[发明专利]特优优质奶、高蛋白特色奶、高乳脂特色奶和普通奶的光谱分级方法

权利要求书

1.四种牛奶样本的光谱分级方法，所述的四种牛奶为商品特优优质奶、高蛋白特色奶、高乳脂特色奶和普通奶的，其特征在于所述的方法包括以下步骤：

(1)获取待测的四种牛奶样本，即特优优质奶、高蛋白特色奶、高乳脂特色奶和普通奶作为检测样本；

(2)采集中红外光谱数据：利用乳成分分析仪在925-4000cm^-1波数范围内对所步骤(1)所述的检测样本进行扫描，通过与其相连的计算机输出样本透射率；

(3)选择光谱波段：去除噪声多和有效信息少的波段；

(4)将原始中红外光谱数据划分为训练集和测试集，并进行预处理；

(5)提取具有代表性的中红外光谱的特征波长；

(6)建立模型：采用朴素贝叶斯模型在训练集上构建分级模型，利用建立的模型对测试集中的样本进行预测；

(7)筛选和确定模型：根据训练集准确率和测试集准确率，对模型进行比较和评价；

(8)经过对比分析，选择最佳分级模型；

其中：

步骤(2)中采集中红外光谱时，先将步骤(1)所述的检测样本倒入直径3.5cm，高9cm的圆柱形样品管中，在42℃水浴锅中水浴15-20min，然后将固体光纤探头伸到液体中；

步骤(3)中光谱波段的选择为去除噪声较多的1597-1712cm^-1和3024-3 680cm^-1波数范围，和去除有效信息较少、对建模贡献低的3680cm^-1-4000cm^-1波数范围，选择建模波数为925-1597cm^-1和1712-3024cm^-1的波段；

步骤(4)中采用随机算法是将样本按7:3随机划分为训练集和测试集，数据预处理分别采用的是标准正态变量校正(SNV)，多元散射校正(MSC)，一阶导数，二阶导数，一阶差分和二阶差分预处理方法；其中，一阶导数和二阶导数的平滑点数设置为9；

步骤(5)中采用无信息变量消除法(UVE)、竞争性自适应重加权法(CARS)、稳定性竞争性自适应重加权采样算法(SCARS)，从3种特征波长中提取算法提取中红外光谱特征波长；其中，UVE的阈值设置为0.9，CARS和SCARS的采样次数设置为100；

三种算法提取的特征波长分别如下：

UVE(229个):3.858cm^-1、7.716cm^-1、11.574cm^-1、23.148cm^-1、46.296cm^-1、50.154cm^-1、54.012cm^-1、65.586cm^-1、69.444cm^-1、73.302cm^-1、77.160cm^-1、88.734cm^-1、92.592cm^-1、158.178cm^-1、162.036cm^-1、177.468cm^-1、181.326cm^-1、185.184cm^-1、189.042cm^-1、200.616cm^-1、204.474cm^-1、208.332cm^-1、212.190cm^-1、216.048cm^-1、223.764cm^-1、227.622cm^-1、231.48cm^-1、239.19cm^-1、243.054cm^-1、246.912cm^-1、250.770cm^-1、258.486cm^-1、262.344cm^-1、270.060cm^-1、273.918cm^-1、277.776cm^-1、281.634cm^-1、285.492cm^-1、289.350cm^-1、293.208cm^-1、297.066cm^-1、300.924cm^-1、312.498cm^-1、316.356cm^-1、320.214cm^-1、324.072cm^-1、327.930cm^-1、331.788cm^-1、362.652cm^-1、366.510cm^-1、370.368cm^-1、381.942cm^-1、385.80cm^-1、389.658cm^-1、412.806cm^-1、416.664cm^-1、420.522cm^-1、432.096cm^-1、435.954cm^-1、439.812cm^-1、443.670cm^-1、447.528cm^-1、451.386cm^-1、455.244cm^-1、459.102cm^-1、462.960cm^-1、474.534cm^-1、478.392cm^-1、482.250cm^-1、486.108cm^-1、497.682cm^-1、501.540cm^-1、520.830cm^-1、524.688cm^-1、528.546cm^-1、532.404cm^-1、536.262cm^-1、543.978cm^-1、547.836cm^-1、551.694cm^-1、555.552cm^-1、559.410cm^-1、563.268cm^-1、567.126cm^-1、570.984cm^-1、574.842cm^-1、578.700cm^-1、586.416cm^-1、590.274cm^-1、594.132cm^-1、597.990cm^-1、601.848cm^-1、667.434cm^-1、794.748cm^-1、806.322cm^-1、814.038cm^-1、817.896cm^-1、821.754cm^-1、829.470cm^-1、833.328cm^-1、837.186cm^-1、841.044cm^-1、844.902cm^-1、848.760cm^-1、852.618cm^-1、856.476cm^-1、860.334cm^-1、875.766cm^-1、879.624cm^-1、883.482cm^-1、887.340cm^-1、922.062cm^-1、941.352cm^-1、960.642cm^-1、991.506cm^-1、995.364cm^-1、999.222cm^-1、1003.080cm^-1、1033.944cm^-1、1037.802cm^-1、1041.660cm^-1、1045.518cm^-1、1049.376cm^-1、1064.808cm^-1、1068.666cm^-1、1072.524cm^-1、1076.382cm^-1、1103.388cm^-1、1107.246cm^-1、1111.104cm^-1、1126.536cm^-1、1130.394cm^-1、1180.548cm^-1、1184.406cm-1、1188.264cm^-1、1230.702cm^-1、1234.560cm^-1、1238.418cm^-1、1242.276cm^-1、1257.708cm^-1、1276.998cm^-1、1280.856cm^-1、1284.714cm^-1、1304.004cm^-1、1307.862cm^-1、1311.720cm^-1、1315.578cm^-1、1319.436cm^-1、1354.158cm^-1、1358.016cm^-1、1485.330cm^-1、1489.188cm^-1、1493.046cm^-1、1496.904cm^-1、1512.336cm^-1、1516.194cm^-1、1520.052cm^-1、1523.910cm^-1、1527.768cm^-1、1531.626cm^-1、1535.484cm^-1、1539.342cm^-1、1543.200cm^-1、1558.632cm^-1、1562.490cm^-1、1566.348cm^-1、1570.206cm^-1、1574.064cm^-1、1577.922cm^-1、1581.780cm^-1、1597.212cm^-1、1601.070cm^-1、1604.928cm^-1、1608.786cm^-1、1612.644cm^-1、1616.502cm^-1、1620.360cm^-1、1624.218cm^-1、1635.792cm^-1、1639.650cm^-1、1643.508cm^-1、1647.366cm^-1、1651.224cm^-1、1655.082cm^-1、1658.940cm^-1、1662.798cm^-1、1678.230cm^-1、1682.088cm^-1、1685.946cm^-1、1689.804cm^-1、1693.662cm^-1、1697.5200cm^-1、1701.378cm^-1、1716.810cm^-1、1720.668cm^-1、1724.526cm^-1、1728.384cm^-1、1732.242cm^-1、1736.100cm^-1、1739.958cm^-1、1751.532cm^-1、1755.390cm^-1、1759.248cm^-1、1763.106cm^-1、1766.964cm^-1、1770.822cm^-1、1774.680cm^-1、1778.538cm^-1、1782.396cm^-1、1793.970cm^-1、1797.828cm^-1、1801.686cm^-1、1805.544cm^-1、1840.266cm^-1、1844.124cm^-1、1847.982cm^-1、1851.840cm^-1、1855.698cm^-1、1890.420cm^-1、1894.278cm^-1、1898.136cm^-1、1929cm^-1、1932.858cm^-1、1948.290cm^-1、1952.148cm^-1、1956.006cm^-1、1959.864cm^-1、2025.450cm^-1、2029.308cm^-1；

CARS(37个):73.302cm^-1、177.468cm^-1、204.474cm^-1、208.332cm^-1、212.190cm^-1、243.054cm^-1、246.912cm^-1、270.060cm^-1、273.918cm^-1、300.924cm^-1、335.646cm^-1、432.096cm^-1、435.954cm^-1、478.392cm^-1、482.250cm^-1、486.108cm^-1、532.404cm^-1、574.842cm^-1、586.416cm^-1、590.274cm^-1、594.132cm^-1、605.706cm^-1、609.564cm^-1、640.428cm^-1、667.434cm^-1、794.748cm^-1、798.606cm^-1、806.322cm^-1、814.038cm^-1、837.186cm^-1、841.044cm^-1、844.902cm^-1、848.760cm^-1、852.618cm^-1、856.476cm^-1、860.334cm^-1、2064.030cm^-1；

SCARS(20个):73.302cm^-1、142.746cm^-1、208.332cm^-1、243.054cm^-1、270.060cm^-1、273.918cm^-1、327.930cm^-1、331.788cm^-1、335.646cm^-1、412.806cm^-1、416.664cm^-1、435.954cm^-1、478.392cm^-1、482.250cm^-1、486.108cm^-1、532.404cm^-1、594.132cm^-1、605.706cm^-1、636.570cm^-1、729.162cm^-1；

通过matlab2016b软件对中红外光谱数据预处理、模型构建及验证。