CN114166786A - 水牛奶中总固形物含量的中红外光谱快速批量检测方法及应用 - Google Patents
水牛奶中总固形物含量的中红外光谱快速批量检测方法及应用 Download PDFInfo
- Publication number
- CN114166786A CN114166786A CN202111356762.1A CN202111356762A CN114166786A CN 114166786 A CN114166786 A CN 114166786A CN 202111356762 A CN202111356762 A CN 202111356762A CN 114166786 A CN114166786 A CN 114166786A
- Authority
- CN
- China
- Prior art keywords
- milk
- total solid
- buffalo
- solid content
- buffalo milk
- 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.)
- Granted
Links
- 235000020246 buffalo milk Nutrition 0.000 title claims abstract description 56
- 239000007787 solid Substances 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 29
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 19
- 238000010521 absorption reaction Methods 0.000 abstract description 11
- 238000005259 measurement Methods 0.000 abstract description 7
- 238000012216 screening Methods 0.000 abstract description 7
- 238000010187 selection method Methods 0.000 abstract description 2
- 235000013336 milk Nutrition 0.000 description 41
- 239000008267 milk Substances 0.000 description 41
- 210000004080 milk Anatomy 0.000 description 41
- 239000000523 sample Substances 0.000 description 25
- 238000004476 mid-IR spectroscopy Methods 0.000 description 16
- 238000010238 partial least squares regression Methods 0.000 description 16
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 12
- 238000005303 weighing Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 241000283690 Bos taurus Species 0.000 description 9
- 239000011521 glass Substances 0.000 description 9
- 230000003595 spectral effect Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 235000013365 dairy product Nutrition 0.000 description 7
- 238000001035 drying Methods 0.000 description 7
- 238000007781 pre-processing Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 239000006004 Quartz sand Substances 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 241001465754 Metazoa Species 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000000050 nutritive effect Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000002790 cross-validation Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 235000016709 nutrition Nutrition 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 239000000741 silica gel Substances 0.000 description 3
- 229910002027 silica gel Inorganic materials 0.000 description 3
- LVDKZNITIUWNER-UHFFFAOYSA-N Bronopol Chemical compound OCC(Br)(CO)[N+]([O-])=O LVDKZNITIUWNER-UHFFFAOYSA-N 0.000 description 2
- GUBGYTABKSRVRQ-QKKXKWKRSA-N Lactose Natural products OC[C@H]1O[C@@H](O[C@H]2[C@H](O)[C@@H](O)C(O)O[C@@H]2CO)[C@H](O)[C@@H](O)[C@H]1O GUBGYTABKSRVRQ-QKKXKWKRSA-N 0.000 description 2
- 210000000481 breast Anatomy 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 229960003168 bronopol Drugs 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001599 direct drying Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 235000020256 human milk Nutrition 0.000 description 2
- 239000008101 lactose Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 239000003755 preservative agent Substances 0.000 description 2
- 230000002335 preservative effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 235000018102 proteins Nutrition 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 102000014171 Milk Proteins Human genes 0.000 description 1
- 108010011756 Milk Proteins Proteins 0.000 description 1
- 241000220317 Rosa Species 0.000 description 1
- YADZBEISHVCBSJ-UHFFFAOYSA-N [I].OCC(O)CO Chemical compound [I].OCC(O)CO YADZBEISHVCBSJ-UHFFFAOYSA-N 0.000 description 1
- 238000007664 blowing Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 235000020247 cow milk Nutrition 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000249 desinfective effect Effects 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 150000004665 fatty acids Chemical class 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 210000004251 human milk Anatomy 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 235000021243 milk fat Nutrition 0.000 description 1
- 235000021239 milk protein Nutrition 0.000 description 1
- 239000011259 mixed solution Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000010257 thawing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明属于水奶牛性能测定及其品质检测领域，具体公开了水牛奶中总固形物含量的中红外光谱快速批量检测方法及应用。在特征波段的选择方面，申请人打破了常用的使用算法筛选特征，而是使用人工手动选择+多次遍历的方法。最终选取用于建模的特征波段，特别是筛选出了包含部分水的吸收区域，并证明了增加部分水吸收波段可以提升模型的准确性。申请人选取了水牛奶中总固形物定量预测模型建立的最优算法与最佳特征波段，并且准确性非常高。实现了水牛奶中总固形物含量的快速批量检测。
Description
技术领域
本发明属于水奶牛性能测定及其品质检测领域，具体涉及水牛奶中总固形物含量的中红外光谱快速批量检测方法及应用。
背景技术
总固形物是牛奶的重要组成成分，包括奶中的脂肪、蛋白、乳糖等物质，故总固形物含量越高奶中的营养物质越丰富。水牛奶的总固形物含量显著高于牛奶，因此水牛奶的营养价值高于牛奶[1]。水牛奶含18.9％干物质，比荷斯坦牛奶(13.8％)高5.1％，比人母乳(12.4％)高6.5％[2-5]。有研究表明我国水牛奶总固形物含量显著高于摩拉水牛和奶牛，由于水牛奶总固形物含量较高，故用水牛奶加工制成的奶制品质量可提高50％[6-7]。水牛奶的理化性状不仅是制作乳制品加工工艺参数的基础，也是水牛育种和评定水牛奶奶的营养价值的重要指标[7]。
总固形物测定一般采用干燥法(GB 5009.3-2016)除去试样中的水分，这种方法虽然操作简便且成本低，但是检测耗时较长，无法实现快速批量检测。中红外光谱MIR(Mid-Infrared Spectroscopy)技术是一种非常经济高效的检测工具，通过中红外光对奶中物质成分的特定化学键吸收所在的频率和对应的波峰的不同，来预测所研究物质和性状的性质或含量，从而可以检测生物的生理状态等信息。在畜牧行业中，利用近红外光谱可快速地检测动物饲料中营养成份含量及鉴定原料类型，通过MIR来检测奶牛的营养和生理等指标在国外逐渐兴起。近年来随着我国对奶业可持续健康发展的重视，奶牛生产性能测定DHI发展迅速[8]，MIR技术被成功应用于奶牛奶中常规成份检测。MIR技术可以实现奶牛奶及其制品的高效快速、无损和定量检测，极大地降低了检测成本、节约检测时间，促进各种大中小型牧场的奶牛健康和饲养管理的监督。目前，包括中国在内的世界各国都利用采集MIR技术测定奶牛奶中的总蛋白、总脂肪、总固形物和乳糖含量等，我国已建立了奶牛生产性能测定DHI体系和数据分析平台。
然而，目前还没有专门用于水牛奶中的总固形物和总蛋白含量等MIR的预测模型MIR测定技术。水牛奶的常规乳成份检测是借用奶牛乳总固形物的MIR预测模型和检测技术，虽然该技术可提供水牛奶中总固形物大致含量，但是利用奶牛奶预测模型测定水牛奶总固形物含量的准确性不高；为了使水牛养殖发展壮大，使水牛生产性能测定技术更加完善，需要尽快建立适合于中国水牛奶总固形物含量的检测模型。因此，本发明的目的即通过建立水牛奶总固形物的快速检测技术，为水牛奶业的发展提供技术保障。
发明内容
本发明的目的在于提供了水牛奶中总固形物含量的中红外光谱快速批量检测方法，该方法具有简单、快速和批量等优势。
本发明的另一个目的在于提供了水牛奶中总固形物含量的中红外光谱快速批量检测方法的应用
为了达到上述目的，本发明采取以下技术措施：
水牛奶中总固形物含量的中红外光谱快速批量检测方法，包括下述步骤：
1.采集水牛奶样本中的红外光谱中特征波段为1068.67cm-1-1249.99cm-1、1454.47cm-1-1755.39cm-1、2006.16cm-1-2434.40cm-1、2619.58cm-1-3198.28cm-1与3244.58cm-1-3387.32cm-1中的MIR数据；
2.将测定所得到的MIR数据代入none+PLSR(n_component＝19)模型中，即可输出水牛奶中总固形物含量的预测结果。
以上所述的方法中，优选的，步骤1中每一段波段前后允许有两个波点的差距。
本发明的保护内容还包括：上述检测方法用于检测水牛奶中总固形物含量。
与现有技术相比，本发明优点在于：
1.在特征波段的选择方面，打破了常用的使用算法筛选特征，而是使用人工手动选择+多次遍历的方法。最终选取用于建模的特征波段，特别是筛选出了包含部分水的吸收区域，并证明了增加部分水吸收波段可以提升模型的准确性。
2.选取了水牛奶中总固形物定量预测模型建立的最优算法与最佳特征波段，并且准确性非常高。
3.实现了水牛奶中总固形物含量的快速批量检测，是一种快速、准确、低成本的检测技术，大大的缩短了样品的测定时间，大幅度提高了检测效率，有较强的实用性，将可广泛应用于水牛性能测定和水牛奶质量品质检测。
附图说明
图1为未经处理的水牛奶样品中红外光谱图(a)与平均光谱图(b)。
图2为选取的五个特征波段光谱总图(a)以及每个特征波段放大图(b)。
图3为模型水牛奶数据真实值与预测值相关性与拟合直线图。
具体实施方式
本发明所述技术方案，如未特别说明，均为本领域的常规方案；所述试剂或材料，如未特别说明，均来源于商业渠道。
1.实验材料
试验材料来源于中国不用地区的不同水牛场，每场每月采集1次水牛奶，采样周期为2020年8月—2021年6月。利用自动挤奶设备采集挤奶全过程的混合奶样，先用消毒后的毛巾擦拭水牛乳房，然后用碘甘油混合溶液对乳房消毒，挤掉前三把乳汁后，对挤奶全过程奶样进行采集，每份奶样采集40ml，分装到直径3.5cm，高9cm的圆柱形全新采样瓶里，依次编号，并向每个采样瓶里立即加入溴硝丙二醇防腐剂，缓慢摇晃使其充分溶解，运回途中在奶样周围放置冰袋(2-4℃)防止变质，样本到达实验室后立即进行光谱采集。
样本信息统计表
2.中红外光谱测定与采集
将样品倒入直径3.5cm，高9cm的圆柱形样品管中，在42℃水浴锅中水浴15-20min，使用FOSS公司的MilkoScanTM7RM乳成分检测仪，将固体光纤探头伸到液体中，对样品进行混匀后扫描。
3.水牛奶中总固形物的真实(参考)值检测方法
3.1仪器、设备和试剂
智能恒温水浴锅(北京市长风仪器仪表公司)；分析天平(0.0001g)；电热鼓风干燥箱(上海博讯实业有限公司医疗设备厂)；玻璃称量皿(60×30mm)；干燥器。
石英砂；变色硅胶。
3.2实验方法
3.2.1中红外光谱的采集
利用MilkoScanTM FT+进行光谱采集，具体采集步骤为：将奶样分批放入45℃电热恒温水浴锅内预热5min，预热好的奶样放在检测架上上下摇晃数次使牛奶胶状溶液混合均匀，将检测架放在检测履带上，打开瓶盖，依次进行检测，采集完光谱后的奶样置于-20℃冷冻保存，用于后续乳蛋白的含量测定。
3.2.2总固形物含量的直接干燥法测定
(1)玻璃称量皿的预处理
在洁净的玻璃称量皿中加入10g石英砂，放入102℃干燥箱中干燥4h至恒重，取出放入装有变色硅胶的干燥器内冷却30min后称重。
(2)奶样的预处理
将冷冻奶样提前放入4℃冰箱低温解冻8h，直至奶样变成可以晃动的液体。设置水浴锅温度为42℃，将解冻好的奶样放入水浴锅内水浴30min，并摇匀备用。
(3)奶样的干燥
称取5g奶样加入到玻璃称量皿中，将装有奶样的玻璃称量皿放入80℃水浴锅水浴30min，蒸干水分后擦去皿底水滴放入干燥箱102℃干燥4h至恒重，取出放入装有变色硅胶的干燥器内冷却30min后称重。
(4)结果计算
总固形物含量(％)：
X：试样中总固形物的含量，单位为百分比(％)
m1：玻璃称量皿(加石英砂)和试样干燥后的质量，单位为克(g)
m2：玻璃称量皿(加石英砂)的质量，单位为克(g)
m3：玻璃称量皿(加石英砂)和试样的质量，单位为克(g)
4.有效样本的选择
419个样本中，剔除掉样本变质、损耗、中红外光谱测定异常、样本参考值测定异常等操作导致的无效数据，共剔除掉了49个异常样本，选择了370个样本进行模型的建立与优化。
实施例1：
水牛奶总固形物含量的预测模型算法的选择：
本申请目的为建立水牛奶总固形物含量的定量预测模型，所以使用建模算法为回归算法。回归算法种类很多，本实施例主要使用了岭回归(Ridge)与偏最小二乘回归(PLSR)算法进行模型建立与对比，理由如下：
岭回归是线性回归的一种。只是在算法建立回归方程时候，岭回归加入了正则化的限制，从而达到解决过拟合的效果。正则化有两种，分别为l1正则化l2正则化，l2正则化相比于l1正则化的优势在于：(1)可以进行交叉验证(2)实现了随机梯度下降。岭回归就是加入了l2正则化后的线性回归模型，保留了线性回归的优点，符合模型建立的要求，而且结果较为稳定，是较常使用的基础算法之一，因此本实施例选择了此算法为待选算法。
偏最小二乘回归算法是多特征样本中非常有效的算法之一。中红外光谱数据中，每一个样本对应1060个波点，是多特征样本的代表。同时偏最小二乘回归算法很少出现过拟合情况，所以很多中红外光谱的研究者们会选择使用偏最小二乘回归算法进行模型的建立，因此本实施例选择了此算法为待选算法。
实施例2：
定量预测模型算法的选择：
本实施例每个样本对应一条MIR光谱数据。将大于4000cm-1部分进行建模，比较分析模型的准确度，并不使用任何预处理方法，以确定算法的准确度，结果如下表：
算法比较结果:
| 算法 | R<sub>c</sub> | RMSEC | R<sub>p</sub> | RMSEP |
| Ridge | 0.9870 | 0.3479 | 0.9717 | 0.5751 |
| <u>PLSR</u> | <u>0.9812</u> | <u>0.4179</u> | <u>0.9798</u> | <u>0.4867</u> |
经过两种算法比较结果，PLSR在测试集上效果更好，且与训练集效果接近，所以最终选择PLSR算法进行建模。
实施例3：
中红外光谱检测水牛奶中总固形物含量的方法的建立：
1.建模数据集的划分
本实施例中的建模数据集划分中，80％为训练集，20％为测试集。训练集与测试集的比例为4：1，同时训练集又叫做交叉验证集，在训练模型的过程中进行10折交叉验证。
2.建模MIR数据预处理方法的筛选
有效特征筛选是对光谱数据进行处理的基本操作，目的是为了消噪，并为提取特征打好基础。有效特征筛选主要有特征抽取、特征预处理与特征降维三种。本实施例主要对光谱数据进行特征预处理，首先，采用SG(卷积平滑)、MSC(多元散射校正)、SNV(标准正态变量变换)、diff1(一阶差分)和diff2(二阶差分)等五种处理方法对光谱数据进行特征预处理；
3.建模特征波段的手动选择过程及确定
选取特征波段的方法有很多，主要包括算法选取特征与手动选取特征两种，算法选取特征的原理主要来源于各波点与参考值之间的相关性，优点在于速度快、效率高，但缺点在于忽略了相邻波点之间的协同作用，思路较为单一。手动选取特征的优点在于选择的过程中可以强化波段(即相邻波点)的作用，同时可以在提升模型的过程中更多得保留光谱的原始信息状态，包容性与泛化能力更强，选取波段准确，缺点在于选择速度慢，效率低。
本实施例选取特征波段采用手动选取的方法，选取步骤如下：
(1)确定基本算法，由实施例2可知PLSR算法的效果较好，所以最终选择PLSR算法作为水牛奶中总固形物含量的预测算法。
(2)确定最佳预处理。将样本去掉水波段以及大于4000cm-1部分进行实施例3中的预处理并进行比较，由结果可知，无预处理和经过SG预处理相比效果接近，MSC与SNV效果略差，diff1与diff2的过拟合较为严重，所以考虑到模型尽量简洁且可达到最佳效果，确定最佳预处理为：无预处理，结果如表所示：
在确定MIR数据是无预处理的基础上，建模特征波段的手动选择过程如下：
(1)去掉4000cm-1-5011.54cm-1两段光谱区域，因为此区域为非中红外吸收区域。根据预实验，发现，保留水吸收相关的光谱区域可提升模型的准确度，因此，在预实验之后的此步骤中，并未去掉水吸收相关的光谱区域。
(2)将剩下的波段区域平均分为八段。
(4)以50个波点为一组，使用PLSR算法，首先将第一段波段临界处两端波点增加或减少一组波点，寻找最优效果，并以此为基础对第二段波段进行类似操作，最终将八个波段全部完成一轮操作后算第一次遍历完成。
(5)在第一次遍历完成后进行第二次、第三次或更多次的手动遍历，直到所有的波点不再变化为止，即为最优特征波段。
最终经过六轮筛选，得到最优结果，如表所示：
最终选取的特征波段的结果为：1068.67cm-1-1249.99cm-1、1454.47cm-1-1755.39cm-1、2006.16cm-1-2434.40cm-1、2619.58cm-1-3198.28cm-1与3244.58cm-1-3387.32cm-1，每一段前后允许有两个波点的差距(图2)。
结果发现模型中添加第一段水吸收区域与第二段部分水吸收区域后，模型可以达到最优效果，说明水牛奶中总固形物含量的特征波段包含第一段水吸收区域与第二段部分水吸收区域。
4.模型参数的筛选确定
模型参数包括预处理方法的参数以及算法的参数；
因为并未使用预处理，所以只需要选择算法的参数即可，偏最小二乘回归算法的参数：主成分(n_component)，参数选择结果对比如下：
根据对比结果，最终选择主成分(n_component)为19。最终得到最佳回归模型为：none+PLSR(n_component＝19)模型。训练集和测试集相关系数分别为0.9774和0.9901；训练集和测试集均方根误差分别为0.4575和0.3425。
实施例4：
水牛奶中总固形物的中红外光谱MIR快速批量检测方法的应用：
利用建立的水牛奶总固形物含量最佳回归模型none+PLSR(n_component＝19)对随机选取的15份牛奶样本(非370份实验材料之一)进行预测，并将预测结果与真实值比较。
模型使用方法：
1.采集水牛奶样本中的红外光谱中特征波段为1068.67cm-1-1249.99cm-1、1454.47cm-1-1755.39cm-1、2006.16cm-1-2434.40cm-1、2619.58cm-1-3198.28cm-1与3244.58cm-1-3387.32cm-1中的MIR数据；
同时利用直接干燥法检测同批次水牛奶中的总固形物含量真实值。
2、将测定所得到的MIR数据代入实施例3构建的none+PLSR(n_component＝19)模型中，即可输出水牛奶中总固形物含量的预测结果。
该模型预测的结果与真实结果接近(如下表，图3)，故该模型的准确性较高，可用于水牛奶中总固形物含量的预测。
参考文献
[1]韦升菊,梁贤威,卢雪芬,沈向真,杨炳壮,夏中生,邹彩霞.水牛奶和乳牛奶常规乳成分及乳脂脂肪酸组成的初步比较研究.畜牧与兽医,2011,43(10):41-43.
[2]梁明振,杨炳壮,苏安伟,陆月青,赵红梅,李忠权.水牛奶营养价值评价[J].广西畜牧兽医,2007(03):124-126.
[3]张兰威,周晓红,肖玲等.人乳营养成分及其变化[J].营养学报,1997,19(3):366-369.
[4]杨凤主编.动物营养学[M].中国农业出版社,北京,2001年第二版.270-277.
[5]W.Ross,Cockrill.The husbandry and health of domestic buffalo[M].1974,FAO.Printed in Italy:329-376.
[6]韩刚.我国水牛奶的营养价值[J].中国奶牛,1995(06):42-43.
[7]韩刚,丁庆波.中国水牛奶理化性状研究[J].中国乳品工业,1994(02):51-55.
[8]张震,任小丽,李姣,闫磊,闫跃飞,耿繁军,杨兰,赖登明.现代奶业之路上的我国奶牛生产性能测定工作[J].中国奶牛,2019(05):62-66.
Claims (3)
1.水牛奶中总固形物含量的中红外光谱快速批量检测方法，包括下述步骤：
1）. 采集水牛奶样本中的红外光谱中特征波段为1068.67 cm-1-1249.99 cm-1 、1454.47 cm-1-1755.39 cm-1 、2006.16 cm-1-2434.40 cm-1 、2619.58 cm-1-3198.28 cm-1 与3244.58 cm-1-3387.32 cm-1 中的MIR数据；
2）. 将测定所得到的MIR数据代入none+PLSR(n_component=19)模型中，即可输出水牛奶中总固形物含量的预测结果。
2.根据权利要求1所述的方法，其特征在于：步骤1）中每一段波段前后允许有两个波点的差距。
3.权利要求1所述方法在检测水牛奶中总固形物含量中的应用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111356762.1A CN114166786B (zh) | 2021-11-16 | 2021-11-16 | 水牛奶中总固形物含量的中红外光谱快速批量检测方法及应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111356762.1A CN114166786B (zh) | 2021-11-16 | 2021-11-16 | 水牛奶中总固形物含量的中红外光谱快速批量检测方法及应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114166786A true CN114166786A (zh) | 2022-03-11 |
| CN114166786B CN114166786B (zh) | 2024-02-13 |
Family
ID=80479422
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111356762.1A Active CN114166786B (zh) | 2021-11-16 | 2021-11-16 | 水牛奶中总固形物含量的中红外光谱快速批量检测方法及应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114166786B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20070107947A (ko) * | 2006-05-04 | 2007-11-08 | 대한민국(관리부서:농촌진흥청) | 근적외선 분광 분석 시스템을 이용한 우유 중 요소태질소의분석방법 |
| CN110320165A (zh) * | 2019-08-08 | 2019-10-11 | 华南农业大学 | 香蕉可溶性固形物含量的可见/近红外光谱无损检测方法 |
| CN111781155A (zh) * | 2020-08-10 | 2020-10-16 | 西北农林科技大学 | 便携式牛乳成分分析方法与装置 |
-
2021
- 2021-11-16 CN CN202111356762.1A patent/CN114166786B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20070107947A (ko) * | 2006-05-04 | 2007-11-08 | 대한민국(관리부서:농촌진흥청) | 근적외선 분광 분석 시스템을 이용한 우유 중 요소태질소의분석방법 |
| CN110320165A (zh) * | 2019-08-08 | 2019-10-11 | 华南农业大学 | 香蕉可溶性固形物含量的可见/近红外光谱无损检测方法 |
| CN111781155A (zh) * | 2020-08-10 | 2020-10-16 | 西北农林科技大学 | 便携式牛乳成分分析方法与装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114166786B (zh) | 2024-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1804582A (zh) | 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 | |
| Bittante et al. | Comparison between genetic parameters of cheese yield and nutrient recovery or whey loss traits measured from individual model cheese-making methods or predicted from unprocessed bovine milk samples using Fourier-transform infrared spectroscopy | |
| CN114166786A (zh) | 水牛奶中总固形物含量的中红外光谱快速批量检测方法及应用 | |
| Stocco et al. | Breed of goat affects the prediction accuracy of milk coagulation properties using Fourier-transform infrared spectroscopy | |
| CN105004690A (zh) | 一种基于多光谱成像技术的梨果肉中石细胞含量快速无损检测方法 | |
| Woolf et al. | Measuring avocado maturity; ongoing developments | |
| CN111426645A (zh) | 一种快速测定植株不同器官氮含量的方法 | |
| CN114166785B (zh) | 水牛奶中脂肪含量的中红外快速批量检测方法及应用 | |
| CN114166779A (zh) | 牛奶中β-酪蛋白的中红外快速批量检测方法 | |
| Restaino et al. | Prediction of the nutritive value of pasture silage by near infrared spectroscopy (NIRS) | |
| CN114166787B (zh) | 水牛奶中蛋白含量的中红外光谱检测方法及应用 | |
| CN114674783A (zh) | 一种基于近红外光谱检测沼液质量指标的方法 | |
| CN114720421A (zh) | 一种基于近红外光谱的燕麦相对饲用价值的检测方法 | |
| CN107167445A (zh) | 一种预测牦牛消化率的方法 | |
| CN113866119A (zh) | 一种注水鸡快速鉴别方法及应用 | |
| Li et al. | Application of siSVR-Vis/NIR to the nondestructive determination of acid detergent fiber content in corn straw | |
| CN113310933A (zh) | 原料水牛奶保存天数的光谱鉴定方法 | |
| Valdes et al. | Effect of growing year and application of a multi-year calibration for predicting quality parameters by near infrared reflectance spectroscopy in whole-plant corn forage | |
| CN108344779B (zh) | 基于介电频谱技术快速检测乳牛隐性乳房炎等级的方法 | |
| CN114184571B (zh) | 牛奶中总酪蛋白含量的中红外快速批量检测方法 | |
| CN114166790B (zh) | 牛奶中游离的蛋氨酸含量的中红外快速批量检测方法 | |
| CN114166782B (zh) | 牛奶中游离的缬氨酸含量的中红外快速批量检测方法 | |
| CN114166783B (zh) | 牛奶中游离的异亮氨酸含量的中红外快速批量检测方法 | |
| CN114544540B (zh) | 牛奶中A2型β酪蛋白含量的快速批量检测方法 | |
| CN114166780B (zh) | 牛奶中游离的赖氨酸含量的中红外快速批量检测方法 |
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 |