基于中红外光谱和机器学习算法的牛奶中β-乳球蛋白快速检测方法

摘要

为建立一种可以快速、批量、高效检测中国荷斯坦牛牛奶中β-乳球蛋白含量的方法，采集501份来自西北、华北和华中主要产奶地区的健康中国荷斯坦牛牛奶样本，采用高效液相色谱法测定牛奶样本中β-乳球蛋白的含量，并同步测定和收集牛奶样本中红外光谱数据（mid-infrared spectroscopy,MIRS）。以MIRS为预测变量，β-乳球蛋白含量为因变量，将12种光谱预处理方法进行连续2次的随机组合，并手动选取特征波段，使用偏最小二乘回归（partial least squares regression,PLSR）作为传统机器学习算法，建立预测牛奶中β-乳球蛋白含量的最优预测模型。结果显示：该模型交叉验证集和测试集的RC2和RP2分别为0.812 9、0.768 8，均方根误差RMSEC和RMSEP分别为0.476 2、0.524 9 g/L，性能偏差比（ratio of performance to deviation,RPD）为2.076 6，达到畜禽生产性能的测定要求。试验结果表明，可以利用MIRS建立模型预测中国荷斯坦牛牛奶中的β-乳球蛋白含量。

关键词

中红外光谱 / 牛奶 / β-乳球蛋白 / 机器学习算法 / 光谱预处理