Gruppenschwingungen immer dann auf, wenn
a. sich die Kraftkonstante [k] um mindestens einen Kraftbetrag [F] von 25% von der Kraftkonstante der benachbarten Bindung unterscheidet
und b. sich die Kernmassen der beiden beteiligten Atome in einem Verhältnis von 1:2
oder 2:1 unterscheiden. Beispiel: O – H , C – H usw.
2.3 Instrumentelle Grundlage
Zur Messung elektromagnetischer Strahlung werden in der NIRS Spektrometer eingesetzt, die in der Lage sind, durch ein photometrisches Messprinzip, spektral-photometrische Informationen im Wellenlängenbereich von 800 – 2500 [nm] in elektrische Signale umzuwandeln. Um diesen Vorgang besser verstehen zu können, sollen im nächsten Abschnitt die wichtigsten Messprinzipien erklärt werden.
Transmission: [T]
Die Transmission wird als der Quotient aus Ausgangswellenintensität [ Io ] einer Strahlungsquelle und der, nach Durchdringen eines Hindernisses, nicht absorbierten Strahlung [ I ] , gleichgesetzt. Sie unterliegt dabei dem Lambert Beerschen Gesetz. (Hesse et al., 1984). Dieses ist die Grundlage für quantitative spektrometrische Analysen bei einer bestimmten Wellenlänge und gilt nur für die Transmission.
A = Absorption des Probenmaterials A = ε x c x d
Ipr = reflektierte Lichtmenge der Probe = -log T
Ist = reflektierte Lichtmenge des Standards = Ist / Ipr
ε = Extinktion
c = Konzentration [Mol/l]
d = Schichtdicke [cm]
Als Maß für die „durchgelassene“ Strahlung gilt der Transmissionsgrad, welcher im Bereich zwischen 0 und 1 liegt.
Diffuse Reflexion: [R]
Werden elektromagnetische Wellen oder Schallwellen von Oberflächen zurückgeworfen, wird von einer Reflexion gesprochen. Handelt es sich dabei um raue, inhomogene Strukturen, wird das Licht diffus zurückgestrahlt. Detektiert wird also jene Strahlung, die von der Probe emittiert und nicht absorbiert wurde. (Günzler und Heise, 1996)
Transflexion
Die Transflexion stellt eine Kombination der bereits oben vorgestellten Varianten dar. Gemessen wird die Strahlung, die durch die Probe hindurch dringt, sowie jene, die zurückgeworfen wird. In der folgenden Abbildung sind die möglichen Strahlengänge durch das Probenmaterial schematisch dargestellt (Abb. 1)[1].
Abbildung in dieser Leseprobe nicht enthalten
2.4 Spektrenauswertung
Zur Beurteilung der aufgenommenen Spektren ist es unerlässlich, die zu detektierenden Inhaltsstoffe mit ihren funktionelle Gruppen (Protein, N-H) zu kennen. Zur Orientierung im IR-Spektrum helfen Übersichten und Tabellen, die der Zuordnung charakteristischer Schwingungen dienen. In der nächsten Darstellung wird ein vereinfachter Ausschnitt aus der Zuordnungstabelle von COLTHUP dargestellt.
Tab. 1: Zuordnungstabelle nach COLTHUP (Bechmann und Schmidt, 2000, S.70)
Wellenzahl [z] = reziproker Wert der Wellenlänge [λ]
Abbildung in dieser Leseprobe nicht enthalten
Jeder Inhaltsstoff besteht aus Molekülen, welche sich wiederum aus kleineren Einheiten zusammensetzen. Wird der Aufbau eines Proteins genauer betrachtet, besteht dieses aus Amiden und Aminen, welche als charakteristische Gruppen detektiert werden können. Wie aus der COLTHUP-Tabelle ersichtlich, zeigen Atomgruppen an mehreren Stellen eine charakteristische Gruppenschwingung, deshalb muss bei der Auswertung nie nur eine Anregungswellenzahl betrachtet werden. Fehlt eine charakteristische Gruppenschwingung, ist auch die nachzuweisende Atomgruppe nicht vorhanden. Der Wassergehalt kann z. B. durch die Anwesenheit von Säuren und Alkohole beeinflusst werden. Sie tragen als funktionelle Gruppen OH- und Carboxylgruppen und werden durch NIRS erfasst.
2.5 4-Phasenmodell
Strobl (2005) hat hierzu am Lehrstuhl für Agrarsystemtechnik ein 4-Phasenmodell erarbeitet, auf welches sich im Folgenden bezogen werden soll. Dieses Modell wurde ausgewählt, weil es die einzelnen Teilschritte erfasst und einen Überblick über die bereits erledigten Aufgaben und die zukünftigen Arbeiten zusammenfassend darstellt.
In Phase 1 wurde sich auf statische Versuche unter Laborbedingungen bezogen. Diese Methoden ermitteln nasschemisch bestimmte Parameter und gelten bereits durch ihren jahrelangen Einsatz als abgeschlossen. Daran schloss sich Phase 2 an, welche sich mit der Grundlagenforschung am Prüfstand beschäftigte. Dieser Teil gilt ebenfalls als bereits abgehandelt. Als Ergebnis der zweiten Phase lässt sich festhalten, dass sich Einzeleffekte auf die Spektrenerfassung auswirken und sich somit Phase 3 anschließt. Sie soll sich der „Intelligenten Kalibrierung“ von Spektren widmen und ist zentraler Gegenstand dieser Bachelorarbeit. Nach erfolgreichem Abschluss der dritten Phase beginnt Phase 4, welche schließlich den Feldeinsatz mit vollständiger Integration der Qualitätsdatenerfassung ermöglicht.
3. Zielsetzung
Ziel war es, eine Kalibrierung für einen NIRS-Sensor zu erstellen, die in der Praxis eingesetzt werden kann und zuverlässige Ergebnisse bei der Bestimmung von Inhaltsstoffen im Erntegut liefert. Allerdings ist der Einsatz eines NIRS-Sensors auf dem Feld nicht ohne weiteres möglich, da verschiedene Einflussfaktoren die Messung stören. Störgrößen wie z. B. die Luftfeuchte, Lufttemperatur und Überfahrtgeschwindigkeit wurden bereits in einer vorangegangenen Arbeit untersucht. Als zentraler Punkt wurde in dieser Bachelorarbeit, die Überfahrtgeschwindigkeit und ihre qualitative sowie quantitative Auswirkung auf die spektralen Daten betrachtet.
Durch den speziellen Versuchsaufbau war es möglich im ruhenden, aber auch im dynamischen Zustand des Sensors, Spektraldaten aufzunehmen. Es wurden Messungen am Einzelballen und an der Charge durchgeführt. Der Sensor wurde neben der ruhenden Position, Kontinuierlich-Schnell (KON-SCH), Kontinuierlich-Langsam (KON-LAN) und Diskontinuerlich (DIS) im Stopp-and-Go-Verfahren (SAG) über die Ballen gezogen.
Auf Grund der erhobenen Daten war es möglich, die Spektraldaten mittels der erfassten Referenzwerte der Inhaltsstoffe zu kalibrieren. Bei der Erstellung der Kalibrierung wurden Unterschiede zwischen den Versuchsfahrten und quantitative Einflüsse auf die Versuchsergebnisse untersucht. Außerdem wurde überprüft, ob eine Kalibrierung für eine bestimmte Versuchsfahrt auch gute Ergebnisse für eine andere Einstellung der Versuchsdurchführung lieferte. Die Vorgehensweise der oben genannten Punkte wurde in den Kapiteln Datenerfassung und Datenauswertung genau festgehalten.
4. Datenerfassung
4.1 Prüfstand
Der Prüfstand[2] wurde im Rahmen der vorangegangenen Diplomarbeit konstruiert. Der Messstand ist 10 m lang und verfügt über eine zweidimensionale Positionierung des Schlittens, auf dem sich der Sensor befindet. Die Linearführung dient der Führung entlang des Probenmaterials, die Parallelführung der Einstellung der Höhe, welche beide über eine PC Steuerplatte dirigiert werden können. Die Steuerung des Schlittens, auf dem der Sensor befestigt ist, wird über ein QBasic-Programm ausgeführt. Durch einfache Befehle wie z. B. Vorwärtsfahrt des Schlittens, kann der Sensor über das zu untersuchende Material, gefahren werden.
4.2 Spektrenerfassung
Zur Detektion der elektromagnetischen Strahlung wurde ein Diodenarray-Sensor (Corona 45 NIR) von Fa. Zeiss Jena verwendet. Im Inneren befand sich eine Halogenlampe (10 V, 20 W) als Lichtquelle und zur Spektrenaufnahme ein Diodenarray mit 138 Dioden und vorgeschalteten Polychromator. Die spektrale Auflösung bewegte sich im Bereich von 6 nm pro Diode und deckte einen Wellenlängenbereich von 944 – 1707 nm ab.
Zur Speicherung der Spektraldaten diente die Software Zeiss Aspect Plus, welche die erfassten Daten in Zeiss-Dateiformat abspeicherte und eine Übertragung dieser in das ASCII-Format ermöglichte. Weiterhin konnten Rahmenbedingungen wie Anpressdruck (in z-Richtung) und Geschwindigkeit (in x-Richtung) aktiv gesteuert und als Metadaten erfasst werden.
Nicht steuerbar, aber als weitere Daten zu erfassen waren
- Temperatur [°C]
- Luftfeuchtigkeit [%]
- Probenfarbe,
welche zusätzlich zu den Referenzwerten in die Datenblätter mit eingefügt wurden.
4.3 Datenverknüpfung
Im vorliegenden Versuchsaufbau wurden die Messdaten über Internet an einen Daten verarbeitenden Server geschickt und in einer SQL-Datenbank abgespeichert. Mit einer PHP-Anwendung wurden Metadaten und Referenzwerte mit den Spektren verknüpft. Die gleiche Anwendung ermöglichte auch den Datenexport zur Auswertung und Modellerstellung in den Programmen Statistika und WinISITM (Infrasoft)[3].
4.4 Versuchsreihe
Zur Gewährleistung einer möglichst umfangreichen Darbietung an Testmaterialien wurden Gersten- und Weizenstroh aus verschiedenen Standorten der Versuchsstationen in Form von Hochdruckballen (HD-Ballen) untersucht. (Eine Auflistung der Standorte ist im Anhang vorzufinden.) Insgesamt wurden 11 Chargen (6 Gersten-, 5 Weizenstroh-chargen) mit jeweils 10 Strohballen experimentell in Dürnast am Prüfstand gemessen. Um näheres über die statische und dynamische Messung und ihre Auswirkung auf die Genauigkeit der Messergebnisse herauszufinden, wurden Daten in unterschiedlichen Überfahrtgeschwindigkeiten erhoben. In Abb. 2 wird der systematische Vorgang der Spektrenerfassung im Detail dargestellt.
- Einzelballenmessung (EM): Messung statisch an drei separaten Punkten
- Ballenmessung (B): Messung am Ballen im SAG-Verfahren an drei verschiedenen Messpunkten
- Chargenmessung im SAG-Verfahren: Diskontinuierliche Messung über gesamte Charge
- Chargenmessung kontinuierlich langsam und schnell: Kontinuierliche Messung über gesamte Charge mit den Geschwindigkeiten LAN (0,2 m/s) und SCH (2 m/s)
Abbildung in dieser Leseprobe nicht enthalten
Abb. 2: Darstellung der Datenerfassung am Prüfstand
An einem Tag konnten etwa zwei Chargenmessungen abgewickelt werden. Nach Aufzeichnung der Spektren wurden Proben von den jeweiligen Einzelballen entnommen und Analysen in der LfL als Referenz durchgeführt. Hierzu mussten die Proben durch Zermahlen homogenisiert werden, um repräsentative Ergebnisse zu erhalten.
Besonders von Interesse bei Futtergütern sind die Parameter Trockenmasse-, Protein-, und Fasergehalt, die die Güte festlegen und z. B. Einfluss auf die Fütterungsmenge nehmen können oder den Preis beim Verkauf bestimmen.
Die reine Trockenmasse eines Gutes konnte ganz einfach durch Messung des Gewichtes vor und nach einer Trocknung erfasst werden. Wichtig zu beachten war die sofortige Bestimmung der Trockensubstanz nach der Messung am NIRS, da sich der Wassergehalt des Materials der Umgebungsluft bzw. – feuchte anpasst und das Ergebnis verfälschen könnte.
4.5 Ermittlung der Referenzwerte
Trockensubstanz
Die frisch gemahlenen Strohproben wurden auf ca. 5 g abgewogen und über Nacht bei 80°C im Trockenschrank getrocknet. Nach dem Trocknungsvorgang wurde das Probenmaterial zurück gewogen und aus der Gewichtsdifferenz prozentual auf die Trockenmasse bzw. Feuchte geschlossen. Damit das getrocknete Material keine Umgebungsfeuchte aufnehmen und das Ergebnis verändern konnte, wurden die Proben bis zur Rückwaage in einem Exsikkator[4] aufbewahrt.
Rohprotein
Die Rohproteinanalyse wurde von Laborfachkräften der LfL durchgeführt. Die angewendete Methode erfasste Kjeldahlstickstoff (der an C-Atome gebundene Eiweißstickstoff) und Ammoniumstickstoff in einem Durchgang.
Der Stickstoff wurde in wässriger Lösung mit konzentrierter Schwefelsäure aufgeschlossen und mit einem Katalysator in Ammoniak überführt. Dieser bildete mit der im Überschuss vorhandenen Schwefelsäure Ammoniumsulfat.
Aufschluss
2 NH3 + 2 H+ + SO42--> 2 NH4+ SO42-
Als nächstes wurde durch Zugabe von Natronlauge Ammonium aus der Schwefelsäure bis zur basischen Reaktion ausgetrieben. Durch Destillation konnte nun der Ammoniak in die Vorlage aus 2%iger Borsäure über einen Kühler eingeleitet werden. Das dadurch entstandene Ammoniumborat führte zur Bindung von Wasserstoffionen.
Destillation
H3BO3 + NH4OH -> NH4H2BO3 + H2O
Es folgte eine Titration mit 0,025 molarer Schwefelsäure, die die schwächere Borsäure verdrängte und aus Ammoniumborat in der Vorlage Ammoniumsulfat entstehen ließ.
Titration
2 NH4H2BO3 + H2SO4 -> (NH4)2SO4 + H2BO3
Nach der vollständigen Umwandlung von Ammoniumborat in Ammoniumsulfat, führte die überschüssige Säure zum Farbumschlag des Indikators von apfelgrün nach magenta. Der Verbrauch an Schwefelsäure war der vorhandenen NH3-Menge in der Probe äquivalent.
Rohfaser
Durch die Behandlung des Strohs mit Chemikalien wurden Inhaltsstoffe, die nicht zur Rohfaser gehörten, gelöst und ausgewaschen. Mit Schwefelsäure wurden stärke- und zuckerhaltige Stoffe, mit Kali-Lauge Eiweißstoffe ausgeschieden. Eine Nachbehandlung mit Aceton entfettete die Substanz. Anschließende Veraschung der vorher genau eingewogenen Probe ließ durch wiederum einfaches Zurückwiegen Rückschlüsse auf den Rohfasergehalt zu.
Auch hier musste, wie bei der DM, das Probenmaterial getrocknet und eingewogen werden. In einem dafür vorgesehenem Gerät wurde das Probenmaterial mit 3,125%iger Schwefelsäure gekocht, um alle stärke- und zuckerhaltigen Stoffe zu entfernen. Nachdem die Schwefelsäure abgesaugt und die Proben mit Wasser durchgespült waren, wurde 3,125%ige Kalilauge hinzu gegeben, welche durch Aufkochen alle Eiweißstoffe aus dem Strohmaterial ausschied. Nach weiteren Absaug- und Spülvorgängen wurden die Proben im Extraktor durch Zugabe von Aceton entfettet. Es folgte ein Trocknungsvorgang im Trockenschrank bei ca. 130°C über zwei Stunden. Nach Abkühlen im Exsikkator wurde anschließend zurück gewogen und das Material im Muffelofen über drei Stunden bei 600°C verascht, um alle nichtverdaulichen Stoffe und Mineralien abzutrennen. Nach erneutem Wiegen konnte durch die Gewichtsdifferenz die Rohfaser prozentual erfasst werden.
5. Datenauswertung
Zur ersten Betrachtung der Referenzwerte und der spektralen Aufzeichnungen wurde das Programm Statistika verwendet, welches durch die Universidad Politècnica de Madrid zur Verfügung gestellt wurde. Die verwendeten statistischen Verfahren wurden im Folgenden beschrieben.
5.1 Statistische Analyse
Um erste Zusammenhänge zwischen den Parametern (TM; RP; RF) und den zusätzlich bestimmten Größen Luftfeuchte und Temperatur zu erkennen, wurde die Varianzanalyse als statistische Standardmethode gewählt. Es wurden dabei Unterschiede zwischen den Chargen in den ermittelten Referenzwerten überprüft. Sie diente dazu, sich einen ersten Überblick über die vorhandenen Wechselbeziehungen zu verschaffen. Insgesamt wurden alle 110 Referenzwertanalysen mit ANOVA ausgewertet.
ANOVA
Die Varianzanalyse dient dazu, Daten zu analysieren, Muster aufzudecken und die Varianz einer metrischen Zufallsvariable durch den Einfluss einer oder mehrerer Gruppenvariablen zu erklären. Mit Hilfe des F-Tests wird die Varianz innerhalb einer Gruppe mit der Varianz zwischen einzelnen Gruppen gegen eine Nullhypothese getestet. Ist die Varianz innerhalb der Gruppe größer als zwischen den Gruppen, wird von einem signifikanten Unterschied gesprochen, was wiederum bedeutet, dass die Gruppen unterschiedlichen Gesetzmäßigkeiten unterliegen. Ist dies der Fall, gilt die Alternativhypothese. Sind keine Unterschiede zwischen den analysierten Gruppen vorhanden, trifft die Nullhypothese zu.
Die abhängige Variable (dependent) enthält Messwerte (z. B. TM, RP, RF), mit deren Hilfe der Einfluss einer unabhängigen Variable (= Faktorstufe) überprüft werden soll. Je umfangreicher die Population ist, desto zuverlässiger sind die Ergebnisse.[5]
[...]
[1] Abb.1, selbst angefertigte Darstellung
[2] LTW 10 linear
[3] WinISI-Seminar zur NIR-Spektroskopie bei landwirtschaftlichen Erntegütern. Gesell-schaft für Hopfenforschung e.V., Hüll 5 1/3, 85283 Wolznach
[4] Laborstandardgerät zur Aufbewahrung von Proben (Entzug von Sauerstoff und Luftfeuchte)
[5] Prof., Dr. Dempfle; Vorlesung: Statistik, Weihenstephan 2006
-
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen. -
Laden Sie Ihre eigenen Arbeiten hoch! Geld verdienen und iPhone X gewinnen.