论文部分内容阅读
近红外光谱分析技术是近年来国内外研究的热点，其安全、准确及高效的特点，使其能有效地应用于乳制品生产过程中的成分分析和质量检测。尤其在国外，这项技术发展十分迅速，很多公司已经利用该技术建立相应的检测系统；全面监控乳制品的在线生产流程。本文采集乳粉、酪浆乳、乳清粉和浓缩奶等乳制品的多个样本，结合化学计量学方法，通过对近红外光谱仪L’InfraXact（FOSS，丹麦）建立校正模型，从而实现对乳制品生产过程的实时监控。本研究首先对乳制品的各个参数进行实验室标准方法分析，然后利用偏最小二乘法（PLS）和人工神经网络（ANN）建立定量校正模型。根据近红外光谱分析和标准方法的显著性分析结果来评价校正模型性能。最小二乘法（PLS）定量校正模型同时用SEC（校正标准误差）、RSQ（定标相关系数）、SECV（交互验证标准误差）和1-VR（交互验证相关系数）等4个统计量来评价校正模型的预测性能。本文同时提出了一种“不准性分析方法”，用来验证人工神经网络（ANN）的准确性。脱脂奶粉的ANN校正模型和乳清粉PLS校正模型的预测性好。脱脂奶粉水分含量的偏差值为从0.07变为0；乳清粉水分含量的SEC值从0.1055减小到0.0494，SECV从0.1117减小到0.0670，RSQ从0.4820增加到0.8584，1-VR从0.4130增加到0.7414，都说明随着建模次数的增加，预测性越来越好。酪浆粉的水分含量和脂肪含量ANN校正模型的预测性好；蛋白质含量的偏差值为从-0.9变为0.69，ANN校正模型预测性差。其余乳分，如半脱脂奶粉和全脂奶粉的蛋白质含量和脂肪含量的RSQ和1-VR值接近于1；婴儿奶粉的水分含量、蛋白质含量、脂肪含量和灰分含量的RSQ和1-VR值接近于1，它们的PLS校正模型的预测性较好。而婴儿奶粉的pH值的RSQ和1-VR值分别为0.8482和0.7851，其PLS校正模型的预测性较差。半浓缩脱脂奶、浓缩乳清和浓缩婴儿奶的干物质含量的RSQ和1-VR值接近于1；半浓缩脱脂奶的蛋白质含量的RSQ和1-VR值接近于1，它们的PLS校正模型的预测性较好。浓缩乳清和浓缩婴儿奶的蛋白质含量的RSQ和1-VR值为0.9左右，校正模型预测性一般。该台近红外光谱仪已经正式投入使用，其生产实时监控较为理想。