论文部分内容阅读
随着生活水平和消费水平的日益增长,奶品安全问题逐渐成为人们关注的焦点。近年来,羊奶因其营养价值高、易于吸收和不易过敏等优点逐渐成为了人们的首选。在羊奶中掺入相对廉价的牛奶是一些不法商贩牟取利益的手段。传统的羊奶中牛奶含量的检测是通过物理或化学的手段等来实现的。这些方法操作复杂、耗时、费用较高。射频/微波介电特性法和近红外漫反射光谱分析技术以其高效、简便和可实现在线检测等优点,已被广泛应用于食品品质检测中。为此,本文以不同牛奶掺入率的牛羊奶混合物为对象,以介电谱(20~4500MHz)和近红外漫反射光谱(865~1711nm)技术为手段,采取SPXY法划分样本,利用标准正态变量变换(SNV)对介电谱和近红外光谱进行预处理,采取连续投影算法(SPA)和无信息变量消除法(UVE)进行降维,基于全频(光)谱和提取的特征变量建立预测羊奶中牛奶掺入率的偏最小二乘(PLS)、支持向量回归(SVR)和极限学习机(ELM)模型,并分析比较得出最佳预测模型。得出的结论如下:(1)在25℃下,针对单一样本,频率和牛奶掺入率均对生鲜羊奶的介电参数有较大的影响。在每个测试频段内,??和??与牛奶掺入率的线性相关系数的绝对值大于0.97,尤其当频率小于300MHz时,线性相关系数的绝对值大于0.99。而当频率为2400MHz时,??与牛奶掺入率的线性相关系数的绝对值达到最大,为0.99。可见在一定条件下牛奶掺入率与某一掺杂羊奶样品介电参数之间存在良好的线性相关性。(2)在基于同轴探头检测技术预测羊奶中牛奶掺入率的过程中,SPA提取的特征变量数(17个)为全频谱中变量个数(402个)的4.0%,简化了模型,且基于SPA提取的特征变量建立的PLS模型的预测相关系数最高(0.944)。(3)在基于近红外光谱分析技术预测羊奶中牛奶掺入率的过程中,SPA提取的特征波长数仅为FS中波长数的0.5%,使得基于SPA提取的特征变量所建立的模型精度劣于基于全光谱(FS)建立的模型。而基于UVE建模所采用的特征变量数为192(占FS中波长数的9.3%),输入变量的增多,对模型的预测精度有帮助。从建模的结果上来看,采用ELM建立的模型预测效果整体较差,最好的预测相关系数为0.643;在SVR和PLS模型中,基于FS所建模型的校正和预测相关系数均大于0.79,其中预测精度最高的为基于FS的SVR模型,其预测相关系数0.883。(4)基于全光谱建立的SVR模型的预测相关系数为0.883,低于基于SPA提取的特征介电变量所建立PLS模型的0.944。本研究结果表明,介电谱技术和近红外漫反射光谱分析技术均可用于羊奶中牛奶掺入量的定量检测,而介电谱技术的检测效果更好。