豆粕是大豆浸提取豆油后经适当干燥和热处理所得副产品,是制作禽畜类饲料的主要原料,其品质决定营养价值.针对现有豆粕品质检测方法存在着有毒化学试剂使用多、操作复杂、分析时间长、无法满足实际生产线快速检测及调控需求等问题,提出一种基于近红外光谱分析的豆粕品质多组分检测方法,以期用于产品质量在线检测及调控.从大豆油脂加工生产线上采集豆粕样品449个,利用105℃烘箱法、凯氏定氮法和索氏提取法分别测定样品的水分、蛋白质和脂肪化学值,采用瑞士BuchiNIRMaster傅里叶变换近红外光谱仪采集样品漫反射光谱.首先利用马氏距离法剔除异常样本,然后用多种方法对光谱数据进行降噪处理,对比分析发现小波去噪效果最优.分别采用KS和SPXY两种算法确定豆粕不同组分的最佳样本分集.为了探讨豆粕组分的近红外吸收特性,剔除光谱冗余信息,降低模型计算复杂度,采用区间偏最小二乘法(iPLS)对4000～10000 cm-1全谱进行特征提取,优选出水分、蛋白质和脂肪的特征吸收波段分别为4904～5200,4304～4600和4304～4600 cm-1.最后建立豆粕组分含量的广义回归神经网络(GRNN)预测模型.为了减少网络的输入变量,缩小网络规模,提高运行速度,采用PLS对光谱数据降维,提取主因子得分作为GRNN输入变量.通过交叉验证循环法优选网络参数光滑因子spread值,建立豆粕多组分含量PLS-GRNN预测模型,并与经典的PLS和BP模型对比,发现PLS-GRNN模型效果更优,其水分、蛋白质和脂肪的预测集R2分别为0.9769,0.9402和0.9111,RMSEP分别为0.0912,0.3834和0.1134,RSD分别为0.79％,0.83％ 和8.53％.虽然脂肪的预测误差相对较大,但也在模型评定标准可用范围之内.实验表明基于PLS-GRNN的近红外光谱分析用于豆粕品质检测是可行的,能够用于实际生产过程中的品质监控.

豆粕品质;近红外光谱;区间偏最小二乘;广义回归神经网络

王立琦;姚静;王睿莹;陈颖淑;罗淑年;王伟宁;张艳荣

哈尔滨商业大学计算机与信息工程学院,黑龙江省电子商务与信息处理重点实验室,黑龙江 哈尔滨 150028;哈尔滨商业大学食品工程学院,黑龙江 哈尔滨 150028

光谱学与光谱分析

[1]王立琦;姚静;王睿莹;陈颖淑;罗淑年;王伟宁;张艳荣-.基于PLS-GRNN的豆粕品质近红外光谱检测研究)[J].光谱学与光谱分析,2022(05):1433-1438

BuchiNIRMaster

GRNN,豆粕品质,光谱检测,浸提,热处理,副产品,禽畜,畜类,营养价值,品质检测,有毒,毒化,化学试剂,分析时间,快速检测,近红外光谱分析,多组分,分检,质量在线检测,大豆油脂,油脂加工,加工生产线,烘箱法,凯氏定氮法,索氏提取法,脂肪化,瑞士,傅里叶变换近红外光谱,红外光谱仪,漫反射光谱,马氏距离,多种方法,降噪处理,小波去噪,去噪效果,KS,SPXY,不同组分,分集,红外吸收,吸收特性,冗余信息,计算复杂度,区间偏最小二乘法,iPLS,波段,组分含量,广义回归神经网络,网络规模,运行速度,光谱数据降维,主因,分作,交叉验证,循环法,网络参数,光滑因子,spread,模型对比,RMSEP,RSD,预测误差,评定标准,够用,品质监控

0.333722