论文部分内容阅读
传统牛奶主要品质指标的检测常常依赖于常规理化分析,这种方法不但繁琐而且耗时,不适于在线分析。近红外光谱分析技术具有快速、无损、无污染等优点。近年来,利用近红外漫透射光谱分析技术进行牛奶主要成分检测的研究受到了越来越多的关注。本论文针对目前牛奶主要成分近红外预测模型中的几个关键问题进行研究,希望能为牛奶及其它液态食品品质的近红外检测提供新的参考。本课题的主要研究内容和结果为:针对牛奶的性质和组成以及光在牛奶中的传播非常复杂的情况,选择了采用漫透射的方法采集牛奶近红外光谱,并设计了牛奶光谱采集的简易装置。通过比较预处理后偏最小二乘法(PLS)所建的预测模型的精度,筛选出了最佳的预处理方法,经多元散射校正(MSC)后牛奶脂肪PLS模型的主因子数为5,相关系数值和预测均方根误差RMSEP值分别为0.997和0.180;采用一次微分处理蛋白质PLS模型相关系数和预测标准偏差分别达到0.980和0.179;采用二次微分处理乳糖PLS模型相关系数和预测标准偏差分别达到0.880和0.121。基础研究中得到的最佳模型——PLS模型能够较好地预测牛奶主要成分,但该模型是建立在3800~11000cm-1范围为的所有1868个波数点之上的,如此多的波数点势必也将给模型带来大量的冗余信息,并造成模型预测能力的下降,此外,大量的数据点也带来了巨大的计算量,从而最终影响在线检测的效率。本研究中应用一些新的波长区间筛选法——区间偏最小二乘法(iPLS)、向前/向后区间偏最小二乘法(FiPLS/BiPLS)对牛奶的主要成分进行模型简化,并利用其从全波数范围内筛选出2个子区间,共187个波数点用于牛奶脂肪建模,所得模型的主因子数为4,RMSECV值和RMSEP值分别为0.09408和0.04531,显示了比全光谱模型更好的预测结果。在此基础上,本研究中还采用遗传算法结合偏最小二乘法(GA-PLS)筛选波数点,将牛奶脂肪模型的建模波数点数由1868减少到了35,模型的主因子数也减至4个,与FiPLS筛选法所得模型相比,其简洁性和预测能力也都有所改善。同时用这种方法对蛋白质和乳糖的模型进行了简化,所得模型简洁且精度更高。