CN108562622B - 一种基于介电特性技术的生鲜羊乳菌落总数快速检测方法 - Google Patents
一种基于介电特性技术的生鲜羊乳菌落总数快速检测方法 Download PDFInfo
- Publication number
- CN108562622B CN108562622B CN201810112778.XA CN201810112778A CN108562622B CN 108562622 B CN108562622 B CN 108562622B CN 201810112778 A CN201810112778 A CN 201810112778A CN 108562622 B CN108562622 B CN 108562622B
- Authority
- CN
- China
- Prior art keywords
- total number
- dielectric
- colonies
- goat milk
- spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
- G01N27/22—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance
- G01N27/221—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance by investigating the dielectric properties
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
- C12Q1/04—Determining presence or kind of microorganism; Use of selective media for testing antibiotics or bacteriocides; Compositions containing a chemical indicator therefor
- C12Q1/06—Quantitative determination
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Organic Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Zoology (AREA)
- Immunology (AREA)
- Wood Science & Technology (AREA)
- Physics & Mathematics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- General Physics & Mathematics (AREA)
- Toxicology (AREA)
- Biotechnology (AREA)
- Microbiology (AREA)
- Molecular Biology (AREA)
- Electrochemistry (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Genetics & Genomics (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种基于介电特性技术的生鲜羊乳菌落总数快速检测方法。该方法采用介电特性测量仪器和平板计数法,获得一批生鲜羊乳在射频/微波范围内的介电频谱和其菌落总数。首先对介电频谱进行预处理,然后采用主成分分析结合马氏距离法剔除异常样本。基于变量投影重要性指标,提取出有效变量。划分校正集和预测集,基于校正集数据建立快速检测生鲜羊乳菌落总数的线性或非线性模型,利用预测集对模型进行验证,其中偏最小二乘模型为最优模型,其预测集菌落总数对数值的均方根误差为0.61。本发明基于介电特性技术检测生鲜羊乳菌落总数,具有快速、准确和不需要复杂样品制备等优点。
Description
技术领域
本发明涉及菌落总数检测技术领域,特别是涉及一种基于介电特性技术的生鲜羊乳菌落总数快速检测方法。
背景技术
羊乳由于具有较高的医疗以及营养价值而享有“奶中之王”的称号。羊乳中除含有大量的水分外,还含有丰富的蛋白质、脂肪、碳水化合物、维生素和无机盐等营养成分,是良好的微生物生长培养基。因此微生物的生长繁殖是生鲜乳变质的重要原因之一。挤乳环境或者工具的不卫生、乳房炎等疾病以及运输和储藏不当等因素都极可能引起微生物污染问题。被微生物污染的乳品的营养价值、口感、风味等感官性状均会受到一定程度的影响,还可能具有一定的致病性。菌落总数是微生物检测中一项重要的指标。菌落总数是指每毫升乳中含有的细菌个数,是反应养殖场卫生环境,挤奶操作环境,乳品保存和运输情况的重要指标。菌落总数超标会对消费者的健康产生危害。平板计数法是国标规定的菌落总数检测方法。该方法虽具有检测精度高的优点,但是检测过程繁琐,费时费工。也有一些研究结果指出电阻抗法、伏安法、ATP生物发光法、流式细胞技术法可用于检测菌落总数。但这些方法中,有些价格昂贵,有些操作复杂,有些方法需要较长时间进行菌落培养,因此均不适用于对生鲜羊乳菌落总数进行快速、在线检测。
由麦克斯韦方程定义的介电特性,通常使用复数坐标和极坐标表示,规定了任何物质与通过该物质的光子通量产生的电场之间的相互作用。它通常使用复数相对介电常数来描述, ,。复相对介电常数的实部为介电常数,用来描述物质存储外加电场能量的能力。其虚部位为介质损耗因数,用来描述物质消耗外加电场能量的能力。由研究结果表明,介电特性可用于检测苹果成熟时的主要化学成分、梨的可溶性固形物含量、以及牛奶的蛋白质含量等。由于具有快速且不需要复杂的样品制备等优点,介电特性检测技术已经成为被广泛应用的食品分析方法。但是目前尚未见基于介电特性技术检测菌落总数的研究报导。为此,有必要开发一种基于介电特性技术的生鲜羊乳菌落总数检测方法,实时羊乳的菌落总数的快速检测,提升生鲜羊乳的品质,加速我国乳业的快速发展。
发明内容
鉴于上述现有技术发展现状,本发明的目的是提供一种基于介电特性技术的生鲜羊乳菌落总数检测方法。通过介电特性测量仪器得到生鲜羊乳的介电频谱。按照平板计数法检测生鲜羊乳菌落总数。建立介电频谱和菌落总数的对数值之间的线性和非线性模型,对比确定出最佳模型,并用于生鲜羊乳菌落总数的快速检测。本发明的方法也可以用于生鲜牛乳菌落总数的快速检测。
一种基于介电特性技术的羊乳菌落总数快速检测方法,包括如下步骤:
步骤一,收集一批不同地区,不同饲养条件,不同产乳期,不同个体,菌落总数具有一定差异的生鲜羊乳总样本;在低温下保存样本,24小时内完成介电频谱的采集和菌落总数的测量;计算菌落总数的对数值,用于数据分析和模型建立。
步骤二,提前将样本回温至室温;预热并校准介电特性测量仪器;设置采集软件,主要参数包括频率范围、扫描方式、频率点数;测量样品介电频谱,该介电频谱包括介电常数频谱、介质损耗因数频谱。
步骤三,利用Savitzky-Golay平滑和标准正态变换算法,对介电频谱进行预处理,消除由于测试仪器和人为操作原因产生的噪声。
步骤四,利用主成分分析结合马氏距离法从总样本中剔除异常样本;采用主成分分析方法获得介电频谱的主成分得分,计算各样本得分到样本平均得分的马氏距离;通过设置合理阈值来剔除异常样本,得到有效样本。
步骤五,基于有效样本,建立偏最小二乘变量筛选模型,计算介电常数频谱和介质损耗因数频谱中各变量的投影重要性指标VIP值;基于VIP值判断某变量的重要性,即当某变量的VIP值大于一定阈值时,该变量为有效变量。
步骤六,采用SPXY法,将有效样本按照2:1或3:1或4:1的比例,划分为校正集和预测集;校正集的菌落总数范围应大于预测集;并且与预测集相比,校正集应该拥有较多的样本。
步骤七,利用校正集数据的有效变量,建立预测生鲜羊乳菌落总数的线性或非线性模型,采用预测集的有效变量对所建立的模型进行验证,计算并比较各模型的性能指标,确定出最优模型为偏最小二乘模型,并得到偏最小二乘模型的回归系数矩阵BPLS。
步骤八,对于待测生鲜羊乳,按照步骤二采集该生鲜羊乳的介电频谱,按照步骤三对介电频谱进行预处理,按照步骤五提取有效变量,然后将有效变量代入公式(1)中计算待测生鲜羊乳的菌落总数;
ý=10XB PLS (1)
其中ý为菌落总数预测值,X为有效变量矩阵,BPLS为偏最小二乘模型的回归系数矩阵,其维数由步骤五确定。
该方法同样适用于生鲜牛乳菌落总数的快速检测。
本发明具有如下优点:本发明通过测量生鲜羊乳的介电特性参数,得到生鲜羊乳的介电频谱;按照平板计数法测量生鲜羊乳的菌落总数;采用主成分结合马氏距离法剔除异常样本;基于投影重要性指标筛选有效变量;建立检测生鲜羊乳菌落总数的线性或非线性模型,计算并比较各模型的性能指标,确定出最佳模型为偏最小二乘模型,得出回归系数矩阵BPLS;利用回归系数矩阵计算待测生鲜羊乳菌落总数。这为生鲜羊乳菌落总数的快速、准确、实时、现场以及在线检测提供了一种方法。
附图说明
图1:介电特性测量系统;
图2:各样本得分到样本平均得分的马氏距离;
图3:基于偏最小二乘模型的各变量投影重要性指标。
图1说明:1.计算机、2.网络分析仪、3.同轴探头、4.羊乳样品、5.样品池、6.温度计、7.水浴锅、8.升降台。
具体实施方式
本发明方法对不同种类的生鲜羊乳具有很好的通用性;奶羊品种较多,本发明只以萨能奶山羊所产的生鲜羊乳为实施例,其他种类生鲜羊乳菌落总数检测均可参照该实施例的方法进行;获得特定的生鲜羊乳样本,测量其介电频谱和菌落总数,建立和选择最优的偏最小二乘模型,即可应用于该种生鲜羊乳菌落总数的检测。
下面结合附图和实施例对本发明作进一步说明。
依据本发明实施例的方法包括以下步骤:
步骤一,收集一批不同地区,不同饲养条件,不同产乳期,不同个体,菌落总数具有一定差异的生鲜羊乳样本;该实施例中生鲜羊乳样本数为154;样品在4℃下保存,24小时内完成样本介电频谱的采集;按照国标规定的平板计数法,测量生鲜羊乳菌落总数;为了缩小菌落总数的变化范围,用菌落总数的对数值替代原始菌落总数,用于数据分析和模型建立。
步骤二,提前将样本回温至室温;介电特性测量系统如图1所示。本实施例的介电特性测量仪为美国Agilent公司E5l071C矢量网络分析仪,由矢量网络分析仪和85070E-020同轴探头获取介电频谱;实验前,预热网络分析仪1小时,用标准流程校准网络分析仪以及同轴探头。设置采集软件中采集参数,主要采集参数包括频率范围、扫描方式、频率点数;在频率范围20-4500MHz内,对数坐标等间隔下,分别获取具有201个介电常数点的介电常数频谱和201个介质损耗因数点的介质损耗因数频谱,从而得到由介电常数频谱和介质损耗因数频谱组成的介电频谱;该介电频谱共有402个点,其中1-201个点为介电常数,202-402个点为介质损耗因数。
步骤三,利用Savitzky-Golay平滑和标准正态变换算法,对介电频谱进行预处理;Savitzky-Golay平滑用于消除原始介电频谱中的高频噪声;标准正态变换算法用于有效地分离原始频谱中的化学和物理差异;首先使用Savitzky-Golay平滑去除原始介电频谱中的高频噪声,然后使用标准正态变换算法进一步对原始介电频谱进行预处理,从而消除由于测试仪器和人为操作原因产生的噪声。
步骤四,利用主成分结合马氏距离法剔除异常样本,从而提高模型的预测能力;采用主成分分析方法,获取介电频谱的主成分得分,计算各样本得分到样本平均得分的马氏距离,如图2所示;将阈值范围的权重参数设为3,得到阈值为24.39,超出该阈值的样本划为异常样本,从而剔除异常样本3个,得到有效样本151个。
步骤五,基于有效样本,建立基于全谱的偏最小二乘变量筛选模型,计算各变量的投影重要性指标,即VIP值,如图3所示;基于该指标判断变量的重要性,当某变量的VIP值小于0.8时,则认为为无效变量,预以去除,最后得到有效变量209个。
步骤六,采用SPXY,将生鲜羊乳样本按照4:1的比例,划分为校正集和预测集;校正集的菌落总数范围应大于预测集;并且与预测集相比,校正集应该拥有较多的样本;本实施例中,校正集有121个样品,预测集有30个样品;校正集菌落总数的对数值的范围为2.61-10.53,其平均值为6.47;预测集菌落总数的对数值的范围为2.95-10.51,其平均值为6.14;校正集的菌落总数范围大于预测集菌落总数范围,表明该样本划分合理。
步骤七,使用校正集数据,将步骤五中获得的209个有效变量作为输入变量,以菌落总数的对数值为输出变量,建立预测生鲜羊乳菌落总数的线性和非线性模型,其中包括偏最小二乘、支持向量机、和极限学习机模型;采用预测集数据对所建立的模型进行验证,计算并比较各模型的性能指标;偏最小二乘模型校正集和预测集的均方根误差分别为0.85和0.61;支持向量机模型校正集和预测集的均方根误差分别为0.73和0.66, 极限学习机模型校正集和预测集的均方根误差分别为0.82和1.02;对比确定偏最小二乘模型为最优模型,进而得出回归系数矩阵BPLS。
步骤八,对于待测生鲜羊乳,按照步骤二采集该生鲜羊乳的介电频谱,按照步骤三和步骤五进行预处理和有效变量选取,然后将有效变量的值代入公式(1)中即可算出待测生鲜羊乳的菌落总数;
ý=10XB PLS (1)
其中ý为预测值, X为有效变量矩阵,BPLS为偏最小二乘模型的回归系数矩阵,其维数由步骤五确定。
由以上实施例可以看出,本发明利用介电特性技术检测菌落总数不但能实现快速无损检测,而且识别效果很好。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (2)
1.一种基于介电特性技术的生鲜羊乳菌落总数快速检测方法,其特征在于,包括以下步骤:
步骤一,收集一批不同地区,不同饲养条件,不同产乳期,不同个体,菌落总数具有一定差异的生鲜羊乳总样本;在低温下保存样本,24小时内完成介电频谱的采集和菌落总数的测量;计算菌落总数的对数值,用于数据分析和模型建立;
步骤二,提前将样本回温至室温;预热并校准介电特性测量仪器;设置采集软件,主要参数包括频率范围、扫描方式、频率点数;测量样品介电频谱,该介电频谱包括介电常数频谱、介质损耗因数频谱;
步骤三,利用Savitzky-Golay平滑和标准正态变换算法,对介电频谱进行预处理,消除由于测试仪器和人为操作原因产生的噪声;
步骤四,利用主成分分析结合马氏距离法从总样本中剔除异常样本;采用主成分分析方法获得介电频谱的主成分得分,计算各样本得分到样本平均得分的马氏距离;通过设置合理阈值来剔除异常样本,得到有效样本;
步骤五,基于有效样本,建立偏最小二乘变量筛选模型,计算介电常数频谱和介质损耗因数频谱中各变量的投影重要性指标VIP值;基于VIP值判断某变量的重要性,即当某变量的VIP值大于一定阈值时,该变量为有效变量;
步骤六,采用SPXY法,将有效样本按照2:1或3:1或4:1的比例,划分为校正集和预测集;校正集的菌落总数范围应大于预测集;并且与预测集相比,校正集应该拥有较多的样本;
步骤七,利用校正集数据的有效变量,建立预测生鲜羊乳菌落总数的线性或非线性模型,采用预测集的有效变量对所建立的模型进行验证,计算并比较各模型的性能指标,确定出最优模型为偏最小二乘模型,并得到偏最小二乘模型的回归系数矩阵BPLS;
步骤八,对于待测生鲜羊乳,按照步骤二采集该生鲜羊乳的介电频谱,按照步骤三对介电频谱进行预处理,按照步骤五提取有效变量,然后将有效变量代入公式(1)中计算待测生鲜羊乳的菌落总数;
ý=10XB PLS (1)
其中ý为菌落总数预测值,X为有效变量矩阵,BPLS为偏最小二乘模型的回归系数矩阵,其维数由步骤五确定。
2.根据权利要求1所述的一种基于介电特性技术的生鲜羊乳菌落总数快速检测方法,其特征在于,该方法同样适用于生鲜牛乳菌落总数的快速检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810112778.XA CN108562622B (zh) | 2018-02-05 | 2018-02-05 | 一种基于介电特性技术的生鲜羊乳菌落总数快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810112778.XA CN108562622B (zh) | 2018-02-05 | 2018-02-05 | 一种基于介电特性技术的生鲜羊乳菌落总数快速检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108562622A CN108562622A (zh) | 2018-09-21 |
CN108562622B true CN108562622B (zh) | 2020-09-15 |
Family
ID=63531148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810112778.XA Active CN108562622B (zh) | 2018-02-05 | 2018-02-05 | 一种基于介电特性技术的生鲜羊乳菌落总数快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108562622B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109557014B (zh) * | 2019-01-24 | 2021-08-27 | 广东产品质量监督检验研究院(国家质量技术监督局广州电气安全检验所、广东省试验认证研究院、华安实验室) | 一种快速检测发酵乳中乳酸菌数的方法 |
CN113740394B (zh) * | 2021-10-18 | 2024-03-01 | 西北农林科技大学 | 一种基于介电谱技术的掺杂牛初乳定性识别方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103558259B (zh) * | 2013-11-20 | 2015-09-09 | 西北农林科技大学 | 一种基于介电特性的牛乳乳清蛋白含量预测方法 |
CN106483166B (zh) * | 2016-09-25 | 2019-03-15 | 西北农林科技大学 | 一种基于介电谱技术快速检测牛乳脂肪含量的方法 |
CN106248746B (zh) * | 2016-09-25 | 2019-04-16 | 西北农林科技大学 | 一种基于介电频谱技术的牛乳蛋白质含量快速检测方法 |
-
2018
- 2018-02-05 CN CN201810112778.XA patent/CN108562622B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108562622A (zh) | 2018-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bobbo et al. | The nonlinear effect of somatic cell count on milk composition, coagulation properties, curd firmness modeling, cheese yield, and curd nutrient recovery | |
CN106483166B (zh) | 一种基于介电谱技术快速检测牛乳脂肪含量的方法 | |
Quigley et al. | Evaluation of the Brix refractometer to estimate immunoglobulin G concentration in bovine colostrum | |
Hanuš et al. | The analysis of relationships between chemical composition, physical, technological and health indicators and freezing point in raw cow milk | |
Abbas et al. | A review on correlations between fish freshness and pH during cold storage | |
CN106324011B (zh) | 一种确定调理水产品低温货架期的鲜度联合检测方法 | |
CN108960315B (zh) | 一种调理肉制品品质智能评价系统及方法 | |
El Jabri et al. | Comparison of Bayesian and partial least squares regression methods for mid-infrared prediction of cheese-making properties in Montbéliarde cows | |
Cornou et al. | A ring test of a wireless in vitro gas production system | |
CN106248746A (zh) | 一种基于介电频谱技术的牛乳蛋白质含量快速检测方法 | |
Laporte et al. | The near-infrared optic probe for monitoring rennet coagulation in cow’s milk | |
CN108562622B (zh) | 一种基于介电特性技术的生鲜羊乳菌落总数快速检测方法 | |
Paquet et al. | Electrical conductivity as a tool for analysing fermentation processes for production of cheese starters | |
Pegolo et al. | Genetic parameters of differential somatic cell count, milk composition, and cheese-making traits measured and predicted using spectral data in Holstein cows | |
Grossi et al. | Total bacterial count in soft-frozen dairy products by impedance biosensor system | |
Lima et al. | Mastitis detection and prediction of milk composition using gas sensor and electrical conductivity | |
Zhu et al. | Quantitatively determining the total bacterial count of raw goat milk using dielectric spectra | |
González‐Martín et al. | Discrimination of seasonality in cheeses by near‐infrared technology | |
Stocco et al. | Breed of goat affects the prediction accuracy of milk coagulation properties using Fourier-transform infrared spectroscopy | |
Oberg et al. | Manufacture of Cheddar cheese using proteinase-negative mutants of Streptococcus cremoris | |
Cattaneo et al. | New applications of near infrared spectroscopy on dairy products | |
CN108363972A (zh) | 一种基于介电频谱技术的牛乳体细胞数快速检测方法 | |
Li et al. | Application of multi‐element viscoelastic models to freshness evaluation of beef based on the viscoelasticity principle | |
CN108103138A (zh) | 基于介电频谱技术的生鲜羊乳菌落总数超标快速判别方法 | |
CN110596193A (zh) | 基于电学特性的注水猪肉的鉴别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |