[发明专利]一种减小品牌对掺杂尿素牛奶判别模型影响的异步近红外相关切谱检测方法

说明书

本发明属于检测方法领域，涉及掺伪牛奶的检测，尤其是一种减小品牌对掺杂尿素牛奶判别模型影响的异步近红外相关切谱检测方法，相对于一般的建模思路，仅让研究体系共有的信息，即掺杂物尿素和不同品牌牛奶固有组分信息进入模型，从而降低了品牌对判别模型的影响，提高了判别正确率；本发明，利用异步近红外相关谱在特征谱带处的切谱进行建模分析，不仅可减小牛奶品牌对模型的影响，提高了判别正确率，而且相对整个异步二维相关谱矩阵，特征数据少，建模效率高；本发明所用的方法简易、科学、分析效率和判别正确率高，可推广到其它食品掺假检测中。

技术领域

本发明属于检测方法领域，涉及掺伪牛奶的检测，尤其是一种减小品牌对掺杂尿素牛奶判别模型影响的异步近红外相关切谱检测方法。

背景技术

奶是人们生命的最初阶段的唯一食物。随着社会的快速发展和人民生活水平的提高，牛奶日益成为了大家平时生活中的日常饮品。牛奶，微量元素十分丰富，牛奶具有润肠、润燥的功能，也有延缓面部衰老，减缓人们大脑衰老的功能，因此受到广大消费者欢迎。但是，有很多不法商贩，为了获取暴利，往往会在牛奶中添加一些不同于牛奶固有组分的掺杂物，这些掺杂牛奶直接危害人体健康，存在很大的安全隐患，甚至导致部分饮用者中毒。因此，就需要发展一种快速便捷的掺杂牛奶的检测方法，为消费者喝放心奶保驾护航。

二维相关谱技术可以更有效地提取复杂体系中待分析组分微弱的、变化的特征信息，已被用于掺伪食品的检测中。中国发明专利申请公开号CN104316491A公开了一种牛奶中掺尿素的同步-异步二维近红外相关谱检测方法；中国发明专利申请公开号CN103792198A公开了一种牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法。但无论是常规一维光谱技术，还是上述两个发明专利公开的二维相关谱建立数学模型的流程一般为：选择有代表性的样品—采集光谱并预处理—选择合适算法提取特征信息—采用模式识别建立模型—对未知样品进行判别。但由于待分析样品的差异性(不同品牌、产地、生产批次等引起)，往往会造成所建模型的实用性和稳定性较差。针对这一问题研究者提出了通过积累大量样品扩展模型、局域建模等多种方法来解决这个问题。这些方法基本都是针对建模样品的选择上(流程第一步)进行研究对模型进行优化。这些方法操作起来比较复杂，而且也没有从本质上解决问题。

事实上，数学模型预测样品的效果决定于建模所直接用的数据，即所提取的特征信息(流程的第三步)。因此，针对现有技术中存在的不足，本发明提供一种基于异步近红外相关切谱共有特征信息减小牛奶品牌对掺杂牛奶判别模型影响的检测方法，从特征近红外光谱信息提取入手，如何有效地仅提取掺伪组分所引起的变化特征信息，而忽略由于样本差异性所引起的变化信息，仅让掺伪组分所引起的变化信息进入模型(对于未知样品，采用同样地方法进行提取)，从而降低由于不同品牌、产地、生产批次等因素引起样本差异性对模型的影响，该方法未见国内外相关文献报道。

发明内容

本发明是通过以下技术方案实现的：

一种减小品牌对掺杂尿素牛奶判别模型影响的异步近红外相关切谱检测方法，包括以下步骤：

(1)、准备实验用纯尿素粉末，光明、蒙牛、三元和完达山四个品牌的纯牛奶和掺杂尿素牛奶；

(2)、在4000-11000cm^-1范围分别扫描实验用纯尿素粉末、四个品牌纯牛奶以及掺杂尿素牛奶的近红外漫反射光谱，分别得到实验用纯尿素粉末、四个品牌纯牛奶以及掺杂尿素牛奶在4000-11000cm^-1范围的一维近红外光谱数据；

(3)、确定(2)中纯尿素粉末的特征近红外波带：4510cm^-1、5020cm^-1、6542cm^-1、6820cm^-1、7698cm^-1、9718cm^-1；

(4)、对步骤2中四个品牌纯牛奶的近红外光谱计算其平均谱，得到四个品牌纯牛奶的平均近红外光谱；