亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于高光譜的牛奶脂肪質(zhì)量濃度預(yù)測(cè)模型建立與評(píng)價(jià)

        2018-03-26 06:09:22趙紫竹衛(wèi)勇張乃遷常若葵吳海云劉華單慧勇楊仁杰郭小英
        中國(guó)乳品工業(yè) 2018年2期
        關(guān)鍵詞:校正牛奶光譜

        趙紫竹,衛(wèi)勇 ,張乃遷,常若葵,吳海云,劉華,單慧勇,楊仁杰,郭小英

        (1.天津農(nóng)學(xué)院工程技術(shù)學(xué)院,天津300384;2.Biological and Agricultural Engineering Department,Kansas State University,M anhattan KS 66502,USA)

        0 引 言

        牛奶中營(yíng)養(yǎng)元素豐富,被譽(yù)為“白色血液”,其脂肪、蛋白質(zhì)含量是評(píng)價(jià)牛奶品質(zhì)的重要指標(biāo)[1-2]。目前,常用牛奶檢測(cè)方法分析過(guò)程繁瑣,無(wú)法提供在線測(cè)試[1]。近年來(lái),應(yīng)用近紅外光譜技術(shù)快速在線測(cè)量牛奶品質(zhì)是一個(gè)研究熱點(diǎn)[3-6]。據(jù)報(bào)道采用近紅外光譜技術(shù)可檢測(cè)牛奶中干物質(zhì)含量及品質(zhì)[7-8]。Fu等(2014)采用高光譜成像技術(shù)有效檢測(cè)了摻假牛奶中低含量(≤1.0%)的三聚氰胺。在國(guó)內(nèi)應(yīng)用高光譜定量檢測(cè)牛奶中成分含量報(bào)道較少。僅有張倩倩等建立模型對(duì)牛奶中蛋白質(zhì)成分含量進(jìn)行預(yù)測(cè)。本文利用高光譜成像技術(shù),分別采用PLS法、二維相關(guān)技術(shù)結(jié)合N-PLS法,建立了牛奶中的脂肪含量預(yù)測(cè)模型,并分析了兩種預(yù)測(cè)模型在測(cè)量牛奶脂肪含量上的適用性。

        1 實(shí) 驗(yàn)

        1.1 樣品采集

        實(shí)驗(yàn)中所用牛奶為市面購(gòu)買Vitamin D Milk(總脂肪質(zhì)量濃度8 g/240 mL),Hiland牌2%R educed Fat M ilk(總脂肪質(zhì)量濃度5 g/240 mL),1%Low Fat Milk(總脂肪質(zhì)量濃度2.5 g/240 mL),Fat Free Skim Milk(總脂肪質(zhì)量濃度0 g/240 mL)。實(shí)驗(yàn)中所用脂肪含量梯度牛奶樣品均為上述牛奶混合配制,配制后每240 mL中總脂肪量分別為0,0.5,1,…,7.5,8 g共17個(gè)梯度。樣品配制后使用攪拌器攪拌20 min使牛奶中脂肪充分均勻,然后取樣,放置于直徑為70 mm的培養(yǎng)皿中,液面高度為8 mm,用于高光譜測(cè)試。表1為樣品質(zhì)量濃度。

        表1 牛奶脂肪質(zhì)量濃度

        1.2 儀器設(shè)備

        實(shí)驗(yàn)室采用美國(guó)堪薩斯州立大學(xué)高光譜儀,采集過(guò)程如圖1,成像系統(tǒng)的光譜范圍為400~1000 nm,光譜分辨率<4 nm,共有141個(gè)波段,空間分辨率CCD像元為8微米,圖像分辨率為1024像素×400像素。

        采集數(shù)據(jù)前首先對(duì)高光譜成像系統(tǒng)進(jìn)行黑白校正,為了使實(shí)驗(yàn)結(jié)果更加精確,同一脂肪質(zhì)量濃度測(cè)量3次。

        圖1 數(shù)據(jù)采集過(guò)程

        1.3 高光譜圖像校正

        在高光譜圖像數(shù)據(jù)采集過(guò)程中,由于光源在不同波段下的光強(qiáng)不同以及相機(jī)中暗電流的作用對(duì)圖像帶來(lái)較大的噪音干擾,這些噪音信息會(huì)影響高光譜圖像數(shù)據(jù)的質(zhì)量,因此在高光譜圖像數(shù)據(jù)采集之前必須要對(duì)系統(tǒng)進(jìn)行黑白校正,以消除噪音信息的干擾[11-12]。首先,將相機(jī)鏡頭蓋上,得到全黑參考高光譜圖像,再將白板放置在電移動(dòng)平臺(tái),采集到全白參考高光譜圖像,根據(jù)公式(1)進(jìn)行黑白校正。

        式中,Ic為校正后高光譜圖像;Iraw為原始高光譜圖像;Idark為全黑參考高光譜圖像;Iwhite為全白參考高光譜圖像。

        1.4 樣品平均光譜計(jì)算

        首先根據(jù)高光譜圖像選取感興趣區(qū)域,再提取感興趣區(qū)域的光譜值作為數(shù)據(jù)分析對(duì)象。圖2為牛奶樣品的單波長(zhǎng)圖像,選取培養(yǎng)皿中心部分為分析區(qū)域,分析區(qū)域大小為60像素×60像素。提取分析區(qū)域內(nèi)所有高光譜反射值,取每一個(gè)波段下3 600個(gè)像素點(diǎn)的平均值作為該波段的光譜值。即

        并根據(jù)式(2)對(duì)光譜數(shù)據(jù)采用歸一化處理方法[13],

        式中:IN為光譜歸一化值;Ii為各個(gè)波長(zhǎng)下光譜反射值;m ax(I)為光譜反射最大值;min(I)為光譜反射最小值。

        圖2 牛奶樣品高光譜圖像

        圖3為牛奶樣品在401.95~965.54 nm內(nèi)的光譜歸一化反射平均值光譜圖。圖3中,橫坐標(biāo)為波長(zhǎng),縱坐標(biāo)為光譜歸一化反射值。由圖3可以看出,牛奶樣品在652 nm、607 nm下產(chǎn)生較大的吸收峰,但不同脂肪含量的牛奶樣品的光譜圖僅有細(xì)微的差別,由于平均光譜圖中包含信息較少,區(qū)別小,樣品數(shù)量多,光譜數(shù)據(jù)量大,為了更好的探索牛奶中脂肪含量對(duì)光譜反射值的影響,還需要對(duì)光譜數(shù)據(jù)中所包含的有用信息進(jìn)一步的探索。

        圖3 牛奶樣品的平均光譜圖

        2 結(jié)果與討論

        2.1 牛奶脂肪質(zhì)量濃度偏最小二乘預(yù)測(cè)模型

        實(shí)驗(yàn)共有51個(gè)樣品,按照60%,40%的比例分為校正集和測(cè)試集,既校正集由34個(gè)樣品組成,測(cè)試集由17個(gè)樣品組成。將所有牛奶樣品的光譜值的二維矩陣作為輸入變量,建立PLS模型對(duì)牛奶中的脂肪質(zhì)量濃度進(jìn)行定量分析。

        主成分?jǐn)?shù)量的選擇對(duì)建立具有較高精度的模型十分關(guān)鍵,如果選擇主成分?jǐn)?shù)過(guò)大,則容易將噪音信號(hào)也擬合進(jìn)去,對(duì)模型過(guò)度擬合,反之,如果主成分?jǐn)?shù)選擇過(guò)小,則對(duì)模型擬合不夠,主成分?jǐn)?shù)過(guò)大或過(guò)小都會(huì)影響模型的擬合精度,削弱模型預(yù)測(cè)能力[14-15]。為了選擇最優(yōu)主成分個(gè)數(shù),首先對(duì)校正集采用交叉驗(yàn)證方法,計(jì)算在不同主成分?jǐn)?shù)下的校正均方根誤差REMSEC值(如圖4)。由圖4可知,當(dāng)主成分?jǐn)?shù)為3時(shí)RMSEC趨于平緩,因此選擇3個(gè)主成分建立PLS模型。

        圖4 PLS模型中主成分?jǐn)?shù)對(duì)RMSECV的影響

        利用光譜歸一化反射平均值建立PLS模型,對(duì)校正集中的34個(gè)樣品進(jìn)行預(yù)測(cè),并將校正集中牛奶脂肪含量的實(shí)際值與預(yù)測(cè)值進(jìn)行一元線性回歸,結(jié)果如圖5,回歸方程為y=0.9879x+0.4242,其相關(guān)系數(shù)R2為0.9851,RMSEC為0.3066。

        圖5 PLS模型校正集樣品預(yù)測(cè)結(jié)果

        為了對(duì)所牛奶脂肪含量預(yù)測(cè)模型精度進(jìn)行評(píng)價(jià),并檢驗(yàn)預(yù)測(cè)模型是否具有通用性,將未參與校正集建模的17個(gè)測(cè)試集樣品帶入校正模型進(jìn)行驗(yàn)證計(jì)算,預(yù)測(cè)結(jié)果見表2,并對(duì)預(yù)測(cè)集中牛奶脂肪含量的預(yù)測(cè)值與實(shí)際值進(jìn)行一元線性回歸,結(jié)果如圖6,回歸方程為y=1.022x-0.08541,相關(guān)系數(shù)R2為0.9913,預(yù)測(cè)均方根誤差RMSEP為0.2409。由圖可見,PLS模型建立的預(yù)測(cè)模型對(duì)牛奶中脂肪含量的預(yù)測(cè)具有較高的精度,能夠精確地預(yù)測(cè)牛奶中的脂肪含量。

        圖6 PLS模型預(yù)測(cè)樣品預(yù)測(cè)結(jié)果

        2.2 牛奶脂肪含量多維偏最小二乘預(yù)測(cè)模型

        將牛奶脂肪含量為0的樣品分別與其余脂肪含量的牛奶樣品進(jìn)行二維相關(guān)計(jì)算,將所有牛奶樣品二維相關(guān)計(jì)算后得到的三維矩陣作為輸入變量,建立N-PLS模型對(duì)牛奶中的脂肪含量進(jìn)行定量預(yù)測(cè),

        經(jīng)二維相關(guān)計(jì)算后共有48個(gè)牛奶樣品參與模型建立及測(cè)試,按照60%,40%的比例分為校正集和測(cè)試集,既校正集中有32個(gè)牛奶樣品,測(cè)試集中有16個(gè)牛奶樣品。N-PLS模型主成分?jǐn)?shù)的選擇也同樣重要,主成分?jǐn)?shù)對(duì)模型精度有較大的影響。首先對(duì)校正集采用交叉驗(yàn)證法,計(jì)算在不同主成分?jǐn)?shù)下的R EMSEC值(如圖7)。由圖7可以看出,當(dāng)主成分?jǐn)?shù)為8時(shí)RMSEC值趨于平緩,因此選擇8個(gè)主成分建立N-PLS模型。

        圖7 PLS模型中主成分?jǐn)?shù)對(duì)RMSECV的影響

        利用光譜歸一化反射平均值建立N-PLS模型,對(duì)校正集的32個(gè)牛奶樣品中脂肪含量進(jìn)行預(yù)測(cè),并將牛奶脂肪含量的實(shí)際值與預(yù)測(cè)值進(jìn)行一元線性回歸,結(jié)果如圖8所示,回歸方程為y=1.0031x-0.017,相關(guān)系數(shù)R2為0.9999。RMSEC為0.0255。

        圖8 N-PLS模型校正集樣品預(yù)測(cè)結(jié)果

        對(duì)所建立的牛奶脂肪含量預(yù)測(cè)模型進(jìn)行評(píng)價(jià),檢驗(yàn)?zāi)P褪欠窬哂型ㄓ眯?,將沒有參與建模的16個(gè)測(cè)試集牛奶樣品帶入N-PLS預(yù)測(cè)模型進(jìn)行驗(yàn)證計(jì)算,預(yù)測(cè)結(jié)果見表2,對(duì)牛奶脂肪含量的預(yù)測(cè)值與實(shí)際值進(jìn)行一元線性回歸,結(jié)果如圖9,回歸方程為y=1.026x-0.1199,相關(guān)系數(shù) R2為 0.9976,RMSEP為0.1247。

        表2為PLS模型與N-PLS模型對(duì)預(yù)測(cè)集中17個(gè)牛奶樣品中脂肪質(zhì)量濃度的預(yù)測(cè)結(jié)果。在PLS模型當(dāng)中,絕對(duì)誤差絕對(duì)值最大為0.39,絕對(duì)誤差最小為0.03。在N-PLS模型當(dāng)中,絕對(duì)誤差絕對(duì)值最大為0.303,最小為0.01。通過(guò)表3-2能直觀的看到,N-PLS模型的預(yù)測(cè)能力略高于PLS模型,尤其是在對(duì)脂肪低含量值的預(yù)測(cè),N-PLS模型高于PLS模型。

        表2 PLS、N-PLS模型預(yù)測(cè)結(jié)果

        圖9 N-PLS模型對(duì)預(yù)測(cè)集預(yù)測(cè)結(jié)果

        3 結(jié) 論

        本文在高光譜反射成像系統(tǒng)下,采集不同脂肪質(zhì)量濃度牛奶樣品的高光譜圖像數(shù)據(jù),根據(jù)高光譜圖像選取適當(dāng)?shù)姆治鰠^(qū)域,并提取分析區(qū)域內(nèi)所有光譜數(shù)據(jù)取每個(gè)波段下的平均值,將光譜數(shù)據(jù)進(jìn)行歸一化處理,并進(jìn)行二維相關(guān)計(jì)算,建立PLS模型與N-PLS模型進(jìn)行比較,其中PLS模型校正集R2為0.9851,RMSEC為 0.3066,預(yù)測(cè)集 R2為 0.9913,RMSEP為0.2409。N-PLS模型校正集R2為0.9999,RMSEC為0.0255,預(yù)測(cè)集R2為0.9976,RMSEP為0.1247。結(jié)果表明,高光譜成像技術(shù)可以應(yīng)用于對(duì)牛奶中脂肪質(zhì)量濃度的檢測(cè),而且具有很高的預(yù)測(cè)精度,并且采用適當(dāng)?shù)哪P涂梢赃M(jìn)一步提高預(yù)測(cè)精度。二維相關(guān)計(jì)算與N-PLS方法相結(jié)合的模型預(yù)測(cè)精度優(yōu)于傳統(tǒng)的PLS方法建立的模型,尤其是對(duì)脂肪質(zhì)量濃度較低的牛奶樣品。

        參考文獻(xiàn):

        [1]陽(yáng)麗芝,陳志偉.牛奶中脂肪檢測(cè)技術(shù)研究進(jìn)展[J].食品科學(xué),2011(1):270-273.

        [2]張華秀.近紅外光譜法快速檢測(cè)牛奶中蛋白質(zhì)與脂肪含量[D].中南大學(xué),2010.

        [3]趙明富,施玉佳,羅彬彬,王念,曹李華,羅松.基于近紅外透射光譜的牛奶中脂肪和蛋白質(zhì)含量檢測(cè)[J].激光雜志,2014(1):44-45,50.

        [4]陽(yáng)麗芝,陳志偉.牛奶中脂肪檢測(cè)技術(shù)研究進(jìn)展[J].食品科學(xué),2011,32(1):270-273.

        [5]王晶,王加啟,卜登攀,等.近紅外光譜技術(shù)在牛奶及其制品品質(zhì)檢測(cè)中的應(yīng)用[J].光譜學(xué)與光譜分析,2009,29(5):1281-1285.

        [6]韓東海,魯超,劉毅.純牛奶、還原奶、摻假奶、牛奶新鮮度的近紅外檢測(cè)[C]//中國(guó)乳制品工業(yè)協(xié)會(huì)第十一次年會(huì),2005.

        [7]李曉云,王加華,黃亞偉,等.便攜式近紅外儀檢測(cè)牛奶中脂肪、蛋白質(zhì)及干物質(zhì)含量.光譜學(xué)與光譜分析,2011,31(3):665-668.

        [8]楊仁杰,劉蓉,楊延榮,等.用二維相關(guān)近紅外譜和多維主成分分析判別摻雜牛奶.光學(xué)精密工程,2014,22(9):2352-2358.

        [9]FU X,KIM MS,CHAO K,et al.Detection of melamine in m ilk pow ders based on N IR hyperspectral imaging and spectral sim ilarity analyses[J].Journalof Food Engineering,2014,124(1):97-104.

        [10]張倩倩,譚琨.2015.基于高光譜的牛奶中真蛋白質(zhì)含量反演.光譜學(xué)與光譜分析,35(12):3436~3439.

        猜你喜歡
        校正牛奶光譜
        基于三維Saab變換的高光譜圖像壓縮方法
        送牛奶
        炫彩牛奶畫
        樹上也能擠出“牛奶”嗎?
        劉光第《南旋記》校正
        一類具有校正隔離率隨機(jī)SIQS模型的絕滅性與分布
        機(jī)內(nèi)校正
        神奇的牛奶樹
        星載近紅外高光譜CO2遙感進(jìn)展
        苦味酸與牛血清蛋白相互作用的光譜研究
        全免费a敌肛交毛片免费| 蜜桃视频一区二区三区| 亚洲视频免费在线观看| 正在播放强揉爆乳女教师| 六月丁香婷婷色狠狠久久| 亚洲最稳定资源在线观看| 国产精品自拍午夜伦理福利| 国自产拍偷拍精品啪啪一区二区| 18禁无遮挡羞羞污污污污网站| 欧美成人高清手机在线视频| 在线观看一区二区三区国产| 国产乱人无码伦av在线a | 亚洲男人天堂| 97无码人妻一区二区三区蜜臀| 国产交换精品一区二区三区| 亚洲 欧美 日韩 国产综合 在线| 亚洲日韩∨a无码中文字幕| 国产高清天干天天视频| 熟妇人妻精品一区二区视频免费的| 亚洲色中文字幕无码av| 亚洲国产精品久久久久久久| 久久午夜伦鲁鲁片免费| 在线观看日本一区二区三区四区| 国产午夜鲁丝片av无码| 亚洲av日韩av综合aⅴxxx| 最新国产精品国产三级国产av| 亚洲av日韩精品久久久久久a| 日日噜噜夜夜爽爽| jiZZ国产在线女人水多| 男男亚洲av无一区二区三区久久| 欧美人与动人物牲交免费观看久久| 色综合88| 午夜宅男成人影院香蕉狠狠爱 | 国产亚洲成av人片在线观看| 色综合无码av网站| 国产人成在线成免费视频| 国产精品一区二区三区免费视频| 暖暖视频在线观看免费| av一区二区三区亚洲| 九九精品国产亚洲av日韩| 粗大猛烈进出白浆视频|