[发明专利]原料水牛奶保存天数的光谱鉴定方法

说明书

本发明属于奶品分析技术领域，具体涉及原料水牛奶保存天数的光谱鉴定方法。本发明的领域与中红外光谱分析领域相关。本发明的主要步骤为：获得不同保存时间的原料水牛奶样品中红外光谱数据，对原始中红外光谱进行预处理，去除异常值，将预处理后的数据集分为训练集和测试集，对训练集进行光谱波段选择，在训练集上构建预测模型，使用测试集和验证集对模型进行评估。所述的检测应用：用模型预测原料水牛奶保存时间是否超过1天。本发明具有测试速度快、对样品无损、可同时大批量检测等突出优点。

技术领域

本发明属于奶品分析技术领域，具体涉及一种原料水牛奶保存天数的光谱鉴定方法。本发明的领域与中红外光谱分析领域相关。

背景技术

水牛奶是世界上仅次于牛奶的第二大人类乳与乳制品来源^[1]。水牛奶营养价值高，被称为“乳中精品”，干物质、乳脂、乳蛋白、矿物质、维生素等营养成分含量高，特别是不饱和脂肪酸以及必须氨基酸含量高^[2]。我国是第三大奶水牛存栏国，水牛奶生产潜力巨大，奶水牛业基础良好，有望发展成我国第二大奶业支柱^[3]。由于水牛奶等小众奶普遍存在的牛场规模限制、生产环境偏僻、交通运输不方便等问题，牛场的挤奶厅和加工厂不在同一个地方，水牛生奶在进行加工制作前，需要在冷藏条件下储存一段时间，而储存时间是影响水牛生奶品质的一个重要因素，保存不当或保存时间过长，都可能导致水牛奶腐败或变质。针对目前水牛生奶保鲜周期短而检验周期长导致的奶制品标准不一、产品质量参差不齐等问题，需要快速方便的检测手段来对市场行为进行约束，同时为其它动物奶的品质监控提供参考手段。

目前中红外技术已经普遍应用在水牛奶的品质检测中^[4]，而结合中红外建模对水牛奶保存时间的研究较少。由中红外光谱仪输出的数据为n×1060的矩阵(n为样本量)，数据庞大，且难以避免数据不完整、不一致、极易受到噪声(错误或异常值)侵扰，低质量的数据将导致效果较差的数据挖掘结果，因此需要一些方法对输出的数据进行预处理，这些方法通常包括数据标准化、处理缺失值、去除噪声及异常值、特征选择等。因此需要建立原料水牛奶保存天数的光谱鉴定技术。

发明内容

本发明的目的在于克服现有技术存在的缺陷，提供一种基于中红外光谱分析的原料水牛奶保存天数的快速鉴定方法。为了确定最佳的预处理和建模算法组合，本发明对光谱数据使用了包括不处理在内的5种预处理方法，结合2种建模方法，共建立了10个原料水牛奶保存时间鉴定模型。并且通过对光谱数据进行Pearson相关性检验和相关性的显著性分析筛选出建模使用的特征光谱。所建立的模型在测试集上的准确率为1.00，在验证集上的准确率为0.90。

本发明的技术方案如下所述：

一种基于中红外光谱分析的原料水牛奶保存天数的光谱鉴定方法，所述的方法包括以下步骤：

1)选取奶样：采集不同保存天数的原料水牛奶作为检测样本。

2)采集中红外光谱:利用乳成分检测仪对步骤1)的检测样本进行扫描，通过与其相连的计算机输出样本对应的透光率，得到样本光谱图；

3)对采集的原始中红外光谱数据进行预处理，将光谱数据由透射率(T)转换成吸光度(A)，去除异常值；

4)数据集的划分:将数据集分为训练集和测试集；

5)建模波段的选择：筛选两种牛奶样本的显著差异波段，并去除水的吸收区域；

6)模型的建立与筛选：以训练集奶样的中红外光谱作为输入值，以不同保存天数的原料水牛奶的类别作为输出值，使用不同光谱预处理方法和不同建模算法在训练集上构建模型，遵循准确性、特异性、灵敏度和AUC等指标较高的原则对模型进行评估及筛选，选择最优的数据预处理和建模算法组合构建模型；

7)最优模型的验证与应用：另取不同保存天数的原料水牛奶样本，使用筛选出的最优模型对样本进行鉴别，评估其应用性能；