發(fā)布時間：2021-03-03 17:19

　　雙峰駝乳營養(yǎng)豐富,脂肪、乳糖和總干物質(zhì)顯著高于牛乳,尤其降血糖與輔助治療糖尿病的功效被發(fā)現(xiàn)以來,越來越受到關(guān)注與重視,并逐步得到產(chǎn)業(yè)化開發(fā)。品質(zhì)和安全檢測監(jiān)督勢在必行,但目前尚無專用于雙峰駝乳常規(guī)營養(yǎng)成分的近紅外（NIR）快速檢測模型。從內(nèi)蒙古烏海、阿拉善左旗和呼倫貝爾鄂溫克旗共采集雙峰駝乳153份用于建模研究,同時采集荷斯坦牛奶28份,從廣西南寧市采集水牛奶40份,用于通用模型研究評價。所有乳樣按國標(biāo)法測定脂肪、乳糖、蛋白質(zhì)、水分和灰分五種常規(guī)營養(yǎng)素,并用一款臺式傅里葉變換研究型近紅外（臺式NIR）光譜儀和一款微型便攜式近紅外（微型NIR）光譜儀掃描乳樣品,采集乳樣的NIR漫透射光譜。用化學(xué)計量學(xué)軟件Unscrambler10.5進行光譜的選擇截取及轉(zhuǎn)換等預(yù)處理,然后以偏最小二乘法（PLS）擬合校正乳樣化學(xué)值和預(yù)處理后的NIR光譜,建立五種常規(guī)營養(yǎng)素近紅外（NIR）光譜預(yù)測模型。根據(jù)模型內(nèi)部驗證參數(shù):模型決定系數(shù)（R2）和內(nèi)部交叉驗證均方差（RMSECV）選擇最優(yōu)模型,再根據(jù)模型外部驗證參數(shù):外部預(yù)測均方根誤差（RMSEP）、相對分析誤差（RPD）和相對標(biāo)準(zhǔn)偏差（RSD）評價模型的穩(wěn)... 

【文章來源】：內(nèi)蒙古農(nóng)業(yè)大學(xué)內(nèi)蒙古自治區(qū)

【文章頁數(shù)】：45 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖３?ＰＬＳ模型主因子與ＲＭＳＥＣＶ關(guān)系圖??Ｆｉｇ．３?Ｒｅｌａｔｉｏｎｓｈｉｐ?ｂｅｔｗｅｅｎ?ＰＬＳ?ｍｏｄｅｌ?ｒｅｓｐｏｎｓｅ?ｆａｃｔｏｒ?ａｎｄ?ＲＭＳＥＣＶ??

／?０?４９４９４４５?０８９７９５?＾??■?Ｈ．ｍｒｎ４／?ＱＭｍｗ??＾＊??�。福�??５８５．?ＪｓｐＳ＾＊?？，Ｂ??ｆ?？??ｉ８３?撕?＊??ｖ?＊??８１?？，．?？?ｔ??８０??????????????????????????????????１??８０?８?１?８２?８３?８４?８５?８６?６７?８８?８９?９０??Ｒｅｆｅｒｅｎｃｅ?Ｙ?（?？？＇、分．ｆ＝ａｃ１ｏｒ－Ｕ??圖４水分建模??Ｆｉｇ．４?Ｍｏｉｓｔｕｒｅ?ｍｏｄｅｌｉｎｇ??Ｖａｒｉａｂｌｅ?Ｒｅｓｉｄｕａｌｓ??５１??４??３?｜??ｉ：??Ｗｆ３９?ｔ４５?１５２?ｔ５９?ｔ６５?１７１?１７９?１８７?ｆ９３?￥９９?２０５?２１１?２１＇?２２３?２２９?２３５?２４１?２４８?２５４?２６０?２６６?２７２?２？８?２８４?３０１??Ｓａｍｐｌｅｓ??圖５水分學(xué)生化殘差預(yù)測圖??Ｆｉｇ．５?Ｐｒｅｄｉｃｔｉｏｎ?ｃｈａｒｔ?ｏｆ?ｍｏｉｓｔｕｒｅ?ｓｔｕｄｅｎｔｉｚｅｄ?ｒｅｓｉｄｕａｌｓ??圖４是用１５３個樣品建模的結(jié)果，從圖中可以看出１６０、１８８、２４６和２７８號樣??品與校正線的關(guān)聯(lián)度不理想，此時模型的Ｒ２為０．８９，模型的內(nèi)部驗證系數(shù)較低，同??時在圖５中，水分輸出變量的學(xué)生化殘差也以極值狀態(tài)出現(xiàn)，因此可以確定１６０、１８８、??２４６和２７８號樣品為異常值，將異常值樣品從樣本集中剔除。??

?８５?８６?６７?８８?８９?９０??Ｒｅｆｅｒｅｎｃｅ?Ｙ?（?？？＇、分．ｆ＝ａｃ１ｏｒ－Ｕ??圖４水分建模??Ｆｉｇ．４?Ｍｏｉｓｔｕｒｅ?ｍｏｄｅｌｉｎｇ??Ｖａｒｉａｂｌｅ?Ｒｅｓｉｄｕａｌｓ??５１??４??３?｜??ｉ：??Ｗｆ３９?ｔ４５?１５２?ｔ５９?ｔ６５?１７１?１７９?１８７?ｆ９３?￥９９?２０５?２１１?２１＇?２２３?２２９?２３５?２４１?２４８?２５４?２６０?２６６?２７２?２？８?２８４?３０１??Ｓａｍｐｌｅｓ??圖５水分學(xué)生化殘差預(yù)測圖??Ｆｉｇ．５?Ｐｒｅｄｉｃｔｉｏｎ?ｃｈａｒｔ?ｏｆ?ｍｏｉｓｔｕｒｅ?ｓｔｕｄｅｎｔｉｚｅｄ?ｒｅｓｉｄｕａｌｓ??圖４是用１５３個樣品建模的結(jié)果，從圖中可以看出１６０、１８８、２４６和２７８號樣??品與校正線的關(guān)聯(lián)度不理想，此時模型的Ｒ２為０．８９，模型的內(nèi)部驗證系數(shù)較低，同??時在圖５中，水分輸出變量的學(xué)生化殘差也以極值狀態(tài)出現(xiàn)，因此可以確定１６０、１８８、??２４６和２７８號樣品為異常值，將異常值樣品從樣本集中剔除。??

【參考文獻】：
期刊論文
[1]不同品種蘋果糖度近紅外光譜在線檢測通用模型研究[J]. 劉燕德,徐海,孫旭東,姜小剛,饒宇,張雨.  光譜學(xué)與光譜分析. 2020(03)
[2]雙峰駝血液的營養(yǎng)成分分析[J]. 劉麗君,高婉婷,吉日木圖,伊麗.  現(xiàn)代食品科技. 2019(07)
[3]基于近紅外光譜的紅提維生素C含量、糖度及總酸含量無損檢測方法[J]. 高升,王巧華,李慶旭,施行.  分析化學(xué). 2019(06)
[4]近紅外光譜技術(shù)在牛油生產(chǎn)過程中的應(yīng)用[J]. 陳廣川,趙波,徐坤俐,龔晨輝,張立實,王培鑒,唐勇.  食品安全質(zhì)量檢測學(xué)報. 2019(09)
[5]近紅外漫透射光補償法無損快速檢測大米直鏈淀粉[J]. 劉亞超,李永玉,彭彥昆,王凡,閆帥,丁繼剛.  分析化學(xué). 2019(05)
[6]基于近紅外光譜技術(shù)的信陽毛尖產(chǎn)地判別[J]. 王子浩,劉洋,李明璽,郭桂義,萬春鵬.  分子植物育種. 2019(21)
[7]鐵觀音中茶多酚含量的近紅外光譜檢測模型分析[J]. 周昌海,周海軍.  宜賓學(xué)院學(xué)報. 2019(12)
[8]近紅外光譜技術(shù)在中藥鑒定中的應(yīng)用與優(yōu)勢[J]. 孫洋,羅嫻婷,周景陽.  臨床醫(yī)藥文獻電子雜志. 2019(37)
[9]近紅外光譜定性定量檢測牛肉漢堡餅中豬肉摻假[J]. 白京,李家鵬,鄒昊,田寒友,劉飛,李文采,王輝,張振琪,王守偉.  食品科學(xué). 2019(08)
[10]NIR光譜法快速預(yù)測小麥籽粒干物質(zhì)含量[J]. 何鴻舉,王玉玲,喬紅,歐行奇,劉紅,王慧,蔣圣啟,王魏.  海南師范大學(xué)學(xué)報(自然科學(xué)版). 2019(01)

碩士論文
[1]蒙古馬奶常規(guī)營養(yǎng)成分檢測與NIR快速檢測模型建立[D]. 黃亞東.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2019
[2]基于近紅外光譜分析技術(shù)的豬肉品質(zhì)快速檢測方法研究[D]. 戴小也.中國礦業(yè)大學(xué) 2019
[3]近紅外光譜分析技術(shù)在食用植物油品質(zhì)檢測中的應(yīng)用[D]. 王毅.江蘇大學(xué) 2010
[4]傅立葉變換近紅外光譜技術(shù)測定傳統(tǒng)豆制品品質(zhì)研究[D]. 李慧.西北農(nóng)林科技大學(xué) 2008



本文編號：3061632