近红外光谱法鉴别奶牛饲料中三聚氰胺甲醛树脂的可行性研究

doi:10.7506/spkx1002-6630-201212030

食品科学 ›› 2012, Vol. 33 ›› Issue (12): 154-158.doi: 10.7506/spkx1002-6630-201212030

近红外光谱法鉴别奶牛饲料中三聚氰胺甲醛树脂的可行性研究

刘星1，单杨1,2,3,*，张欣1，杨桂森4

1.中南大学研究生院隆平分院 2.湖南省食品测试分析中心 3.湖南省农产品加工研究所 4.中国科学院上海应用物理研究所

出版日期:2012-06-25 发布日期:2012-07-27
基金资助:
“十一五”国家科技支撑计划项目(2009BADB7B07)；中南大学学位论文创新资助项目(2010ssxt256)

Feasibility Study of Identifying Melamine-Formaldehyde Resin in Cow Feed by Near Infrared Spectroscopy

LIU Xing1，SHAN Yang1,2,3,*，ZHANG Xin1，YANG Gui-sen4

(1. Longping Branch, Graduate School, Central South University, Changsha 410125, China；2. Hunan Food Testing and Analysis Center, Changsha 410125, China；3. Hunan Agricultural Product Processing Institute, Changsha 410125, China； 4. Shanghai Institute of Applied Physics, Chinese Academy of Sciences, Shanghai 201800, China)

Online:2012-06-25 Published:2012-07-27

摘要/Abstract

摘要： 收集国内常用的、具有代表性的奶牛精补料33个样品，制备99个三聚氰胺甲醛树脂(MF)掺假样品，在全光谱范围内进行近红外透反射光谱扫描，选择合适的前处理方法，采用BP神经网络方法和PLS-LDA方法分别建立判别模型。建立的BP神经网络判别分析模型的预测正确率为100%，建立的PLS-LDA判别分析模型的交互验证最低错误率为0.0778，模型错分率为0.0667，模型预测错误率为0.1429。说明利用近红外透反射光谱建立定性分析模型来检测奶牛饲料中是否掺有MF的研究是可行的。

关键词: 奶牛饲料, 三聚氰胺甲醛树脂, 近红外光谱, BP神经网络, PLS-LDA

Abstract: Thirty-three samples of typical cow feed concentrate supplement without melamine-formaldehyde resin (MFR) and 99 ones adulterated with different concentrations of MFR were subjected to full wavelength near-infrared transmission and reflectance spectroscopic scanning. A discrimination model was established by BP (back propagation) neural network or PLS-LDA (partial least squares-linear discriminant analysis). The BP neural network model showed 100% accurate prediction. The minimum cross validation error rate of the PLS-LDA model was 0.0778, misclassification rate 0.0667, and prediction error rate 0.1429. Therefore, it is feasible to establish a predictive model for detecting MFR adulteration in cow feed by means of near-infrared transmission and reflectance spectroscopy.

Key words: cow feed, melamine-formaldehyde resin, near infrared spectroscopy, back propagation(BP) neural network, partial least squares-linear discriminant analysis (PLS-LDA)

中图分类号:

TS210.7

刘星，单杨，张欣，杨桂森. 近红外光谱法鉴别奶牛饲料中三聚氰胺甲醛树脂的可行性研究[J]. 食品科学, 2012, 33(12): 154-158.

LIU Xing，SHAN Yang,，ZHANG Xin，YANG Gui-sen. Feasibility Study of Identifying Melamine-Formaldehyde Resin in Cow Feed by Near Infrared Spectroscopy[J]. FOOD SCIENCE, 2012, 33(12): 154-158.

[1]	王娅，张存存，付玉叶，张凡，王颉，王文秀. 融合图谱特征信息的明虾挥发性盐基氮含量无损检测[J]. 食品科学, 2021, 42(2): 283-290.
[2]	卢洁，田婧，梁振华，王金梅，康文艺，马常阳，李昌勤. 近红外光谱法快速测定香菇总糖含量[J]. 食品科学, 2021, 42(12): 189-194.
[3]	胡仁伟，俞玥，倪明龙，俞娇，周俊伟，朱诚，李占明. 基于深度信念网络的近红外光谱鉴别莲子粉掺假[J]. 食品科学, 2020, 41(6): 298-303.
[4]	彭丹，刘亚丽，李林青，毕艳兰. 正交试验设计优化近红外检测牛乳中蛋白质的建模条件[J]. 食品科学, 2020, 41(4): 256-261.
[5]	范维，高晓月，董雨馨，李贺楠，王琳，郭文萍. 基于数据挖掘建立北京地区牛、羊肉串掺假风险预测模型[J]. 食品科学, 2020, 41(20): 292-299.
[6]	王胜鹏，龚自明，郑鹏程，刘盼盼，滕靖，高士伟，桂安辉. 青砖茶品质近红外特征光谱筛选及预测模型建立[J]. 食品科学, 2020, 41(18): 283-287.
[7]	段宇飞，王巧华. 基于特征选择与特征提取融合的鸡蛋新鲜度光谱快速检测模型优化[J]. 食品科学, 2020, 41(12): 273-278.
[8]	张丙芳，王玉林，刘成海，刘大森，张丙秀，刘勇，牟艳秋，孔庆明，郑先哲. 压榨及浸出工艺对大豆油稳定性影响及IPLS-SPA特征波段选择方法应用[J]. 食品科学, 2020, 41(10): 8-13.
[9]	肖慧，孙柯，屠康，潘磊庆. 便携式葡萄专用可见-近红外光谱检测仪器开发与实验[J]. 食品科学, 2019, 40(8): 300-305.
[10]	何鸿举，朱亚东，王慧，马汉军，陈复生，刘玺，贾方方，康壮丽，刘红，朱明明，赵圣明，王正荣，刘苏汉. 近红外光谱技术在生鲜禽肉质量检测中应用的研究进展[J]. 食品科学, 2019, 40(21): 317-323.
[11]	沈飞，黄怡，周曰春，刘琴，裴斐，李彭，方勇，刘兴泉. 基于光谱和图像信息融合的玉米霉变程度在线检测[J]. 食品科学, 2019, 40(16): 274-280.
[12]	王文秀，彭彦昆，王凡，马营. 局部偏最小二乘法结合可见-近红外光谱预测猪肉挥发性盐基氮[J]. 食品科学, 2019, 40(14): 339-345.
[13]	杨慧，陈德经，夏冬辉，辛茜，陈海涛，金文刚. 基于近红外光谱的大鲵肉粉掺伪鉴别及纯度检测[J]. 食品科学, 2019, 40(10): 331-336.
[14]	许锋，付丹丹，王巧华，肖壮，王彬. 基于MCCV-CARS-RF建立红提糖度和酸度的可见-近红外光谱无损检测方法[J]. 食品科学, 2018, 39(8): 149-154.
[15]	赵昕，张任，王伟，李春阳. 基于近红外光谱快速定量检测面粉中曲酸的方法建立[J]. 食品科学, 2018, 39(8): 249-255.

近红外光谱法鉴别奶牛饲料中三聚氰胺甲醛树脂的可行性研究

Feasibility Study of Identifying Melamine-Formaldehyde Resin in Cow Feed by Near Infrared Spectroscopy

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价