基于介电谱和近红外光谱的牛初乳中掺常乳识别研究

发布时间：2020-08-18 11:36

【摘要】：牛初乳营养价值丰富、产量少,是供不应求的健康饮品。保证牛初乳及其乳制品的品质和消费者权益,从源头上杜绝初乳掺杂成为了亟待解决的问题。目前,尚未见到采用科学的检测方法对掺杂牛初乳进行识别的报道。近年来,在农产品及食品品质检测方面,射频/微波法和近红外光谱法应用越来越广泛,其便捷、高效和可实现线上检测的优点使其得到迅速的发展。因此,本文将分别使用这两种试验方法探究识别掺杂初乳的可行性。一是应用同轴探头技术,在室温25℃下,以初乳和添加常乳的初乳为研究对象,研究频率(20~4500MHz)和常乳添加量对掺杂初乳介电特性的影响规律,并进行机理分析;建立常乳添加量与掺杂初乳介电参数的关系模型;并采用介电谱法和化学计量学方法预测掺杂初乳和掺杂初乳中常乳含量的方法。二是应用漫反射近红外光谱检测技术,以初乳和添加常乳的初乳为研究对象,研究波长(833~2500nm)和常乳添加量对掺杂初乳光学特性的影响规律;并采用近红外光谱法和化学计量学方法预测掺杂初乳和掺杂初乳中常乳含量的方法。最后,比较基于介电谱法的建模结果与基于近红外漫反射光谱法的建模结果。取得的结论如下:(1)在20~4500MHz频率范围内,随着频率的增大,牛乳的相对介电常数逐渐减小,介质损耗因数呈“V”型变化,最小值在1800MHz左右处。在所测常乳添加量(0~50%,梯度10%)范围内,随着常乳添加量的增加,掺杂初乳的相对介电常数线性增大;介质损耗因数线性减小,均可用一元一次表达式表示掺杂初乳中常乳含量与其介电参数的关系,且关系良好。(2)以常乳添加量在0~50%(梯度10%)的掺杂初乳为大样本,基于介电谱建立识别掺杂初乳的定性模型。结果发现,经Kennard-Stone(KS)样本划分,基于连续投影算法(SPA)选取特征变量,基于偏最小二乘判别分析(PLS-DA)所建立的模型具有最高的检测准确率,为97.30%,对初乳及掺杂乳预测准确率分别为100%和96.00%,可以满足生产使用要求。(3)在近红外波长范围内,初乳与常乳随着波长的增大变化规律一致。以常乳添加量在0~50%(梯度10%)的掺杂初乳为大样本,基于近红外光谱建立识别掺杂初乳的定性模型。结果发现,经KS样本划分,基于无信息变量消除法(UVE)选取特征变量,应用极限学习机网络模型(ELM)预测掺杂初乳具有较高的准确率,为88.46%,对初乳及掺杂乳预测集准确率分别为81.82%和93.33%。(4)将基于介电谱法和基于近红外光谱法的掺杂初乳定性识别模型建模结果对比分析发现,基于介电谱法的模型效果普遍较优。这是因为近红外光谱法受近红外光穿透深度的影响,导致测量重复性较差,而射频/微波的穿透深度要大,散射影响较小。(5)进一步缩小掺杂初乳中常乳添加量(0~10%,梯度2%)后,研究发现,单一频率下,小比例范围内的常乳添加并没有引起其掺杂初乳相对介电常数发生显著性地变化;当常乳添加量在6%以上时,常乳的添加对其掺杂初乳介质损耗因数的影响显著。以常乳添加量在0~50%(0~10%,梯度2%;10%~50%,梯度10%)的掺杂初乳为大样本,基于介电谱法定量预测初乳中的常乳含量。结果发现,经x-y共生距离(SPXY)样本划分和SPA提取特征变量后所建模型支持向量机的预测效果最好,预测集误差为3.44%,RPD最大;单独对常乳添加量在0~10%的掺杂初乳样本建模,发现基于介电谱法所建模型的预测结果都较差,广义神经网络预测模型的预测效果最好,但也仅能给出预测值的大小情况,其预测集误差最小(1.91%)。(6)以常乳添加量在0~50%(0~10%,梯度2%;10%~50%,梯度10%)的掺杂初乳为大样本,基于近红外光谱法定量预测初乳中的常乳添加量。结果发现,经SPXY样本划分,采用全频谱或UVE提取特征变量后所建模型的预测结果都很差;单独对常乳添加量在10%~50%的掺杂初乳样本建模,发现基于近红外光谱法所建模型的预测结果也很差。说明,近红外光谱法不适用于掺杂初乳中常乳含量的预测。本研究结果说明,介电谱法结合化学计量学可用于预测掺杂初乳及掺杂初乳中常乳含量;近红外光谱法结合化学计量学可用于预测掺杂初乳,但不适用于预测掺杂初乳中常乳含量。该结果为开发基于介电特性的掺杂初乳识别检测仪提供了试验基础,对实现初乳品质监测具有重要意义。
【学位授予单位】：西北农林科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：O657.33;TS252.7

【相似文献】