應用近紅外光譜分析技術在線檢測牛奶成分的研究.pdf

1、本論文基于本課題組自行研制的近紅外液態(tài)在線檢測試驗臺,以牛奶為研究對象,以實現(xiàn)牛奶主要成分蛋白質和脂肪含量在線檢測為目標,綜合多學科的知識對近紅外光譜數據中的信息提取和模型建立中遇到的關鍵問題給出了解決方案,論證了該技術的可行性。該研究對實現(xiàn)牛奶成分含量快速、實時、準確的檢測具有重要的指導意義和參考價值。主要有以下研究內容:
　　 1.以實現(xiàn)牛奶光譜在線檢測的可行性和穩(wěn)定性為原則,基于本近紅外在線檢測設備,對試驗的各項參數(本底

2、、掃描次數、牛奶溫度、流速、光纖探頭光程)進行了優(yōu)化,這些參數的優(yōu)化為牛奶樣品光譜采集提供了參考；
　　 2.比較了多種預處理方法的效果,找出了蛋白質和脂肪的最佳預處理方法,同時探討了MSC方法在本試驗中的可行性并分析了原因；比較了各預處理方法對不同溫度下預測模型的預測效果,表明了僅使用光譜預處理方法不能消除溫度對模型的影響,無法建立溫度穩(wěn)健模型；選擇了蛋白質和脂肪最佳建模波段,然后利用偏最小二乘法分別建立了牛奶樣品的蛋白質和脂

3、肪校正模型并對模型的預測性能進行了評價,蛋白質預測模型相關系數、預測均方差和平均偏差分別為:0.9067、0.3087和0.2017；脂肪預測模型相關系數、預測均方差和平均偏差分別為:0.9299、0.3996和0.2461。結果表明:本試驗建立的牛奶蛋白質和脂肪的模型預測性能較好,基本上可以滿足牛奶成分的在線檢測精度要求；
　　 3.模型的穩(wěn)健性是評價在線近紅外分析技術的一個重要指標。在26℃-41℃范圍內,研究了溫度對預測牛

4、奶成分的影響。把36℃下建立的校正模型用來預測不同溫度下的驗證集發(fā)現(xiàn),36℃下建立的牛奶成分模型只對相同溫度下的預測模型有效,這說明了樣品溫度對預測結果的重要性；
　　 4.采集了不同溫度下牛奶的光譜組成溫度補償校正集,通過補償校正方法的引入,建立了溫度全局模型,實現(xiàn)了模型對溫度因素的穩(wěn)健性。補償校正方法的引入雖然在一定程度上降低了預測模型精度,但該方法簡單可行,還可用于建立其他影響因素(如一些難于控制的干擾因素:氣泡、壓力、樣