为建立一种可以快速、批量、高效检测中国荷斯坦牛牛奶中β-乳球蛋白含量的方法,采集501份来自西北、华北和华中主要产奶地区的健康中国荷斯坦牛牛奶样本,采用高效液相色谱法测定牛奶样本中β-乳球蛋白的含量,并同步测定和收集牛奶样本...为建立一种可以快速、批量、高效检测中国荷斯坦牛牛奶中β-乳球蛋白含量的方法,采集501份来自西北、华北和华中主要产奶地区的健康中国荷斯坦牛牛奶样本,采用高效液相色谱法测定牛奶样本中β-乳球蛋白的含量,并同步测定和收集牛奶样本中红外光谱数据(mid-infrared spectroscopy,MIRS)。以MIRS为预测变量,β-乳球蛋白含量为因变量,将12种光谱预处理方法进行连续2次的随机组合,并手动选取特征波段,使用偏最小二乘回归(partial least squares regression,PLSR)作为传统机器学习算法,建立预测牛奶中β-乳球蛋白含量的最优预测模型。结果显示:该模型交叉验证集和测试集的RC2和RP2分别为0.812 9、0.768 8,均方根误差RMSEC和RMSEP分别为0.476 2、0.524 9 g/L,性能偏差比(ratio of performance to deviation,RPD)为2.076 6,达到畜禽生产性能的测定要求。试验结果表明,可以利用MIRS建立模型预测中国荷斯坦牛牛奶中的β-乳球蛋白含量。展开更多
文摘利用可见-近红外光谱建立多品种模型以实现快速无损检测猕猴桃贮藏时的内部品质。以‘海沃德’‘金桃’和‘徐香’猕猴桃为实验对象,测定不同贮藏时间下硬度、可溶性固形物、可滴定酸和果肉颜色的变化规律,采集592~1102 nm波长范围内的光谱数据,采用一阶导数(first-order derivatives,FD)、标准正态变量变换(standard normal variate,SNV)、二阶导数、卷积平滑以及FD+SNV的预处理算法,结合竞争性自适应重加权采样法(competitive adaptive reweighted sampling,CARS)进行特征波长选择,建立基于偏最小二乘(partial least squares,PLS)和多元线性回归(multiple linear regression,MLR)的猕猴桃理化指标的品质预测模型。结果表明,FD和SNV预处理后的模型预测精度最高,单一品种模型SSC的相对预测偏差(relative prediction deviation,RPD)均高于2.3,除‘徐香’硬度RPD为1.8外,其他品种硬度RPD也高于2.3;采用CARS提取出600~700、930~990、1000~1100 nm是相关度较高的特征波段;各指标PLS模型的预测结果相对优于MLR模型;建立混合品种通用模型得到FD+SNV结合预处理后的预测性能显著提高,SSC、TA和a*模型的RPD分别为2.280、2.183和3.425,相较于单一品种的模型准确性更好。综上,利用可见-近红外光谱技术能够用于猕猴桃贮藏品质的定量检测,为猕猴桃的无损检测技术应用提供了依据和参考。
文摘为建立一种可以快速、批量、高效检测中国荷斯坦牛牛奶中β-乳球蛋白含量的方法,采集501份来自西北、华北和华中主要产奶地区的健康中国荷斯坦牛牛奶样本,采用高效液相色谱法测定牛奶样本中β-乳球蛋白的含量,并同步测定和收集牛奶样本中红外光谱数据(mid-infrared spectroscopy,MIRS)。以MIRS为预测变量,β-乳球蛋白含量为因变量,将12种光谱预处理方法进行连续2次的随机组合,并手动选取特征波段,使用偏最小二乘回归(partial least squares regression,PLSR)作为传统机器学习算法,建立预测牛奶中β-乳球蛋白含量的最优预测模型。结果显示:该模型交叉验证集和测试集的RC2和RP2分别为0.812 9、0.768 8,均方根误差RMSEC和RMSEP分别为0.476 2、0.524 9 g/L,性能偏差比(ratio of performance to deviation,RPD)为2.076 6,达到畜禽生产性能的测定要求。试验结果表明,可以利用MIRS建立模型预测中国荷斯坦牛牛奶中的β-乳球蛋白含量。
