應(yīng)用近紅外光譜分析技術(shù)在線檢測(cè)牛奶成分的研究.pdf

1、本論文基于本課題組自行研制的近紅外液態(tài)在線檢測(cè)試驗(yàn)臺(tái),以牛奶為研究對(duì)象,以實(shí)現(xiàn)牛奶主要成分蛋白質(zhì)和脂肪含量在線檢測(cè)為目標(biāo),綜合多學(xué)科的知識(shí)對(duì)近紅外光譜數(shù)據(jù)中的信息提取和模型建立中遇到的關(guān)鍵問題給出了解決方案,論證了該技術(shù)的可行性。該研究對(duì)實(shí)現(xiàn)牛奶成分含量快速、實(shí)時(shí)、準(zhǔn)確的檢測(cè)具有重要的指導(dǎo)意義和參考價(jià)值。主要有以下研究?jī)?nèi)容:
　　 1.以實(shí)現(xiàn)牛奶光譜在線檢測(cè)的可行性和穩(wěn)定性為原則,基于本近紅外在線檢測(cè)設(shè)備,對(duì)試驗(yàn)的各項(xiàng)參數(shù)(本底

2、、掃描次數(shù)、牛奶溫度、流速、光纖探頭光程)進(jìn)行了優(yōu)化,這些參數(shù)的優(yōu)化為牛奶樣品光譜采集提供了參考；
　　 2.比較了多種預(yù)處理方法的效果,找出了蛋白質(zhì)和脂肪的最佳預(yù)處理方法,同時(shí)探討了MSC方法在本試驗(yàn)中的可行性并分析了原因；比較了各預(yù)處理方法對(duì)不同溫度下預(yù)測(cè)模型的預(yù)測(cè)效果,表明了僅使用光譜預(yù)處理方法不能消除溫度對(duì)模型的影響,無法建立溫度穩(wěn)健模型；選擇了蛋白質(zhì)和脂肪最佳建模波段,然后利用偏最小二乘法分別建立了牛奶樣品的蛋白質(zhì)和脂

3、肪校正模型并對(duì)模型的預(yù)測(cè)性能進(jìn)行了評(píng)價(jià),蛋白質(zhì)預(yù)測(cè)模型相關(guān)系數(shù)、預(yù)測(cè)均方差和平均偏差分別為:0.9067、0.3087和0.2017；脂肪預(yù)測(cè)模型相關(guān)系數(shù)、預(yù)測(cè)均方差和平均偏差分別為:0.9299、0.3996和0.2461。結(jié)果表明:本試驗(yàn)建立的牛奶蛋白質(zhì)和脂肪的模型預(yù)測(cè)性能較好,基本上可以滿足牛奶成分的在線檢測(cè)精度要求；
　　 3.模型的穩(wěn)健性是評(píng)價(jià)在線近紅外分析技術(shù)的一個(gè)重要指標(biāo)。在26℃-41℃范圍內(nèi),研究了溫度對(duì)預(yù)測(cè)牛

4、奶成分的影響。把36℃下建立的校正模型用來預(yù)測(cè)不同溫度下的驗(yàn)證集發(fā)現(xiàn),36℃下建立的牛奶成分模型只對(duì)相同溫度下的預(yù)測(cè)模型有效,這說明了樣品溫度對(duì)預(yù)測(cè)結(jié)果的重要性；
　　 4.采集了不同溫度下牛奶的光譜組成溫度補(bǔ)償校正集,通過補(bǔ)償校正方法的引入,建立了溫度全局模型,實(shí)現(xiàn)了模型對(duì)溫度因素的穩(wěn)健性。補(bǔ)償校正方法的引入雖然在一定程度上降低了預(yù)測(cè)模型精度,但該方法簡(jiǎn)單可行,還可用于建立其他影響因素(如一些難于控制的干擾因素:氣泡、壓力、樣