我们都知道配方师手中有“两把剑”，一把饲养标准：不同阶段、不同状况下奶牛的营养需要的相关信息；一把是原料养分含量：原料的检测值。根据这些信息设计出精准的日粮配方。我们知道营养需要的信息，比如品种、胎次，泌乳天数等都会在固定的参数下有固定的营养需要，变化的是日粮中的原料，日粮原料营养成分的准确性是精准营养实施的关键。
饲料营养成分分析是了解其营养成分的最直接手段。目前化学分析仍然是最主要的手段，近红外快速分析技术逐渐崭露头角。近红外光谱分析技术已经非常成熟稳定，这个毋庸置疑，各种近红外分析仪也层出不穷，但制约其快速应用的庞大的数据库建设，在选择NIR时建议选择具有庞大数据库的供应商，并且结合当地情况不断扩充NIR数据库。
下面以长春博瑞研发中心为例，谈谈数据库建设。
第一步是样品的收集：我们首先会给各个省区技术服务人员下发需要的样品名称和数量，采样方式和采样量、包装、邮寄标准等；这样每个月都会有不同地区的饲料样品补充到数据库中，这样的样品收集一直在持续，保证数据库样品的代表性；很多样品的某些成分会随着时间或环境变化而发生改变，如对于最常见的水分含量就受环境的温湿度影响。所以要求建模过程尽量保证实时性，即将扫描与化学分析同步进行，一些常见的积攒样品集中建模的方法并不科学。
第二步是样品光谱的采集：不同的光谱仪建库要求不同，我们同时开展两种近红外仪器的数据库建立，一种便携式直接对未处理样品采集光谱，另一种台式光谱仪需要（鲜样烘干）粉碎后采集光谱，之后进行化学检测，这里强调的是在建立数据库之初，最好养成统一命名的习惯以便后续查询。
第三步是化学分析：对于用户来说，这一环节是建模过程中最重要的一步。因为化学结果是近红外检测的数据基础，所以化学结果的精度直接决定近红外的精度，从过去的经验来讲，可以采取以下措施控制化学值：1、建模样品的化学值要尽量来自于同一个化验室，如果必须使用多家实验室的结果，也要使用统一标准后的检验结果，也就是消除实验室间的系统误差。2、 实验室的平行试验结果应当满足国家标准，如果结果不好，需要进行多次检验以验证结果。但这并不足以保证检测结果的准确性，一定要做到不同的检验人员进行盲双试样检测的重复性精度也达到要求，如果不满足，则最好选用有经验的化验人员独立检验为仪器提供建模基础数据。3、为了减少建模的工作量，可以使用初步的模型对样品进行粗选，然后选取代表性强且梯度含量好的样品进一步做化学法检测。 我们这里每种成分的检测方法都是采用国标法，同时保证平行结果的差异在国标允许范围内，目前研发中心采用专人专项检测，每个人在负责个固定指标的检测，减少人为因素的影响，保证结果的稳定性，另外定期与国内外检测机构通过邮寄盲样对标，保证每项指标检测误差在允许范围内。
第四步是模型的制作：将测量的光谱和基础数据，用适当的化学计量方法建立校正模型，首先是光谱预处理和波段的选择，对光谱进行平滑处理和基线校正，以及光谱波长范围的优化。目前常用的化学计量学方法有多元线性回归、主成分分析、主成分回归、偏最小二乘法、拓扑学方法和人工神经网络方法等。当然前面几步做好后，这一步会相对轻松些，利用定标软件可以完成复杂的筛选和计算工作。
好的曲线需要不断维护：增加新的样品以提高适用度。但不需要特别添加普通数据，要添加的样品应该是影响模型精度的样品，比如超出扫描范围的结果，只需要养成将日常比对的有标准化学值的样品加入数据库即可。
