本發(fā)明屬于介電頻譜測(cè)量技術(shù)領(lǐng)域，特別是涉及一種基于介電頻譜技術(shù)的牛乳蛋白質(zhì)含量快速檢測(cè)方法。

背景技術(shù)：

牛乳含有豐富的蛋白質(zhì)、脂肪、糖類和礦物質(zhì)，而且比例分布合理，容易消化，是一種營(yíng)養(yǎng)全面的理想食品，其在人們?nèi)粘Ｉ钪姓加兄匾恢?。蛋白質(zhì)是牛乳中最重要的營(yíng)養(yǎng)成分，尤其對(duì)于生鮮乳，蛋白質(zhì)含量是決定牛乳質(zhì)量和價(jià)格的核心指標(biāo)?，F(xiàn)階段常用的檢測(cè)牛乳中蛋白質(zhì)含量的方法主要有：凱氏定氮法、分光光度法、燃燒法等，但這些方法都存在費(fèi)時(shí)費(fèi)力、成本高、需專業(yè)人員、且不能應(yīng)用于實(shí)時(shí)或現(xiàn)場(chǎng)檢測(cè)的缺點(diǎn)。為了能滿足對(duì)牛乳蛋白質(zhì)含量的高效、快速以及在線檢測(cè)的需求，開發(fā)便捷的牛乳蛋白質(zhì)檢測(cè)技術(shù)勢(shì)在必行。

近年來(lái)，基于蛋白質(zhì)分子對(duì)光的散射、反射等現(xiàn)象，一些科研人員將近紅外光譜、可見光光譜或者激光技術(shù)等應(yīng)用于牛乳蛋白質(zhì)含量的檢測(cè)中，但光譜技術(shù)很難應(yīng)用于在線檢測(cè)牛乳蛋白質(zhì)含量。此外，由于牛乳中脂肪球的粒徑大小與近紅外光譜的波長(zhǎng)比較接近，脂肪球?qū)獾纳⑸浜头瓷涞挠绊懯沟迷摷夹g(shù)對(duì)蛋白質(zhì)含量的檢測(cè)精度較差。

介電頻譜技術(shù)是一種獲得物質(zhì)在某一頻率范圍內(nèi)介電特性參數(shù)的儀器測(cè)量方法。它具有測(cè)量迅速，一次測(cè)量可以獲得多個(gè)介電特性參數(shù)譜，尤其對(duì)于液態(tài)樣品無(wú)需樣品預(yù)處理的優(yōu)點(diǎn)。對(duì)食品介電頻譜的研究結(jié)果表明，食品中的組織成分，如含水率、含鹽量、脂肪、蛋白質(zhì)、糖等影響食品的介電頻譜，也即介電頻譜反映了食品組織成分的變化，應(yīng)用介電頻譜可以檢測(cè)食品中的某些組織成分?，F(xiàn)有對(duì)于牛乳蛋白質(zhì)含量與介電頻譜的相關(guān)研究主要局限于不同的蛋白質(zhì)類型對(duì)牛乳介電頻譜的影響規(guī)律或者建立單一牛乳樣品的介電特性參數(shù)與蛋白質(zhì)含量的關(guān)系。由于不同個(gè)體奶牛所產(chǎn)牛乳的蛋白質(zhì)含量存在差異，即使同一頭奶牛，其所產(chǎn)牛乳的蛋白質(zhì)含量也因奶牛的泌乳期、季節(jié)、飲食、環(huán)境溫度和身體狀況等因素的變化而發(fā)生變化，這使得基于單一樣本建立的蛋白質(zhì)預(yù)測(cè)模型很難應(yīng)用于實(shí)際大樣本牛乳蛋白質(zhì)含量的檢測(cè)中。而目前尚未見基于介電頻譜技術(shù)檢測(cè)大樣本牛乳蛋白質(zhì)含量的研究論文或?qū)＠?/p>

技術(shù)實(shí)現(xiàn)要素：

發(fā)明目的：本發(fā)明旨在克服傳統(tǒng)測(cè)量牛乳中蛋白質(zhì)含量方法的不足，提供一種基于介電頻譜技術(shù)的牛乳蛋白質(zhì)含量快速檢測(cè)方法，為乳品品質(zhì)快速、高效、準(zhǔn)確、實(shí)時(shí)、在線檢測(cè)儀器的開發(fā)奠定基礎(chǔ)。本發(fā)明要解決的技術(shù)問(wèn)題是：基于大樣本獲得的牛乳介電頻譜和采用國(guó)標(biāo)規(guī)定的蛋白質(zhì)測(cè)量方法測(cè)量的大樣本牛乳的蛋白質(zhì)含量，建立預(yù)測(cè)牛乳蛋白質(zhì)含量的預(yù)測(cè)模型，為牛乳中蛋白質(zhì)含量檢測(cè)儀器的研發(fā)提供方法基礎(chǔ)。本發(fā)明的方法也可以用于其它乳品（如羊乳）蛋白質(zhì)含量的檢測(cè)中。

一種基于介電頻譜技術(shù)快速預(yù)測(cè)牛乳蛋白質(zhì)含量的方法，其特征在于，包含以下步驟：

（1）收集樣本：收集一批來(lái)源于不同地區(qū)、不同飼養(yǎng)條件、不同奶牛品種、不同奶牛個(gè)體、不同產(chǎn)乳期、不同季節(jié)、數(shù)量足夠（如超過(guò)80）、蛋白質(zhì)含量有一定差異的生鮮牛乳樣品；樣品在2℃~4℃下保存，24小時(shí)內(nèi)在室溫下完成介電頻譜的采集；根據(jù)國(guó)標(biāo)規(guī)定的方法測(cè)量各牛乳樣品的蛋白質(zhì)含量。

（2）介電頻譜的采集：測(cè)量前將樣品回溫到室溫，在室溫下采用網(wǎng)絡(luò)分析儀和同軸探頭組成的測(cè)量裝置完成介電頻譜的采集；采集前先校準(zhǔn)好測(cè)量裝置并設(shè)置好采集軟件，包括設(shè)置好適量的采集頻率點(diǎn)；然后測(cè)量牛乳樣品在射頻/微波范圍內(nèi)的介電頻譜，該介電頻譜包括相對(duì)介電常數(shù)頻譜、介質(zhì)損耗因數(shù)頻譜；

所述的網(wǎng)絡(luò)分析儀也可以用阻抗分析儀替代；

所述的相對(duì)介電常數(shù)頻譜、介質(zhì)損耗因數(shù)頻譜也可以被基于這兩個(gè)介電頻譜計(jì)算可得到的介電參數(shù)頻譜代替。

（3）樣本劃分：采用SPXY法將牛乳樣本劃分為校正集和預(yù)測(cè)集；校正集和預(yù)測(cè)集的樣品比例按照2:1或3:1或4:1劃分；校正集的樣品數(shù)大于預(yù)測(cè)集的樣品數(shù)，蛋白質(zhì)含量為最小值和最大值的牛乳樣品要?jiǎng)澐诌M(jìn)校正集。

（4）特征介電變量的提?。悍謩e采用連續(xù)投影算法、無(wú)信息變量消除法、無(wú)信息變量消除法協(xié)同連續(xù)投影算法、蒙特卡羅法對(duì)校正集中牛乳樣品的介電頻譜數(shù)據(jù)進(jìn)行降維處理，在整個(gè)測(cè)量頻率范圍內(nèi)的介電頻譜數(shù)據(jù)中提取出能反映牛乳樣品蛋白質(zhì)含量的特征介電變量；特征介電變量對(duì)應(yīng)的頻率為特征頻率；

特征介電變量不但可以單獨(dú)從相對(duì)介電常數(shù)頻譜數(shù)據(jù)或介質(zhì)損耗因數(shù)頻譜數(shù)據(jù)中提取，也可以從介電常數(shù)頻譜和介質(zhì)損耗因數(shù)頻譜兩種數(shù)據(jù)中共同提?。惶崛〉奶卣鹘殡娮兞恳话闶遣襟E（2）中采集的部分介電頻譜數(shù)據(jù)，但也可以是步驟（2）中采集的全部介電頻譜數(shù)據(jù)。

（5）牛乳蛋白質(zhì)含量預(yù)測(cè)模型的建立：以步驟（4）提取的特征介電變量為輸入?yún)?shù)，以牛乳樣品的蛋白質(zhì)含量為輸出參數(shù)，分別以偏最小二乘法、最小二乘支持向量機(jī)法、極限學(xué)習(xí)機(jī)法和廣義神經(jīng)網(wǎng)絡(luò)法建立基于校正集樣品數(shù)據(jù)的牛乳蛋白質(zhì)含量的線性或非線性預(yù)測(cè)模型。

（6）模型的驗(yàn)證：利用預(yù)測(cè)集的樣品數(shù)據(jù)檢驗(yàn)步驟（5）所建立的多個(gè)牛乳蛋白質(zhì)含量預(yù)測(cè)模型的性能，將預(yù)測(cè)結(jié)果均方根誤差最小的模型確定為預(yù)測(cè)牛乳蛋白質(zhì)含量的最佳模型；分析預(yù)測(cè)集的誤差規(guī)律并確定出誤差修正值。

（7）未知牛乳樣品蛋白質(zhì)含量的預(yù)測(cè)：對(duì)于未知蛋白質(zhì)含量的牛乳樣品，按照步驟（2）完成介電頻譜的采集，將采集的未知牛乳樣品介電頻譜數(shù)據(jù)中與步驟（4）確定的特征頻率下的介電頻譜數(shù)據(jù)代入步驟（6）確定的牛乳蛋白質(zhì)含量的最佳模型中，就可以快速計(jì)算出該未知牛乳樣品的蛋白質(zhì)含量。該方法對(duì)牛乳蛋白質(zhì)含量的檢測(cè)誤差為0.094%。

（8）誤差修正：利用步驟（6）中得到的誤差修正值對(duì)步驟（7）的預(yù)測(cè)結(jié)果進(jìn)行修正；修正后的結(jié)果就是未知牛乳樣品蛋白質(zhì)含量最終測(cè)量結(jié)果。

該方法可用于生鮮牛乳、超高溫消毒牛乳和巴士消毒牛乳的蛋白質(zhì)含量快速檢測(cè)，也可用于羊乳的蛋白質(zhì)含量快速檢測(cè)。

步驟（7）中，未知蛋白質(zhì)含量的牛乳樣品介電頻譜數(shù)據(jù)的采集，也可以用針對(duì)特征頻率開發(fā)專門的介電頻譜測(cè)量?jī)x器，僅測(cè)量這些特征頻率下的介電變量，將所測(cè)數(shù)值代入所建的最佳模型，也能快速、廉價(jià)地計(jì)算出牛乳的蛋白質(zhì)含量。

本發(fā)明具有如下優(yōu)點(diǎn)：本發(fā)明基于獲取的牛乳介電頻譜信息，采用多種數(shù)據(jù)降維方法提取表達(dá)蛋白質(zhì)含量的特征介電變量，進(jìn)而建立檢測(cè)牛乳蛋白質(zhì)含量的線性或非線性模型，以均方根誤差最小的模型作為預(yù)測(cè)牛乳蛋白質(zhì)含量的最佳模型，將采集的未知蛋白質(zhì)含量的牛乳的特征頻率下的介電頻譜數(shù)據(jù)代入所建模型就可以快速計(jì)算出牛乳的蛋白質(zhì)含量，這為牛乳蛋白質(zhì)含量的快速、準(zhǔn)確、實(shí)時(shí)、現(xiàn)場(chǎng)以及在線檢測(cè)提供了一種方法。該方法對(duì)牛乳蛋白質(zhì)含量的檢測(cè)誤差為0.094%，已接近國(guó)標(biāo)規(guī)定的傳統(tǒng)方法的檢測(cè)精度，且能實(shí)現(xiàn)牛乳成分快速檢測(cè)或在線檢測(cè)。

附圖說(shuō)明

圖1：基于介電譜檢測(cè)牛乳蛋白質(zhì)含量的方法流程圖

圖2：連續(xù)投影算法在不同特征變量數(shù)下的均方根誤差

圖3：無(wú)信息變量消除法所提取的特征相對(duì)介電常數(shù)（a）和介質(zhì)損耗因數(shù)的分布（b）。

具體實(shí)施方式

本發(fā)明方法對(duì)生鮮牛乳、超高溫消毒牛乳和巴士消毒牛乳均以及羊乳具有很好的通用性。在此，以生鮮牛乳為實(shí)施實(shí)例，其他類型乳蛋白質(zhì)的檢測(cè)可參照該實(shí)施例的方法進(jìn)行。具體根據(jù)所測(cè)乳的類型，建立一個(gè)適用于該類型乳蛋白質(zhì)含量檢測(cè)的模型，就可以基于介電頻譜對(duì)該類乳的蛋白質(zhì)含量進(jìn)行檢測(cè)。

下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。

依據(jù)本發(fā)明實(shí)施例的方法包括以下步驟：

步驟（1）：從不同的奶牛養(yǎng)殖場(chǎng)以及奶牛的不同泌乳期收集一批大樣本的生鮮牛乳，該批牛乳的樣本數(shù)為145，樣品的蛋白質(zhì)含量范圍為2.52~4.18%，樣本蛋白質(zhì)含量的平均值為3.06%，標(biāo)準(zhǔn)偏差為0.30%。

步驟（2），采集該批牛乳樣品的相對(duì)介電常數(shù)頻譜和介質(zhì)損耗因數(shù)頻譜。本實(shí)施例采用美國(guó)安捷倫公司的E5071C矢量網(wǎng)絡(luò)分析儀和85070E-020同軸探頭測(cè)量樣品的介電頻譜。介電頻譜的采集條件是：介電頻譜測(cè)量范圍為20~4500MHz，對(duì)數(shù)坐標(biāo)下等間隔采集201個(gè)點(diǎn)，介電頻譜的采集時(shí)樣品的溫度為23~25℃。

步驟（3）：樣本劃分：采用SPXY法按照2:1的比例將樣本劃分為校正集和預(yù)測(cè)集，校正集包含97個(gè)樣品，其蛋白質(zhì)含量的范圍為2.52~4.18%，其平均值為3.07%，標(biāo)準(zhǔn)偏差為0.32%；其預(yù)測(cè)集包含48個(gè)樣品，其蛋白質(zhì)含量的范圍為2.69~4.13%，其平均值為3.02%，標(biāo)準(zhǔn)偏差為0.25%。校正集中包含了蛋白質(zhì)含量為最小值和最大值的樣品。

步驟（4）：以校正集樣品為對(duì)象，采用連續(xù)投影算法、無(wú)信息變量消除法、無(wú)信息變量消除法+連續(xù)投影算法等數(shù)據(jù)降維方法從具有201個(gè)頻率點(diǎn)的相對(duì)介電常數(shù)全譜和201點(diǎn)的介質(zhì)損耗因數(shù)全譜（共402介電參數(shù)值）中提取出表達(dá)牛乳蛋白質(zhì)含量的特征介電變量。

采用連續(xù)投影算法提取特征介電變量時(shí)，設(shè)定提取的特征介電變量數(shù)的范圍為1~13，計(jì)算各特征介電變量數(shù)下的校正集均方根誤差，根據(jù)最小的校正集均方根誤差確定最佳特征變量數(shù)。不同特征變量數(shù)下的校正集均方根誤差的計(jì)算結(jié)果如圖2所示。結(jié)果說(shuō)明，當(dāng)特征變量數(shù)為10時(shí)校正集均方根誤差最小。圖2中“■”對(duì)應(yīng)的橫坐標(biāo)值表示經(jīng)連續(xù)投影算法優(yōu)選出的最佳特征介電變量數(shù)。因此，采用連續(xù)投影算法提取了10個(gè)特征介電變量，分別是頻率為39.3、 119.8、和3747.3 MHz下的相對(duì)介電常數(shù)和頻率為20.7、21.4、23.6、25.0、27.9、48.0和4311.8 MHz時(shí)的介質(zhì)損耗因數(shù)。

采用無(wú)信息變量消除法選擇出了152個(gè)特征介電變量，其中包括66個(gè)不同頻率下的相對(duì)介電常數(shù)和86個(gè)不同頻率下的介質(zhì)損耗因數(shù)。圖3a和圖3b所示分別是無(wú)信息變量消除法所選擇的特征相對(duì)介電常數(shù)和介質(zhì)損耗因數(shù)的分布。圖中曲線表示某一牛乳樣品的相對(duì)介電常數(shù)和介質(zhì)損耗因數(shù)頻譜，豎線表示提取的特征介電變量所在的頻率。

當(dāng)采用無(wú)信息變量消除法+連續(xù)投影算法提取特征介電變量時(shí)，對(duì)經(jīng)過(guò)無(wú)信息變量消除法篩選的152個(gè)特征介電變量再用連續(xù)投影算法進(jìn)一步提取特征介電變量，進(jìn)而提取出了7個(gè)特征介電變量，包括4個(gè)相對(duì)介電常數(shù)和3個(gè)介質(zhì)損耗因數(shù)，這4個(gè)相對(duì)介電常數(shù)處于20、 44.3、130.7和4029.5 MHz下，3個(gè)介質(zhì)損耗因數(shù)處于 20.7、 84.6、和4311.8MHz下。

步驟（5）：以步驟四提取出的特征介電變量或介電全譜（20~4500MHz范圍內(nèi)的201個(gè)點(diǎn)下的相對(duì)介電常數(shù)和201個(gè)介質(zhì)損耗因數(shù)）為輸入變量，以牛乳的蛋白質(zhì)含量為輸出變量，建立預(yù)測(cè)牛乳蛋白質(zhì)含量的偏最小二乘、最小二乘支持向量機(jī)、極限學(xué)習(xí)機(jī)等線性或非線性模型。

步驟（6）：用預(yù)測(cè)集樣品檢驗(yàn)步驟五所建立的各種模型，比較所建各個(gè)模型的預(yù)測(cè)均方根誤差，以預(yù)測(cè)均方根誤差最小的模型作為檢測(cè)牛乳蛋白質(zhì)含量的最佳模型。針對(duì)本實(shí)施例，預(yù)測(cè)牛乳蛋白質(zhì)含量的最佳模型為基于無(wú)信息變量消除法+連續(xù)投影算法提取的7個(gè)特征介電變量建立的最小二乘支持向量機(jī)模型，該模型對(duì)牛乳蛋白質(zhì)含量的檢測(cè)誤差為0.094%。分析預(yù)測(cè)集的誤差規(guī)律并確定出誤差修正值。

步驟（7）：按照步驟二采集任意一未知蛋白質(zhì)含量的牛乳在20~4500MHz間201個(gè)點(diǎn)下的相對(duì)介電常數(shù)譜和介質(zhì)損耗因數(shù)譜，從中提取出20、 44.3、130.7和4029.5 MHz的相對(duì)介電常數(shù)和20.7、 84.6、和4311.8MHz的介質(zhì)損耗因數(shù)，將所提取的介電值代入步驟六所確定的最佳模型中，就可以快速計(jì)算出牛乳的蛋白質(zhì)含量。也可以針對(duì)特征介電變量對(duì)應(yīng)的頻率，開發(fā)專門的儀器，僅測(cè)量這些頻率下的介電變量，將所測(cè)數(shù)值代入所建的最佳模型，也能快速地計(jì)算出牛乳的蛋白質(zhì)含量。

步驟（8）：利用步驟（6）中得到的誤差修正值對(duì)步驟（7）的預(yù)測(cè)結(jié)果進(jìn)行修正；修正后的結(jié)果就是未知牛乳樣品蛋白質(zhì)含量最終測(cè)量結(jié)果。該步驟用于進(jìn)一步降低預(yù)測(cè)誤差。

由以上實(shí)施例可以看出，本發(fā)明利用介電頻譜技術(shù)檢測(cè)牛乳的蛋白質(zhì)含量具有檢測(cè)精度高、便捷、高效等優(yōu)點(diǎn)，而同軸探頭可以插入到牛乳中，從而能夠?qū)崿F(xiàn)牛乳蛋白質(zhì)含量的在線和現(xiàn)場(chǎng)檢測(cè)。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明技術(shù)原理的前提下，還可以做出若干改進(jìn)和變型，這些改進(jìn)和變型也應(yīng)視為本發(fā)明的保護(hù)范圍。