彭 丹，聶慶琛，侯歡歡，楊國龍，孫尚德

（河南工業(yè)大學(xué) 糧油食品學(xué)院，河南 鄭州 450001）

0 引言

隨著人們生活水平的提高，乳制品的需求量逐年增加.近來年，盡管各部門不斷加大對乳品安全監(jiān)管的力度，但仍有劣質(zhì)乳品的頻繁出現(xiàn)，如無抗奶事件、三聚氰胺事件、皮革奶事件、激素門事件等，無不引發(fā)社會的廣泛關(guān)注.在事故處理過程中，暴露出奶源質(zhì)量檢測技術(shù)的不足.因此，簡便、快捷、準(zhǔn)確的檢測技術(shù)是現(xiàn)代乳品企業(yè)及有關(guān)監(jiān)管部門的迫切需求.

在奶源質(zhì)量檢測領(lǐng)域，有多種檢測方法如化學(xué)法、中紅外光譜法、高效液相色譜法、質(zhì)譜法等，但無法滿足原料乳實時、在線、連續(xù)監(jiān)測的要求.近紅外光譜技術(shù)作為一種快速、簡便、無損的定性和定量分析方法，已成為乳品質(zhì)量安全檢測的最佳方式.近紅外光譜技術(shù)是利用分析物對光的特異性吸收光譜數(shù)據(jù)來進(jìn)行定性分析或定量檢測技術(shù).然而，光譜數(shù)據(jù)中不僅含有分析物的有用信息，還包含噪聲、背景、雜散光等無關(guān)信息，結(jié)果導(dǎo)致校正模型不穩(wěn)定、適應(yīng)性不好、分析精度難以提高等問題[1].因此，有效消除無關(guān)信息的干擾對建立預(yù)測精度高、穩(wěn)定性好的校正模型至關(guān)重要.目前，消除無關(guān)信息干擾的方法主要有3 種：（1）采用預(yù)處理方法剔除光譜中的無關(guān)信息，如多元散射校正[2]、標(biāo)準(zhǔn)正交變換法[3-4]和正交信號校正法[5]等；（2）通過抵償法扣除光譜中的無關(guān)信息，如扣標(biāo)準(zhǔn)液校正法[6]等；（3）利用頻譜特性消除光譜中的無關(guān)信息，如小波變換[7-8]等.筆者以牛奶中脂肪和蛋白質(zhì)含量的檢測為例，嘗試采用干擾校正組合方法對無關(guān)信息進(jìn)行消除，提高牛奶成分的測量精度，同時探討不同校正方法的優(yōu)劣.

1 方法原理

1.1 預(yù)處理方法

1.1.1 擴展多元散射校正

擴展多元散射校正（extended multiplicative signal correction，EMSC）是多元散射校正的推廣，與MSC 法只考慮信號的處理不同，EMSC 對光譜中的信號和噪聲同時進(jìn)行處理.這里把物質(zhì)成分的吸收信息作為信號，而由粒子大小等物理信息引起的無關(guān)信息作為噪聲，通過對信號與噪聲分離，即分別用不同的參數(shù)來表示吸收和散射影響的方式，達(dá)到提取有用信息的目的.

1.1.2 標(biāo)準(zhǔn)正交變換

標(biāo)準(zhǔn)正交變換（standard normal variate，SNV）是一種用來消除樣品尺寸、顆粒大小與均勻性、表面散射以及光程長變化對光譜影響的方法，它是基于光譜陣列對一組光譜進(jìn)行標(biāo)準(zhǔn)化處理，處理后的光譜xSMV可表示為：

1.1.3 正交信號校正

正交信號校正（orthogonal signal correction，OSC）的基本原理是將光譜陣X 與濃度陣Y 正交，濾除光譜中與濃度陣無關(guān)的信號，然后進(jìn)行多元校正，達(dá)到提高模型預(yù)測能力的目的.其具體算法如下：

（1）將原始校正集光譜矩陣X 和濃度矩陣Y進(jìn)行均值化、中心化或標(biāo)準(zhǔn)化處理；

（2）計算M=1-XTY（YTXXTY）-1YTX；

（3）得到權(quán)重向量W＝λ-0.5MXTp，其中p 為XM（XM）T的第一主成分，λ 為特征值；

（4）求出載荷向量p*=XTt*/((t*)Tt*)，其中t*=t-Y(YTY)-1YTt；

（5）在X 中將正交信號減去XOSC=X-t*（p*）T.當(dāng)計算第二主成分時，XOSC代替X，重復(fù)步驟（2）～（5），直至所需的OSC 因子被移除.對于預(yù)測向量Xnew，由權(quán)重和載荷求出校正后的光譜.

1.2 扣標(biāo)準(zhǔn)液校正法

扣標(biāo)準(zhǔn)液校正是用一種與樣品基體相似、濃度恒定的標(biāo)準(zhǔn)液為背景，在每次測量分析樣品之前測定該背景標(biāo)準(zhǔn)液，然后從分析樣品的近紅外光譜中扣除此背景標(biāo)準(zhǔn)液的近紅外光譜.該法通過對原始光譜數(shù)據(jù)的校正，消除待測樣品中其他成分相互作用帶來的干擾，提高光譜測量的精度，從而提高模型的預(yù)測精度及適用性.

1.3 小波變換

小波變換（wavelet transform，WT）是把信號分解為不同尺度和頻率的小波子空間，具體理論參見文獻(xiàn)[8].目前多采用Mallat 算法的小波變換對信號進(jìn)行處理，得到的小波系數(shù)中逼近系數(shù)反映了原始信號的“骨架”信息，在信號輪廓上更逼近原始信號；細(xì)節(jié)系數(shù)則反映了信號的局部細(xì)微信息.本研究通過閾值法去除小波系數(shù)中被認(rèn)為是噪聲的元素，經(jīng)處理后的小波系數(shù)再進(jìn)行反變換即可得到濾噪后的光譜信號.

2 材料與方法

2.1 儀器及數(shù)據(jù)采集

采用瑞士Buchi 公司NIRFlex N-500 傅立葉變換紅外光譜儀，InGaAs 檢測器，光譜采集范圍1 000～2 500 nm，掃描分辨率8 cm-1，波長精度±0.2 cm-1，掃描次數(shù)為8.

2.2 樣品制備

樣品由河南奶牛中心提供，共100 個樣品，其中80 個樣品作為校正集，20 個作為驗證集樣品.牛奶中脂肪、蛋白質(zhì)和乳糖的參考值由丹麥FOSS公司生產(chǎn)的乳品綜合成分指標(biāo)分析儀測定，測量結(jié)果見表1.

表1 校正和驗證集中牛奶樣品的信息

2.3 數(shù)據(jù)處理與定量校正

擴展多元散射校正、小波變換、標(biāo)準(zhǔn)正交變換、正交信號校正的數(shù)據(jù)處理程序均由Matlab7 編寫.利用CAMO 公司的Unscrambler 7.8 軟件建立PLS 校正模型.模型性能通過相關(guān)系數(shù)（Corr.）、校正集標(biāo)準(zhǔn)偏差（root mean squared error of calibration，RMSEC）和驗證集標(biāo)準(zhǔn)偏差（root mean standard error of prediction，RMSEP）來評價.

3 結(jié)果與分析

3.1 光譜分析及預(yù)處理

圖1 為牛奶的近紅外透射光譜圖，在1 000～2 500 nm 譜區(qū)內(nèi)包含有脂肪、蛋白質(zhì)中含氫基團(tuán)（包括C—H、O—H、N—H 等）一級、二級倍頻及合頻吸收信息.由于牛奶中脂肪存在顆粒的不均勻性，使其對光具有很強的散射作用[9]，本試驗分別采用EMSC、SNV 和OSC 處理光譜數(shù)據(jù)，其結(jié)果如圖2、圖3 和圖4 所示.

圖1 牛奶近紅外透射光譜圖

經(jīng)EMSC、SNV 和OSC 處理后，光譜形狀總體上與處理前的光譜沒有差別，EMSC、SNV 處理后的光譜離散程度均明顯降低，使光譜中富含有用信息的部分凸顯出來，而OSC 法去除了與濃度陣Y正交的無用信息，這說明EMSC、SNV 和OSC 法均能濾除牛奶光譜中的干擾信息（如噪聲、背景、散射干擾等），保留光譜中主要信息，以簡化模型，提高模型的預(yù)測精度.

圖2 經(jīng)EMSC 處理后的牛奶近紅外透射光譜圖

圖3 經(jīng)SNV 處理后的牛奶近紅外透射光譜圖

圖4 經(jīng)OSC 處理后的牛奶近紅外透射光譜圖

3.2 背景標(biāo)準(zhǔn)液的選擇

背景標(biāo)準(zhǔn)液的確定沒有規(guī)律可循，只能根據(jù)分析結(jié)果進(jìn)行篩選.對于牛奶這樣的復(fù)雜樣品，通常選擇與樣品基體相似、濃度恒定的溶液作為背景標(biāo)準(zhǔn)液.本試驗分別采用同一品牌的全脂牛奶、低脂牛奶、脫脂牛奶以及水作為背景，結(jié)合PLS 分析脂肪和蛋白質(zhì)含量，其結(jié)果見表2.

表2 不同背景標(biāo)準(zhǔn)液脂肪和蛋白質(zhì)分析結(jié)果

從表2 可以看出，水作為背景標(biāo)準(zhǔn)液時，脂肪和蛋白質(zhì)的分析精度最佳，與無背景標(biāo)準(zhǔn)液模型相比，脂肪和蛋白質(zhì)的預(yù)測精度分別提高了13.3%和19.7%；而采用脫脂、低脂和全脂牛奶作為背景標(biāo)準(zhǔn)液時，分析精度較差，經(jīng)處理后的牛奶樣品中脂肪球雖然變小，但對入射光仍有一定的散射.因此，本研究選用水作為背景標(biāo)準(zhǔn)液.

3.3 WT 參數(shù)的確定

對光譜進(jìn)行WT 時，需要人為選擇一些合適的參數(shù)，其中母小波和分解水平是小波變換的主要參數(shù).本研究考察Haar 小波、Daubechies 小波系列（階數(shù)分別為2、4、6、8）、Coiflets 小波系列（階數(shù)分別為1、2、3、4）以及Symlets 小波系列（階數(shù)分別為2、4、6、8）對脂肪和蛋白質(zhì)含量分析結(jié)果的影響.結(jié)果表明：4 階的Daubechies 小波（db4）作為母小波，其分析精度最佳.分解水平的確定應(yīng)考慮到光譜數(shù)據(jù)的維數(shù)，本研究選8 作為小波分解水平.

3.4 校正方法的比較

分別采用預(yù)處理（EMSC、SNV 和OSC）方法、扣標(biāo)準(zhǔn)液校正法以及WT 法對光譜進(jìn)行處理，結(jié)合PLS 分析脂肪和蛋白質(zhì)含量，結(jié)果見表3.結(jié)果表明，EMSC 和SNV 可強化有用信息，減弱無用信息的干擾（見圖2 和圖3），使模型的預(yù)測精度有了較大幅度提高，脂肪和蛋白質(zhì)的最佳預(yù)測精度分別為0.205 7%和0.202 3%；而OSC 法忽略不完全正交的無用信息，模型不但沒有得到改善，反而使模型的預(yù)測精度下降.WT 法將光譜分解為不同時頻的信號，根據(jù)不同時頻的信號的屬性來消除無關(guān)信息的影響，與校正前相比脂肪和蛋白質(zhì)模型的預(yù)測精度分別提高了35.3%和32.6%.牛奶是一種復(fù)雜的多分散系統(tǒng)，它既含有乳糖、鹽類等溶解態(tài)物質(zhì)，又含有蛋白質(zhì)等膠體態(tài)物質(zhì)，還含有脂肪這樣的懸浮態(tài)物質(zhì)，因此對于如此復(fù)雜的分析體系，僅用一種校正方法往往不能得到最佳的結(jié)果，這時可將不同校正方法結(jié)合使用，以獲得預(yù)期的結(jié)果[10].

表3 不同干擾校正方法模型預(yù)測結(jié)果的比較

3.5 不同校正方法組合研究

作者嘗試用預(yù)處理方法（EMSC、SNV）、扣標(biāo)準(zhǔn)液法和WT 法組合方法進(jìn)行校正，其結(jié)果見表4.

表4 不同校正組合方法預(yù)測結(jié)果的分析

從表4 可以看出，采用EMSC 和WT 組合校正方法，模型具有最佳的預(yù)測精度.與最佳單一方法（表3）相比，脂肪的預(yù)測精度提高了31.6%，蛋白質(zhì)的預(yù)測精度提高了30.0%，但不同組合方式的預(yù)測結(jié)果相差較大.因此，該方法還需進(jìn)一步完善才能在光譜預(yù)處理中得到更好的應(yīng)用.

4 結(jié)論

近紅外光譜法作為一種依靠模型對物化性質(zhì)進(jìn)行分析的技術(shù)，光譜數(shù)據(jù)的準(zhǔn)確性是得到可靠分析結(jié)果的前提.但是光譜中無關(guān)信息的存在會直接影響校正模型的準(zhǔn)確性，從而影響模型的預(yù)測效果.作者利用預(yù)處理法、扣標(biāo)準(zhǔn)液法和WT法，對測得的近紅外牛奶光譜進(jìn)行了無關(guān)信息的剔除.試驗結(jié)果表明，干擾校正組合方法能有效消除無關(guān)信息的干擾，其效果遠(yuǎn)優(yōu)于單一干擾校正方法，并且該方法具有數(shù)值穩(wěn)定性好、校正效率高等特點，非常適用于在線分析和其他復(fù)雜物質(zhì)檢測中無關(guān)信息的消除.

［1］Seasholtz M B，Kowalski B R.The parsimony principle applied to multivariate calibration［J］.Anal Chim Acta，1993，277:165-177.

［2］Woo Y A，Terazawa Y，Chen J Y，et al.Development of a new measurement unit（milkspec-1）for rapid determination of fat，lactose，and protein in raw milk using near-infrared transmittance spectroscopy［J］.Applied Spect-roscopy，2002，56（5）：599-604.

［3］馬廣，傅霞萍，周瑩，等.大白桃糖度的近紅外漫反射光譜無損檢測試驗研究［J］.光譜學(xué)與光譜分析，2007，27（5）:907-910.

［4］陳華才，呂進(jìn)，俸春紅，等.近紅外光譜法測定茶多酚中總兒茶素含量［J］.中國計量學(xué)院學(xué)報，2005，16（1）:17-20.

［5］Blanco M，Coello J，Montoliu I，et al.Orthogonal signal correction on near infrared calibration［J］.Anal Chim Acta，2001，434:125-132.

［6］劉蓉，谷筱玉，徐可欣.近紅外光譜無創(chuàng)血糖測量中背景扣除方法的研究［J］.光譜學(xué)與光譜分析，2008，28（8）:1772-1775.

［7］Barclay V J，Bonner R F.Application of wavelet transforms to experimental spectra:smoothing，denoising，and data Set compression［J］.Anal Chem，1997，69（1）:78-90.

［8］田高友，袁洪福，劉慧穎.近紅外光譜的小波特性研究［J］.光譜學(xué)與光譜分析，2006，26（8）:1441-1444.

［9］彭丹，徐可欣.響應(yīng)量轉(zhuǎn)化近紅外檢測技術(shù)在強散射介質(zhì)中的應(yīng)用研究［J］.光譜學(xué)與光譜分析，2010，30（2）:318-322.

［10］褚小立，袁洪福，陸婉珍.近紅外分析中光譜預(yù)處理及波長選擇方法進(jìn)展與應(yīng)用［J］.化學(xué)進(jìn)展，2004，16（4）:528-542.