基于机器学习和中红外光谱的牦牛奶掺假预测模型研究

摘要

为监督和规范牦牛奶生产和销售，对牦牛奶中奶牛奶的掺假比例进行定量预测，研发新的快速检测技术，通过中红外光谱技术结合机器学习算法建立检测牦牛奶中掺加奶牛奶的预测模型，以76份纯牦牛奶、76份掺加10%奶牛奶的牦牛奶、76份掺加25%奶牛奶的牦牛奶、76份掺加50%奶牛奶的牦牛奶为研究对象，利用5种光谱预处理算法、6种定性和12种定量机器学习算法，分别建立鉴别纯牦牛奶和掺加奶牛奶的牦牛奶的二分类定性模型和预测掺加奶牛奶比例的定量回归模型。结果显示，基于支持向量机建模算法、无预处理光谱建立的鉴定纯牦牛奶和掺加奶牛奶的牦牛奶的预测模型效果最好，该模型验证集AUC为0.95，准确性0.84，灵敏度0.93，特异性0.87，可用于纯奶和掺假奶的鉴定。利用贝叶斯正则化神经网络建模算法和一阶导数光谱预处理算法建立了预测牦牛奶中奶牛奶掺加比例的最佳定量模型，该模型R_P²=0.88,RMSEV=6.57%,RPD=2.89%。结果表明，中红外光谱技术结合机器学习算法可有效地鉴定出掺加奶牛奶的牦牛奶，并可检测出掺假的比例。

关键词

中红外光谱(MIRS) / 机器学习 / 牦牛奶 / 牛奶掺假 / 预测模型

基金资助

国家重点研发计划-政府间国际科技创新合作（2021YFE0115500）; 湖北省国际合作项目（2022EHB043）