10.3964/j.issn.1000-0593(2022)04-1243-07
傅里叶变换中红外光谱的牛奶品质无损检测分级
市场上普遍存在"高蛋白","高乳脂"等特色牛奶.为了实现对特优优质奶、高蛋白特色奶、高乳脂特色奶和普通奶的无损快速分级,收集了河北省10个牧场不同月份(1月、3月—10月)的5121份牛奶样本并采集中红外光谱数据,分别测定牛奶中的乳蛋白、乳脂和体细胞数,构建了牛奶品质分级模型.首先,分析牛奶光谱并去除冗余波段,最终选择925~1597和1712~3024 cm-1的敏感波段组合作为全光谱用于建立模型.为了提高模型的性能,采用标准正态变量变换(SNV),多元散射校正(MSC),一阶导数,二阶导数,一阶差分和二阶差分6种算法对光谱进行预处理并建立朴素贝叶斯模型(NB)和随机森林模型(RF),确定二阶差分为最佳预处理方法,其测试集准确率分别为92.11% 和96.87%.为了简化模型,利用无信息变量消除法(UVE)、竞争性自适应重加权算法(CARS)与稳定性竞争性自适应重加权采样算法(SCARS)以及UVE-CARS算法和UVE-SCARS算法对二阶差分后的光谱数据提取特征变量.然后,分别基于全光谱和所选特征变量数据,建立NB模型和RF模型.结果表明,SCARS算法为NB模型的最佳特征提取算法,模型的训练集准确率与测试集准确率分别为94.45%,93.94%;UVE-SCARS算法为RF模型的最佳特征提取算法,模型的训练集准确率与测试集准确率分别为99.86%,96.48%.综上,基于傅里叶变换中红外光谱技术建立的二阶差分-UVE-SCARS-RF模型,可以实现特优优质奶、高蛋白特色奶、高乳脂特色奶和普通奶的无损快速分级,通过建立中红外光谱模型,首次将乳蛋白、乳脂含量和体细胞数直接结合进行分级鉴定,这是以往未曾有过的.模型应用方便,只需将获得的牛奶红外光谱数据输入模型即可输出预测类别,在牛奶产业中具有实际应用价值.
中红外光谱、牛奶、品质分级、无损检测、特征变量
42
S24(农业电气化与自动化)
欧盟FP7构架项目FP7-KBBE-2013-7-613689
2022-04-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
1243-1249