液態(tài)奶中蛋白質(zhì)與脂肪含量的測(cè)定方法解析
液態(tài)奶中蛋白質(zhì)與脂肪含量的測(cè)定方法解析
液態(tài)奶新鮮、方便、快捷,已成為一種普及性快速消費(fèi)品,而劣質(zhì)液態(tài)奶的營(yíng)養(yǎng)成分嚴(yán)重不足,因此,建立快速準(zhǔn)確的定量檢測(cè)液態(tài)奶中營(yíng)養(yǎng)物質(zhì)的方法勢(shì)在必行。常規(guī)化學(xué)分析方法測(cè)定乳制品中的蛋白質(zhì)和脂肪含量時(shí),均只針對(duì)被測(cè)樣品中的單一成分,分析方法耗時(shí)費(fèi)力,且分析成本高，近紅外光譜(NIRS)主要由物質(zhì)吸收光能使分子振動(dòng)從基態(tài)向高能級(jí)躍遷時(shí)產(chǎn)生,記錄分子中包含O—H、N—H、C—H單個(gè)化學(xué)鍵基頻振動(dòng)的倍頻與合頻信息,具有分析快速、高效、簡(jiǎn)單、無損、測(cè)試重現(xiàn)性好、無試劑污染、操作性強(qiáng)等優(yōu)點(diǎn)。而CARS方法是新近提出的一種用于變量篩選的方法,此算法模仿達(dá)爾文進(jìn)化論中“適者生存”原則,將每個(gè)變量看成一個(gè)個(gè)體,對(duì)變量實(shí)施逐步淘汰的選擇過程。近紅外光譜結(jié)合CARS變量篩選方法成為了測(cè)定液態(tài)奶蛋白質(zhì)含量的最佳選擇！
蛋白質(zhì)與脂肪的常規(guī)測(cè)定：蛋白質(zhì)含量的測(cè)定采用凱氏定氮法(GB/T5413·1-1997),利用粗蛋白測(cè)定儀測(cè)定,根據(jù)乳制品中氮元素含量轉(zhuǎn)化為蛋白質(zhì)含量的換算系數(shù),計(jì)算液態(tài)奶中的蛋白質(zhì)含量。對(duì)每個(gè)樣本的脂肪含量嚴(yán)格按照GB/T5009·46-2003,采用哥特里-羅紫法檢測(cè)，或者粗脂肪測(cè)定儀測(cè)定。以上實(shí)驗(yàn)中,在重復(fù)性條件下獲得的2次獨(dú)立測(cè)定結(jié)果的絕對(duì)差值不得超過算術(shù)平均值的5%,測(cè)定值為每100mL液態(tài)奶樣本中蛋白質(zhì)或脂肪的質(zhì)量(g),每個(gè)樣品平行測(cè)定3次。
近紅外光譜通常由大量數(shù)據(jù)點(diǎn)構(gòu)成,建模時(shí)波長(zhǎng)點(diǎn)數(shù)遠(yuǎn)多于樣本數(shù),因此光譜共線性非常嚴(yán)重,利用變量篩選可簡(jiǎn)化模型,并提高模型的預(yù)測(cè)能力。CARS方法模仿達(dá)爾文進(jìn)化理論中的“適者生存”原則,每次通過自適應(yīng)重加權(quán)采樣(ARS)技術(shù)篩選出PLS模型中回歸系數(shù)絕對(duì)值大的波長(zhǎng)點(diǎn),去掉權(quán)重小的波長(zhǎng)點(diǎn),利用交互檢驗(yàn)(CV)選出模型交互驗(yàn)證均方差(RMSECV)值最低的子集,可有效選擇與所測(cè)性質(zhì)相關(guān)的最優(yōu)波長(zhǎng)組合。最后我們得出：采用CARS結(jié)合PLS進(jìn)行建模,所得結(jié)果明顯優(yōu)于全譜建模結(jié)果;同時(shí),與MC-UVE、MWPLS和GA 3種方法比較,CARS法用于變量篩選可有效提高模型質(zhì)量,表明近紅外反射光譜技術(shù)結(jié)合CARS變量篩選方法適合液態(tài)奶中蛋白質(zhì)和脂肪的快速、無損檢測(cè),而且能達(dá)到滿意的檢測(cè)精度,為液態(tài)奶蛋白質(zhì)和脂肪含量的快速無損檢測(cè)提供了新思路。
