论文部分内容阅读
目前,在酸奶检测中,测量蛋白质和脂肪含量常用的是化学方法,这种方法测定速度慢,不能及时反馈结果以调整生产工艺过程,同时对样品本身也会造成破坏。与常规方法相比,近红外光谱法具有测试准确度高、测试速度快、对样品无损害等特点。本文尝试利用傅立叶变换近红外光谱法检测酸奶中蛋白质和脂肪的含量。以酸奶中的蛋白质和脂肪的含量为检测指标,结合化学计量学方法开展了近红外光谱分析技术定量分析的研究,旨在为酸奶品质的快速、无损检测提供新的参考。主要研究工作与结论如下:本研究共收集了40个不同品牌、不同批次的酸奶样品;分别采用考马斯亮蓝染色法和哥特里-罗兹法(GB/T5413.3-1997)检测了酸奶中的蛋白质和脂肪2个主要营养成分含量的化学值;采用WQF-400N型傅立叶变换近红外光谱仪扫描了样品的近红外光谱;选择了合适的扫描参数、波数范围、光谱预处理方法、及集合划分的条件下,使校正模型的预测能力得到了有效的提高。在此基础上,运用偏最小二乘法(PLS)和PLS+ANN的方法分别建立了酸奶中蛋白质和脂肪含量预测的近红外光谱定量分析模型。利用PLS回归建模的预测精度为:蛋白质模型的相关系数和预测均方差分别是0.925 1和0.038 1,脂肪模型的相关系数和预测均方差分别是0.911 4和0.074 8。利用PLS+ANN回归建模的预测精度为:蛋白质模型的相关系数和预测均方差分别是0.925 1和0.038 1,脂肪模型的相关系数和预测均方差分别是0.911 4和0.074 8。结果表明,用两种方法建立的校正模型精度较高;用PLS+ANN方法所建立的定量分析模型的预测效果略优于用偏最小二乘法所建模型的预测效果,说明近红外光谱与样品成分含量之间可能有一定的非线性关系;用近红外光谱分析法预测酸奶中的蛋白质和脂肪含量是可行的。