CN101769866A - 一种牛奶成分的检测装置和方法 - Google Patents

Abstract

一种牛奶成分检测方法，包括建立模型步骤和牛奶检测步骤，所述的建立模型步骤用于建立并存储近红外光谱分类校正模型，利用超声波自激频率对不同类型牛奶的近红外光谱进行分类并建立与所述不同类型牛奶对应的近红外光谱分类校正模型；所述牛奶检测步骤根据待测牛奶样品的超声波自激频率及近红外光谱信息，对应所述近红外光谱分类校正模型得到所述牛奶样品的成分含量。本发明的装置和方法使用超声波自激频率测量技术，对牛奶成分的背景干扰进行评估，借助于超声波和近红外的信息融合方法，自动进行近红外光谱模型的分类，实现了牛奶常规成分的快速、准确、自动以及高效检测。

Description

一种牛奶成分的检测装置和方法

技术领域

本发明涉及自动检测技术领域，特别是一种利用超声波和近红外光谱分析技术检测牛奶成分的检测装置和方法。

背景技术

作为牛奶内部成分检测的国标方法主要是化学法。由于化学法分析牛奶成分时间较长，成本较高，因此快速、非接触和自动检测方法被提出，目前主要有中红外光谱法、近红外光谱分析法和超声波分析法。中红外光谱法和超声波分析法都已经有相应的商业仪器面世，化学法作为国标方法，是基准作为标准方法。

化学分析法，在国标中，对生鲜牛乳、巴氏杀菌乳、灭菌乳等乳制品的各项指标及检测均有严格的规定。脂肪采用罗兹一哥特里法，报告质量分数结果精确至0.01％；两次平行测定结果之差，对100g鲜牛乳不得超过0.03g，蛋白质采用半微量凯氏定氮法，两次平行测定结果之差不得超过两次测定平均值的1.5％；乳糖采用高压液相色谱法和莱因一埃农氏法，两次平行测定结果之差不超过平均值的5％；虽然化学方法已经相当成熟，在现有的条件下，可以保证很高的测量精度，但是其测量过程需要耗费大量的时间，并且化验成本高，因此无法满足大量原奶收购成分分析的需要。

超声波探测技术是利用高频声波与物质之间的相互作用以获取被测物质内部的物理化学性质，声波通过介质时大致表现为三种形式：压缩波、表面波和切变波。在应用中，较之其它两种形式，压缩波是最重要的考虑因素；这种压缩波在介质中的传递是通过介质的压缩和膨胀进行的；但这种介质质点在声波作用下以原始位置为原点所发生的振荡仍服从HOOKE定律，换言之，介质的结构在声波传递过程中未发生任何根本性的破坏。基于以上原理，超声传播特性的检测方法主要是测定其在牛奶中传播的声速和声衰减。通过大量的试验，建立了部分牛奶成份与超声波特性之间的经验数学关系。目前已有多种超声波牛奶成分分析仪面世，其预测精度CV(Coefficient of Variance)值可达到5％的水平。专利号为“ZL03115751.3”，名称为“超声波牛奶成份分析仪”的中国发明专利，公开的一种超声波牛奶成份分析仪，利用超声波检测技术，采用多重线形回归方程对多相液体成分进行分析，可一次性检测分析牛奶中的脂肪、蛋白质、非脂乳固体、密度、冰点和加水率，利用超声波检测牛奶成分含量，虽然重复性好，但其长期工作检测稳定性较差，检测精度不高。

中红外光谱是物质的在中红外区的吸收光谱。一般将2.5-25μm的红外波段划为中红外区。同时，由于物质在中红外谱区的吸收信号谱带重叠少，基频振动是红外活性振动中吸收最强的振动，所以本区最适宜进行定性和定量分析。但是中红外光谱分析方法仪器的成本高，应用普及在我国还需要长时间的努力。

近红外区域按美国试验和材料协会ASTM定义是指波长在780～2526nm范围内的电磁波，是人们最早发现的非可见光区域。由于物质在该谱区的倍频和合频吸收信号弱，谱带重叠，解析复杂，受当时的技术水平限制，近红外光谱“沉睡”了近一个半世纪。上世纪80年代后期，随着计算机技术的迅速发展，带动了分析仪器的数字化和化学计量学的发展，通过化学计量学方法在解决光谱信息提取和背景干扰方面取得的良好效果，加之近红外光谱在测样技术上所独有的特点，使人们重新认识了近红外光谱的价值，近红外光谱在各领域中的应用研究陆续展开。例如申请号为“200610011234.1”，名称为“一种利用近红外光谱鉴别生鲜乳和商品乳中的还原乳的方法”的中国发明申请，所公开的鉴别方法即为近红外光谱应用的实例，但该方法无法避免牛奶成分的背景干扰，测量精确度不高。

利用近红外光谱分析方法检测牛奶常规成分，比国标的方法快很多，尽管普通近红外光谱分析方法易受到光源、环境温度和信号噪声的影响，以及牛奶在温度变化情况下其不均匀性和大分子的积聚性影响其光学特性，这些都可以通过各种检测技术来一一排除，但是牛奶成分的背景干扰影响却难以消除。近红外测量技术的谱带重叠问题就产生了背景干扰问题，例如在测量各浓度乙醇时，纯水的含量就是背景干扰，参见图1，图1为纯水a、5％乙醇b、10％乙醇c、15％乙醇d、纯乙醇e的近红外原始光谱。由图可见，各浓度乙醇与纯水的近红外光谱基本一致，在6872cm处吸收随着含水量增加略有提高，乙醇的特征吸收基本被湮没于水的强吸收中。因此测量乙醇含量时应考虑水吸收峰的强背景干扰。利用超声波检测出纯水的含量，针对不同的纯水含量建立乙醇的校正模型并以此来进行预测，将会有效的减少纯水强背景干扰。当然，实际牛奶常规成分测量过程中背景干扰因数很多，利用超声波给出的是某一类成分组合的背景，而在这类背景的基础上建立模型并进行牛奶成分的分析将提高测量精度。

发明内容

本发明所要解决的技术问题是针对近红外光谱分析法检测牛奶成分检测容易受牛奶成分背景干扰影响的弊端，提出一种基于超声波和近红外测量技术相融合的检测方法，以达到对牛奶常规成分的快速、准确、自动以及高效检测。

为了实现上述目的，本发明提供了一种牛奶成分检测方法，包括建立模型步骤和牛奶检测步骤，其中，所述的建立模型步骤用于建立并存储近红外光谱分类校正模型，利用超声波自激频率对不同类型牛奶的近红外光谱进行分类并建立与所述不同类型牛奶对应的近红外光谱分类校正模型；所述牛奶检测步骤根据待测牛奶样品的超声波自激频率及近红外光谱信息，对应所述近红外光谱分类校正模型得到所述牛奶样品的成分含量。

上述的牛奶成分检测方法，其中，所述的建立模型步骤包括：

样品前处理步骤，选择一批已拉开梯度和不同成分含量分布的牛奶样品；

化学分析法测量步骤，对该批牛奶样品进行国标化学分析法测量，得到各所述牛奶样品的标准相关成分含量数值；

光谱信息采集步骤，采集各所述牛奶样品的近红外光谱信息；

自激频率测量步骤，用于测量各所述牛奶样品的超声波自激频率；

建立分析模型步骤，采用化学计量学方法建立各所述牛奶样品的近红外光谱分析模型；

建立分类模型步骤，根据所述超声波自激频率对所述近红外光谱分析模型进行分类，建立对应不同牛奶类型的近红外光谱分类校正模型；

存储步骤，存储所述近红外光谱分类校正模型。

上述的牛奶成分检测方法，其中，所述的牛奶检测步骤包括：

频率测量步骤，测量并输出所述牛奶样品的超声波自激频率；

信息采集步骤，采集并输出所述牛奶样品的近红外光谱信息；

数据分析步骤，接收、存储所述超声波自激频率及所述近红外光谱信息，并根据所述超声波自激频率及所述近红外光谱信息，对应所述近红外光谱分类校正模型用化学计量学模型进行数据分析处理，得到所述牛奶样品的成分含量；

数据输出步骤，输出所述牛奶样品的成分含量。

上述的牛奶成分检测方法，其中，所述的数据分析步骤包括：

确定模型步骤，利用所述近红外光谱分类校正模型，根据所述超声波自激频率，确定所述牛奶样品的对应分类模型：

数据处理步骤，用化学计量学模型对已确定所述对应分类模型的所述近红外光谱信息进行数据处理，得到所述牛奶样品的成分含量。

为了更好地实现上述目的，本发明还提供了一种牛奶成分检测装置，包括建立模型模块和牛奶检测模块，其中，所述建立模型模块，用于建立并存储近红外光谱分类校正模型，利用超声波自激频率对不同类型牛奶的近红外光谱进行分类并建立与所述不同类型牛奶对应的近红外光谱分类校正模型；所述牛奶检测模块，用于根据待测牛奶样品的超声波自激频率及近红外光谱信息，对应所述近红外光谱分类校正模型得到所述牛奶样品的成分含量。

上述的牛奶成分检测装置，其中，所述的建立模型模块包括：

样品前处理单元，用于选择一批已拉开梯度和不同成分含量分布的牛奶样品；

化学分析法测量单元，用于对该批牛奶样品进行国标化学分析法测量，得到各所述牛奶样品的标准相关成分含量数值；

光谱信息采集单元，用于采集各所述牛奶样品的近红外光谱信息；

自激频率测量单元，用于测量各所述牛奶样品的超声波自激频率；

建立分析模型单元，用于采用化学计量学方法建立各所述牛奶样品的近红外光谱分析模型；

建立分类模型单元，用于根据所述超声波自激频率对所述近红外光谱分析模型进行分类，建立对应不同牛奶类型的近红外光谱分类校正模型；

存储单元，用于存储所述近红外光谱分类校正模型。

上述的牛奶成分检测装置，其中，所述的牛奶检测模块包括：

频率测量单元，用于测量并输出待测牛奶样品的超声波自激频率；

信息采集单元，用于采集并输出所述牛奶样品的近红外光谱信息；

数据分析单元，分别与所述建立模型单元、所述频率测量单元及所述信息采集单元连接，用于接收、存储所述近红外光谱信息及所述超声波自激频率，根据所述超声波自激频率及所述近红外光谱信息，对应所述近红外光谱分类校正模型进行数据分析处理，得到所述牛奶样品的成分含量；

数据输出单元，与所述数据分析单元连接，用于输出所述牛奶样品的成分含量。

上述的牛奶成分检测装置，其中，所述的数据分析单元包括：

确定模型子单元，用于利用所述近红外光谱分类校正模型，根据所述超声波自激频率，确定所述牛奶样品的对应分类模型；

数据处理子单元，用于利用化学计量学模型对已确定所述对应分类模型的所述近红外光谱信息进行数据处理，得到所述牛奶样品的成分含量。

上述的牛奶成分检测装置，其中，所述的信息采集单元包括：

样品池，用于盛放所述牛奶样品；

近红外光谱检测子单元，包括用于发出透射光的光源准直器和用于接收所述透射光的光电探测器，所述光源准直器和所述光电探测器分别设置在所述样品池的两侧；

光栅光谱仪，分别与所述近红外光谱检测子单元及所述数据分析单元连接，用于接收所述光电探测器的信号并处理该信号得到所述牛奶样品的近红外光谱，将所述近红外光谱输出到所述数据分析单元。

上述的牛奶成分检测装置，其中，所述的频率测量单元包括：

超声波收发器，包括超声波发射端与超声波接收端，所述超声波发射端与所述超声波接收端相对设置；

均质池，设置在所述超声波发射端与所述超声波接收端之间，与所述样品池连接，用于盛放所述牛奶样品；

超声波频率测量器，分别与所述数据分析单元及所述超声波收发器连接，用于测量所述牛奶样品的超声波自激频率，并将所述超声波自激频率输出到所述数据分析单元。

上述的牛奶成分检测装置，其中，还包括蠕动泵，与所述样品池连接，用于将所述牛奶样品充入所述样品池及所述均质池。

本发明的技术效果在于：本发明的动态检测牛奶成分的装置和方法使用超声波自激频率测量技术，对牛奶成分的背景干扰进行评估，借助于超声波和近红外的信息融合方法，自动进行近红外光谱模型的分类，实现了牛奶常规成分的快速、准确、自动以及高效检测。本发明体积小、重量轻、响应速度快，可广泛用于牧场、奶制品加工厂和奶制品检测单位，也可以对牛奶进行实时连续监测以保障在一些生产车间中所生产产品的安全和质量。本发明不仅可以对牛奶进行检测，也可以对其它液态非腐蚀性物质进行实时监控，以保障其运行的安全性和稳定性。

以下结合附图和具体实施例对本发明进行详细描述，但不作为对本发明的限定。

附图说明

图1为纯水a、5％乙醇b、10％乙醇c、15％乙醇d、纯乙醇e的近红外原始光谱；

图2为本发明的原理图；

图3为本发明的牛奶成分检测方法流程图；

图4为本发明的牛奶检测装置框图；

图5为本发明一实施例的牛奶检测装置示意图；

图6为本发明一实施例的频率测量单元及信息采集单元结构示意图。

其中，附图标记

100牛奶样品

1建立模型模块

    11样品前处理单元

    12化学分析法测量单元

    13光谱信息采集单元

    14自激频率测量单元

    15建立分析模型单元

    16建立分类模型单元

    17存储单元

2牛奶检测模块

    21频率测量单元

        211超声波收发器

        212均质池

        213超声波频率测量器

    22信息采集单元

        221样品池

        222近红外光谱检测子单元

            2221光源准直器

            2222光电探测器

        223光栅光谱仪

    23数据分析单元

        231确定模型子单元

        232数据处理子单元

    24数据输出单元

6蠕动泵

7计算机

8光源

S1～S2、S11～S17、S21～S24、S231、S232步骤

具体实施方式

下面结合附图对本发明的结构原理和工作原理作具体的描述：

本发明公开了一种利用超声波和近红外光谱分析技术的动态检测方法和检测装置。该方法针对近红外光谱分析技术测量牛奶成分时受背景参数变化影响，造成模型不稳定的问题，利用超声波对牛奶组分敏感的特点进行模型分类，再应用近红外光谱分析方法快速测量牛奶成分的自动检测方法，参见图2，图2为本发明的原理图，具体说即采用超声波透射测量技术对背景参数进行评估，利用超声波透射牛奶产生的循环自激频率来对牛奶的组分进行自动分类，使得不同牛奶组分产生的背景干扰自动归类，借助于标准数据、光谱信息和超声波自激频率生成一系列分类模型，解决近红外光谱分析牛奶成分含量模型不稳定的问题。再利用近红外光谱分析仪器对牛奶样品进行光谱信息采集，利用超声波测量装置进行超声波自激频率测量，由超声波自激频率自动寻找对应的模型，最后采用化学计量学模型和最小二乘法对该牛奶样品的光谱信息和对应分析模型进行分析，求解该牛奶样品的成分含量。

参见图3，图3为本发明的牛奶成分检测方法流程图。本发明的牛奶成分检测方法包括近红外光谱分类校正模型的建立及牛奶成分近红外光谱的预测两大部分，具体说，包括建立模型步骤S1和牛奶检测步骤S2，所述的建立模型步骤S1用于建立并存储近红外光谱分类校正模型，该近红外光谱分类校正模型是利用超声波自激频率对不同类型牛奶的近红外光谱进行分类并建立与所述牛奶对应的近红外光谱分类校正模型，以降低不同牛奶组分产生的背景干扰；所述牛奶检测步骤S2根据待测牛奶样品的超声波自激频率及近红外光谱信息，对应所述近红外光谱分类校正模型得到所述牛奶样品的成分含量。

其中，所述的建立模型步骤S1包括：样品前处理步骤S11：选择一批已拉开梯度和不同成分含量分布的牛奶样品100；化学分析法测量步骤S12：对该批牛奶样品100进行国标化学分析法测量，得到各所述牛奶样品100的标准相关成分含量数值；光谱信息采集步骤S13：利用近红外光谱分析仪器采集各所述牛奶样品100的近红外光谱信息；自激频率测量步骤S14：利用超声波测量装置测量各所述牛奶样品100的超声波自激频率；建立分析模型步骤S15：采用化学计量学方法建立各所述牛奶样品100的近红外光谱分析模型；建立分类模型步骤S16：根据所述超声波自激频率对所述近红外光谱分析模型自动进行分类(即根据超声波自激频率的变化范围划分区域，不同的频率区域对应不同的分类模型，从而实现所述近红外光谱分析模型自动进行分类)，建立对应不同牛奶类型的近红外光谱分类校正模型；存储步骤S17：存储所述近红外光谱分类校正模型。

所述的牛奶检测步骤S2包括：频率测量步骤S21：测量并输出所述牛奶样品100的超声波自激频率；信息采集步骤S22：采集并输出待测牛奶样品100的近红外光谱信息；数据分析步骤S23：接收、存储所述超声波自激频率及所述近红外光谱信息，并根据所述超声波自激频率及所述近红外光谱信息，对应所述近红外光谱分类校正模型用化学计量学模型进行数据分析处理，得到所述牛奶样品100的成分含量；数据输出步骤S24：输出所述牛奶样品100的成分含量。

所述的频率测量步骤S21包括：设置一超声波收发器211，包括设置超声波发射端与超声波接收端，所述超声波发射端与所述超声波接收端相对设置；设置一均质池212，设置在所述超声波发射端与所述超声波接收端之间，与所述样品池221连接，用于盛放所述牛奶样品100；设置一超声波频率测量器213，分别与所述数据分析单元23及所述超声波收发器211连接，用于测量所述牛奶样品100的超声波自激频率，并将所述超声波自激频率输出到所述数据分析单元23。

所述的信息采集步骤S22包括：设置一样品池221，用于盛放所述牛奶样品100；设置一近红外光谱检测子单元222，包括用于发出透射光的光源准直器2221和用于接收所述透射光的光电探测器2222，所述光源准直器2221和所述光电探测器2222分别设置在所述样品池221的两侧；设置一光栅光谱仪223，分别与所述近红外光谱检测子单元222及所述数据分析单元23连接，用于接收所述光电探测器2222的信号并处理该信号得到所述牛奶样品100的近红外光谱，将所述近红外光谱输出到所述数据分析单元23。

其中，所述的数据分析步骤S23包括：确定模型步骤S231：利用所述近红外光谱分类校正模型，根据所述超声波自激频率，确定所述牛奶样品100的对应分类模型：数据处理步骤S232：对所述近红外光谱信息及所述对应分类模型进行数据处理，得到所述牛奶样品100的成分含量。

为了使检测的效果更好，本发明还可以包括设置蠕动泵步骤，将该蠕动泵6与所述样品池221连接，用于将所述牛奶样品100充入所述样品池221和所述均质池212。

本发明的牛奶检测方法，牛奶样品100的挑选：不论是原奶还是纯奶，首先挑选合适的牛奶样品100进行近红外光谱采集，然后建立定量分析的分类数学模型，然后对未知牛奶样品100采集近红外光谱，接着用已建立好的对应类别的数学模型进行处理，得到未知牛奶样品100的成分含量。实际操作以牛奶中的脂肪测量举例如下：

牛奶样品100的挑选：如针对不同地区和不同企业以及不同产品原奶中的脂肪含量进行建模，牛奶中脂肪含量一般在3％-5％，首先，挑选合适浓度的牛奶样品100，牛奶样品100浓度为有梯度的且要覆盖脂肪含量的整个范围，如3％，3.04％，3.08％，3.12％，3.16％，3.2％……5％，建模牛奶样品100个数视采样的能力约600～6000个。牛奶样品100的近红外光谱采集是将恒温至40±0.1C，然后均质，本例采用检测波长范围是900～1700nm，间隔为2nm的设置进行近红外仪器的信息采集。

下面举例说明本发明的牛奶检测方法的定量分析的过程：

1)近红外光谱数据的预处理：选取900～1700nm中的特征波段建立模型，利用多元散射校正、一阶导数、二阶导数、矢量归一法、小波滤波和遗传算法对光谱数据进行优化处理，对牛奶样品100进行交叉验证并根据相关系数(R)和模型标准差(RMSECV)的比值来判断所选特征波长段，最终选出建模的特征波段进行建模。

2)建立分类模型：

建立类型：当牛奶进入装有超声波收发装置的均质池时，向超声波发射端发送一触发脉冲，当接收端收到该信号后，经过放大与整形以及延时等处理在送至发射端形成自激振荡，不同的牛奶成分组合牛奶样品100会引起该自激频率的微小变化，检测出该变化，并按不同频率范围进行归类，给该牛奶样品100确定一个类型。

建立模型：针对某一类型的牛奶样品100，本例利用偏最小二乘法，根据预处理的所选择的特征波长段建立牛奶样品100浓度与近红外光谱之间的关系模型。

作为一个多元线性回归方法，偏最小二乘回归的主要目的是要建立一个线性模型：Y＝XB+E，其中Y是具有m个变量、n个样本点的成分浓度矩阵，X是具有p个变量、n个样本点的近红外光谱预测矩阵，B是回归系数矩阵，E为噪音校正模型，与Y具有相同的维数。在通常情况下，变量X和Y被标准化后再用于计算，即减去它们的平均值并除以标准偏差。

在建模当中，偏最小二乘回归产生了权重矩阵W，矩阵W的列向量用于计算变量X的列向量的得分矩阵T。不断的计算这些权重使得响应与其相应的得分因子之间的协方差达到最大。普通最小二乘回归在计算Y在T上的回归时产生矩阵Q，即矩阵Y的载荷因子(或称权重)，用于建立回归方程：Y＝TQ+E。一旦计算出Q，我们就可以得出方程：Y＝XB+E，其中B＝WQ，最终的预测模型也就建立起来了。

依次逐一选择不同的类型牛奶样品100，按上方法建立分类模型。

3)对未知牛奶样品100的预测：未知牛奶样品100先进入装有超声波收发装置的均质池22，对其进行类型判别，确定类型后，采集未知牛奶样品100近红外光谱数据，根据所对应类别的分类模型对其数据进行偏最小二乘回归处理，得到最后预测成分值。

参见图4、图5及图6，图4为本发明的牛奶检测装置框图；图5为本发明一实施例的牛奶检测装置示意图；图6为本发明一实施例的频率测量单元及信息采集单元结构示意图。本发明的牛奶成分检测装置，包括：建立模型模块1和牛奶检测模块2，所述建立模型模块1，用于建立并存储近红外光谱分类校正模型，该近红外光谱分类校正模型是利用超声波自激频率对不同类型牛奶的近红外光谱进行分类并建立与所述牛奶对应的近红外光谱分类校正模型，以降低不同牛奶组分产生的背景干扰；所述牛奶检测模块2，用于根据待测牛奶样品的超声波自激频率及近红外光谱信息，对应所述近红外光谱分类校正模型得到所述牛奶样品的成分含量。

本发明所述的建立模型模块1包括：样品前处理单元11：用于选择一批已拉开梯度和不同成分含量分布的牛奶样品100；化学分析法测量单元12：用于对该批牛奶样品100进行国标化学分析法测量，得到各所述牛奶样品100的标准相关成分含量数值；光谱信息采集单元13：用于采集各所述牛奶样品100的近红外光谱信息；自激频率测量单元14：用于测量各所述牛奶样品100的超声波自激频率；建立分析模型单元15：用于采用化学计量学方法建立各所述牛奶样品100的近红外光谱分析模型；建立分类模型单元16：用于根据所述超声波自激频率对所述近红外光谱分析模型进行分类，建立对应不同牛奶类型的近红外光谱分类校正模型；存储单元17，用于存储所述近红外光谱分类校正模型。

本发明所述的牛奶检测模块2包括：频率测量单元21，用于测量并输出待测牛奶样品的超声波自激频率；信息采集单元22，用于采集并输出所述牛奶样品的近红外光谱信息；数据分析单元23，分别与所述建立模型单元1、所述频率测量单元21及所述信息采集单元22连接，用于接收、存储所述近红外光谱信息及所述超声波自激频率，根据所述超声波自激频率及所述近红外光谱信息，对应所述近红外光谱分类校正模型进行数据分析处理，得到所述牛奶样品100的成分含量；数据输出单元24，与所述数据分析单元23连接，用于输出所述牛奶样品100的成分含量。

本实施例所述的频率测量单元21包括：超声波收发器211，包括超声波发射端与超声波接收端，所述超声波发射端与所述超声波接收端相对设置，一方面超声波使牛奶成分均匀分布，无大分子积聚，另一方面检测超声波在牛奶中的自激频率和声强衰减等相关参数；均质池212，设置在所述超声波发射端与所述超声波接收端之间，与所述样品池221连接，用于盛放所述牛奶样品100；超声波频率测量器213，分别与所述数据分析单元23及所述超声波收发器21连接，用于测量所述牛奶样品100的超声波自激频率，并将所述超声波自激频率输出到所述数据分析单元23。

本实施例所述的信息采集单元22包括：样品池221，用于盛放所述牛奶样品100；近红外光谱检测子单元222，包括用于发出透射光的光源准直器2221和用于接收所述透射光的光电探测器2222，所述光源准直器2221和所述光电探测器2222分别设置在所述样品池221的两侧；光栅光谱仪223，分别与所述近红外光谱检测子单元222及所述数据分析单元23连接，用于接收所述光电探测器2222的信号并处理该信号得到所述牛奶样品100的近红外光谱，将所述近红外光谱输出到所述数据分析单元23。

其中，所述的数据分析单元23包括：确定模型子单元231：用于利用所述近红外光谱分类校正模型，根据所述超声波自激频率，确定所述牛奶样品100的对应分类模型；数据处理子单元232：用于对所述近红外光谱信息及所述对应分类模型进行数据处理，得到所述牛奶样品100的成分含量。

为了使检测效果更加理想，本发明的检测装置还可以设置一蠕动泵6，与所述样品100池连接，用于将所述牛奶样品100充入所述样品池221及所述均质池212。最佳是将该蠕动泵6与数据采集软件连接，通过该数据采集软件控制该蠕动泵6的运动以控制液态奶进入样品池221及均质池212的速度，取得更好的测试效果。同时可将所述建立模型模块1中的存储单元17及数据分析单元23及数据输出单元24集成到计算机7中，该数据输出单元24可以为液晶屏、打印机等任何现有技术中采用的数据输出方式。

工作时，通过数据采集软件控制蠕动泵6吸取液态奶速度，让液态奶进入均质池212，停止蠕动泵6，测量超声波透射自激频率参数，然后控制蠕动泵6反向吸取，让液态奶缓慢流过样品池221，采用固定光栅分光技术，测量近红外透射光谱，然后将线阵CCD的数据采集到计算机7中，通过超声波自激频率参数确定牛奶近红外分类模型，最终采用化学计量学的分析方法定量检测出牛奶中成分含量。作为一种新型牛奶成分含量检测方法和装置，该方法引入了超声波和近红外光谱相结合的信息融合定量分析算法，实现了牛奶成分的快速与准确测量。

本发明的检测装置由光源、小谱仪、光纤、蠕动泵、样品池、光电探测器、超声波发射和接收装置、计算机和数据采集及定量分析软件等组成。具有体积小、重量轻、响应速度快的特点，可广泛用于牧场、奶制品加工厂和奶制品检测单位，也可以对牛奶进行实时连续监测以保障在一些生产车间中所生产产品的安全和质量。本发明不仅可以对牛奶进行检测，也可以对其它液态非腐蚀性物质进行实时监控，以保障其运行的安全性和稳定性。

当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (11)

1.一种牛奶成分检测方法，包括建立模型步骤和牛奶检测步骤，其特征在于，所述的建立模型步骤用于建立并存储近红外光谱分类校正模型，利用超声波自激频率对不同类型牛奶的近红外光谱进行分类并建立与所述不同类型牛奶对应的近红外光谱分类校正模型；所述牛奶检测步骤根据待测牛奶样品的超声波自激频率及近红外光谱信息，对应所述近红外光谱分类校正模型得到所述牛奶样品的成分含量。

2.如权利要求1所述的牛奶成分检测方法，其特征在于，所述的建立模型步骤包括：

样品前处理步骤，选择一批已拉开梯度和不同成分含量分布的牛奶样品；

化学分析法测量步骤，对该批牛奶样品进行国标化学分析法测量，得到各所述牛奶样品的标准相关成分含量数值；

光谱信息采集步骤，采集各所述牛奶样品的近红外光谱信息；

自激频率测量步骤，用于测量各所述牛奶样品的超声波自激频率；

建立分析模型步骤，采用化学计量学方法建立各所述牛奶样品的近红外光谱分析模型；

建立分类模型步骤，根据所述超声波自激频率对所述近红外光谱分析模型进行分类，建立对应不同牛奶类型的近红外光谱分类校正模型；

存储步骤，存储所述近红外光谱分类校正模型。

3.如权利要求1所述的牛奶成分检测方法，其特征在于，所述的牛奶检测步骤包括：

频率测量步骤，测量并输出所述牛奶样品的超声波自激频率；

信息采集步骤，采集并输出所述牛奶样品的近红外光谱信息；

数据分析步骤，接收、存储所述超声波自激频率及所述近红外光谱信息，并根据所述超声波自激频率及所述近红外光谱信息，对应所述近红外光谱分类校正模型用化学计量学模型进行数据分析处理，得到所述牛奶样品的成分含量；

数据输出步骤，输出所述牛奶样品的成分含量。

4.如权利要求3所述的牛奶成分检测方法，其特征在于，所述的数据分析步骤包括：

确定模型步骤，利用所述近红外光谱分类校正模型，根据所述超声波自激频率，确定所述牛奶样品的对应分类模型：

数据处理步骤，用化学计量学模型对已确定所述对应分类模型的所述近红外光谱信息进行数据处理，得到所述牛奶样品的成分含量。

5.一种牛奶成分检测装置，包括建立模型模块和牛奶检测模块，其特征在于，所述建立模型模块，用于建立并存储近红外光谱分类校正模型，利用超声波自激频率对不同类型牛奶的近红外光谱进行分类并建立与所述不同类型牛奶对应的近红外光谱分类校正模型；所述牛奶检测模块，用于根据待测牛奶样品的超声波自激频率及近红外光谱信息，对应所述近红外光谱分类校正模型得到所述牛奶样品的成分含量。

6.如权利要求5所述的牛奶成分检测装置，其特征在于，所述的建立模型模块包括：

样品前处理单元，用于选择一批已拉开梯度和不同成分含量分布的牛奶样品；

化学分析法测量单元，用于对该批牛奶样品进行国标化学分析法测量，得到各所述牛奶样品的标准相关成分含量数值；

光谱信息采集单元，用于采集各所述牛奶样品的近红外光谱信息；

自激频率测量单元，用于测量各所述牛奶样品的超声波自激频率；

建立分析模型单元，用于采用化学计量学方法建立各所述牛奶样品的近红外光谱分析模型；

建立分类模型单元，用于根据所述超声波自激频率对所述近红外光谱分析模型进行分类，建立对应不同牛奶类型的近红外光谱分类校正模型；

存储单元，用于存储所述近红外光谱分类校正模型。

7.如权利要求5所述的牛奶成分检测装置，其特征在于，所述的牛奶检测模块包括：

频率测量单元，用于测量并输出待测牛奶样品的超声波自激频率；

信息采集单元，用于采集并输出所述牛奶样品的近红外光谱信息；

数据分析单元，分别与所述建立模型单元、所述频率测量单元及所述信息采集单元连接，用于接收、存储所述近红外光谱信息及所述超声波自激频率，根据所述超声波自激频率及所述近红外光谱信息，对应所述近红外光谱分类校正模型进行数据分析处理，得到所述牛奶样品的成分含量；

数据输出单元，与所述数据分析单元连接，用于输出所述牛奶样品的成分含量。

8.如权利要求7所述的牛奶成分检测装置，其特征在于，所述的数据分析单元包括：

确定模型子单元，用于利用所述近红外光谱分类校正模型，根据所述超声波自激频率，确定所述牛奶样品的对应分类模型；

数据处理子单元，用于利用化学计量学模型对已确定所述对应分类模型的所述近红外光谱信息进行数据处理，得到所述牛奶样品的成分含量。

9.如权利要求7所述的牛奶成分检测装置，其特征在于，所述的信息采集单元包括：

样品池，用于盛放所述牛奶样品；

近红外光谱检测子单元，包括用于发出透射光的光源准直器和用于接收所述透射光的光电探测器，所述光源准直器和所述光电探测器分别设置在所述样品池的两侧；

光栅光谱仪，分别与所述近红外光谱检测子单元及所述数据分析单元连接，用于接收所述光电探测器的信号并处理该信号得到所述牛奶样品的近红外光谱，将所述近红外光谱输出到所述数据分析单元。

10.如权利要求9所述的牛奶成分检测装置，其特征在于，所述的频率测量单元包括：

超声波收发器，包括超声波发射端与超声波接收端，所述超声波发射端与所述超声波接收端相对设置；

均质池，设置在所述超声波发射端与所述超声波接收端之间，与所述样品池连接，用于盛放所述牛奶样品；

超声波频率测量器，分别与所述数据分析单元及所述超声波收发器连接，用于测量所述牛奶样品的超声波自激频率，并将所述超声波自激频率输出到所述数据分析单元。

11.如权利要求10所述的牛奶成分检测装置，其特征在于，还包括蠕动泵，与所述样品池连接，用于将所述牛奶样品充入所述样品池及所述均质池。

Images