论文部分内容阅读
非洲猪瘟(African swine fever,ASF)是一种全球范围内爆发的烈性传染病,易感猪群急性感染的死亡率达100%。我国自2018年8月3日在辽宁首次出现非洲猪瘟疫情以来,共有31个省发生非洲猪瘟疫情。加拿大食品检验检疫局官方公布,生猪饲料是非洲猪瘟的四大传播途径之一,我国研究人员在猪饲料的蛋白原料猪血浆蛋白粉中发现了与首例非洲猪瘟疫情基因组序列完全一致的非洲猪瘟病毒(African Swine fever virus,ASFV),证明猪血浆蛋白粉存在传播非洲猪瘟的潜在风险。非洲猪瘟疫情后,农业农村部先后两次发布公告,对使用猪血浆蛋白粉的猪饲料加强了检测与监控,非洲猪瘟的传播对猪血浆蛋白粉的检测和管控提出了更高的要求,因此,研究并建立科学、快速和操作简便的猪血浆蛋白粉的检测方法对于防控非洲猪瘟的传播具有重要意义。本研究以猪血浆蛋白粉和替代效果最好的乳清浓缩蛋白作为研究对象,采用电子鼻和近红外光谱技术搭建试验平台,开展猪血浆蛋白粉的定性和定量试验研究,通过对比不同样本划分方法和数据预处理方法,分别得到了电子鼻和近红外光谱针对猪血浆蛋白粉进行检测最优的定性和定量分析预测模型,根据分析过程及结果探讨了电子鼻和近红外光谱定性和定量无损检测猪血浆蛋白粉的机理和特性,验证电子鼻和近红外光谱对猪血浆蛋白粉进行识别与检测的可行性。本文主要研究内容如下:(1)探究基于电子鼻和近红外光谱技术检测猪血浆蛋白粉的可行性从电子鼻和近红外光谱的原始数据可以看出,纯样本和不纯样本之间,电子鼻传感器R7和R9信号响应差异较为明显,其它传感器信号响应差异不明显;近红外光谱在某些特定波段有明显差异。此外,从主成分分析(Principal component analysis,PCA)得到的电子鼻数据和近红外光谱的主成分得分图来看:选取的电子鼻数据的前两个主成分能够解释95.64%的方差,选取的近红外光谱前两个主成分能够解释原始数据99.56%的方差;在两种不同的检测方法下,纯样本与不纯的样本之间都表现出了较好的可区分性,特别是当细分到更多类别时,不同浓度类型样本的近红外光谱数据依然表现出了很好的可分性。这一结果预示着利用电子鼻和近红外光谱作为猪血浆蛋白粉的检测和识别方法是可的。(2)研究基于电子鼻和近红外光谱技术的猪血浆蛋白粉定性无损识别方法采用Kennard-Stone、随机划分1次和随机划分100次三种样本划分方法对定性试验样本进行划分,并采用原始数据、多元散射矫正(Multiplicative scatter correction,MSC)、均值中心化(Mean-center)和一阶导数及均值中心化(Savitzky-Golay first derivative&Mean-center)4种不同的数据预处理方法分别对试验样本进行预处理,使用偏最小二乘判别模型(Partial least squares discriminant analysis,PLS-DA)分别建立了基于电子鼻和近红外光谱的猪血浆蛋白粉定性判别分析模型。通过训练集的识别准确率分析不同样本划分方法和不同预处理方法对模型性能表现的影响,从而更好的评估所建立的判别模型在未知样本上的预测表现。试验结果表明,采用不同种的样本划分的方法和数据预处理方法,电子鼻测试集识别正确率均大于88%,其中,采用Kennard-Stone样本划分方法和均值中心化数据预处理方法建立的定性判别模型表现最优,识别准确率为93%;近红外光谱的定性判别模型的识别准确率均为100%,这一结果验证了之前探索性数据分析的设想,并证明电子鼻和近红外光谱技术在猪血浆蛋白粉的定性判别分析中是可行的且十分有效的。另外,就两种技术的对比分析而言,近红外光谱的识别精确度要优于电子鼻。(3)探索基于电子鼻和近红外光谱的猪血浆蛋白粉定量无损检测方法首先,利用电子鼻和近红外光谱试验平台分别对定性试验样本采样,通过Hotelling’s T2检验(置信水平为95%)并结合试验样本的原始图谱信息剔除异常样本。然后,采用连续回归模型(Continuum regression,CR)探索了电子鼻和近红外光谱的最佳回归方法,在交叉验证建立的连续回归模型的残差平方和预测值表面三维图中,根据图中电子鼻和近红外光谱数据最小的PRESS(Predicted residual error sum of squares)值所使用的的模型参数来选择较好的回归模型。结果表明,电子鼻的最小的PRESS值出现在多元线性回归和偏最小二乘回归之间,近红外光谱最小的PRESS最小值介于主成分回归和偏最小二乘回归之间。进一步地,分别对电子鼻和近红外光谱数据进行定量回归分析,以验证连续回归模型的假设。采用4种不同的预处理方法,使用多元线性回归和偏最小二乘回归模型分别建立电子鼻的猪血浆蛋白粉浓度预测模型,使用主成分回归和偏最小二乘回归模型分别建立近红外光谱的猪血浆蛋白粉浓度预测模型。结果表明,电子鼻采用均值中心化预处理和多元线性回归算法的预测模型表现最优,测试集决定系数Rp2为0.9247,预测均方根误差RMSEP为1.7441,残余预测偏差RPD为3.479;近红外光谱采用一阶导数及均值中心化预处理方法和偏最小二乘回归算法的预测模型表现最优,测试集决定系数Rp2为0.999,预测均方根误差RMSEP为0.1905,残余预测偏差RPD为31.85,以上结果验证了连续回归模型预测的准确性。本研究首次提出采用电子鼻和近红外光谱技术检测猪血浆蛋白粉的方法,通过试验研究,综合利用多种多元变量分析的方法,证明了电子鼻和近红外光谱技术在猪血浆蛋白粉快速识别和定量检测应用的可行性。同时,通过对比分析表明,近红外光谱在猪血浆蛋白粉的定性和定量检测中的表现优于电子鼻,为猪血浆蛋白粉快速无损检测设备选型和模型构建提供了科学依据。