1 天津大学精密测试技术及仪器国家重点实验室, 天津 300072
2 天津农学院机电工程系, 天津 300384
配置合格的纯牛奶样本及含有三聚氰胺质量浓度范围为0.01 g/L~3 g/L的掺杂牛奶样本各20个, 并采集其近红外光谱。以牛奶中掺杂三聚氰胺浓度为外扰, 构建二维相关同步谱, 研究其相关谱特性。在此基础上, 结合偏最小二乘判别分析法(PLS-DA)建立定性模型, 可以实现纯牛奶与掺伪牛奶的定性鉴别, 正确识别率达100%。同时, 将二维相关近红外同步谱矩阵与偏最小二乘法(PLS)结合起来, 建立定量分析牛奶中掺杂三聚氰胺的数学模型。对未知样品的预测相关系数R达到0.98, 预测均方根误差(RMSEP)为0.18 g/L, 说明基于同步相关谱矩阵建立定量分析的数学模型是可行的。该方法无需样品处理, 成本低, 为快速检测掺伪牛奶提供了一种新的途径。
二维相关近红外谱 掺伪牛奶 偏最小二乘判别分析法 三聚氰胺 Two-dimensional near-infrared correlation spectros adulterated milk least squares discriminant analysis melamine
1 天津大学精密仪器与光电子工程学院, 天津300072
2 天津大学精密测试技术及仪器国家重点实验室, 天津300072
3 天津农学院机电工程系, 天津300384
4 天津市医疗器械质量监督检验中心, 天津300191
将二维相关近红外谱参数化方法与BP神经网络结合, 建立掺杂牛奶与纯牛奶的判别模型。 分别配制含有尿素牛奶（1～20 g·L-1）和三聚氰胺牛奶（0.01～3 g·L-1）样品各40个。 研究了纯牛奶、 掺杂牛奶的二维相关近红外谱特性, 在此基础上, 分别提取了各样品二维相关同步谱的5个特征参数。 将这5个特征参数作为BP神经网络的输入, 分别建立掺杂尿素、 掺杂三聚氰胺、 两种掺杂牛奶与纯牛奶的判别模型, 采用这些模型对未知样品进行预测, 其预测正确率分别为95%, 100%和96.7%。 研究结果表明: 该方法有效地提取了牛奶中掺杂目标物的特征光谱信息, 同时又减少了BP神经网络输入变量的维数, 实现了掺杂牛奶与纯牛奶的鉴别。
二维相关近红外谱 参数化 掺杂牛奶 BP神经网络 尿素 三聚氰胺 Two-dimensional correlation near-infrared spectra Parameterization Adulterated milk BP neural network Urea Melamine 光谱学与光谱分析
2013, 33(11): 3032
1 天津大学 精密测试技术及仪器国家重点实验室，天津 300072
2 天津农学院 机电工程系, 天津 300384
将二维相关近红外谱与多维偏最小二乘判别分析方法结合起来，建立了掺杂牛奶与纯牛奶的判别模型.分别配置掺杂尿素牛奶（1~20 g/L）和掺杂三聚氰胺牛奶（0.01~3 g/L）样品各40个，采集纯牛奶及掺杂牛奶样品的近红外光谱.在量化二维相关近红外同步谱的基础上，采用多维偏最小二乘判别分析法分别建立了掺杂尿素、掺杂三聚氰胺及两种掺杂牛奶与纯牛奶的判别模型对未知样品进行判别，其判别正确率分别为95%、90%和92.5%，并与偏最小二乘判别和隐变量正交投影判别建模方法进行了比较.结果表明：多维偏最小二乘判别分析法具有更强的预测能力可推广到其它食品的掺杂检测中.
二维相关近红外谱 多维偏最小二乘判别分析 掺杂牛奶 尿素 三聚氰胺 Twodimensional correlation nearinfrared spectr NPLSDA Adulterated milk Urea Melamine
