傅里葉變換中紅外光譜的牛奶品質(zhì)無損檢測分級

肖仕杰，王巧華, 2*，李春芳，杜 超，周增坡，梁生超，張淑君*

1. 華中農(nóng)業(yè)大學工學院，湖北 武漢 430070 2. 農(nóng)業(yè)部長江中下游農(nóng)業(yè)裝備重點實驗室，湖北 武漢 430070 3. 華中農(nóng)業(yè)大學動物遺傳育種與繁殖教育部實驗室，湖北 武漢 430070 4. 河北省畜牧業(yè)協(xié)會，河北 石家莊 050000

引 言

牛奶富含蛋白質(zhì)和脂肪。 乳蛋白中含多種人體必需的氨基酸。 乳脂能夠提供能量和營養(yǎng)。 牛奶的品質(zhì)決定牛奶的口感[1]和價格[2]，直接關(guān)系到乳企的利潤和發(fā)展。 相關(guān)數(shù)據(jù)表明，2014年—2019年，我國每年原料奶產(chǎn)量均在3 000萬噸以上[3]。 隨著生活水平的提高，消費者更加注重牛奶品質(zhì)，因此市場上普遍出現(xiàn)“高蛋白”，“高乳脂”等特色牛奶。 此外，研究表明，牛奶中體細胞數(shù)的變化會直接影響乳蛋白和乳脂的含量[4]。 乳企在收購原料奶時會將其作為評價指標。

乳蛋白和乳脂含量，體細胞數(shù)的測定需要分開進行，使用不同的方法和儀器。 傳統(tǒng)的化學分析方法技術(shù)成熟、準確率高，但是耗時長且污染環(huán)境。 若能找到一種方法同時對乳蛋白、乳脂含量和體細胞數(shù)直接進行檢測并快速分級，將大大提高乳企的生產(chǎn)效率，節(jié)約生產(chǎn)成本。 利用中紅外光譜法檢測牛奶操作簡單且快速無損，在國外被用于牛奶成分(如蛋白成分和脂肪酸)[5-7]的含量預測和奶牛營養(yǎng)、健康與生殖狀況監(jiān)控[8]。 在國內(nèi)，中紅外光譜在牛奶方面主要用于三聚氰胺和尿素等的摻假研究[9-10]。 牛奶體細胞的無損研究方面，崔傳金等和吳海云等[11-12]利用電參數(shù)和化學計量學方法進行了含量預測和分類研究。 但是，關(guān)于牛奶體細胞的光譜無損檢測鮮有報道。

利用傅里葉變換中紅外光譜針對乳蛋白、乳脂和體細胞對牛奶進行分級研究。 通過對特優(yōu)優(yōu)質(zhì)奶、高蛋白特色奶、高乳脂特色奶和普通奶的光譜差異進行分析，利用無信息變量消除法(uninformative variable elimination，UVE)、競爭性自適應重加權(quán)算法(competitive adaptive reweighed sampling，CARS)與穩(wěn)定性競爭性自適應重加權(quán)采樣算法(stability competitive adaptive reweighted sampling，SCARS)篩選出能代表4種牛奶品質(zhì)差異的特征變量，并基于樸素貝葉斯(NB)和隨機森林(RF)模型構(gòu)建了牛奶檢測分級模型。

1 實驗部分

1.1 樣品

牛奶于2020年1月、3月至10月期間從河北省10個牧場獲得，所有奶牛品種均為中國荷斯坦牛。 牛奶采集利用全自動擠奶設(shè)備，每份牛奶采集40 mL，分裝到河北省奶牛生產(chǎn)性能測定(DHI)中心配置的全新專用取樣瓶里并依次編號，為防止牛奶腐敗變質(zhì)，每個采樣瓶里加入專用防腐劑布羅波爾3.2～3.4 μL并使其與牛奶充分混勻，及時放入專用冰箱冷藏保存。

1.2 儀器與設(shè)備

試驗儀器與設(shè)備主要包括乳成分分析儀MilkoScanTM FT+(傅里葉變換中紅外光譜儀，丹麥FOSS公司)；體細胞檢測儀FossomaticTM7(丹麥FOSS公司)，電熱恒溫水浴鍋。

1.3 方法

1.3.1 光譜采集、乳蛋白和乳脂含量及體細胞數(shù)檢測

將牛奶分批放入42 ℃電熱恒溫水浴鍋內(nèi)預熱15～20 min后搖晃均勻，使用MilkoScanTM FT+進行光譜采集以及蛋白質(zhì)和脂肪的含量測定。 FossomaticTM7可視為自動熒光顯微鏡，物鏡位于轉(zhuǎn)盤上方，連續(xù)的牛奶液膜涂布在轉(zhuǎn)盤周邊，暴露在紫外光下，經(jīng)吖啶橙染色的牛奶細胞熒光信號由光電倍增管檢測并饋入放大系統(tǒng)，測得的脈沖被計數(shù), 每個脈沖等于1 000個細胞·mL-1。

根據(jù)歐盟標準，脂肪的正常含量范圍為1.5%～9%，蛋白質(zhì)的正常含量范圍為1%～7%，共篩選出5 121份牛奶。 各牧場的樣本分布如表1所示。

1.3.2 分級標準

參考GB19301—2010《食品安全國家標準生乳》和TTDSTIA001—2019《生乳用途分級技術(shù)規(guī)范》對牛奶進行分級，分級標準如表2所示。

1.4 數(shù)據(jù)處理

1.4.1 光譜預處理方法

牛奶本身作為膠體，當光束穿過時，會產(chǎn)生丁達爾效應，即光的散射，儀器在運行過程中也會產(chǎn)生隨機噪聲，基線漂移等，對中紅外光譜產(chǎn)生影響[8]。 本文采用6種算法對光譜進行預處理，包括標準正態(tài)變量變換(standard normal variable，SNV)，多元散射校正(multiplicative scatter correction，MSC)，一階導數(shù)，二階導數(shù)，一階差分和二階差分。

表1 各牧場的樣本分布統(tǒng)計Table 1 Sample distribution statistics of each pasture

表2 分級標準Table 2 Standard of classification

1.4.2 特征變量選擇

牛奶的原始光譜共有1060個波長，波長不同包含的信息不同，對模型的貢獻率大小也不同，部分無信息變量對牛奶分級的中紅外判別分析沒有價值，反而容易降低模型的預測精度。 UVE，CARS和SCARS均以降低無信息變量為出發(fā)點，提取出能夠代表4種牛奶差異的特征變量組合。

1.4.3 模型建立與性能評估

樸素貝葉斯(NB)[13]是一種以概率統(tǒng)計中的貝葉斯定理為理論基礎(chǔ)的學習算法。 已知先驗概率，并計算給定的待分級牛奶屬于特優(yōu)優(yōu)質(zhì)奶、高蛋白特色奶、高乳脂特色奶和普通奶的條件概率，再計算后驗概率，選擇后驗概率最高的類別作為牛奶的預測類別。

隨機森林(RF)[14]的本質(zhì)是一個多決策樹(隨機方法形成)的分類器。 當測試集中4種牛奶樣本進入分類器時，實際上是由每棵決策樹進行分類，選擇分類結(jié)果最多的類別作為最終結(jié)果。

利用準確率作為模型的評價指標。 訓練集準確率與測試集準確率越高并且兩者越接近，表明模型的精度高，可靠性好。

全部數(shù)據(jù)處理均在MATLAB 2014b中進行。

2 結(jié)果與討論

2.1 光譜分析

在中紅外范圍內(nèi)對牛奶樣品的采集區(qū)域為925～4 000 cm-1，由于3 680～4 000 cm-1區(qū)域?qū)δＰ拓暙I率較低，因此，選擇925～3 680 cm-1的光譜進行分析。 圖1所示為特優(yōu)優(yōu)質(zhì)奶、高蛋白特色奶、高乳脂特色奶和普通奶的平均光譜，從圖中可以看出，特優(yōu)優(yōu)質(zhì)奶、高蛋白特色奶、高乳脂特色奶和普通奶的平均光譜吸收曲線緊密重合，每條曲線的變化趨勢相似，表明特優(yōu)優(yōu)質(zhì)奶、高蛋白特色奶、高乳脂特色奶和普通奶的成分大致相同，但同時它們的光譜吸光度也存在差異，這表明4種牛奶的化學成分含量存在差異，這就為我們建立牛奶品質(zhì)分級模型提供了理論依據(jù)。

圖1 特優(yōu)優(yōu)質(zhì)奶、高蛋白特色奶、高乳脂特色奶和普通奶的平均光譜

光譜中1 250，1 550和1 650 cm-1峰與蛋白質(zhì)的吸收有關(guān)[15]，1 774，2 856和2 928 cm-1峰與脂肪的吸收有關(guān)[10]。 此外，水的吸收峰與牛奶相似，會對牛奶的中紅外吸收造成干擾。 1 597～1 712和3 024～3 680 cm-1區(qū)域由于水的吸收導致很低的信噪比[15-17]，建模前先將這些區(qū)域去除。 最終取925～1 597和1 712～3 024 cm-1的敏感波段組合用于后續(xù)模型的建立。

2.2 樣本集劃分

樣本總數(shù)為5 121，其中A級牛奶的樣本數(shù)量為1 342，B級牛奶的樣本數(shù)量為1 155，C級牛奶的樣本數(shù)量為1 292，D級牛奶的樣本數(shù)量為1 332，利用隨機法RS按照7∶3的原則劃分樣本集。 劃分后的訓練集樣本數(shù)量為3 587，其中，A級牛奶的樣本數(shù)量為940，B級牛奶的樣本數(shù)量為809，C級牛奶的樣本數(shù)量為905，D級牛奶的樣本數(shù)量為933；測試集中樣本總數(shù)為1 534，其中，A級牛奶的樣本數(shù)量為402，B級牛奶的樣本數(shù)量為346，C級牛奶的樣本數(shù)量為387，D級牛奶的樣本數(shù)量為399。

2.3 光譜預處理

基于全光譜和預處理后的光譜數(shù)據(jù)，分別建立NB和RF模型，比較不同預處理對模型精度的影響，結(jié)果如表3。 對于NB模型，全光譜模型的訓練集準確率與測試集準確率僅為84.50%和84.22%，與全光譜相比，所有預處理后的光譜數(shù)據(jù)建立的NB模型的訓練集準確率與測試集準確率都有明顯提升。 其中，二階差分處理后的光譜建立的NB模型精度最佳，訓練集準確率與測試集準確率為94.31%和92.11%。 對于RF模型，SNV和MSC的模型準確率低于全光譜模型，其余4種預處理方法建立的RF模型準確率得到提高。 二階差分預處理后的光譜數(shù)據(jù)建立的RF模型精度最佳，訓練集準確率和測試集準確率為99.86%和96.87%。 因此，無論是NB模型還是RF模型，均選擇二階差分預處理作為最佳的預處理方法，并用于后續(xù)的建模分析。

表3 采用不同預處理方法的全光譜預測模型Table 3 Full spectrum prediction model using different pre-processing methods

2.4 特征變量提取

2.4.1 UVE算法提取特征變量

UVE算法[18]的變量選擇過程如圖2所示，將閾值參數(shù)設(shè)為0.9，主成分數(shù)取20，建立PLS模型選擇變量。 圖中左側(cè)曲線為牛奶的光譜變量矩陣，右側(cè)為添加的與牛奶光譜變量數(shù)相同的隨機噪聲矩陣，兩條水平虛線處的值分別為+95.57和-95.57，代表隨機噪聲的最大閾值，兩線之間為被剔除的無用變量，水平線之外則為建模的牛奶特征變量。

圖2 UVE消除算法篩選特征波長Fig.2 Screening characteristic wavelengths by UVE

2.4.2 CARS與SCARS算法提取特征變量

CARS算法基于“優(yōu)勝劣汰”準則剔除不適應的波長變量。 SCARS算法延續(xù)了CARS的提取過程[19]。 由于兩者的變量選擇過程相似，僅以CARS為例對變量提取的過程進行分析。 如圖3所示，將采樣次數(shù)設(shè)為100，利用5折交叉驗證，重采樣率為0.8。 圖3(a)表明，迭代次數(shù)增加的過程，被選取的特征變量數(shù)量在逐步減少。 此過程又可分為兩個階段，第一個階段特征變量數(shù)呈指數(shù)衰減趨勢，稱為“粗選階段”，第二個階段特征變量數(shù)緩慢減少并趨于穩(wěn)定，為“精選階段”。 圖3(b)為RMSECV的變化趨勢。 當采樣次數(shù)小于48，RMSECV變化不明顯，大于48時，RMSECV緩慢增加，表明特征變量中可能包含了無用信息。 圖3(c)中的豎線處對應迭代48次，可以取得最佳變量組合。

2.5 模型建立與比較

分別以UVE，CARS和SCARS提取的變量組合為自變量，以牛奶級別A, B, C, D (在模型中分別記作0, 1, 2, 3)作為因變量建立NB模型和RF模型，結(jié)果如表4。

對比NB模型可知，全光譜NB模型訓練集準確率與測試集準確率分別為94.31%，92.11%，預測性能較好。 UVE，CARS和SCARS提取特征變量后建立的模型均優(yōu)于全光譜模型，表明UVE，CARS和SCARS算法適用于牛奶的品質(zhì)分級，可以簡化模型，提高模型精度。 SCARS-NB模型的精度優(yōu)于CARS-NB模型和UVE-NB模型，訓練集準確率與測試集準確率為94.45%，93.94%。 CARS，SCARS提取的變量較少，為37，20，僅占全光譜變量的7.2%，3.9%。 UVE提取的變量數(shù)高達229個，占比達到44.6%，變量數(shù)遠大于CARS，SCARS，導致模型運行速度慢，因此在UVE的基礎(chǔ)上利用CARS，SCARS進行二次變量提取。 UVE-CARS和UVE-SCARS提取的變量數(shù)分別為30和37，僅占UVE變量數(shù)的13.1%和20.5%，變量數(shù)大大減少。 從UVE-CARS-NB與UVE-SCARS-NB的預測結(jié)果來看，兩種二次特征變量結(jié)合方法均對UVE-NB進行了優(yōu)化，且UVE-SCARS-NB要優(yōu)于UVE-CARS-NB，訓練集準確率與測試集準確率為94.68%，93.61%。 綜合考慮，選擇SCARS-NB模型作為牛奶品質(zhì)分級的最優(yōu)NB模型。

圖3 (a)采樣變量數(shù); (b)RMSECV; (c)回歸系數(shù)路徑Fig.3 (a) Number of sampling variables; (b) RMSECV; (c) Regression coefficient path

表4 NB模型和RF模型的預測結(jié)果Table 4 Prediction results by NB and RF models

對比RF模型可知，全光譜RF測試集準確率為96.87%，模型的預測性能良好。 UVE，CARS和SCARS提取特征變量后建立的模型精度較全光譜模型均有不同程度的下降，但模型的測試集準確率均大于95.5%，表明基于特征變量的RF模型還是可行的，具有良好的精度。 其中UVE-RF的精度優(yōu)于CARS-RF和SCARS-RF，測試集準確率為96.74%，與全光譜RF接近。 同樣將UVE分別與CARS和SCARS相結(jié)合，進行二次特征變量提取并建立RF模型，但兩種結(jié)合方法的模型精度較UVE-RF模型有所下降，這可能是因為CARS和SCARS在進一步剔除無用信息的同時將部分有用信息也剔除了。 其中，UVE-SCARS-RF的測試集準確率為96.48%，與全光譜RF較接近。

進一步對比全光譜RF，UVE-RF和UVE-SCARS-RF模型的預測性能。 與全光譜RF模型的測試集準確率相比，UVE-RF模型精度下降0.13%，UVE-SCARS-RF模型精度下降0.39%；對測試集的1 534份牛奶判別結(jié)果表明，UVE-RF僅比全光譜RF模型多誤判2個，UVE-SCARS-RF比全光譜RF模型多誤判6個。 但在運行時間上，對測試集的1 534份牛奶判別，全光譜RF模型的運行時間為59.28 s；UVE提取的特征變量數(shù)為全光譜變量的44.55%，運行時間為全光譜RF模型的44.74%；UVE-SCARS提取的特征變量數(shù)為全光譜的9.14%，運行時間僅為全光譜RF模型的10.22%。 綜合考慮，最終選擇UVE-SCARS-RF模型作為牛奶品質(zhì)分級的最優(yōu)RF模型。

2.6 最優(yōu)模型的確定

對于NB模型，二階差分-SCARS-NB模型取得最優(yōu)效果，訓練集準確率與測試集準確率分別為94.45%和93.94%，測試集中特優(yōu)優(yōu)質(zhì)奶、高蛋白特色奶、高乳脂特色奶和普通奶的預測準確率分別為97.26%，93.93%，93.02%和91.48%。 對于RF模型，二階差分-UVE-SCARS -RF模型取得了最優(yōu)效果，訓練集準確率和測試集準確率為99.86%，96.48%，測試集中特優(yōu)優(yōu)質(zhì)奶、高蛋白特色奶、高乳脂特色奶和普通奶的預測準確率分別為98.26%，97.40%，95.87%和94.49%。 二階差分-UVE-SCARS-RF模型的訓練集準確率與測試集準確率均高于SCARS-NB模型。 綜合考慮精度和效率，最終選擇二階差分-UVE-SCARS-RF模型作為牛奶品質(zhì)分級的最佳模型。

圖4 基于二階差分-UVE-SCARS-RF的分類模型Fig.4 Hierarchical model based on the secondorder difference-UVE-SCARS-RF

3 結(jié) 論

針對特優(yōu)優(yōu)質(zhì)奶、高蛋白特色奶、高乳脂特色奶和普通奶建立了無損快速檢測分級模型。 選擇來自10個牧場的5 121份牛奶樣本，保證了模型的通用性和可靠性。 主要結(jié)論如下：

(1)探討了牛奶品質(zhì)分級的最佳預處理算法，結(jié)果表明無論是NB模型還是RF模型，二階差分均為最佳預處理方法，并將其用于后續(xù)的建模分析。

(2)探討了UVE，CARS，SCARS，UVE-CARS和UVE-SCARS 5種特征提取算法對NB模型和RF模型性能的影響。 結(jié)果表明對于NB模型，SCARS為最佳特征提取算法，對于RF模型，最佳的特征提取算法為UVE-SCARS，但RF模型的精度優(yōu)于NB模型。

(3)在實際生產(chǎn)中，效率也十分重要。 在測試集中，二階差分-SCARS-NB模型的運行時間為5.53 s，二階差分-UVE-SCARS-RF模型的運行時間為6.06 s。 綜合考慮精度和效率，最終選擇二階差分-UVE-SCARS-RF模型作為牛奶品質(zhì)分級的最佳模型。