随着工业的发展,对食品的要求也越发严格。近几年,人均消费的乳制品逐年增加,保证牛乳的优秀品质也变得尤其重要。其中,牛乳脂肪作为牛乳中重要的组成成分,同时也是重要的营养物质,能够直接影响到牛乳的品质。因此,对牛乳脂肪颗粒的快速检测能够在乳制品生产过程中发挥重要作用,把关牛乳品质,并进一步推动颗粒粒径检测在食品质量检测中的应用。本文对常用的颗粒粒径测量方法进行分类介绍,分析其测量颗粒粒径的原理和过程。其中,光散射法作为粒径测量中应用最广泛的一类方法,主要特点为使用范围广、重复性好、精度高、速度快。在实际测量中,为满足对粒径的快速检测需求,选择光散射法中的光全散射法。光全散射法测量主要是利用颗粒的消光值进行计算,难点在于对第一类Fredholm方程的求解,这是一个典型的反问题求解,需要依靠优化算法进行反演计算。本文的研究对象为牛乳脂肪颗粒,其形状为球形颗粒,符合单峰分布,适合于需要预设函数分布的非独立模式。在非独立模式下,本文引入了遗传算法和模式搜索算法进行反问题求解,为达到快速测量,补足上述算法的不足之处,针对性的使用免疫混合粒子群算法,该算法在粒子群算法中融入了免疫算法,是对粒子群算法的优化和改进。本文分别建立了遗传算法、模式搜索算法和免疫混合粒子群算法的粒径分布反演模型,通过仿真实验可知:遗传算法具有较高反演精度,无噪声情况下的相对误差在2%左右,加入随机噪声下相对误差最高在12%左右,但算法的反演时间偏长,普遍需要十几秒;模式搜索算法在无噪声下的反演效果令人满意,但抗噪声能力较差,在10%的随机噪声情况下,反演结果已经不可用;改进的粒子群算法反演时间较短,并且极大的提升了稳定性和抗噪声能力,研究发现,计入噪声前后最大相对误差分别为1%、8%。在非独立模式下,分别对R-R函数分布、N-N函数分布和L-N函数分布下的颗粒进行颗粒粒径分布重建。可以得出结论:经改进的粒子群算法优势显著,表现为运行时间短、收敛速度快,并且具有较优的抗噪性能,适合于对牛乳脂肪颗粒的快速测量。