近红外光谱分析技术识别奶粉中淀粉掺假的研究

将蒙牛、伊利、完达山三个品牌的奶粉样品掺入不同量的淀粉构成32份实验样品。在跨度近两个月时间内,用JDSU微型近红外光谱仪,分五天重复5次采集这些样品的中波近红外漫反射光谱。采用仿生模式识别（BPR）算法对样品进行掺假识别定性分析,并研究了分析的可靠性与模型的稳健性。以90%作为评价分析结果（样品掺杂的正确识别率 CAR与正确拒识率 CRR）的阈值：将测试结果高于此阈值的所有样品中掺入淀粉的最低含量分别称为样品掺杂的正确识别限与正确拒识限。结果显示：三个品牌奶粉样品分别各自建模时,若用同一天测定的部分光谱数据建立模型,预测该天剩余光谱,样品掺杂的正确识别限与正确拒识限都可以达到0.1%。对于三种品牌奶粉合并后的纯奶粉及其淀粉掺杂样品混合建模时,若用同一天测定的光谱建模与测试,样品掺杂的正确识别限也可以达到0.1%,正确拒识限则为1%;若用不同时间采集的光谱进行交叉测试,正确识别限与正确拒识限都只有5%;若用四天的光谱数据联合建模,测试第五天的数据,正确识别限可以稳定达到1%,正确拒识限可以达到5%。应用两种算法对奶粉中淀粉含量进行定量分析比较,进一步验证了有关定性分析对样品掺杂正确识别限和正确拒识限的可靠性。     

水稻糙米粗蛋白近红外光谱定量分析模型的优化研究

筛选有代表性的191份糙米样品为试材,其中42份来自国家稻种资源库、149份来自水旱稻杂交产生的DH系,蛋白质含量变幅5.90％～14.50％,采用偏最小二乘法(PLS)建立模型,并构造模型的评价参数——目标函数[R/(1+RMSECV)], 同时借助校正集和验证集两个载荷向量得分二维空间投影图,对近红外定量模型进行评价和优化。结果表明: 在5 000～9 000 cm-1范围内,预处理方法为一阶导数,校正模型和外部检验的目标函数值分别为0.701和0.687;两载荷向量得分直观分布图显示样品的聚类结果与目标函数筛选结果一致,也进一步验证了目标函数是模型评价和优化的有效指标。