方案優勢

快速、準確地測量牛奶中蛋白質和脂肪含量

采用標準

相關標準

方法/原理/步驟

　　實驗材料

　　實驗材料采用全國畜牧總站全國奶牛生產性能測定標準物質制備實驗室配置的多種不同濃度的校準牛奶，樣品成分濃度參考值由標準方法測定。按一定濃度比例選擇90個樣品來建模，30個樣品用來預測。本實驗主要是對牛奶樣品中的蛋白質和脂肪兩種成分進行定量測定，樣品的主要成分濃度參考值分布如表1所示。

　　光譜采集

　　在采樣之前，須將儀器預熱1h以上，以保證儀器能穩定工作，為減小隨機因素干擾，每個樣品采集8次求平均值，為提高采集速度，采集波長間隔設為5nm，積分次數設為16，采集波段設為1000nm至2300nm，每采集一個樣品需用時約50秒。采集水的光譜作為基線光譜，并在以后采集過程中自動扣除，每當儀器運行1h后重新設置基線，減小基線漂移帶來的影響。將采集到的白板光譜作為背景光譜來進行吸光度的計算。其中某個牛奶樣品的吸光度曲線如圖2所示。

　圖1 近紅外光譜儀系統                          圖2 牛奶樣品吸光度曲線

表1 樣品成分含量信息

  　模型建立與優化

　　采集到的光譜信號往往還包括各種儀器噪聲，如高頻隨機噪聲、基線漂移、雜散光等，需要對光譜進行預處理以減弱其他非目標因素的影響，本文研究了多點平滑、傅里葉變換、小波變換三種預處理方式，在實際建模過程中根據不同的測量目標使用不同的預處理方式。建立預測模型時，數據量較大，需要對光譜數據進行降維，在此過程中若處理不當就會丟失重要光譜信息或出現共線問題，使回歸模型不穩定，預測誤差偏大，因此本文根據被測物分子結構的近紅外特性，即牛奶中不同基團對應的近紅外光譜吸收范圍和強度不同，以及光譜圖特點來進行特征值的提取，如提取光譜曲線的二次多項式擬合系數、平均值、最大值、最小值、差分值等，然后采用逐步回歸，分析預測效果，找出影響因子最大的特征變量，減少預測方程維數。

　　在一般情況下，若建立的預測模型預測能力較強，樣品預測殘差應近似服從μ= 0的正態分布。Y變量殘差F =Y ^ i-Yi中Yi表示第i個樣品的參考值，Y ^i為第i個樣品的光譜預測值。本課題研究中采用Y變量殘差分布圖來初步判斷奇異點，剔除奇異點之后，重新優化預測模型。

儀器設備

近紅外光譜儀

應用范圍

1.用于生物反應過程出的研究與檢測。由于近紅外響應速度快，又可進行多組分的同時和無損檢測，因此可以獲取生物過程中的一些重要變量參數；同時它還可以用于生化反應中微生物的鑒別和分類；在生命過程的研究中，被用于測定腦血流量和腦血管中CO2的活性，人體肌肉組織在運動中的氧化代謝等。

2.生物體組織的研究則主要包括皮膚中水分的測定，腦組織的研究等方面

3.在臨床醫學方面，近紅外光譜的最大優勢在于其對組織的透過性好，能夠進行體外或在體的非破壞、非介入分析。主要有全血或血清中血紅蛋白載氧量、PH、葡萄糖、尿素等含量的測定。