论文部分内容阅读
蚕桑业是我国的特色优势产业,推动蚕桑产业的大力发展,对于提高农村劳动力就业率,增加国家财政收入,扩大出口外汇以及国家经济建设具有重要意义。近年来,近红外和拉曼光谱无损检测技术飞速发展,由于其具有样品无需预处理、检测速度快、绿色无污染、实时在线分析等优势,已在多个领域用于研究分析。本论文基于近红外光谱技术,提出了快速高效的蚕蛹雌雄判别分选方法、蚕蛹含油量测定方法以及桑叶营养物质检测方法,采用便携式近红外和拉曼光谱仪测定蚕蛹油的过氧化值,并且利用拉曼光谱技术鉴别蚕蛹油掺假。试验结果如下:（1）基于近红外光谱技术建立雌雄蚕蛹判别分选模型。采用自制的雌雄蚕蛹自动分选系统,采集8个蚕蛹品种的近红外光谱,分别建立主成分分析（Principal Component Analysis,PCA）、线性判别式分析（Linear Discriminant Analysis,LDA）和偏最小二乘法判别分析（Partial least squares discrimination analysis,PLSDA）模型,其中,PLSDA模型鉴别效果最优,鉴别准确率在97.5%以上。（2）利用近红外光谱分析技术进行蚕蛹含油量测定。蚕蛹粉近红外光谱由两种便携式光谱仪DLP NIRscan Nano和Micro NIR 1700采集,组合间隔偏最小二乘法（Synergy interval partial least squares,Si PLS）和随机蛙跳算法（Random Frog,RF）用于波长优选,基于偏最小二乘算法（Partial Least Square Method,PLS）建立蚕蛹含油量模型。对于DLP NIRscan Nano光谱仪,采集的蚕蛹粉近红外光谱利用Si PLS进行波长变量筛选的建模结果最优,校正集均方根误差（Root mean square error of calibration set,RMSEC）和决定系数（Coefficient of determination for calibration,RC2）分别为1.535%和0.843,交叉验证均方根误差（Root mean square error of cross-validation set,RMSECV）和决定系数(Coefficient of determination for cross-validation,R2CV)分别为1.775%和0.791,预测集均方根误差（Root mean square error of prediction set,RMSEP）和决定系数（Coefficient of determination for calibration validation,RP2）分别为1.682%和0.779,相对分析误差（Ratio of performance to standard deviate,RPD）和预测相对范围（Ratio of the range to the RMSEP,RER）分别为2.164和9.281。对于Micro NIR 1700光谱仪采集的蚕蛹粉近红外光谱,采用RF进行波长优选,所建立的模型校正集,交叉验证和预测集的均方根误差分别为1.512%,1.700%和1.697%,决定系数分别为0.846,0.808和0.780,RPD为2.144,RER为9.199。试验结果表明,采用DLP NIRscan Nano光谱仪采集的蚕蛹粉近红外光谱建立的蚕蛹含油量的回归模型预测精度高于Micro NIR 1700光谱仪。（3）基于近红外和拉曼光谱技术建立蚕蛹油过氧化值测定模型。采集蚕蛹油近红外和拉曼光谱,建立过氧化值PLS回归模型,比较了竞争性自适应重加权算法（Competitive Adaptive Reweighted Sampling,CARS）、遗传算法（Genetic Algorithms,GA）和Random Frog三种算法提取的特征波长的建模效果。其中,CARS算法优化的蚕蛹油近红外光谱建模效果最优,模型的RMSEC和RC2分别为0.759 mmol/kg和0.923,RMSECV和R2CV分别为0.984 mmol/kg和0.875,RMSEP和RP2分别为0.950mmol/kg和0.867。GA算法优选的蚕蛹油拉曼光谱建模效果最优,模型的RMSEC、RMSECV和RMSEP分别为0.931 mmol/kg、0.983 mmol/kg、0.965 mmol/kg,RC2、R2CV和RP2分别为0.879、0.868、0.869。（4）基于拉曼光谱技术建立蚕蛹油掺假判别模型。采用PCA、LDA和簇类独立软模式（Soft Independent Modeling of Class Analogy,SIMCA）对蚕蛹油掺假进行定性分析。其中,PCA分析校正集和预测集蚕蛹油掺假的鉴别正确率分别为96.43%和92.86%;LDA模型校正集和预测集的鉴别正确率分别为100%和96.43%;SIMCA模型中校正集样本全部分类正确,预测集中蚕蛹油和食用油的识别率均为100%,拒绝率分别为100%和94.74%。采用PLS对蚕蛹油掺假进行定量分析,模型校正集、交叉验证和预测集的均方根误差分别为3.360%,4.525%和4.023%,决定系数分别为0.994,0.989和0.992。（5）基于近红外光谱技术建立桑叶含水量、粗蛋白和可溶性糖检测模型。从原始近红外光谱中提取特征波长变量,建立的桑叶含水量、粗蛋白和可溶性糖含量预测模型的RMSEP分别为1.185%、0.608%和2.361%,RP2分别为0.914,0.924和0.714,其中,含水量和粗蛋白含量模型预测性能较高,可溶性糖含量的预测能力略低。综上所述,采用近红外光谱技术可以建立蚕蛹雌雄判别、蚕蛹含油量、蚕蛹油过氧化值以及桑叶含水量、粗蛋白和可溶性糖检测模型,采用拉曼光谱技术可以建立高精度的蚕蛹油过氧化值和蚕蛹油掺假鉴别模型,表明了近红外和拉曼光谱技术在蚕桑行业实际生产中应用的可行性。