[發明專利]牦牛奶及其摻加奶牛奶的快速鑒別模型

在審

• 申請號: 202110503867.9
• 申請日: 2021-05-10
• 公開（公告）號: CN113324943A
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 張淑君;王海童;羅雪路;孫玉梅;褚楚;鄒慧穎
• 申請（專利權）人: 華中農業大學
• 主分類號: G01N21/3577
• 分類號: G01N21/3577;G06K9/62
• 代理公司: 武漢宇晨專利事務所(普通合伙) 42001
• 代理人: 張紅兵

本發明屬于奶品分析技術領域，具體涉及牦牛奶及其摻加奶牛奶的快速鑒別模型。本發明與中紅外光譜分析領域有關。發明步驟為：1)取新鮮牦牛奶和摻有奶牛奶的牦牛奶樣品；2)在中紅光譜范圍內，對樣品進行掃描，獲得中紅外光譜數據；3)對原始中紅外光譜進行預處理，去除異常值；4)將預處理后的數據集按照分層抽樣的原則劃分為訓練集和測試集；5)篩選用于建模的光譜波段；6)將不同光譜預處理方法和建模算法進行組合，建立鑒別模型，使用準確率和kappa系數對模型進行評估，篩選出效果最優的預處理方法和建模算法組合，得到最優模型；7)對模型進行驗證，評估模型的泛化能力。

技術領域

本發明屬于奶品分析技術領域，具體涉及牦牛奶和摻加奶牛奶的牦牛奶的鑒定方法。與中紅外光譜分析領域相關。

背景技術

Mahood等(2017)利用傅里葉變換近紅外光譜結合化學計量學方法，對純牦牛奶和摻有10％奶牛奶的牦牛奶建立的PLS-DA模型的R²為97％，均方根誤差為0.08％，該模型對光譜進行二階微分預處理來分辨重疊峰和消除基線變化，其交叉驗證方法為留一法，適用于小樣本的驗證^[5]。胡曉曉(2020)對牦牛奶粉添加不同濃度植脂末、糊精、乳清粉和大豆分離蛋白，使用近紅外光譜分別建立了SIMCA分類模型和PLS模型，在SMICA模型中，對牦牛奶粉中添加植脂末和乳清粉的判別模型中使用了標準正態變量變換(SNV)對數據進行預處理，對牦牛奶粉中添加糊精和大豆分離蛋白的判別模型使用了二階微分對數據進行了預處理；在PLS模型中，對于4種摻假物的判別均對光譜進行了二階微分；SIMCA模型對5％以上的摻假物具有顯著的分離效果，PLS模型的相對系數0.9945，相對偏差在14.5％以下。此研究應用了2種數據預處理方法和2種建模方法進行組合，其中，二階微分運算較一階微分更為繁瑣，且其建模方法運算較為復雜^[1]。Wang等開發了一種相較于PCR而言低成本的側向流核酸測定法(LFNAA)，用于快速、靈敏地鑒定牦牛奶，有很高的特異性和敏感性，可以檢測到牦牛奶中5％的奶牛奶，但此過程需耗費40分鐘^[8]。楊艷歌等^[3]建立了多重實時熒光PCR法作為的鑒別乳品中八種乳源成分(牛、牦牛、水牛、山羊、綿羊、駱駝、馬、驢)的高效篩查技術，該技術具有高通量、高效率的優點，但仍需要對樣品進行前處理，檢測流程耗時較長。

中紅外光譜分析是近年來快速發展起來的一種快速、無損、無公害、可多組分同時分析的現代技術。已有研究表明，中紅外光譜可較好地預測水牛奶的酸度特征：例如在校準集和驗證集中分別正確分類為未凝結91.57％和67.86％的牛奶樣品^[6]。用于建立分類模型的機器學習算法有決策樹、樸素貝葉斯、人工神經網絡、自舉匯聚、K最近鄰、隨機森林和支持向量機等，在實踐中，隨機森林和支持向量機具有更好的表現，錯判率低，準確率、靈敏度和特異性高^[9]。由中紅外光譜儀輸出的數據為n×1060的矩陣(n為樣本量)，數據龐大，且難以避免數據不完整、不一致、極易受到噪聲(錯誤或異常值)侵擾，低質量的數據將導致效果較差的數據挖掘結果，因此需要一些方法對輸出的數據進行預處理。這些方法通常包括數據標準化^[7]、處理缺失值、去除噪聲及異常值^[4]以及特征選擇等，如使用一階微分^[7]、標準正態變量變換(SNV)、多元散射校正(MSC)和SG卷積平滑^[2]等挖掘分類對象差異，使用馬氏距離去除異常值^[7]等。

發明內容

本發明的目的在于克服現有技術存在的缺陷，提供一種牦牛奶及其摻加奶牛奶的快速鑒別模型，確定牦牛奶和摻有奶牛奶的牦牛奶快速鑒定的最佳預處理和建模算法組合，以提高此二類牦牛奶的鑒別速度及準確度。

本發明的技術方案如下所述：

一種牦牛奶及其摻加奶牛奶的快速鑒別模型，所述模型的建立包括以下步驟：

1)選取奶樣

分別采集牦牛奶和摻有奶牛奶的牦牛奶作為檢測樣本；