论文部分内容阅读
衡量乳及乳制品质量的主要评价指标是其中蛋白质利脂肪的含量。目前,国内外多采用常规的化学方法对其中的蛋白质利脂肪含量进行检测,而常规方法因存在设备成本高、检测速度慢、对样品有破坏、操作过程复杂等缺点无法满足乳品产业高速化、连续化和自动化的发展需求。近红外光谱法因其快速无损的优点而受到越来越多的关注。本研究以宁夏本地的四种液态乳制品为实验对象,采用近红外透射光谱(NITS)分析技术,结合小波变换(WT)和人工神经网络(ANN),分别建立了其中蛋白质和脂肪含量的预测模型以及乳制品品种的鉴别模型,并对模型进行了评价和分析。旨在寻求乳制品品质快速无损检测的新方法,为乳制品的在线检测提供了重要依据。论文主要研究成果如下：(1)分别选取生产批次不同的纯牛奶、酸牛奶、麦香奶利枸杞奶四种牛奶共计298个样品,并对其中蛋白质和脂肪含量的化学标准值进行测量。(2)分别采用PLS、BP-ANN利RBF-ANN对样品中蛋白质利脂肪含量建立预测模型,其中基于RBF-ANN模型的麦香奶预测效果最好。对蛋白质建模时,纯牛奶、酸牛奶、麦香奶与枸杞奶的相关系数R和预测集均方误差RMSEP分别为：0.9999、0.0301；0.9972、0.06；0.9996、0.0412；0.9997、0.0331,对脂肪建模时,四种乳制品的R和RMSEP分别为：0.9997、0.0968；0.998、0.0688;0.9995、0.0739；0.9996、0.065。通过建模结果的反馈得到蛋白质利脂肪建模的最佳光谱预处理方法分别为SD+S-G多点平滑和FD+MSC+S-G多点平滑。(3)从四种乳制品中分别选取60个共计240个样品,采用BP-ANN、RBF-ANN和SVM-ANN三种神经网络建立乳制品品种鉴别模型,当光谱预处理方法为MSC+SG+WT时,三种模型的鉴别结果均为100%。总体而言,基于SVM-ANN模型的鉴别结果最好。结果表明：近红外透射光谱技术结合化学计量学方法可以实现乳制品品质的快速无损检测利品种鉴别,为国内乳品成分分析在线检测平台实现提供了理论依据。