CN117647498A - 一种牛奶的中红外光谱不同仪器标准化参数的获取方法 - Google Patents
一种牛奶的中红外光谱不同仪器标准化参数的获取方法 Download PDFInfo
- Publication number
- CN117647498A CN117647498A CN202311478068.6A CN202311478068A CN117647498A CN 117647498 A CN117647498 A CN 117647498A CN 202311478068 A CN202311478068 A CN 202311478068A CN 117647498 A CN117647498 A CN 117647498A
- Authority
- CN
- China
- Prior art keywords
- instrument
- mid
- slave
- infrared spectrum
- master
- 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.)
- Pending
Links
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 38
- 239000008267 milk Substances 0.000 title claims abstract description 36
- 235000013336 milk Nutrition 0.000 title claims abstract description 36
- 210000004080 milk Anatomy 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000001228 spectrum Methods 0.000 claims abstract description 19
- 238000012937 correction Methods 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 230000000694 effects Effects 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 10
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 9
- 241000283690 Bos taurus Species 0.000 claims description 8
- 238000002835 absorbance Methods 0.000 claims description 4
- 238000002834 transmittance Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010183 spectrum analysis Methods 0.000 abstract description 2
- 230000000052 comparative effect Effects 0.000 abstract 1
- 238000010606 normalization Methods 0.000 description 19
- 230000003595 spectral effect Effects 0.000 description 5
- 235000013365 dairy product Nutrition 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 235000021050 feed intake Nutrition 0.000 description 1
- 238000004811 liquid chromatography Methods 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 238000004476 mid-IR spectroscopy Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
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
本发明公开了一种牛奶的中红外光谱不同仪器标准化参数的获取方法,涉及光谱分析技术领域,其技术要点为:确定建模的仪器为主仪器,被推广模型的仪器为从属仪器;采集相同个体多个奶样,并于主从光谱仪器上进行检测,获取同一奶样的不同仪器中红外光谱;对主从仪器的中红外光谱进行预处理;获取标准化参数;应用参数对从属仪器的中红外光谱进行校正;分析比较模型在从属仪器校正前后的预测效果。本发明的标准化参数对中红外光谱在奶牛表型预测方面具有重要意义。通过校正不同仪器的差异,可在各个实验室和地区间共享预测模型,有效整合全国牛奶的中红外光谱数据,利于今后全国乃至跨国的牛奶的中红外光谱数据库建立以及相关预测模型推广。
Description
技术领域
本发明涉及光谱分析技术领域,具体涉及一种牛奶的中红外光谱不同仪器标准化参数的获取方法。
背景技术
中红外光谱可高通量低成本预测获取奶牛表型,已被证明是牛奶质量监测的重要工具。除用于预测传统乳成分,在功能性状如奶牛的甲烷排放、采食量、血液代谢物和能量状态等也获得较好的预测效果,这在奶牛场管理和育种计划中拥有潜在价值。但开发成熟可用的模型是耗时高成本的,需收集大量样本并按照标准方法例如液相色谱获取目标性状准确参考值。
在不同实验室和地区的共享成熟的预测模型备受关注,但仪器是影响模型共享和导致模型预测能力下降的重要因素。由于仪器品牌、物理磨损、实验室环境(如温度、湿度、实验操作的变化)和传感器的不同,不同光谱仪器检测同一奶样会产生不同响应。基于一台仪器(称“主仪器”)的中红外光谱建立的模型应用到另一台仪器(称“从属仪器”)上可能会导致严重预测偏差。因此,确定并有效校正这类光谱响应对于大规模跨区域应用中红外预测模型至关重要。
发明内容
本发明的目的是为了解决上述问题,提供一种牛奶的中红外光谱不同仪器标准化参数的获取方法。确定主从仪器后,收集相同奶样的不同仪器的中红外光谱。比较主从仪器对应光谱数据,确定它们之间的差异和偏移,并进行预处理。基于主从仪器的光谱数据,使用适合的标准化方法(直接标准化(DS)和分段直接标准化(PDS))。基于主仪器和从属仪器之间的光谱数据,计算出一组标准化参数,用于将从属仪器的光谱数据标准化为接近主仪器的光谱数据,再进行前后预测结果的比较。当标准化后的从属仪器预测结果与主仪器预测结果没有显著差异时,可以认为标准化成功。
为了达到上述目的,本发明的技术方案如下:一种牛奶的中红外光谱不同仪器标准化参数的获取方法,包括以下步骤:
一种牛奶的中红外光谱不同仪器标准化参数的获取方法,包括以下步骤:
S1、确定建模的仪器为主仪器,被推广模型的仪器为从属仪器;
S2、采集相同个体多个奶样,并于主从光谱仪器上进行检测,获取同一奶样的不同仪器中红外光谱;
S3、对主从仪器的中红外光谱进行预处理;
S4、获取标准化参数;
S5、应用参数对从属仪器的中红外光谱进行校正;
S6、分析比较模型在从属仪器校正前后的预测效果。
优选的,步骤S1中,所述主仪器和从属仪器共计6台,其中1台为主仪器,其余5台均为从属仪器。
优选的,步骤S2中,从牧场不同奶牛中采集奶样,每一头奶牛30个样品,并分别由6个仪器进行测定,收集6个仪器的光谱。
优选的,步骤S3中,所述预处理为将主从仪器的中红外光谱进行波长统一和范围协调,利用公式A=log10(T)将主从仪器的透射度(T)转换为吸光度(A),然后进行线性插值以协调主从仪器的光谱范围。
优选的,步骤S5中,所述从属仪器的红外光谱校正方法包括PDS和DS。
优选的,所述PDS方法为:对于主仪器的每个波长(Pj)和对应从属仪器的波长窗口(Sj),假设P和S之间存在线性关系,则建立一个PLS多元回归模型,方程如下:
Pj=sbj+ej
其中bj为回归系数,ej为第j个波长的截距项,用移动窗口计算这两个标准化参数,合并后可得两个系数矩阵(B和E,分别表示回归系数和截距项);最后,从属仪器(S)的标准化矩阵(Sstd)可通过以下公式获得:
Sstd=SB+E。
优选的,所述DS方法为:主仪器和从属仪器之间的响应矩阵之间的关系如公式所述:
P=SF
其中F是转换矩阵;从属仪器(S)使用主仪器的响应矩阵进行标准化,如下所示:
Sstd=SS-1P
与现有技术相比,本发明的有益效果:
本发明标准化参数对于中红外光谱在牛奶质量测定中的应用具有重要意义。通过校正不同仪器间的差异,实现了基于牛奶的中红外光谱数据建立的模型的跨实验室和区域的准确预测,不同实验室和地区间可共享预测模型,提高模型的实用性和推广价值。该方法还为跨区域和跨实验室合作建立光谱数据库奠定基础。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明的实施例及附图,对本发明的技术方案进行进一步详细地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。下面将结合实施例来详细说明本发明。
实施例:
1试验设备以及样品参数
本实施案例采用了两个不同省份DHI中心常规使用的六台乳成分分析仪器,分别购买自Foss和Bentley公司。按照省份和品牌命名为F-HN-1、F-HN-2、F-SD-3、F-SD-4、B-SD-1、B-SD-2。模型的建立是基于B-SD-1的光谱数据,确定其为主仪器,其余为从属仪器;Foss和Bentley的乳成分分析仪的波数范围分别为925.66至5010.15cm-1(1060个波数)和649.03至3998.59cm-1(899个波数),输出结果分别以透射率和吸光度单位表示。
2红外光谱多种仪器差异的校正方法
S1、确定建模的仪器为主仪器,被推广模型的仪器为从属仪器;
S2、采集相同个体多个奶样,并于主从光谱仪器上进行检测,获取同一奶样的不同仪器中红外光谱;
S3、对主从仪器的中红外光谱进行预处理;
S4、获取标准化参数;
S5、应用参数对从属仪器的中红外光谱进行校正;
S6、分析比较模型在从属仪器校正前后的预测效果。
在本实施例中,从牧场不同奶牛中采集奶样,确保一头奶牛30个样品,并分别由6个仪器进行测定,收集6个仪器的光谱。
在标准化(校正)之前,利用公式A=log10(T)将Foss仪器的透射度(T)转换为吸光度(A),然后进行线性插值以协调不同品牌仪器的光谱范围。经过线性插值后,Foss和Bentley光谱波数的个数均为824,范围在928.77至3998.59cm-1之间。在分析前,已去除光谱中水的相关区域(1600.18至1689.70cm-1和3010.13至3998.59cm-1)。
测试了两种标准化方法(PDS和DS)。分段直接标准化法是一种根据从属仪器(S矩阵)的一个小窗口(s,长度=n)中的几个测量值重建与主仪器(P矩阵)的每个波长(j)关系的方法。对于主仪器的每个波长(Pj),假设P和S之间存在线性关系,则建立一个PLS多元回归模型,方程如下:
Pj=sbj+ej
其中bj为回归系数,ej为第j个波长的截距项,用移动窗口计算这两个标准化参数,可以得到两个系数矩阵(B和E,分别表示回归系数和截距项);最后,从属仪器(S)的标准化矩阵(Sstd)可通过以下公式获得:
Sstd=SB+E。
其中PLS的最佳主成分个数和窗口大小通过主仪器的预测值与标准化后的从属仪器预测值确定,选择预测值间的最高决定系数(R2)和最低均方根误差(RMSE)对应的主成分个数和窗口用于PDS计算。
在DS中,主仪器和从属仪器之间的响应矩阵之间的关系如公式所述:
P=SF
其中F是转换矩阵;从属仪器(S)使用主仪器的响应矩阵进行标准化,如下所示:
Sstd=SS-1P
最终主仪器和每个从属仪器都计算一组标准化参数(B和E用于PDS,F用于DS)。
保留一个样本光谱用于标准化,其余光谱用于计算标准化参数,并将其应用于保留的一个光谱标准化,重复该过程直到每个光谱都标准化,这可用于模拟标准化参数在未知样本上的准确性,从而能够评估标准化参数的稳健性。计算模型在主仪器的预测值与标准化前的从属仪器预测值的R2和RMSE,以及模型在主仪器的预测值与标准化后的从属仪器预测值的R2和RMSE。如果R2和RMSE有明显升高趋势,表明标准化对模型在其他仪器(从属仪器)上的预测准确性有积极影响。
3试验结果
本试验所用模型的建立基于B-SD-1的光谱数据,预测R2在0.66左右,RMSE为6.97左右。如表1所示,标准化前模型在从属仪器(F-HN-1、F-HN-2、F-SD-3、F-SD-4、B-SD-2)的R2在0.78到0.94,RMSE为13.92到28.65,表明模型贸然用于未标准化仪器上的预测准确性存在损失。PDS和DS后,从属仪器的预测值与主仪器预测值间的R2增加,同时RMSE减少,意味着本发明得出的标准化参数有效减少模型在陌生仪器上的预测准确性损失,可以用于其他样本中。
表1标准化前后主从仪器预测效果表
以上具体实施例仅仅是对本发明的解释,其并不是对本发明的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本发明的权利要求范围内都受到专利法的保护。
Claims (7)
1.一种牛奶的中红外光谱不同仪器标准化参数的获取方法,包括以下步骤:
S1、确定建模的仪器为主仪器,被推广模型的仪器为从属仪器;
S2、采集相同个体多个奶样,并于主从光谱仪器上进行检测,获取同一奶样的不同仪器中红外光谱;
S3、对主从仪器的中红外光谱进行预处理;
S4、获取标准化参数;
S5、应用参数对从属仪器的中红外光谱进行校正;
S6、分析比较模型在从属仪器校正前后的预测效果。
2.根据权利要求1所述的一种牛奶的中红外光谱不同仪器标准化参数的获取方法,其特征是:步骤S1中,所述主仪器和从属仪器共计6台,其中1台为主仪器,其余5台均为从属仪器。
3.根据权利要求2所述的一种牛奶的中红外光谱不同仪器标准化参数的获取方法,其特征是:步骤S2中,从牧场不同奶牛中采集奶样,每一头奶牛30个样品,并分别由6个仪器进行测定,收集6个仪器的光谱。
4.根据权利要求1所述的一种牛奶的中红外光谱不同仪器标准化参数的获取方法,其特征是:步骤S3中,所述预处理为将主从仪器的中红外光谱进行波长统一和范围协调,利用公式A=log10(T)将主从仪器的透射度(T)转换为吸光度(A),然后进行线性插值以协调主从仪器的光谱范围。
5.根据权利要求1所述的一种牛奶的中红外光谱不同仪器标准化参数的获取方法,其特征是:步骤S5中,所述从属仪器的红外光谱校正方法包括PDS和DS。
6.根据权利要求5所述的一种牛奶的中红外光谱不同仪器标准化参数的获取方法,其特征是:所述PDS方法为:对于主仪器的每个波长(Pj)和对应从属仪器的波长窗口(Sj),假设P和S之间存在线性关系,则建立一个PLS多元回归模型,方程如下:
Pj=sbj+ej
其中bj为回归系数,ej为第j个波长的截距项,用移动窗口计算这两个标准化参数,合并后可得两个系数矩阵(B和E,分别表示回归系数和截距项);最后,从属仪器(S)的标准化矩阵(Sstd)可通过以下公式获得:
Sstd=SB+E。
7.根据权利要求5所述的一种牛奶的中红外光谱不同仪器标准化参数的获取方法,其特征是:所述DS方法为:主仪器和从属仪器之间的响应矩阵之间的关系如公式所述:
P=SF
其中F是转换矩阵;从属仪器(S)使用主仪器的响应矩阵进行标准化,如下所示:
Sstd=SS-1P。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311478068.6A CN117647498A (zh) | 2023-11-08 | 2023-11-08 | 一种牛奶的中红外光谱不同仪器标准化参数的获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311478068.6A CN117647498A (zh) | 2023-11-08 | 2023-11-08 | 一种牛奶的中红外光谱不同仪器标准化参数的获取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117647498A true CN117647498A (zh) | 2024-03-05 |
Family
ID=90048585
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311478068.6A Pending CN117647498A (zh) | 2023-11-08 | 2023-11-08 | 一种牛奶的中红外光谱不同仪器标准化参数的获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117647498A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001027572A1 (en) * | 1999-10-14 | 2001-04-19 | Cme Telemetrix Inc. | Method of optimizing wavelength calibration |
US6560546B1 (en) * | 2000-08-07 | 2003-05-06 | Infrasoft Llc | Remote analysis system |
CN101832922A (zh) * | 2010-05-19 | 2010-09-15 | 中国农业大学 | 一种有机肥产品近红外模型转移方法 |
CN201819877U (zh) * | 2010-03-30 | 2011-05-04 | 浙江师范大学 | 基于近红外光谱分析技术的牛奶水分快速监测装置 |
CN104089911A (zh) * | 2014-06-27 | 2014-10-08 | 桂林电子科技大学 | 基于一元线性回归的光谱模型传递方法 |
-
2023
- 2023-11-08 CN CN202311478068.6A patent/CN117647498A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001027572A1 (en) * | 1999-10-14 | 2001-04-19 | Cme Telemetrix Inc. | Method of optimizing wavelength calibration |
US6560546B1 (en) * | 2000-08-07 | 2003-05-06 | Infrasoft Llc | Remote analysis system |
CN201819877U (zh) * | 2010-03-30 | 2011-05-04 | 浙江师范大学 | 基于近红外光谱分析技术的牛奶水分快速监测装置 |
CN101832922A (zh) * | 2010-05-19 | 2010-09-15 | 中国农业大学 | 一种有机肥产品近红外模型转移方法 |
CN104089911A (zh) * | 2014-06-27 | 2014-10-08 | 桂林电子科技大学 | 基于一元线性回归的光谱模型传递方法 |
Non-Patent Citations (6)
Title |
---|
ZHAO, X 等: "Predictions of Milk Fatty Acid Contents by Mid-Infrared Spectroscopy in Chinese Holstein Cows", MOLECULES, vol. 28, 9 January 2023 (2023-01-09), pages 666 * |
刘杨: "牛奶中红外光谱的标准化方法研究", 万方数据库, 27 September 2023 (2023-09-27) * |
刘锐 等: "用于牛奶分析的中红外光谱标准化及其在模型传递中的作用", 中国奶牛, no. 4, 15 April 2019 (2019-04-15), pages 1 - 5 * |
张文海;顾小红;周文果;黄建联;殷秀秀;: "中红外光谱技术在乳制品分析中的应用研究", 中国乳品工业, no. 01, 25 January 2013 (2013-01-25), pages 36 - 39 * |
王其滨;杨辉华;潘细朋;李灵巧;: "随机森林结合直接正交信号校正的模型传递方法", 激光与红外, no. 09, 20 September 2020 (2020-09-20), pages 59 - 65 * |
阮健 等: "中红外光谱预测牛奶及奶产品成分含量的回归模型及其特点", 中国奶牛, no. 5, 15 May 2019 (2019-05-15), pages 4 - 7 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Workman Jr | A review of calibration transfer practices and instrument differences in spectroscopy | |
Huang et al. | Improved generalization of spectral models associated with Vis-NIR spectroscopy for determining the moisture content of different tea leaves | |
CN110687072B (zh) | 一种基于光谱相似度的校正集和验证集的选择及建模方法 | |
CN109444066B (zh) | 基于光谱数据的模型转移方法 | |
CN103854305B (zh) | 一种基于多尺度建模的模型传递方法 | |
CN103808688B (zh) | 近红外光谱法快速无损检测成品药物的质量一致性 | |
CN101413885A (zh) | 一种快速定量蜂蜜品质的近红外光谱方法 | |
CN107703097B (zh) | 利用近红外光谱仪构建快速预测原油性质的模型的方法 | |
CN102590129B (zh) | 近红外检测花生中氨基酸含量的方法 | |
CN101059426A (zh) | 基于近红外光谱技术无损测量茶叶中茶多酚含量的方法 | |
WO2017084119A1 (zh) | 一种具有无测点温度补偿功能的近红外物性参数测量方法 | |
WO2023046216A1 (zh) | 一种近红外光谱与特征图谱的图谱转换方法及其应用 | |
CN110736707B (zh) | 一种主仪器向从仪器光谱模型传递的光谱检测优化方法 | |
CN106018331B (zh) | 多通道光谱系统的稳定性评价方法及预处理优化方法 | |
CN105784672A (zh) | 一种基于双树复小波算法的毒品检测仪标准化方法 | |
CN108613943B (zh) | 一种基于光谱形态转移的近红外单籽粒作物成分检测方法 | |
CN109540837A (zh) | 近红外快速检测苎麻叶片木质纤维素含量的方法 | |
CN104596979A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶纤维素的方法 | |
CN111896497B (zh) | 一种基于预测值的光谱数据修正方法 | |
CN107169161B (zh) | 分段直接矫正及斜率和截距修正的土壤养分模型转移方法 | |
CN105259136A (zh) | 近红外校正模型的无测点温度修正方法 | |
CN107991265A (zh) | 一种基于信息融合的小麦粉粉质参数快速检测方法 | |
CN111337452A (zh) | 一种验证光谱数据模型转移算法可行性的方法 | |
CN117647498A (zh) | 一种牛奶的中红外光谱不同仪器标准化参数的获取方法 | |
CN105300924A (zh) | 温度影响下近红外校正模型的无测点补偿建模方法 |
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 |