[发明专利]一种用于牛奶掺伪的快速检测识别方法

说明书

技术领域

本发明涉及牛奶检测技术领域，具体涉及一种用于牛奶掺伪的快速检测识别方法。

背景技术

牛奶是最古老的天然饮料之一，被誉为“白色血液”，对人体的重要性可想而知；牛奶含有丰富的矿物质、钙、磷、铁、锌、铜、锰、钼，且牛奶是人体钙的最佳来源，而且钙磷比例非常适当，利于钙的吸收。现在市场上，一些不法商贩为了谋取暴利，向牛奶中添加羊奶，人一旦饮用了便会出现不适，甚至可能会带来严重后果。

发明内容

针对上述技术中存在的不足之处，本发明提供了一种安全可靠、快速准确的用于牛奶掺伪的快速检测识别方法。

本发明解决其技术问题所采用的技术方案是：一种用于牛奶掺伪的快速检测识别方法，包括如下步骤：

步骤一、样品制备：取若干份牛奶样品，将其分为标样集和样品集，在等质量样品集的牛奶样品中分别按不同质量比依次掺入羊奶，得到掺伪集；

步骤二、光谱采集：分别采集标样集和掺伪集的表面增强拉曼光谱；

步骤三、光谱预处理：对采集的表面增强拉曼光谱进行预处理；

步骤四、定性识别模型建立：通过学习向量量化神经网络建立标样集和掺伪集的表面增强拉曼光谱的定性识别模型；

步骤五、待测牛奶样品识别:采集待测牛奶样品的表面增强拉曼光谱，采用定性识别模型对待测牛奶样品进行识别。

优选的，所述步骤一中掺伪羊奶含量的范围为1～10％。

优选的，所述步骤二表面增强拉曼光谱采集时，牛奶样品温度为20°±5C。

优选的，所述步骤二表面增强拉曼光谱采集时，光谱波数范围4000～650cm^-1。

优选的，所述步骤三中的预处理方法采用矢量归一化和Savitzky-Golay滤波15点平滑。

优选的，所述步骤四中学习向量量化神经网络中的输出神经元个数设为2，学习数率采用0.01，误差目标设为0.1，训练步数设为1000，权值学习函数采用“learn1v1”。

优选的，所述标样集的正确率要求大于95％。

优选的，所述掺伪集的正确率要求大于90％。

本发明与现有技术相比，其有益效果是：本发明提供的用于牛奶掺伪的快速检测识别方法，安全可靠，快速准确，具有很好的实际应用价值。

具体实施方式

本发明提供了一种用于牛奶掺伪的快速检测识别方法，包括如下步骤：

步骤一、样品制备：取若干份牛奶样品，将其分为标样集和样品集，在等质量样品集的牛奶样品中分别按不同质量比依次掺入羊奶，掺伪羊奶含量的范围为1～10％，得到掺伪集；

步骤二、光谱采集：分别采集标样集和掺伪集的表面增强拉曼光谱，表面增强拉曼光谱采集时，牛奶样品温度为20°±5C，光谱波数范围4000～650cm^-1；

步骤三、光谱预处理：对采集的表面增强拉曼光谱进行预处理，预处理方法采用矢量归一化和Savitzky-Golay滤波15点平滑；

步骤四、定性识别模型建立：通过学习向量量化神经网络建立标样集和掺伪集的表面增强拉曼光谱的定性识别模型，所述标样集的正确率要求大于95％，所述掺伪集的正确率要求大于90％；

其中，所述学习向量量化神经网络中的输出神经元个数设为2，学习数率采用0.01，误差目标设为0.1，训练步数设为1000，权值学习函数采用“learn1v1”；

步骤五、待测牛奶样品识别:采集待测牛奶样品的表面增强拉曼光谱，采用定性识别模型对待测牛奶样品进行识别。