Animal feeding stuffs, cereals and milled cereal products -- Guidelines for the application of near infrared spectrometry

ISO 12099:2017 gives guidelines for the determination by near infrared spectroscopy of constituents such as moisture, fat, protein, starch and crude fibre and parameters such as digestibility in animal feeding stuffs, cereals and milled cereal products. The determinations are based on spectrometric measurement in the near infrared spectral region.

Aliments des animaux, céréales et produits de mouture des céréales -- Lignes directrices pour l'application de la spectrométrie dans le proche infrarouge

ISO 12099:2017 fournit des lignes directrices pour la détermination par spectrométrie dans le proche infrarouge de constituants tels que l'eau, les matičres grasses, les protéines, l'amidon et la cellulose brute, et des paramčtres tels que la digestibilité des aliments pour animaux, des céréales et des produits de mouture des céréales. Les déterminations sont basées sur des mesurages spectrométriques dans le domaine spectral du proche infrarouge.

General Information

Status
Published
Publication Date
09-Aug-2017
Current Stage
6060 - International Standard published
Start Date
14-Jun-2017
Completion Date
10-Aug-2017
Ref Project

RELATIONS

Buy Standard

Standard
ISO 12099:2017 - Animal feeding stuffs, cereals and milled cereal products -- Guidelines for the application of near infrared spectrometry
English language
28 pages
sale 15% off
Preview
sale 15% off
Preview
Standard
ISO 12099:2017 - Aliments des animaux, céréales et produits de mouture des céréales -- Lignes directrices pour l'application de la spectrométrie dans le proche infrarouge
French language
29 pages
sale 15% off
Preview
sale 15% off
Preview

Standards Content (sample)

INTERNATIONAL ISO
STANDARD 12099
Second edition
2017-08
Animal feeding stuffs, cereals and
milled cereal products — Guidelines
for the application of near infrared
spectrometry
Aliments des animaux, céréales et produits de mouture des céréales —
Lignes directrices pour l’application de la spectrométrie dans le
proche infrarouge
Reference number
ISO 12099:2017(E)
ISO 2017
---------------------- Page: 1 ----------------------
ISO 12099:2017(E)
COPYRIGHT PROTECTED DOCUMENT
© ISO 2017, Published in Switzerland

All rights reserved. Unless otherwise specified, no part of this publication may be reproduced or utilized otherwise in any form

or by any means, electronic or mechanical, including photocopying, or posting on the internet or an intranet, without prior

written permission. Permission can be requested from either ISO at the address below or ISO’s member body in the country of

the requester.
ISO copyright office
Ch. de Blandonnet 8 • CP 401
CH-1214 Vernier, Geneva, Switzerland
Tel. +41 22 749 01 11
Fax +41 22 749 09 47
copyright@iso.org
www.iso.org
ii © ISO 2017 – All rights reserved
---------------------- Page: 2 ----------------------
ISO 12099:2017(E)
Contents Page

Foreword ........................................................................................................................................................................................................................................iv

Introduction ..................................................................................................................................................................................................................................v

1 Scope ................................................................................................................................................................................................................................. 1

2 Normative references ...................................................................................................................................................................................... 1

3 Terms and definitions ..................................................................................................................................................................................... 1

4 Principle ........................................................................................................................................................................................................................ 2

5 Apparatus ..................................................................................................................................................................................................................... 2

6 Calibration and initial validation ........................................................................................................................................................ 2

6.1 General ........................................................................................................................................................................................................... 2

6.2 Reference methods .............................................................................................................................................................................. 3

6.3 Outliers .......................................................................................................................................................................................................... 3

6.4 Validation of calibration models .............................................................................................................................................. 3

6.4.1 General...................................................................................................................................................................................... 3

6.4.2 Bias correction ................................................................................................................................................................... 4

6.4.3 Slope adjustment ............................................................................................................................................................. 4

6.4.4 Expansion of calibration set ................................................................................................................................... 4

6.5 Changes in measuring and instrument conditions .................................................................................................. 4

7 Statistics for performance measurement ................................................................................................................................... 5

7.1 General ........................................................................................................................................................................................................... 5

7.2 Plot the results ........................................................................................................................................................................................ 5

7.3 Bias .................................................................................................................................................................................................................... 6

7.4 Root mean square error of prediction (s ) ......................................................................................................... 8

RMSEP

7.5 Standard error of prediction (s ) ....................................................................................................................................... 8

SEP

7.6 Slope ..............................................................................................................................................................................................................10

8 Sampling .....................................................................................................................................................................................................................12

9 Procedure..................................................................................................................................................................................................................12

9.1 Preparation of test sample .........................................................................................................................................................12

9.2 Measurement .........................................................................................................................................................................................12

9.3 Evaluation of result ..........................................................................................................................................................................12

10 Checking instrument stability .............................................................................................................................................................13

10.1 Control sample .....................................................................................................................................................................................13

10.2 Instrument diagnostics .................................................................................................................................................................13

10.3 Instruments in a network ...........................................................................................................................................................13

11 Running performance check of calibration ...........................................................................................................................13

11.1 General ........................................................................................................................................................................................................13

11.2 Control charts using the difference between reference and NIR results ...........................................14

12 Precision and accuracy ...............................................................................................................................................................................15

12.1 Repeatability ..........................................................................................................................................................................................15

12.2 Reproducibility ....................................................................................................................................................................................15

12.3 Accuracy .....................................................................................................................................................................................................15

12.4 Uncertainty ..............................................................................................................................................................................................15

13 Test report ................................................................................................................................................................................................................15

Annex A (informative) Guidelines for specific NIR standards .................................................................................................16

Annex B (informative) Examples of outliers and control charts ..........................................................................................17

Annex C (informative) Supplementary terms and definitions ................................................................................................23

Bibliography .............................................................................................................................................................................................................................28

© ISO 2017 – All rights reserved iii
---------------------- Page: 3 ----------------------
ISO 12099:2017(E)
Foreword

ISO (the International Organization for Standardization) is a worldwide federation of national standards

bodies (ISO member bodies). The work of preparing International Standards is normally carried out

through ISO technical committees. Each member body interested in a subject for which a technical

committee has been established has the right to be represented on that committee. International

organizations, governmental and non-governmental, in liaison with ISO, also take part in the work.

ISO collaborates closely with the International Electrotechnical Commission (IEC) on all matters of

electrotechnical standardization.

The procedures used to develop this document and those intended for its further maintenance are

described in the ISO/IEC Directives, Part 1. In particular the different approval criteria needed for the

different types of ISO documents should be noted. This document was drafted in accordance with the

editorial rules of the ISO/IEC Directives, Part 2 (see www .iso .org/ directives).

Attention is drawn to the possibility that some of the elements of this document may be the subject of

patent rights. ISO shall not be held responsible for identifying any or all such patent rights. Details of

any patent rights identified during the development of the document will be in the Introduction and/or

on the ISO list of patent declarations received (see www .iso .org/ patents).

Any trade name used in this document is information given for the convenience of users and does not

constitute an endorsement.

For an explanation on the voluntary nature of standards, the meaning of ISO specific terms and

expressions related to conformity assessment, as well as information about ISO’s adherence to the

World Trade Organization (WTO) principles in the Technical Barriers to Trade (TBT) see the following

URL: w w w . i s o .org/ iso/ foreword .html.

This document was prepared by Technical Committee ISO/TC 34, Food products, Subcommittee SC 10,

Animal feeding stuffs.

This second edition cancels and replaces the first edition (ISO 12099:2010), which has been technically

revised.
iv © ISO 2017 – All rights reserved
---------------------- Page: 4 ----------------------
ISO 12099:2017(E)
Introduction

This document has been drafted using, as a basis, ISO 21543 | IDF 201, which was prepared by Technical

Committee ISO/TC 34, Food products, Subcommittee SC 5, Milk and milk products, and the International

Dairy Federation (IDF).
© ISO 2017 – All rights reserved v
---------------------- Page: 5 ----------------------
INTERNATIONAL STANDARD ISO 12099:2017(E)
Animal feeding stuffs, cereals and milled cereal
products — Guidelines for the application of near infrared
spectrometry
1 Scope

This document gives guidelines for the determination by near infrared spectroscopy of constituents

such as moisture, fat, protein, starch and crude fibre and parameters such as digestibility in animal

feeding stuffs, cereals and milled cereal products.

The determinations are based on spectrometric measurement in the near infrared spectral region.

2 Normative references
There are no normative references in this document.
3 Terms and definitions
For the purposes of this document, the following terms and definitions apply.

ISO and IEC maintain terminological databases for use in standardization at the following addresses:

— IEC Electropedia: available at http:// www .electropedia .org/
— ISO Online browsing platform: available at http:// www .iso .org/ obp
3.1
near infrared instrument
NIR instrument

apparatus which, when used under the conditions defined in this document, predicts constituent

contents (3.3) and technological parameters (3.4) in animal feeding stuffs (3.2), cereals and milled cereal

products through relationships to absorptions in the near infrared range
3.2
animal feeding stuffs

substance or product, including additives, whether processed, partially processed or unprocessed,

intended to be used for oral feeding to animals

EXAMPLE Raw materials, fodder, meat and bone meal, mixed feed and other end products, pet food, etc.

3.3
constituent content

mass fraction of substances determined using the appropriate, standardized or validated chemical

method
Note 1 to entry: The mass fraction is often expressed as a percentage.

Note 2 to entry: For examples of appropriate methods, see References [1] to [12].

EXAMPLE Moisture, fat, protein, crude fibre, neutral detergent fibre and acid detergent fibre.

© ISO 2017 – All rights reserved 1
---------------------- Page: 6 ----------------------
ISO 12099:2017(E)
3.4
technological parameter

property or functionality of animal feeding stuffs (3.2), cereals and milled cereal products that can be

determined using the appropriate, standardized or validated method(s)

Note 1 to entry: It is possible to develop and validate NIR methods for other parameters and sample types than

listed above, as long as the procedure from this document is observed. The measuring units of the parameters

determined follow the units used in the reference methods.
EXAMPLE Digestibility.
4 Principle

Spectral data in the near infrared region are collected and transformed to constituent or parameter

concentrations by calibration models developed on representative samples of the products concerned.

5 Apparatus
5.1 Near infrared instruments.

Instruments based on diffuse reflectance or transmittance measurement covering the near infrared

−1 −1

wavelength region of 770 nm to 2 500 nm (12 900 cm to 4 000 cm ) or segments of this or at selected

wavelengths or wavenumbers. The optical principle may be dispersive (e.g. grating monochromators),

interferometric or non-thermal (e.g. light emitting diodes, laser diodes and lasers). The instrument

should be provided with a diagnostic test system for testing photometric noise and reproducibility,

wavelength/wavenumber accuracy and wavelength/wavenumber precision (for scanning
spectrophotometers).

The instrument should measure a sufficiently large sample volume or surface to eliminate any

significant influence of inhomogeneity derived from chemical composition or physical properties of

the test sample. The sample path length (sample thickness) in transmittance measurements should

be optimized according to the manufacturer’s recommendation with respect to signal intensity for

obtaining linearity and maximum signal/noise ratio.

5.2 Appropriate milling or grinding device, for preparing the sample (if needed).

NOTE Changes in grinding or milling conditions can influence NIR measurements due, for example, to

heating which can drive off volatile components such as water.
6 Calibration and initial validation
6.1 General

The instrument shall be calibrated before use. Calibration involves the comparison with a reference

and adjustment processes to the instrument. Because a number of different calibration systems can be

applied with NIR instruments, no specific procedure can be given for calibration.

For an explanation of methods for calibration development, see Reference [16] and the respective

manufacturer’s manual. For the validation, it is important to have a sufficient number of representative

samples, covering variations such as the following:
a) combinations and composition ranges of major and minor sample components;

b) seasonal, geographic and genetic effects on forages, feed raw material and cereals;

c) processing techniques and conditions;
d) storage conditions;
2 © ISO 2017 – All rights reserved
---------------------- Page: 7 ----------------------
ISO 12099:2017(E)
e) sample and instrument temperature;
f) instrument variations (i.e. differences between instruments).
NOTE For a solid validation, at least 20 samples are needed.
6.2 Reference methods

Internationally accepted reference methods for determination of moisture, fat, protein and other

constituents and parameters should be used. See References [1] to [12] for examples.

The reference method used for calibration should be in statistical control. It is essential to know the

precision of the reference method.

Where possible, references that provide measurement traceability to the SI (International system of

units), such as certified reference materials, should be used.
6.3 Outliers

In many situations, statistical outliers are observed during calibration and validation. Outliers may be

related to NIR data (spectral outliers, hereafter referred to as “x-outliers”) or errors in reference data

or samples with a different relationship between reference data and NIR data (hereafter referred to as

“y-outliers”); see Figures B.1 to B.5 for examples.

For the purpose of validation, samples are not to be regarded as outliers if they fulfil the following

conditions:

a) if they are within the working range of the constituents/parameters in the calibration(s);

b) if they are within the spectral variation of the calibration samples, as, for example, estimated by

Mahalanobis distance;
c) if the spectral residual is below a limit defined by the calibration process;

d) if the prediction residual is below a limit defined by the calibration process.

If a sample appears as an outlier, then it should be checked initially to see if it is an x-outlier. If it exceeds

the x-outlier limits defined for the calibration, it should be removed. If it is not an x-outlier, then both

the reference value and the NIR predicted value should be checked, e.g. by repeated measurements. If

these confirm the original values, then the sample should not be deleted and the validation statistics

should include this sample. If the repeat values show that either the original reference values or the NIR

predicted ones were in error, then the new values should be used.
6.4 Validation of calibration models
6.4.1 General

Before use, calibration equations shall be validated locally on an independent test set that is

representative of the sample population to be analysed. For the determination of bias, slope and for the

determination of standard error of prediction (SEP, see 7.5), at least 20 samples are needed. Validation

shall be carried out for each sample type, constituent/parameter, temperature and other factors known

to affect or expected to have an effect the measurement. The calibration is valid only for the variations,

i.e. sample types, range and temperature, used in the validation.

NOTE 1 Calibration models can only be used in the range they have been validated.

Results obtained on the independent test set are plotted, reference against NIR, and residuals against

reference results, to give a visual impression of the performance of the calibration. The SEP is calculated

(see 7.5) and the residual plot of data corrected for mean systematic error (bias) is examined for

outliers, i.e. samples with a residual exceeding ±3 s .
SEP
© ISO 2017 – All rights reserved 3
---------------------- Page: 8 ----------------------
ISO 12099:2017(E)

If the validation process shows that the model cannot produce acceptable statistics, then it should not

be used.

NOTE 2 What will be acceptable will depend, for example, on the performance of the reference method, the

covered range, the purpose of the analysis, etc., and is up to the parties involved to decide.

Where available and suitable, reference materials or certified reference materials can be used as part of

validation of calibration models.

The next step is to fit NIR, y , and reference data, y , by linear regression (y = a + b × y ) to

NIRS ref ref NIRS
produce statistics that describe the validation results.
6.4.2 Bias correction

The data are also examined for a bias between the methods. If the difference between means of the

NIR predicted and reference values is significantly different from zero, then this indicates that the

calibration is biased. A bias may be removed by adjusting the constant term (see 7.3) in the calibration

equation.
6.4.3 Slope adjustment
If the slope, b, is significantly different from 1, the calibration is skewed.

Adjusting the slope/intercept of the calibration is generally not recommended unless the calibration

is applied to new types of samples or instruments. If a reinvestigation of the calibration does not

detect outliers, especially outliers with high leverage, it is preferable to expand the calibration set to

include more samples. However, if the slope is adjusted, the calibration should then be tested on a new

independent test set.
6.4.4 Expansion of calibration set

If the accuracy of the calibration does not meet expectations, the calibration set should be expanded

to include more samples or a new calibration should be made. In all cases when a new calibration

is developed on an expanded calibration set, the validation process should be repeated on a new

validation set. If necessary, expansion of the calibration set should be repeated until acceptable results

are obtained on a validation set.
6.5 Changes in measuring and instrument conditions

Unless additional calibration is performed, a local validation of a NIR method stating the accuracy of

the method can generally not be considered valid if the test conditions are changed.

For example, calibrations developed for a certain population of samples may not be valid for samples

outside this population, although the analyte concentration range is unchanged. A calibration developed

on grass silages from one area may not give the same accuracy on silages from another area if the

genetic, growing and processing parameters are different.

Changes in the sample presentation technique or the measuring conditions, e.g. temperature, not

included in the calibration set may also influence the analytical results.

Calibrations developed on a certain instrument cannot always be transferred directly to an identical

instrument operating under the same principle. It may be necessary to perform bias or slope /

intercept adjustments to calibration equations. In many cases, it will be necessary to standardize

[16]

the two instruments against each other before calibration equations can be transferred .

Standardization procedures can be used to transfer calibrations between instruments of different

types provided that samples are measured in the same way (reflectance, transmittance) and that the

spectral region is common.
If the conditions are changed, a supplementary validation should be performed.
4 © ISO 2017 – All rights reserved
---------------------- Page: 9 ----------------------
ISO 12099:2017(E)

The calibrations should be checked whenever any major part of the instrument (optical system,

detector) has been changed or repaired.
7 Statistics for performance measurement
7.1 General

The performances of a prediction model shall be determined by a set of validation samples. This set

consists of samples which are independent of the calibration set. In a plant, it will be new batches; in

agriculture, it will be a new crop or a new experiment location.

This set of samples shall be carefully analysed following the reference methods. The care to analyse

validation samples shall be emphasized and the precision of these results is more important for the

validation set than for the samples used at the calibration phase.

The number of validation samples shall be at least 20 to compute the statistics with some confidence.

The NIR protocol used for the determination of the performances of the prediction model shall be the

same as that used in routine (one measurement or two measurements).
7.2 Plot the results

It is important to visualize the results in plots, i.e. reference vs. predicted values or residuals vs.

predicted values.
The residuals are defined by Formula (1):
ey=− y (1)
ii i
where
y is the i reference value (y );
i ref
is the i predicted value (y ) obtained when applying the multivariate NIR model.
NIRS

The way the differences are calculated will give a negative bias when the predictions are too high and a

positive one when the predictions are too low compared to the reference values.

A plot of the data immediately gives an overview of the correlation, the bias, the slope and the presence

of obvious outliers (see Figure 1).
© ISO 2017 – All rights reserved 5
---------------------- Page: 10 ----------------------
ISO 12099:2017(E)
Key
1 45° line (ideal line with bias = 0 and slope = 1) X Y
NIRS
2 (45° − bias) line Y Y
ref
3 linear regression line
4 outliers
5 bias

NOTE The outliers (key 4) have a strong influence on the calculation of the slope and should be removed if

the results are to be used for adjustments.
Figure 1 — Scatter plot for a validation set, y = f(a + b × y )
ref NIRS
7.3 Bias

Most of the time, a bias or systematic error is observed with NIR models. Bias can occur due to several

causes: new samples of a type not previously seen by the model, drift of the instrument, drift in wet

chemistry, changes in the process, in the sample preparation, etc.

With n, the number of independent samples, the bias (or offset) is the mean difference and can be

defined by Formula (2):
e= e (2)
∑ i
i=1
where e is the residual as defined by Formula (1) resulting in Formula (3):
n n
 
 
e =−yy =−yy (3)
∑∑i i
 
i==11i
 
6 © ISO 2017 – All rights reserved
---------------------- Page: 11 ----------------------
ISO 12099:2017(E)
where
y is the i reference value;
ˆ th
y is the i predicted value;
y is the mean of the reference values;
y is the mean of the predicted values.

The significance of the bias is checked by a t test. The calculation of the bias confidence limits (BCLs),

T , determines the limits for accepting or rejecting formula performance on the small set of samples

chosen from the new population; see Formula (4):
 
Tt=± sn/ (4)
b (/12−α ) SEP
 
where
α is the probability of making a type I error;

t is the appropriate student’s t value for a two-tailed test with degrees of freedom associated

with s and the selected probability of a type I error;
SEP
n is the number of independent samples;
s is the standard error of prediction (defined in 7.5).
SEP
As an example, with n = 20, and s = 1, the BCLs are as in Formula (5):
SEP
T =± 20,/91× 20 =±04, 8 (5)

This means that the bias tested with 20 samples shall be higher than 48 % of the standard error of

prediction to be considered as different from zero.
Table 1 — Values of the t distribution with a probability α = 0,05 (5 %)
n t values n t values
10 2,23 75 1,99
15 2,13 100 1,98
20 2,09 200 1,97
30 2,04 500 1,96
40 2,02 1000 1,96
50 2,01 — —
NOTE The Excel function “TINV” can be used.
Excel is the trade name of a product supplied by Microsoft. This
information is given for the convenience of users of this document and does
not constitute an endorsement by ISO of the product named. Equivalent
products may be used if they can be shown to lead to the same results.
© ISO 2017 – All rights reserved 7
---------------------- Page: 12 ----------------------
ISO 12099:2017(E)
7.4 Root mean square error of prediction (s )
RMSEP
The s is defined by Formula (6):
RMSEP
∑ i
i=1
s = (6)
RMSEP
where
e is the residual of the i sample;
n is the number of independent samples.
This value can be compared with s and s (see Annex C).
SEC SECV

S includes the random error (s ) and the systematic error (bias). It includes also the error of the

RMSEP SEP
reference methods (as do s and s ); see Formula (7):
SEC
...

NORME ISO
INTERNATIONALE 12099
Deuxième édition
2017-08
Aliments des animaux, céréales et
produits de mouture des céréales —
Lignes directrices pour l’application
de la spectrométrie dans le proche
infrarouge
Animal feeding stuffs, cereals and milled cereal products — Guidelines
for the application of near infrared spectrometry
Numéro de référence
ISO 12099:2017(F)
ISO 2017
---------------------- Page: 1 ----------------------
ISO 12099:2017(F)
DOCUMENT PROTÉGÉ PAR COPYRIGHT
© ISO 2017, Publié en Suisse

Droits de reproduction réservés. Sauf indication contraire, aucune partie de cette publication ne peut être reproduite ni utilisée

sous quelque forme que ce soit et par aucun procédé, électronique ou mécanique, y compris la photocopie, l’affichage sur

l’internet ou sur un Intranet, sans autorisation écrite préalable. Les demandes d’autorisation peuvent être adressées à l’ISO à

l’adresse ci-après ou au comité membre de l’ISO dans le pays du demandeur.
ISO copyright office
Ch. de Blandonnet 8 • CP 401
CH-1214 Vernier, Geneva, Switzerland
Tel. +41 22 749 01 11
Fax +41 22 749 09 47
copyright@iso.org
www.iso.org
ii © ISO 2017 – Tous droits réservés
---------------------- Page: 2 ----------------------
ISO 12099:2017(F)
Sommaire Page

Avant-propos ..............................................................................................................................................................................................................................iv

Introduction ..................................................................................................................................................................................................................................v

1 Domaine d’application ................................................................................................................................................................................... 1

2 Références normatives ................................................................................................................................................................................... 1

3 Termes et définitions ....................................................................................................................................................................................... 1

4 Principe .......................................................................................................................................................................................................................... 2

5 Appareillage .............................................................................................................................................................................................................. 2

6 Étalonnage et validation initiale .......................................................................................................................................................... 2

6.1 Généralités .................................................................................................................................................................................................. 2

6.2 Méthodes de référence ..................................................................................................................................................................... 3

6.3 Valeurs aberrantes ............................................................................................................................................................................... 3

6.4 Validation des modèles d’étalonnage .................................................................................................................................. 4

6.4.1 Généralités ............................................................................................................................................................................ 4

6.4.2 Correction du biais ......................................................................................................................................................... 4

6.4.3 Ajustement de la pente ............................................................................................................................................... 4

6.4.4 Élargissement de l’ensemble d’étalonnage ............................................................................................... 4

6.5 Changements des conditions de mesurage et d’utilisation des appareils ........................................... 5

7 Statistiques pour le mesurage des performances ............................................................................................................. 5

7.1 Généralités .................................................................................................................................................................................................. 5

7.2 Représentation graphique des résultats ........................................................................................................................... 5

7.3 Biais .................................................................................................................................................................................................................. 7

7.4 Erreur quadratique moyenne de prédiction (s ) ........................................................................................... 8

RMSEP

7.5 Erreur-type de prédiction (s ) ............................................................................................................................................. 9

SEP

7.6 Pente .............................................................................................................................................................................................................10

8 Échantillonnage ..................................................................................................................................................................................................12

9 Mode opératoire.................................................................................................................................................................................................12

9.1 Préparation de l’échantillon pour essai ..........................................................................................................................12

9.2 Mesurage ...................................................................................................................................................................................................12

9.3 Évaluation des résultats ...............................................................................................................................................................12

10 Vérification de la stabilité de l’appareil ....................................................................................................................................13

10.1 Échantillon de contrôle .................................................................................................................................................................13

10.2 Diagnostic des appareils ..............................................................................................................................................................13

10.3 Appareils en réseau..........................................................................................................................................................................13

11 Contrôle de performance de l’étalonnage ...............................................................................................................................13

11.1 Généralités ...............................................................................................................................................................................................13

11.2 Cartes de contrôle utilisant la différence entre résultats de référence et résultats NIR ......14

12 Fidélité et exactitude .....................................................................................................................................................................................15

12.1 Répétabilité .............................................................................................................................................................................................15

12.2 Reproductibilité ..................................................................................................................................................................................15

12.3 Exactitude .................................................................................................................................................................................................15

12.4 Incertitude ...............................................................................................................................................................................................15

13 Rapport d’essai ....................................................................................................................................................................................................16

Annexe A (informative) Lignes directrices pour des normes NIR spécifiques .......................................................17

Annexe B (informative) Exemple de valeurs aberrantes et de cartes de contrôle .............................................18

Annexe C (informative) Termes et définitions supplémentaires .........................................................................................24

Bibliographie ...........................................................................................................................................................................................................................29

© ISO 2017 – Tous droits réservés iii
---------------------- Page: 3 ----------------------
ISO 12099:2017(F)
Avant-propos

L’ISO (Organisation internationale de normalisation) est une fédération mondiale d’organismes

nationaux de normalisation (comités membres de l’ISO). L’élaboration des Normes internationales est

en général confiée aux comités techniques de l’ISO. Chaque comité membre intéressé par une étude

a le droit de faire partie du comité technique créé à cet effet. Les organisations internationales,

gouvernementales et non gouvernementales, en liaison avec l’ISO participent également aux travaux.

L’ISO collabore étroitement avec la Commission électrotechnique internationale (IEC) en ce qui

concerne la normalisation électrotechnique.

Les procédures utilisées pour élaborer le présent document et celles destinées à sa mise à jour sont

décrites dans les Directives ISO/IEC, Partie 1. Il convient, en particulier de prendre note des différents

critères d’approbation requis pour les différents types de documents ISO. Le présent document a été

rédigé conformément aux règles de rédaction données dans les Directives ISO/IEC, Partie 2 (voir www

.iso .org/ directives).

L’attention est appelée sur le fait que certains des éléments du présent document peuvent faire l’objet de

droits de propriété intellectuelle ou de droits analogues. L’ISO ne saurait être tenue pour responsable

de ne pas avoir identifié de tels droits de propriété et averti de leur existence. Les détails concernant

les références aux droits de propriété intellectuelle ou autres droits analogues identifiés lors de

l’élaboration du document sont indiqués dans l’Introduction et/ou dans la liste des déclarations de

brevets reçues par l’ISO (voir www .iso .org/ brevets).

Les appellations commerciales éventuellement mentionnées dans le présent document sont données

pour information, par souci de commodité, à l’intention des utilisateurs et ne sauraient constituer un

engagement.

Pour une explication de la nature volontaire des normes, la signification des termes et expressions

spécifiques de l’ISO liés à l’évaluation de la conformité, ou pour toute information au sujet de l’adhésion

de l’ISO aux principes de l’Organisation mondiale du commerce (OMC) concernant les obstacles

techniques au commerce (OTC), voir le lien suivant: w w w . i s o .org/ iso/ fr/ avant -propos .html.

Le présent document a été élaboré par le comité technique ISO/TC 34, Produits alimentaires, sous-

comité SC 10, Aliments des animaux.

Cette deuxième édition annule et remplace la première édition (ISO 12099:2010), qui a fait l’objet d’une

révision technique.
iv © ISO 2017 – Tous droits réservés
---------------------- Page: 4 ----------------------
ISO 12099:2017(F)
Introduction

Le présent document a été rédigé en se basant sur l’ISO 21543 | FIL 201, qui a été élaborée par le comité

technique ISO/TC 34, Produits alimentaires, sous-comité SC 5, Lait et produits laitiers, et par la Fédération

internationale de laiterie (FIL).
© ISO 2017 – Tous droits réservés v
---------------------- Page: 5 ----------------------
NORME INTERNATIONALE ISO 12099:2017(F)
Aliments des animaux, céréales et produits de mouture
des céréales — Lignes directrices pour l’application de la
spectrométrie dans le proche infrarouge
1 Domaine d’application

Le présent document fournit des lignes directrices pour la détermination par spectrométrie dans

le proche infrarouge de constituants tels que l’eau, les matières grasses, les protéines, l’amidon et la

cellulose brute, et des paramètres tels que la digestibilité des aliments pour animaux, des céréales et

des produits de mouture des céréales.

Les déterminations sont basées sur des mesurages spectrométriques dans le domaine spectral du

proche infrarouge.
2 Références normatives
Le présent document ne contient aucune référence normative.
3 Termes et définitions

Pour les besoins du présent document, les termes et définitions suivants s’appliquent.

L’ISO et l’IEC tiennent à jour des bases de données terminologiques destinées à être utilisées en

normalisation, consultables aux adresses suivantes:
— IEC Electropedia: disponible à l’adresse http:// www .electropedia .org/

— ISO Online browsing platform: disponible à l’adresse http:// www .iso .org/ obp

3.1
appareil d’analyse dans le proche infrarouge
appareil NIR

appareillage qui, lorsqu’il est utilisé dans les conditions définies dans le présent document, permet

de prédire les teneurs en constituants (3.3) et les paramètres technologiques (3.4) dans les aliments des

animaux (3.2), les céréales et les produits de mouture des céréales, par le biais de relations avec les

absorptions dans le domaine du proche infrarouge
3.2
aliments des animaux

produit ou substance, y compris les additifs, traité, traité en partie ou non traité, destiné à être utilisé

pour l’alimentation des animaux par ingestion

EXEMPLE Matières premières, fourrage, farine de viandes et d’os, aliments mélangés pour bétail et autres

produits finaux, aliments pour animaux domestiques, etc.
3.3
teneur en constituants

fraction massique des substances déterminée à l’aide de la méthode chimique appropriée, normalisée

ou validée
Note 1 à l’article: La fraction massique est souvent exprimée en pourcentage.

Note 2 à l’article: Pour des exemples de méthodes appropriées, voir les Références [1] à [12].

© ISO 2017 – Tous droits réservés 1
---------------------- Page: 6 ----------------------
ISO 12099:2017(F)

EXEMPLE Eau, matières grasses, protéines, cellulose brute, fibres au détergent neutre (NDF) et fibres au

détergent acide (ADF).
3.4
paramètre technologique

propriété ou fonctionnalité d’aliments pour animaux (3.2), de céréales et de produits de mouture des

céréales, qui peut être déterminée à l’aide de la (des) méthode(s) appropriée(s), normalisée(s) ou

validée(s)

Note 1 à l’article: Il est possible de développer et de valider des méthodes NIR pour des paramètres et des types

d’échantillons autres que ceux énumérés ci-dessus, sous réserve que le mode opératoire spécifié dans le présent

document soit respecté. Les unités de mesure des paramètres déterminés suivent les unités utilisées dans les

méthodes de référence.
EXEMPLE Digestibilité.
4 Principe

Les données spectrales dans le proche infrarouge sont collectées et transformées en concentrations

de constituants ou de paramètres par des modèles d’étalonnage développés à partir d’échantillons

représentatifs des produits concernés.
5 Appareillage
5.1 Appareils d’analyse dans le proche infrarouge.

Appareils basés sur les mesurages en réflexion diffuse ou en transmission couvrant le domaine de

−1 −1

longueurs d’onde du proche infrarouge de 770 nm à 2 500 nm (12 900 cm à 4 000 cm ), ou des

segments de ce dernier ou à des longueurs d’onde ou des nombres d’onde sélectionnés. Le principe

optique peut être dispersif (monochromateurs à réseau par exemple), interférométrique ou non

thermique (par exemple diodes électroluminescentes, diodes laser et lasers). Il convient que l’appareil

soit doté d’un système effectuant des tests diagnostiques pour évaluer le bruit photométrique et la

reproductibilité, ainsi que l’exactitude et la fidélité des longueurs d’onde/des nombres d’onde (pour les

spectrophotomètres à balayage).

Il convient que l’appareil mesure un volume ou une surface d’échantillon suffisamment important(e)

pour éliminer toute influence significative d’un manque d’homogénéité découlant de la composition

chimique ou des propriétés physiques de l’échantillon pour essai. Dans les mesurages en transmission,

pour obtenir la linéarité et un rapport signal/bruit maximal, il convient d’optimiser l’intensité du signal

en adaptant le chemin optique à chaque type d’échantillon (épaisseur des échantillons) conformément

aux recommandations du fabricant.

5.2 Dispositif de mouture ou de broyage approprié, pour la préparation de l’échantillon (si

nécessaire).

NOTE Des changements des conditions de mouture ou de broyage peuvent influencer les mesurages NIR en

raison, par exemple, d’un réchauffement qui peut entraîner une perte des constituants volatils tels que l’eau.

6 Étalonnage et validation initiale
6.1 Généralités

L’appareil doit être étalonné avant d’être utilisé. L’étalonnage implique une comparaison avec une

référence et des procédés de réglage de l’appareil. Dans la mesure où un grand nombre de systèmes

différents peut être utilisé pour l’étalonnage des appareils NIR, aucun mode opératoire spécifique ne

peut être indiqué pour l’étalonnage.
2 © ISO 2017 – Tous droits réservés
---------------------- Page: 7 ----------------------
ISO 12099:2017(F)

Pour une explication des méthodes de développement de l’étalonnage, voir la Référence [16] et le

manuel d’instruction du fabricant respectif. Pour la validation, il est important de disposer d’un nombre

suffisant d’échantillons représentatifs, couvrant des variations telles que les suivantes:

a) les combinaisons et les gammes de concentration des constituants principaux et secondaires de

l’échantillon;

b) les effets saisonniers, géographiques et génétiques sur les fourrages, les matières premières pour

animaux et les céréales;
c) les techniques et les conditions de transformation;
d) les conditions de stockage;
e) la température de l’échantillon et de l’appareil;
f) les variations des appareils (c’est-à-dire les différences entre appareils).

NOTE Pour garantir une validation robuste, au moins 20 échantillons sont nécessaires.

6.2 Méthodes de référence

Il convient d’utiliser des méthodes de référence reconnues à l’échelle internationale pour déterminer

la teneur en eau, en matières grasses, en protéines et autres constituants et paramètres. Voir les

Références [1] à [12] pour des exemples.

Pour l’étalonnage, il convient d’utiliser la méthode de référence en contrôle statistique. Il est

indispensable de connaître la fidélité de la méthode de référence.

Quand cela est possible, il convient d’utiliser des références assurant la traçabilité des mesurages au

système SI (Système international d’unités), telles des matériaux de référence certifiés.

6.3 Valeurs aberrantes

Dans de nombreuses situations, des valeurs statistiques aberrantes sont observées au cours de

l’étalonnage et de la validation. Les valeurs aberrantes peuvent porter sur des données NIR (valeurs

aberrantes spectrales, désignées ci-après «valeurs aberrantes x») ou des erreurs dans les données de

référence ou des échantillons avec une relation différente entre les données de référence et les données

NIR (désignées ci-après «valeurs aberrantes y»); voir les exemples aux Figures B.1 à B.5.

Pour les besoins de la validation, les échantillons ne sont pas considérés comme des valeurs aberrantes

s’ils respectent les conditions suivantes:

a) s’ils se situent dans la plage de travail des constituants/paramètres de l’étalonnage ou des

étalonnages;

b) s’ils se situent dans les limites de la variation spectrale des échantillons d’étalonnage, telles

qu’estimées, par exemple, par la distance de Mahalanobis;

c) le résidu spectral se situe en dessous d’une limite définie par le procédé d’étalonnage;

d) si le résidu de prédiction se situe en dessous d’une limite définie par le procédé d’étalonnage.

S’il apparaît qu’un échantillon est une valeur aberrante, il convient alors de vérifier en premier lieu

s’il s’agit d’une valeur aberrante x. Si cette valeur dépasse les limites des valeurs aberrantes x définies

pour l’étalonnage, il convient de l’éliminer. S’il ne s’agit pas d’une valeur aberrante x, il convient alors

de vérifier la valeur de référence et la valeur NIR prédite, par exemple par des mesurages répétés. Si

cette vérification confirme les valeurs initiales, il convient alors de ne pas supprimer l’échantillon et de

l’inclure dans les valeurs statistiques de validation. Si les nouvelles valeurs indiquent que les valeurs

de référence initiales ou les valeurs NIR prédites sont erronées, il convient alors d’utiliser ces nouvelles

valeurs.
© ISO 2017 – Tous droits réservés 3
---------------------- Page: 8 ----------------------
ISO 12099:2017(F)
6.4 Validation des modèles d’étalonnage
6.4.1 Généralités

Avant d’être utilisées, les équations d’étalonnage doivent être validées localement sur un ensemble

d’essais indépendant représentatif de la population d’échantillons à analyser. Au moins 20 échantillons

sont nécessaires pour déterminer le biais, la pente et l’erreur-type de prédiction (SEP, voir 7.5). La

validation doit être effectuée pour chaque type d’échantillon, constituant/paramètre et autres facteurs

connus pour affecter ou pouvant avoir un effet sur le mesurage. L’étalonnage n’est valable que pour les

variations, c’est-à-dire les types d’échantillons, la gamme et la température utilisés lors de la validation.

NOTE 1 Les modèles d’étalonnage ne peuvent être utilisés que sur la gamme pour laquelle ils ont été validés.

Les résultats obtenus sur l’ensemble d’essais indépendant sont reportés sur un graphique, référence

en fonction de NIR et résidus en fonction des résultats de référence, pour illustrer les performances

de l’étalonnage. La SEP est calculée (voir 7.5) et les valeurs aberrantes, telles que des échantillons avec

un résidu dépassant ± 3 s , sont recherchées sur le graphique des résidus des données corrigées de

SEP
l’erreur systématique moyenne (biais).

Si le processus de validation montre que le modèle ne peut pas produire de valeurs statistiques

acceptables, il convient alors de ne pas l’utiliser.

NOTE 2 Ce qui sera acceptable dépendra par exemple des performances de la méthode de référence, de la

plage couverte, du but de l’analyse, etc. et il appartient aux parties concernées d’en décider.

Lorsqu’ils sont disponibles et adaptés, les matériaux de référence ou matériaux de référence certifiés

peuvent être utilisés dans le cadre de la validation des modèles d’étalonnage.

L’étape suivante consiste à ajuster les données NIR, y , et les données de référence, y , par régression

NIRS ref

linéaire (y = a + b × y ) pour produire des valeurs statistiques qui décrivent les résultats de

ref NIRS
validation.
6.4.2 Correction du biais

Un biais entre les méthodes est également recherché dans les données. Si la différence entre les

moyennes des valeurs NIR prédites et des valeurs de référence est significativement différente de zéro,

cela indique que l’étalonnage est biaisé. Il est possible de supprimer un biais en ajustant la constante

(voir 7.3) de l’équation d’étalonnage.
6.4.3 Ajustement de la pente
Si la pente, b, est significativement différente de 1, l’étalonnage est faussé.

L’ajustement de la pente/l’ordonnée à l’origine de l’étalonnage n’est généralement pas recommandé, sauf

si l’étalonnage est appliqué à de nouveaux types d’échantillons ou d’appareils. Si une nouvelle étude de

l’étalonnage ne permet pas de détecter de valeurs aberrantes, notamment des valeurs aberrantes «de

levier élevé», il est préférable d’élargir l’ensemble d’étalonnage pour inclure davantage d’échantillons.

Cependant, si la pente est ajustée, il convient alors de tester l’étalonnage sur un nouvel ensemble d’essais

indépendant.
6.4.4 Élargissement de l’ensemble d’étalonnage

Si l’exactitude de l’étalonnage ne répond pas aux attentes, il convient d’élargir l’ensemble d’étalonnage

pour inclure un plus grand nombre d’échantillons ou de réaliser un nouvel étalonnage. Dans tous les cas,

lorsqu’un nouvel étalonnage est développé sur un ensemble d’étalonnage élargi, il convient de répéter

le processus de validation sur un nouvel ensemble de validation. Si nécessaire, il convient de répéter

l’élargissement de l’ensemble d’étalonnage jusqu’à ce que des résultats acceptables soient obtenus sur

un ensemble de validation.
4 © ISO 2017 – Tous droits réservés
---------------------- Page: 9 ----------------------
ISO 12099:2017(F)
6.5 Changements des conditions de mesurage et d’utilisation des appareils

Sauf si un étalonnage supplémentaire est effectué, une validation locale d’une méthode NIR indiquant

l’exactitude de la méthode ne peut généralement pas être considérée comme valide si les conditions

d’essai ont changé.

Par exemple, les étalonnages développés pour une certaine population d’échantillons ne peuvent pas

être valides pour des échantillons en dehors de cette population, même si la gamme de concentration

de l’analyte n’a pas changé. Il est possible que l’étalonnage développé sur des ensilages provenant d’une

zone ne donne pas la même exactitude sur des ensilages provenant d’une autre zone si les paramètres

génétiques, de croissance et de traitement sont différents.

Des changements de technique de présentation des échantillons ou de conditions de mesurage, par

exemple la température, non compris dans l’ensemble d’étalonnage peuvent également influencer les

résultats analytiques.

Les étalonnages développés sur un appareil spécifique ne peuvent pas toujours être transférés

directement vers un appareil identique fonctionnant selon le même principe. Des ajustements du biais

ou de la pente/l’ordonnée à l’origine dans les équations d’étalonnage peuvent s’avérer nécessaires. Dans

de nombreux cas, il sera nécessaire de standardiser les deux appareils l’un par rapport à l’autre avant

[16]

de pouvoir transférer les équations d’étalonnage. Les modes opératoires de standardisation peuvent

être utilisés pour transférer les étalonnages entre des appareils de types différents à condition que les

échantillons soient analysés de la même manière (réflexion, transmission) et que le domaine spectral

soit commun.

Si les conditions ont changé, il convient de réaliser une validation supplémentaire.

Il convient de vérifier les étalonnages dès qu’une pièce importante de l’appareil (système optique,

détecteur) a été remplacée ou réparée.
7 Statistiques pour le mesurage des performances
7.1 Généralités

Les performances d’un modèle de prédiction doivent être déterminées par un ensemble d’échantillons

de validation. Cet ensemble est composé d’échantillons indépendants de l’ensemble d’étalonnage. Dans

une usine, il s’agira de nouveaux lots; en agriculture, il s’agira d’une nouvelle récolte ou d’un nouveau

lieu d’expérimentation.

Cet ensemble d’échantillons doit être soigneusement analysé suivant les méthodes de référence. Il est

indispensable d’apporter le plus grand soin à l’analyse des échantillons de validation et la fidélité des

résultats est plus importante pour l’ensemble de validation que pour les échantillons utilisés lors de la

phase d’étalonnage.

Le nombre d’échantillons de validation doit être au moins égal à 20 pour calculer les valeurs statistiques

avec une certaine confiance.

Le protocole NIR utilisé pour la détermination des performances du modèle de prédiction doit être le

même que celui utilisé en routine (un mesurage ou deux mesurages).
7.2 Représentation graphique des résultats

Il est important de visualiser les résultats sous forme de graphiques, c’est-à-dire de valeurs de référence

en fonction de valeurs prédites ou de résidus en fonction de valeurs prédites.
© ISO 2017 – Tous droits réservés 5
---------------------- Page: 10 ----------------------
ISO 12099:2017(F)
Les résidus sont définis par la Formule (1):
ey=− y (1)
ii i
ème
y est la i valeur de référence (y );
i ref
ème

est la i valeur prédite (y ) obtenue en utilisant le modèle NIR à plusieurs variables.

NIRS

La manière dont les différences sont calculées donnera un biais négatif lorsque les prédictions sont trop

élevées et un biais positif lorsque les prédictions sont trop faibles par rapport aux valeurs de référence.

Une représentation graphique des données fournit immédiatement un aperçu de la corrélation, du biais,

de la pente et de la présence de valeurs aberrantes évidentes (voir Figure 1).
Légende
1 droite à 45° (droite id
...

Questions, Comments and Discussion

Ask us and Technical Secretary will try to provide an answer. You can facilitate discussion about the standard in here.