基于二維相關近紅外光譜技術的牛奶摻雜識別方法的研究.pdf

1、乳制品安全是個全球難題,傳統(tǒng)的乳制品檢驗手段已經(jīng)不能滿足生產(chǎn)質量控制和安全保障的需要。近紅外光譜分析技術具有高效、快速、方便和無需前處理等優(yōu)點,彌補了傳統(tǒng)檢測方法的不足,被應用到了牛乳領域中。二維相關光譜具有比常規(guī)一維光譜更高的分辨率,因此本文將近紅外光譜與二維相關技術相結合,應用各種模式識別方法對牛奶是否摻雜進行判別分析。
　　通過分析摻雜(尿素、三聚氰胺)牛奶和純牛奶樣品的一維近紅外光譜圖,確定二維相關的分析區(qū)間為4200~4

2、800cm-1。對摻雜牛奶與純牛奶的二維相關同步譜和異步譜進行分析,確定將二維相關同步譜作為后續(xù)研究的基礎。
　　直接將二維相關同步譜結合模式識別方法對摻雜牛奶進行判別分析,主要使用兩種方法:(1)展開偏最小二乘法(Unfold-PLS),將二維相關同步譜矩陣沿波數(shù)方向展開為二維數(shù)據(jù),并將其與普通PLS算法相結合對牛奶是否摻雜進行判別分析;(2)核隱變量正交投影法(K-OPLS),直接將二維相關同步譜矩陣與K-OPLS結合建立摻雜

3、牛奶與純牛奶的判別模型。研究結果表明,這兩種判別模型都可以對牛奶摻雜與否進行有效的判別。
　　二維相關同步譜矩陣數(shù)據(jù)量巨大,為了提高建模的效率,需要從中提取特征信息。主要提出兩種方法:(1)提取二維相關同步譜的5個表觀統(tǒng)計特征參數(shù)(平均值、標準差、重心、偏度和峰度),分別用偏最小二乘判別分析法(PLS-DA)、誤差反向傳輸(BP)神經(jīng)網(wǎng)絡、概率神經(jīng)網(wǎng)絡(PNN)建立摻雜牛奶與純牛奶的判別模型;(2)用奇異值分解法提取二維相關同步譜