奶酪中脂肪含量分析检测方案(近红外光谱仪)

上海昊量光电设备有限公司地址：：上海市徐汇区漕宝路86号光大会展中心F座03楼电话：021-51083793 传真：021-34241962-8009网址： www. auniontech. com 邮箱： info@auniontech吴量光电 用近红外光谱奶酪中脂肪含量分析测定 ——样品和测试数据由华东理工大学杜一平老师提供 ——设备由上海昊量光电设备有限公司提供2016-08-14 采用 INSION 和 Thermo Fisher 两款近红外光谱仪器，检测奶酪样品中的脂肪含量。对 NIR 光谱和模型进行比较，评价两款仪器性能。 NIR 1.7 S (Insion) Antaris II(Thermofisher) 1.样品和近红外光谱 奶酪样品：购于超市，不同品牌，不同脂肪含量，从每包奶酪中按1、3、5、…·间隔取出片状奶酪样品，不开包装测定 NIR 光谱，同时取样用溶剂提取法测定脂肪含量。 近红外光谱：采用 Thermo Fisher 的 NIR 光谱仪测定107个奶酪样品，脂肪 含量范围y=8.21-26.65%，波长范围 wave= 3799-11999cm-1 (833.44-2632.2 nm)，共2127个波长点，分辨率0.85 nm； 采用Insion 的 NIR光谱仪测定92个奶酪样品，脂肪含量范围y=8.21-26.65%，波长范围 wave=908.9-1859.8nm， 共116个波长点，分辨率8.2 nm。 2.两者光谱的直接对比 选择两者相同编号的样品92个， 选 Thermo Fisher光谱中与后者光谱最接近的波长点，获得116个波长点的光谱。使得两者光谱波长范围一致，波长一致，样品一致。其光谱如下图。 可见， Thermo 的光谱明显偏高，且光谱七化幅度更大，说明其灵敏度更高；光谱两端，两者区别较大，中间的变化趋势比较一致；在1500-1600nm 范围，Thermo 的光谱分辨率更好；整个光谱的噪声， Insion 更高。 图1两款仪器测定的近红外光谱 从光谱数据直接比较可得出结论：从灵敏度、光谱分辨率、光谱波长范围、波长数目等方面， Thermo Fisher 的 NIR 光谱明显优于 Insion 光谱数据。 3.NIR与脂肪含量建模比较 3.1 Thermo 光谱数据： X 107*2127， y=8.21-26.65 采用 PLS 作为建模方法，选择30个样品组成独立验证集，20个样品进行交互检验，57个样品作为校正集。上述样品均随机选择，交互检验方法为 MonteCarlo CV 方法。 经检验没有明显的异常点，保留所有数据进行分析。 对光谱处理方法进行综合研究，发现平滑、SNV 和一阶导数的组合，获得的模型最佳。采用单点相关系数方法进行波长选择，选择R绝对值大于0.4的波长(参见下图)。 图2 Thermo 光谱数据与含量之间的相关系数 模型性能： 隐变量数目nLVs = 12 RMSECV=1.05 RMSEC=0.744 RMSEP=1. 13 Rc=0.992 Rp= 0.981 3.2 Insion光谱数据： X 92*116， y=8.21 -26.65 采用 PLS 作为建模方法，选择20个样品组成独立验证集，20个样品进行交互检验，52个样品作为校正集。上述样品均随机选择，交互检验方法为 Monte Carlo CV 方法。 经检验没有明显的异常点，保留所有数据进行分析。 对光谱处理方法进行综合研究，发现平滑、SNV和一阶导数的组合(与 Thermo的一样)，获得的模型最佳。采用单点相关系数方法进行波长选择，选择R绝对值大于0.4的波长(参见下图)。 图3 INSION光谱数据与含量之间的相关系数 模型性能： 隐变量数目nLVs =9 RMSECV=1.139 RMSEC=0.969 RMSEP=1.187 Rc=0.987 Rp=0.981 3.3 Thermo 数据在相同波长范围内的模型： X 107*1458，， y=8.21 -26.65 取与 Insion 波长范围相同的 Thermo 数据([260：1718])，909.1-1859.9nm。 采用 PLS 作为建模方法，选择30个样品组成独立验证集，20个样品进行交互检验，57个样品作为校正集。上述样品均随机选择，交互检验方法为 MonteCarlo CV 方法。 经检验没有明显的异常点，保留所有数据进行分析。 对光谱处理方法进行综合研究，发现 SNV 获得的模型最佳。采用单点相关系数方法进行波长选择，选择R绝对值大于0.4的波长(参见下图)。 模型性能： 隐变量数目 nLVs = 13 RMSECV=0.881 RMSEC=0.657RMSEP=1；0.94 Rc=0.994 Rp=0.987 4.两套数据分析结果综合比较 Instru Thermo Thermo A(波长范围与INSION一致) INSION 误 差 比(Insion/thermoA) y range 8.21-26.65 8.2126.65 8.21-226.65 Wave/nm 833.4 一 909-1860 909-1860 2632. 2 Numwave 2127 1459 116 Selwave/R0.4 697 96 Numsamp 107 107 92 Xtreat SM，SNV，1D SNV SM，SNV， 1D NLVs 12 13 9 RMSECV 1.05±0.215 0.881 土 1.139±0.213 1.29 0.191 RMSEC 0.743 土0. 046 0.657 士0.045 0.9690.063 1.47 RMSEP 1.132 士0.245 0.942 士0.133 1.187 ± 0.147 1.26 Rc 0.992 土0.001 0.994 士0.001 0.9870.002 Rp 0.981 十 0.987 十 0.981 ± 0.010 0.005 0.006 5.结论 1)从光谱数据的灵敏度、分辨率、波长范围、波长数目等方面， Thermo Fisher的 NIR 光谱明显优于 Insion 光谱数据。 2)从建模结果看， Thermo Fisher 的 NIR 光谱的模型整体上优于 Insion 光谱数据的模型。 3)对于奶酪脂肪含量指标，900-1700nm范围的 NIR光谱更能反映指标信息(从 Thermo A的结果优于 Thermo 的结果可得此结论). 4)900-1700nm 范围的两组 NIR 光谱数据比较， INSION 的误差比 Thermo A的高30%左右。考虑到两者的隐变量数分别为9和13，说明后者光谱中含有更多信息，使得误差进一步降低。但是， INSION 数据的误差已经很低(相关系数已经很高)，能够满足检测要求。 采用INSION和Thermo Fisher两款近红外光谱仪器，检测奶酪样品中的脂肪含量。对NIR光谱近红外光谱仪和模型进行比较，评价两款仪器性能。