[发明专利]一种牛奶中掺羊奶的近红外光谱判别方法

权利要求书

1.一种牛奶中掺羊奶的近红外光谱判别方法，其特征在于，该方法包括以下步骤：

1)选取奶样

含不同重量浓度梯度羊奶的掺假奶的配制，按照羊奶浓度以重量百分比分别为5％，10％，20％，35％，50％，75％，100％的梯度，进行配制，得到羊奶浓度不同实验样品；再和生鲜牛奶组成实验样品8种，每种梯度10个样，共80个样备用；

2)近红外光谱采集

利用傅里叶变换近红外光谱仪，结合固体光纤探头采集牛奶的漫反射光谱；检测波数范围为4000～12000cm^-1，间隔8cm^-1，每次扫描64次取平均，通过相连的计算机记录吸光度值log1/R。

3)聚类分析建立定性判别模型

先将每个样品作为一类，选定样品间的一种距离和类与类之间的距离，然后将距离最近的两类合并成一个新类，计算新类与其他类之间的距离，再重复上述并类过程，直到最后全都并成一类为止，建立定性判别模型；

将生鲜牛奶样品作为一类，将含不同浓度羊奶的掺假奶作为一类，对生鲜奶和掺假奶进行聚类分析，实现定性判定。

2.根据权利要求1所述牛奶中掺羊奶的近红外光谱判别方法，其特征在于，进行定性判定后，还包括定量判定，所述定量判定包括：

1)选取奶样

定性判别后，70个掺假奶样按照羊奶浓度以重量百分比分别为5％，10％，20％，35％，50％，75％，100％的梯度选取校正集样品49个、验证集样品21个；

2)采用偏最小二乘法建立掺假奶中羊奶含量的定标模型

建立光谱无需进行预处理，采用“剔一”交叉验证法来确定主成分维数Rank为8，光谱范围为11995.4～4597.6cm^-1时的模型，其R²最大，RMSECV最小；

3)优化模型

再通过“剔一”交叉验证法剔掉3个异常值样品后，建模共采用掺假奶样46个，建立羊奶定标模型，其中，R²为99.71％，RMSECV为1.67％，主成分为7，预测值和实测值达到极显著相关水平，完成模型的优化；

4)验证模型

利用建立的定标模型，预测验证集的21个样品，得近红外光谱预测值与实际值基本一致的结果，21个样品近红外光谱预测值与实际值的R²为99.80％，RMSEP为1.75％，验证模型的预测效果良好；

将预测值和实际值进一步通过配对t检验确认，在0.05显著性水平下，两种值不存在显著性差异，不存在系统误差，进一步验证所建的校正模型具有良好的预测能力，可以达到常规分析的精度要求。

3.根据权利要求1或2所述牛奶中掺羊奶的近红外光谱判别方法，其特征在于，所述计算光谱间的距离是利用欧氏距离来表示：

D=Σkn[a(k)-b(k)]2]]>

式中，a(k)和b(k)是谱图a和b在波长k处的吸光度值，n为波长点总数。

4.根据权利要求3所述牛奶中掺羊奶的近红外光谱判别方法，其特征在于：所述采集牛奶的漫反射光谱时，每次采集时先将样品倒入直径4cm，高5cm的圆柱形样品杯中，然后将固体光纤探头伸到液体中，需保证液面高度大于5cm。

5.根据权利要求4所述牛奶中掺羊奶的近红外光谱判别方法，其特征在于：所述每次采集光谱前，先选取含有等质量的样品，并在水浴锅中恒温至40±0.1℃。