基于支持向量回归算法和太赫兹吸收光谱的大豆中蛋白质定量检测方法技术

本发明专利技术涉及大豆中蛋白质定量检测领域，特别是涉及一种基于支持向量回归（support vector regression,SVR）算法和太赫兹（terahertz，THz）吸收光谱的大豆中蛋白质定量检测领域，属于大豆品质检测领域。该方法详细地说明了如何通过SVR算法和THz吸收光谱建立大豆中蛋白质定量检测模型，起到对大豆中蛋白质进行定量分析的作用。首先，收集大豆样品并制备实验样品，采集实验样品的THz光谱并获取其THz吸收光谱数据；然后，对光谱数据进行光谱预处理；最后，将光谱数据作为SVR算法的输入，通过人工蜂群算法（artificial bee colony algorithm,ABC）确立惩罚参数c和核函数参数g的最优参数组合，从而建立最佳的大豆中蛋白质定量检测模型，最终为实现基于SVR算法和THz吸收光谱的大豆中蛋白质定量检测提供一种方法。收光谱的大豆中蛋白质定量检测提供一种方法。收光谱的大豆中蛋白质定量检测提供一种方法。

【技术实现步骤摘要】
基于支持向量回归算法和太赫兹吸收光谱的大豆中蛋白质定量检测方法


[0001]本专利技术涉及大豆中蛋白质定量检测领域，特别是涉及一种基于支持向量回归（support vector regression, SVR）算法和太赫兹（terahertz，THz）吸收光谱的大豆中蛋白质定量检测领域。

技术介绍

[0002]大豆是世界上主要的农产品之一，其籽粒中的蛋白质含量在30%
‑
50%之间。大豆是日常饮食中丰富且廉价的蛋白质来源。大豆中蛋白质具有容易量产和品质优良等优势。因此，蛋白质的含量成为衡量大豆品质好坏的一个重要品质指标。
[0003]传统的蛋白质测定方法存在检测时间长、试剂配制困难和具有一定危险性等缺点。因此，需要研究一种快速，准确，稳定的定量检测蛋白质的方法。随着光谱技术的深入研究，近红外等光谱技术被应用于农产品和食品品质检测中。尽管已经有多种光谱技术被使用于农产品和食品品质检测中，但是基于THz光谱的相关定量检测方法却相对较少。因此，研究一种基于SVR算法和THz吸收光谱的大豆中蛋白质定量检测方法，仍然具有重要的现实意义。
[0004]THz光谱技术是一种新型的相干远红外光谱技术。分子（DNA等等）的振动和转动能级，以及分子之间的相互作用（氢键等等）在THz频率都有非常多的独特的吸收特性。这些也是THz光谱技术与其他光谱技术的主要区别。这些独特的吸收峰也是这些分子和分子之间的相互作用的独一无二的指纹吸收谱，因此THz光谱对于检测物质的微小差异和变化都是异常敏感。从现有的THz吸收光谱数据结果来看，由于大豆中多种成分吸收谱的相互叠加，单靠光谱图来进行定量检测是不可行的，必须借助化学计量学等方法来进行定量检测。
[0005]针对这一难题，本专利技术提出利用SVR算法和THz吸收光谱对大豆中蛋白质进行定量检测的方法，此法为大豆的蛋白质含量测定提供了技术支持。

技术实现思路

[0006]针对传统大豆中蛋白质定量检测方法的不足，本专利技术提出了基于SVR算法和THz吸收光谱的大豆中蛋白质定量检测方法。该专利技术实现步骤如下：（1）收集不同批次的大豆样品，大豆样品中蛋白质含量参照GB 5009.5
‑
2016《食品安全国家标准
‑
食品中蛋白质的测定》进行测定；（2）制备实验样品；（3）对大豆样品进行THz光谱采集，获取大豆样品的THz吸收光谱数据；（4）对THz吸收光谱数据进行光谱预处理；（5）建立SVR大豆中蛋白质定量检测模型；（6）使用该定量检测模型对大豆样品进行预测验证。
附图说明
[0007]图1本专利技术所述方法的流程示意图。
[0008]图2用于大豆中蛋白质定量检测的 225 份大豆样品THz吸收光谱图。
具体实施方式
[0009]下面结合附图对本专利技术作进一步详细描述。
[0010]本专利技术的实现流程图，如图1所示，其具体步骤如下：（1）研究对象的选取，收集不同的批次的大豆样品。依据GB 5009.5
‑
2016 检测标准，采用燃烧法测得每批次大豆样品的蛋白质含量。每批次大豆样品称取50g进行后续实验；（2）采用压片法制备实验样品。每批次大豆样品制备一定数量且无破损的实验样品进行THz光谱采集；（3）采用太赫兹时域光谱（terahertz time domain spectroscopy, THz
‑
TDS）系统进行实验样品的THz光谱采集。之后通过THz
‑
TDS系统的相关软件将实验样品的THz时域光谱转换为THz吸收光谱，并采用此光谱数据进行后续实验；（4）选取合适的光谱区间，对实验样品的THz吸收光谱数据分别选用不同的光谱预处理方法进行预处理，包括：标准化、标准正态变量（standard normal variate transformation, SNV）、多元散射校正（multiplicative scatter correction, MSC）、一阶导数、二阶导数、MSC结合二阶导数、SNV结合二阶导数和直接正交信号校正（direct orthogonal signal correction, DOSC）；（5）在建模过程中使用人工蜂群算法（artificial bee colony algorithm, ABC）确立惩罚参数c和核函数参数g的最优参数组合，使大豆中蛋白质定量检测模型获得较高的预测集相关系数（related coefficient of prediction set, Rp），较低的预测集预测均方差（root mean square error of prediction set, RMSEP）和相对标准偏差（relative standard deviation, RSD），SVR核函数采用最常用的径向基核函数（radial basis function, RBF）；（6）通过步骤（4）中的THz吸收光谱数据分别建立SVR大豆中蛋白质定量检测模型，对大豆中蛋白质进行定量检测。将定量检测模型的预测验证结果与实际样品蛋白质含量进行对比，得出定量检测模型的Rp，RMSEP和RSD等。
[0011]具体的，所述步骤一中实验共收集75批次的大豆样品。燃烧法测定蛋白质含量实验里采用美国LECO公司的蛋白质检测设备，具体型号为FP
‑
528。
[0012]具体的，所述步骤二中压片法制备实验样品的操作方法为：先将每批次大豆样品在50℃的烘干箱内烘干3个小时。之后使用粉碎机将大豆样品进行粉碎，再通过玛瑙研钵进一步研磨。将研磨后的样品经过孔径为0.074 mm的筛子过滤。取过筛后的样品粉末加入纯聚乙烯粉末（样品粉末和纯聚乙烯粉末混合比例为7:3），使二者混合均匀，得到实验粉末。最后，使用精密天平称取135 mg实验粉末，使用压片机进行压片。将每份实验粉末在20 MPa的压力下压制成圆形，直径约为13 mm，厚度约为1 mm薄片，薄片表面保证平滑。每批次大豆样品制备无破损的3份实验样品进行THz光谱采集，因此共采集225份实验样品的THz时域光谱。
[0013]具体的，所述步骤三中的THz光谱数据采集使用的是Ekspla公司生产的透射式THz
‑
TDS系统。
[0014]具体的，所述步骤六中225份实验样品，按照预测集和校正集的比例为1:3进行划分。第一个实验样品被选为预测集中的第一个样品，之后每隔3个样品，将下一个样品划分
到预测集中。最终，57份实验样品成为预测集。余下的实验样品成为校正集。通过校正集建立SVR大豆中蛋白质定量检测模型，通过预测集分别对SVR大豆中蛋白质定量检测模型进行预测验证。实验使用软件为Matlab R2018a（The MathWorks，U. S. A.）。
[0015]具体实施例一： （1）大豆样品的收集收集了2017和2018年产大豆样品共75批次，其中2017年产转基因大豆33批次，2018年产转基因大豆1批次，2017年产非转基因大豆6批次，20本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于支持向量回归算法和太赫兹吸收光谱的大豆中蛋白质定量检测方法，其特征在于：根据0.1
‑
1.5 THz频率范围实验样品的太赫兹（terahertz，THz）吸收光谱，首先通过8种不同的预处理方法对THz吸收光谱进行处理；然后，通过校正集实验样品的光谱数据分别建立支持向量回归（support vector regression, SVR）大豆中蛋白质定量检测模型，采用人工蜂群算法（artificial bee colony algorithm, ABC）确定SVR惩罚参数c和核函数参数g的最优参数组合；最后，通过预测集实验样品的光谱数据分别对SVR大豆中蛋白质定量检测模型进行预测验证，得出定量检测模型的预测集相关系数（related coefficient of prediction set，Rp），预测集预测均方差（root mean square error of prediction set，RMSEP），校正集相关系数（related coefficient of correction set, Rc），校正集预测均方差（root mean square error of correction set，RMSEC）和相对标准偏差（relative standard deviation，RSD），最...

【专利技术属性】
技术研发人员：祝诗平，魏枭，周胜灵，刘笑帆，唐鑫，李松，苗宇杰，马玲凯，郑权，普京，
申请(专利权)人：西南大学，
类型：发明
国别省市：