[发明专利]一种基于数据驱动拉曼光谱的乳品中乳清蛋白测量方法

摘要

本发明涉及一种基于数据驱动拉曼光谱的乳品中乳清蛋白测量方法，该方法借助变量筛选方法，从复杂、变动的平移不变小波系数中准确提取待测物质的最佳变量组合，采用平移不变小波变换对变量组合进行光谱重构，在有效剥离基质等光谱干扰的同时，获得了最佳的时域/频域分辨率，有利于后续的建模分析。同时，该方法通过分析未知乳品样本的重构光谱数据特征及内在规律，只针对单个未知乳品样本单独建模，以动态地逼近目标理想模型，有效克服实际乳品样本配方的不确定性。最终构建乳品样本中α‑乳白蛋白和β‑乳球蛋白的数据驱动模型，并折算成相应的乳清蛋白含量，进而实现了乳品中乳清蛋白的无损检测，可方便进行相关乳品的现场检测。

主权项

1.一种基于数据驱动拉曼光谱的乳品中乳清蛋白测量方法，其特征在于，包括如下步骤：(1)以面扫描或旋转样品杯的方式重复采集10‑100次乳品样本的拉曼光谱，取其平均值作为乳品样本的拉曼光谱；(2)利用高效液相色谱‑质谱联用仪分别对乳品样本中α‑乳白蛋白和β‑乳球蛋白的含量信息进行定量分析；(3)采用近似平移不变小波变换的方法对乳品样品的拉曼光谱进行小波多尺度分解，获取乳品样本拉曼光谱的近似平移不变小波变换系数；(4)基于乳品样本拉曼光谱的近似平移不变小波变换系数，采用无监督分类算法将乳品样本拉曼光谱的近似平移不变小波变换系数分成多个类簇；(5)根据每个类簇的乳品样本拉曼光谱的近似平移不变小波变换系数以及乳品样本中α‑乳白蛋白和β‑乳球蛋白的含量信息，采用变量筛选方法对每个类簇的近似平移不变小波变换系数进行变量筛选，构建每个类簇的数据驱动模型；(6)对乳品样本拉曼光谱的近似平移不变小波变换系数进行光谱重构，获取每个类簇的重构光谱信息，构建已知乳品光谱数据库；(7)针对未知乳品样本，先根据步骤(1)至(3)获取未知乳品样本拉曼光谱的近似平移不变小波系数，然后根据步骤(4)的无监督分类方法将其归类到所属类簇，并根据步骤(6)获取未知乳品样本的重构光谱信息；(8)从同一个类簇的已知乳品光谱数据库中选择与未知乳品样本欧式距离或马氏距离最接近的15‑30个已知乳品样本为校正集，根据已知乳品样本中α‑乳白蛋白和β‑乳球蛋白的含量信息采用多元校正方法分别建立单个未知乳品样本的α‑乳白蛋白和β‑乳球蛋白的数据驱动模型；(9)单独划出一个独立的用于评估数据驱动模型性能的验证集，所述验证集中包含n个已知乳品样本，将步骤(8)重复n次以获得n个数据驱动模型和相应的预测值，并分别对验证集乳品样本中α‑乳白蛋白、β‑乳球蛋白的数据驱动模型性能进行量化评价；(10)根据步骤(8)所构建的α‑乳白蛋白、β‑乳球蛋白数据驱动模型预测未知乳品样本的α‑乳白蛋白、β‑乳球蛋白浓度，并将它们的含量信息折算成未知乳品样本中乳清蛋白含量信息。