一种牛奶中掺羊奶的近红外光谱判别方法技术

一种牛奶中掺羊奶的近红外光谱判别方法，该方法包括１）选取奶样、２）近红外光谱采集以及３）聚类分析建立定性判别模型的步骤，对生鲜奶和掺假奶进行聚类分析，实现定性判定。本发明专利技术可快速定性并定量检测出牛奶中掺羊奶的情况，当羊奶占掺假奶重量百分比大于等于５％时，检测的准确率可达１００％，单个样品检测时间在一分钟以内。

【技术实现步骤摘要】

本专利技术涉及一种牛奶中掺羊奶的判别方法，具体涉及一种牛奶中掺羊奶的近红外 光谱判别方法。
技术介绍
随着人们生活水平不断提高，乳制品的消费量迅速增加，特别是营养高的牛乳制 品的发展更是迅猛。生鲜牛奶作为牛奶制品生产的基本原料，其质量控制在生产管理中是 至关重要的环节。在实际生产加工中，某些牛奶供应商为了降低成本，谋取更高的商业利 益，将掺有羊奶的牛奶充当生鲜牛奶销售，损害了消费者利益，也损害的牛奶制品生产企业 的利益，且降低了牛奶制品的品质，造成很大危害。目前，对牛奶中掺羊奶的鉴别的主要方 法有一种方法是利用牛奶内部成分的变化作为识别指示物，如NaCL含量的变化；另一种 方法是利用酸滴定看是否沾管来进行识别；还有一种方法就是在加热条件下看奶中酪蛋白 是否凝固来进行判别。这些理化检测方法虽然简单，但不够准确、难以满足实际需要，重要 的是会破坏样品奶，造成不必要的浪费。近红外光谱分析是近年来快速发展起来的一种快速、无损、无公害、可多组分同时 分析的现代技术，广泛应用于农产品及食品质量检测中，但是还没有关于对掺有羊奶的牛 奶进行近红外光谱鉴别的相关文章的报道。
技术实现思路
本专利技术的目的在于提供，其为牛奶中掺 羊奶提供了一种定性和定量检测的途径，检测结果准确且不会破坏样品奶。本专利技术的技术方案是，其特殊之处在于，该方法包括以下步 骤1)选取奶样含不同重量浓度梯度羊奶的掺假奶的配制，按照羊奶浓度以重量百分比分别为 5%，10%，20%，35%，50%，75%，100%的梯度，进行配制，得到羊奶浓度不同实验样品；再 和生鲜牛奶组成实验样品8种，每种梯度10个样，共80个样备用；2)近红外光谱采集利用傅里叶变换近红外光谱仪，结合固体光纤探头采集牛奶的漫反射光谱；检测 波数范围为4000 12000CHT1，间隔ScnT1，每次扫描64次取平均，通过相连的计算机记录吸 光度值logl/R。3)聚类分析建立定性判别模型先将每个样品作为一类，选定样品间的一种距离和类与类之间的距离，然后将距 离最近的两类合并成一个新类，计算新类与其他类之间的距离，再重复上述并类过程，直到 最后全都并成一类为止，建立定性判别模型；将生鲜牛奶样品作为一类，将含不同浓度羊奶的掺假奶作为一类，对生鲜奶和掺 假奶进行聚类分析，实现定性判定。上述牛奶中掺羊奶的近红外光谱判别方法，进行定性判定后，还包括定量判定，所 述定量判定包括1)选取奶样定性判别后，70个掺假奶样按照羊奶浓度以重量百分比分别为5 %，10 %，20 %， 35%，50%，75%，100%的梯度选取校正集样品49个、验证集样品21个；2)采用偏最小二乘法建立掺假奶中羊奶含量的定标模型建立光谱无需进行预处理，采用“剔一”交叉验证法来确定主成分维数Rank为8， 光谱范围为11995. 4 4597. 6cm"1时的模型，其R2最大，RMSECV最小；3)优化模型再通过“剔一”交叉验证法剔掉3个异常值样品后，建模共采用掺假奶样46个，建 立羊奶定标模型，其中，R2为99. 71%, RMSECV为1. 67%，主成分为7，预测值和实测值达到 极显著相关水平，完成模型的优化；4)验证模型利用建立的定标模型，预测验证集的21个样品，得近红外光谱预测值与实际值基 本一致的结果，21个样品近红外光谱预测值与实际值的R2为99. 80%,RMSEP为1. 75%，验 证模型的预测效果良好；将预测值和实际值进一步通过配对t检验确认，在0. 05显著性水平下，两种值不 存在显著性差异，不存在系统误差，进一步验证所建的校正模型具有良好的预测能力，可以 达到常规分析的精度要求。上述计算光谱间的距离是利用欧氏距离来表示 式中，a(k)和b(k)是谱图a和b在波长k处的吸光度值，η为波长点总数。上述采集牛奶的漫反射光谱时，每次采集时先将样品倒入直径4cm，高5cm的圆柱 形样品杯中，然后将固体光纤探头伸到液体中，需保证液面高度大于5cm。上述每次采集光谱前，先选取含有等质量的样品，并在水浴锅中恒温至 40士0. I0Co上述“剔一”交叉验证法是指对代表待测的多组分系统仅有一组样品用于建模和 检验该系统；开始建模之前要从这组样品中除去一个样品；这个样品被用作检验模型；其 余样品用作该系统的建模。上述采用偏最小二乘法建立掺假奶中羊奶含量的定标模型；所述采用“剔一”交叉 验证法来确定主成分维数(Rank)，在建模分析中，应遵循决定系数(R2)偏高、交互验证均方 根差(RMSECV)偏小的原则。上述固体光纤探头的直径为2mm较佳。本专利技术是利用0PUS5. 5 QUNAT-2定量分析软件实现定量分析。上述光谱预处理及聚类分析利用0PUS5. 5软件实现。本专利技术的优点在于可快速定性并定量检测出牛奶中掺羊奶的情况，当羊奶占掺假奶重量百分比大于等于5%时，检测的准确率可达100%，单个样品检测时间在一分钟以 内。在0. 05显著性水平下，预测值和实测值几乎不存在显著性差异，检测准确可靠，可直接 应用于乳品品质的在线检测，具有广阔的发展前景。附图说明图1含不同浓度羊奶的掺假奶的平均光谱图；图2含不同浓度羊奶的掺假奶的一阶倒数光谱图；图3生鲜奶与含5%羊奶的掺假奶的聚类分析树形图；图4生鲜奶与纯羊奶的聚类分析树形图；图5校正集羊奶含量预测值与真值关系图；图6验证集样品羊奶含量预测值与真值关系图。具体实施例方式，该方法包括以下步骤1)选取奶样含不同重量浓度梯度羊奶的掺假奶的配制，按照羊奶浓度以重量百分比分别为 5 %，10 %，20 %，35 %，50 %，75 %，100 %的梯度，进行配制，得到羊奶浓度不同实验样品；再 和生鲜牛奶组成实验样品8种，每种梯度10个样，共80个样备用。2)近红外光谱采集利用傅里叶变换近红外光谱仪，结合直径为2mm的固体光纤探头采集牛奶的漫反 射光谱；检测波数范围为4000 12000CHT1，间隔ScnT1，每次扫描64次取平均，通过相连的 计算机记录吸光度值logl/R。3)聚类分析建立定性判别模型先将每个样品作为一类，选定样品间的一种距离和类与类之间的距离，然后将距 离最近的两类合并成一个新类，计算新类与其他类之间的距离，再重复上述并类过程，直到 最后全都并成一类为止，建立定性判别模型；将生鲜牛奶样品作为一类，将含不同浓度羊奶的掺假奶作为一类，对生鲜奶和掺 假奶进行聚类分析，实现定性判定。进行定性判定后，还包括定量判定，所述定量判定包括1)选取奶样 定性判别后，70个掺假奶样按照羊奶浓度以重量百分比分别为5 %，10 %，20 %， 35%，50%，75%，100%的梯度选取校正集样品49个、验证集样品21个；2)采用偏最小二乘法建立掺假奶中羊奶含量的定标模型建立光谱无需进行预处理，采用“剔一”交叉验证法来确定主成分维数Rank为8， 光谱范围为11995. 4 4597. 6cm"1时的模型，其R2最大，RMSECV最小；3)优化模型再通过“剔一”交叉验证法剔掉3个异常值样品后，建模共采用掺假奶样46个，建 立羊奶定标模型，其中，R2为99. 71%, RMSECV为1. 67%，主成分为7，预测值和实测值达到 极显著相关水平，完成模型的优化；64)验证模型利用建立的定标模型，预测本文档来自技高网...

【技术保护点】
一种牛奶中掺羊奶的近红外光谱判别方法，其特征在于，该方法包括以下步骤：１）选取奶样含不同重量浓度梯度羊奶的掺假奶的配制，按照羊奶浓度以重量百分比分别为５％，１０％，２０％，３５％，５０％，７５％，１００％的梯度，进行配制，得到羊奶浓度不同实验样品；再和生鲜牛奶组成实验样品８种，每种梯度１０个样，共８０个样备用；２）近红外光谱采集利用傅里叶变换近红外光谱仪，结合固体光纤探头采集牛奶的漫反射光谱；检测波数范围为４０００～１２０００ｃｍ↑［－１］，间隔８ｃｍ↑［－１］，每次扫描６４次取平均，通过相连的计算机记录吸光度值ｌｏｇ１／Ｒ。３）聚类分析建立定性判别模型先将每个样品作为一类，选定样品间的一种距离和类与类之间的距离，然后将距离最近的两类合并成一个新类，计算新类与其他类之间的距离，再重复上述并类过程，直到最后全都并成一类为止，建立定性判别模型；将生鲜牛奶样品作为一类，将含不同浓度羊奶的掺假奶作为一类，对生鲜奶和掺假奶进行聚类分析，实现定性判定。

【技术特征摘要】

【专利技术属性】
技术研发人员：丁武，罗军，李亮，王晨，
申请(专利权)人：西北农林科技大学，
类型：发明
国别省市：87[中国|西安]