專利名稱：一種牛奶成分的檢測(cè)裝置和方法
技術(shù)領(lǐng)域：
本發(fā)明涉及自動(dòng)檢測(cè)技術(shù)領(lǐng)域，特別是一種利用超聲波和近紅外光譜分析技術(shù)檢
測(cè)牛奶成分的檢測(cè)裝置和方法。
背景技術(shù)：
作為牛奶內(nèi)部成分檢測(cè)的國(guó)標(biāo)方法主要是化學(xué)法。由于化學(xué)法分析牛奶成分時(shí)間 較長(zhǎng)，成本較高，因此快速、非接觸和自動(dòng)檢測(cè)方法被提出，目前主要有中紅外光譜法、近紅 外光譜分析法和超聲波分析法。中紅外光譜法和超聲波分析法都已經(jīng)有相應(yīng)的商業(yè)儀器面 世，化學(xué)法作為國(guó)標(biāo)方法，是基準(zhǔn)作為標(biāo)準(zhǔn)方法。 化學(xué)分析法，在國(guó)標(biāo)中，對(duì)生鮮牛乳、巴氏殺菌乳、滅菌乳等乳制品的各項(xiàng)指標(biāo)及 檢測(cè)均有嚴(yán)格的規(guī)定。脂肪采用羅茲一哥特里法，報(bào)告質(zhì)量分?jǐn)?shù)結(jié)果精確至0.01% ;兩次 平行測(cè)定結(jié)果之差，對(duì)100g鮮牛乳不得超過(guò)0. 03g，蛋白質(zhì)采用半微量凱氏定氮法，兩次平 行測(cè)定結(jié)果之差不得超過(guò)兩次測(cè)定平均值的1.5% ;乳糖采用高壓液相色譜法和萊因一埃 農(nóng)氏法，兩次平行測(cè)定結(jié)果之差不超過(guò)平均值的5% ;雖然化學(xué)方法已經(jīng)相當(dāng)成熟，在現(xiàn)有 的條件下，可以保證很高的測(cè)量精度，但是其測(cè)量過(guò)程需要耗費(fèi)大量的時(shí)間，并且化驗(yàn)成本 高，因此無(wú)法滿足大量原奶收購(gòu)成分分析的需要。 超聲波探測(cè)技術(shù)是利用高頻聲波與物質(zhì)之間的相互作用以獲取被測(cè)物質(zhì)內(nèi)部的 物理化學(xué)性質(zhì)，聲波通過(guò)介質(zhì)時(shí)大致表現(xiàn)為三種形式壓縮波、表面波和切變波。在應(yīng)用中， 較之其它兩種形式，壓縮波是最重要的考慮因素；這種壓縮波在介質(zhì)中的傳遞是通過(guò)介質(zhì) 的壓縮和膨脹進(jìn)行的；但這種介質(zhì)質(zhì)點(diǎn)在聲波作用下以原始位置為原點(diǎn)所發(fā)生的振蕩仍服 從HOOKE定律，換言之，介質(zhì)的結(jié)構(gòu)在聲波傳遞過(guò)程中未發(fā)生任何根本性的破壞?；谝陨?原理，超聲傳播特性的檢測(cè)方法主要是測(cè)定其在牛奶中傳播的聲速和聲衰減。通過(guò)大量的 試驗(yàn)，建立了部分牛奶成份與超聲波特性之間的經(jīng)驗(yàn)數(shù)學(xué)關(guān)系。目前已有多種超聲波牛奶 成分分析儀面世，其預(yù)測(cè)精度CV(Coefficient of Variance)值可達(dá)到5%的水平。專利號(hào) 為"ZL03115751. 3"，名稱為"超聲波牛奶成份分析儀"的中國(guó)發(fā)明專利，公開(kāi)的一種超聲波 牛奶成份分析儀，利用超聲波檢測(cè)技術(shù)，采用多重線形回歸方程對(duì)多相液體成分進(jìn)行分析， 可一次性檢測(cè)分析牛奶中的脂肪、蛋白質(zhì)、非脂乳固體、密度、冰點(diǎn)和加水率，利用超聲波檢 測(cè)牛奶成分含量，雖然重復(fù)性好，但其長(zhǎng)期工作檢測(cè)穩(wěn)定性較差，檢測(cè)精度不高。
中紅外光譜是物質(zhì)的在中紅外區(qū)的吸收光譜。 一般將2. 5-25 ii m的紅外波段劃為 中紅外區(qū)。同時(shí)，由于物質(zhì)在中紅外譜區(qū)的吸收信號(hào)譜帶重疊少，基頻振動(dòng)是紅外活性振動(dòng) 中吸收最強(qiáng)的振動(dòng)，所以本區(qū)最適宜進(jìn)行定性和定量分析。但是中紅外光譜分析方法儀器 的成本高，應(yīng)用普及在我國(guó)還需要長(zhǎng)時(shí)間的努力。 近紅外區(qū)域按美國(guó)試驗(yàn)和材料協(xié)會(huì)ASTM定義是指波長(zhǎng)在780 2526nm范圍內(nèi)的 電磁波，是人們最早發(fā)現(xiàn)的非可見(jiàn)光區(qū)域。由于物質(zhì)在該譜區(qū)的倍頻和合頻吸收信號(hào)弱，譜 帶重疊，解析復(fù)雜，受當(dāng)時(shí)的技術(shù)水平限制，近紅外光譜"沉睡"了近一個(gè)半世紀(jì)。上世紀(jì)80 年代后期，隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展，帶動(dòng)了分析儀器的數(shù)字化和化學(xué)計(jì)量學(xué)的發(fā)展，通過(guò)化學(xué)計(jì)量學(xué)方法在解決光譜信息提取和背景干擾方面取得的良好效果，加之近紅外光譜 在測(cè)樣技術(shù)上所獨(dú)有的特點(diǎn)，使人們重新認(rèn)識(shí)了近紅外光譜的價(jià)值，近紅外光譜在各領(lǐng)域 中的應(yīng)用研究陸續(xù)展開(kāi)。例如申請(qǐng)?zhí)枮?200610011234. 1 "，名稱為"一種利用近紅外光譜 鑒別生鮮乳和商品乳中的還原乳的方法"的中國(guó)發(fā)明申請(qǐng)，所公開(kāi)的鑒別方法即為近紅外 光譜應(yīng)用的實(shí)例，但該方法無(wú)法避免牛奶成分的背景干擾，測(cè)量精確度不高。
利用近紅外光譜分析方法檢測(cè)牛奶常規(guī)成分，比國(guó)標(biāo)的方法快很多，盡管普通近 紅外光譜分析方法易受到光源、環(huán)境溫度和信號(hào)噪聲的影響，以及牛奶在溫度變化情況下 其不均勻性和大分子的積聚性影響其光學(xué)特性，這些都可以通過(guò)各種檢測(cè)技術(shù)來(lái)一一排 除，但是牛奶成分的背景干擾影響卻難以消除。近紅外測(cè)量技術(shù)的譜帶重疊問(wèn)題就產(chǎn)生了 背景干擾問(wèn)題，例如在測(cè)量各濃度乙醇時(shí)，純水的含量就是背景干擾，參見(jiàn)圖l，圖1為純水 a、5X乙醇b、10X乙醇c、15X乙醇d、純乙醇e的近紅外原始光譜。由圖可見(jiàn)，各濃度乙醇 與純水的近紅外光譜基本一致，在6872cm處吸收隨著含水量增加略有提高，乙醇的特征吸 收基本被湮沒(méi)于水的強(qiáng)吸收中。因此測(cè)量乙醇含量時(shí)應(yīng)考慮水吸收峰的強(qiáng)背景干擾。利用 超聲波檢測(cè)出純水的含量，針對(duì)不同的純水含量建立乙醇的校正模型并以此來(lái)進(jìn)行預(yù)測(cè)， 將會(huì)有效的減少純水強(qiáng)背景干擾。當(dāng)然，實(shí)際牛奶常規(guī)成分測(cè)量過(guò)程中背景干擾因數(shù)很多， 利用超聲波給出的是某一類成分組合的背景，而在這類背景的基礎(chǔ)上建立模型并進(jìn)行牛奶 成分的分析將提高測(cè)量精度。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問(wèn)題是針對(duì)近紅外光譜分析法檢測(cè)牛奶成分檢測(cè)容易受 牛奶成分背景干擾影響的弊端，提出一種基于超聲波和近紅外測(cè)量技術(shù)相融合的檢測(cè)方 法，以達(dá)到對(duì)牛奶常規(guī)成分的快速、準(zhǔn)確、自動(dòng)以及高效檢測(cè)。 為了實(shí)現(xiàn)上述目的，本發(fā)明提供了一種牛奶成分檢測(cè)方法，包括建立模型步驟和
牛奶檢測(cè)步驟，其中，所述的建立模型步驟用于建立并存儲(chǔ)近紅外光譜分類校正模型，利用
超聲波自激頻率對(duì)不同類型牛奶的近紅外光譜進(jìn)行分類并建立與所述不同類型牛奶對(duì)應(yīng)
的近紅外光譜分類校正模型；所述牛奶檢測(cè)步驟根據(jù)待測(cè)牛奶樣品的超聲波自激頻率及近
紅外光譜信息，對(duì)應(yīng)所述近紅外光譜分類校正模型得到所述牛奶樣品的成分含量。 上述的牛奶成分檢測(cè)方法，其中，所述的建立模型步驟包括 樣品前處理步驟，選擇一批已拉開(kāi)梯度和不同成分含量分布的牛奶樣品； 化學(xué)分析法測(cè)量步驟，對(duì)該批牛奶樣品進(jìn)行國(guó)標(biāo)化學(xué)分析法測(cè)量，得到各所述牛
奶樣品的標(biāo)準(zhǔn)相關(guān)成分含量數(shù)值； 光譜信息采集步驟，采集各所述牛奶樣品的近紅外光譜信息； 自激頻率測(cè)量步驟，用于測(cè)量各所述牛奶樣品的超聲波自激頻率； 建立分析模型步驟，采用化學(xué)計(jì)量學(xué)方法建立各所述牛奶樣品的近紅外光譜分析
模型； 建立分類模型步驟，根據(jù)所述超聲波自激頻率對(duì)所述近紅外光譜分析模型進(jìn)行分
類，建立對(duì)應(yīng)不同牛奶類型的近紅外光譜分類校正模型； 存儲(chǔ)步驟，存儲(chǔ)所述近紅外光譜分類校正模型。 上述的牛奶成分檢測(cè)方法，其中，所述的牛奶檢測(cè)步驟包括
頻率測(cè)量步驟，測(cè)量并輸出所述牛奶樣品的超聲波自激頻率；
信息采集步驟，采集并輸出所述牛奶樣品的近紅外光譜信息； 數(shù)據(jù)分析步驟，接收、存儲(chǔ)所述超聲波自激頻率及所述近紅外光譜信息，并根據(jù)所
述超聲波自激頻率及所述近紅外光譜信息，對(duì)應(yīng)所述近紅外光譜分類校正模型用化學(xué)計(jì)量
學(xué)模型進(jìn)行數(shù)據(jù)分析處理，得到所述牛奶樣品的成分含量； 數(shù)據(jù)輸出步驟，輸出所述牛奶樣品的成分含量。 上述的牛奶成分檢測(cè)方法，其中，所述的數(shù)據(jù)分析步驟包括 確定模型步驟，利用所述近紅外光譜分類校正模型，根據(jù)所述超聲波自激頻率，確 定所述牛奶樣品的對(duì)應(yīng)分類模型 數(shù)據(jù)處理步驟，用化學(xué)計(jì)量學(xué)模型對(duì)已確定所述對(duì)應(yīng)分類模型的所述近紅外光譜 信息進(jìn)行數(shù)據(jù)處理，得到所述牛奶樣品的成分含量。 為了更好地實(shí)現(xiàn)上述目的，本發(fā)明還提供了一種牛奶成分檢測(cè)裝置，包括建立模 型模塊和牛奶檢測(cè)模塊，其中，所述建立模型模塊，用于建立并存儲(chǔ)近紅外光譜分類校正模 型，利用超聲波自激頻率對(duì)不同類型牛奶的近紅外光譜進(jìn)行分類并建立與所述不同類型牛 奶對(duì)應(yīng)的近紅外光譜分類校正模型；所述牛奶檢測(cè)模塊，用于根據(jù)待測(cè)牛奶樣品的超聲波 自激頻率及近紅外光譜信息，對(duì)應(yīng)所述近紅外光譜分類校正模型得到所述牛奶樣品的成分 上述的牛奶成分檢測(cè)裝置，其中，所述的建立模型模塊包括
樣品前處理單元，用于選擇一批已拉開(kāi)梯度和不同成分含量分布的牛奶樣品；
化學(xué)分析法測(cè)量單元，用于對(duì)該批牛奶樣品進(jìn)行國(guó)標(biāo)化學(xué)分析法測(cè)量，得到各所 述牛奶樣品的標(biāo)準(zhǔn)相關(guān)成分含量數(shù)值； 光譜信息采集單元，用于采集各所述牛奶樣品的近紅外光譜信息； 自激頻率測(cè)量單元，用于測(cè)量各所述牛奶樣品的超聲波自激頻率； 建立分析模型單元，用于采用化學(xué)計(jì)量學(xué)方法建立各所述牛奶樣品的近紅外光譜
分析模型； 建立分類模型單元，用于根據(jù)所述超聲波自激頻率對(duì)所述近紅外光譜分析模型進(jìn)
行分類，建立對(duì)應(yīng)不同牛奶類型的近紅外光譜分類校正模型； 存儲(chǔ)單元，用于存儲(chǔ)所述近紅外光譜分類校正模型。 上述的牛奶成分檢測(cè)裝置，其中，所述的牛奶檢測(cè)模塊包括 頻率測(cè)量單元，用于測(cè)量并輸出待測(cè)牛奶樣品的超聲波自激頻率； 信息采集單元，用于采集并輸出所述牛奶樣品的近紅外光譜信息； 數(shù)據(jù)分析單元，分別與所述建立模型單元、所述頻率測(cè)量單元及所述信息采集單
元連接，用于接收、存儲(chǔ)所述近紅外光譜信息及所述超聲波自激頻率，根據(jù)所述超聲波自激
頻率及所述近紅外光譜信息，對(duì)應(yīng)所述近紅外光譜分類校正模型進(jìn)行數(shù)據(jù)分析處理，得到
所述牛奶樣品的成分含量； 數(shù)據(jù)輸出單元，與所述數(shù)據(jù)分析單元連接，用于輸出所述牛奶樣品的成分含量。
上述的牛奶成分檢測(cè)裝置，其中，所述的數(shù)據(jù)分析單元包括 確定模型子單元，用于利用所述近紅外光譜分類校正模型，根據(jù)所述超聲波自激 頻率，確定所述牛奶樣品的對(duì)應(yīng)分類模型；
數(shù)據(jù)處理子單元，用于利用化學(xué)計(jì)量學(xué)模型對(duì)已確定所述對(duì)應(yīng)分類模型的所述近
紅外光譜信息進(jìn)行數(shù)據(jù)處理，得到所述牛奶樣品的成分含量。
上述的牛奶成分檢測(cè)裝置，其中，所述的信息采集單元包括 樣品池，用于盛放所述牛奶樣品； 近紅外光譜檢測(cè)子單元，包括用于發(fā)出透射光的光源準(zhǔn)直器和用于接收所述透射 光的光電探測(cè)器，所述光源準(zhǔn)直器和所述光電探測(cè)器分別設(shè)置在所述樣品池的兩側(cè)；
光柵光譜儀，分別與所述近紅外光譜檢測(cè)子單元及所述數(shù)據(jù)分析單元連接，用于 接收所述光電探測(cè)器的信號(hào)并處理該信號(hào)得到所述牛奶樣品的近紅外光譜，將所述近紅外 光譜輸出到所述數(shù)據(jù)分析單元。 上述的牛奶成分檢測(cè)裝置，其中，所述的頻率測(cè)量單元包括 超聲波收發(fā)器，包括超聲波發(fā)射端與超聲波接收端，所述超聲波發(fā)射端與所述超 聲波接收端相對(duì)設(shè)置； 均質(zhì)池，設(shè)置在所述超聲波發(fā)射端與所述超聲波接收端之間，與所述樣品池連接， 用于盛放所述牛奶樣品； 超聲波頻率測(cè)量器，分別與所述數(shù)據(jù)分析單元及所述超聲波收發(fā)器連接，用于測(cè) 量所述牛奶樣品的超聲波自激頻率，并將所述超聲波自激頻率輸出到所述數(shù)據(jù)分析單元。
上述的牛奶成分檢測(cè)裝置，其中，還包括蠕動(dòng)泵，與所述樣品池連接，用于將所述 牛奶樣品充入所述樣品池及所述均質(zhì)池。 本發(fā)明的技術(shù)效果在于本發(fā)明的動(dòng)態(tài)檢測(cè)牛奶成分的裝置和方法使用超聲波自 激頻率測(cè)量技術(shù)，對(duì)牛奶成分的背景干擾進(jìn)行評(píng)估，借助于超聲波和近紅外的信息融合方 法，自動(dòng)進(jìn)行近紅外光譜模型的分類，實(shí)現(xiàn)了牛奶常規(guī)成分的快速、準(zhǔn)確、自動(dòng)以及高效檢 測(cè)。本發(fā)明體積小、重量輕、響應(yīng)速度快，可廣泛用于牧場(chǎng)、奶制品加工廠和奶制品檢測(cè)單 位，也可以對(duì)牛奶進(jìn)行實(shí)時(shí)連續(xù)監(jiān)測(cè)以保障在一些生產(chǎn)車間中所生產(chǎn)產(chǎn)品的安全和質(zhì)量。 本發(fā)明不僅可以對(duì)牛奶進(jìn)行檢測(cè)，也可以對(duì)其它液態(tài)非腐蝕性物質(zhì)進(jìn)行實(shí)時(shí)監(jiān)控，以保障 其運(yùn)行的安全性和穩(wěn)定性。 以下結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)描述，但不作為對(duì)本發(fā)明的限定。


圖1為純水a(chǎn)、5X乙醇b、10X乙醇c、15X乙醇d、純乙醇e的近紅外原始光譜； 圖2為本發(fā)明的原理圖； 圖3為本發(fā)明的牛奶成分檢測(cè)方法流程圖； 圖4為本發(fā)明的牛奶檢測(cè)裝置框圖； 圖5為本發(fā)明一實(shí)施例的牛奶檢測(cè)裝置示意圖； 圖6為本發(fā)明一實(shí)施例的頻率測(cè)量單元及信息采集單元結(jié)構(gòu)示意圖。 其中，附圖標(biāo)記 IOO牛奶樣品 1建立模型模塊 ll樣品前處理單元 12化學(xué)分析法測(cè)量單元
13光譜信息采集單元 14自激頻率測(cè)量單元 15建立分析模型單元 16建立分類模型單元 17存儲(chǔ)單元 2牛奶檢測(cè)模塊 21頻率測(cè)量單元 211超聲波收發(fā)器 212均質(zhì)池 213超聲波頻率測(cè)量器 22信息采集單元 221樣品池 222近紅外光譜檢測(cè)子單元 2221光源準(zhǔn)直器 2222光電探測(cè)器 223光柵光譜儀 23數(shù)據(jù)分析單元 231確定模型子單元 232數(shù)據(jù)處理子單元 24數(shù)據(jù)輸出單元 6蠕動(dòng)泵 7計(jì)算機(jī) 8光源 Sl S2、 Sll S17、 S21 S24、 S231、 S232步驟
具體實(shí)施例方式
下面結(jié)合附圖對(duì)本發(fā)明的結(jié)構(gòu)原理和工作原理作具體的描述 本發(fā)明公開(kāi)了一種利用超聲波和近紅外光譜分析技術(shù)的動(dòng)態(tài)檢測(cè)方法和檢測(cè)裝 置。該方法針對(duì)近紅外光譜分析技術(shù)測(cè)量牛奶成分時(shí)受背景參數(shù)變化影響，造成模型不穩(wěn) 定的問(wèn)題，利用超聲波對(duì)牛奶組分敏感的特點(diǎn)進(jìn)行模型分類，再應(yīng)用近紅外光譜分析方法 快速測(cè)量牛奶成分的自動(dòng)檢測(cè)方法，參見(jiàn)圖2，圖2為本發(fā)明的原理圖，具體說(shuō)即采用超聲 波透射測(cè)量技術(shù)對(duì)背景參數(shù)進(jìn)行評(píng)估，利用超聲波透射牛奶產(chǎn)生的循環(huán)自激頻率來(lái)對(duì)牛奶 的組分進(jìn)行自動(dòng)分類，使得不同牛奶組分產(chǎn)生的背景干擾自動(dòng)歸類，借助于標(biāo)準(zhǔn)數(shù)據(jù)、光譜 信息和超聲波自激頻率生成一系列分類模型，解決近紅外光譜分析牛奶成分含量模型不穩(wěn) 定的問(wèn)題。再利用近紅外光譜分析儀器對(duì)牛奶樣品進(jìn)行光譜信息采集，利用超聲波測(cè)量裝 置進(jìn)行超聲波自激頻率測(cè)量，由超聲波自激頻率自動(dòng)尋找對(duì)應(yīng)的模型，最后采用化學(xué)計(jì)量 學(xué)模型和最小二乘法對(duì)該牛奶樣品的光譜信息和對(duì)應(yīng)分析模型進(jìn)行分析，求解該牛奶樣品 的成分含量。 參見(jiàn)圖3，圖3為本發(fā)明的牛奶成分檢測(cè)方法流程圖。本發(fā)明的牛奶成分檢測(cè)方法
8包括近紅外光譜分類校正模型的建立及牛奶成分近紅外光譜的預(yù)測(cè)兩大部分，具體說(shuō)，包 括建立模型步驟SI和牛奶檢測(cè)步驟S2，所述的建立模型步驟SI用于建立并存儲(chǔ)近紅外光 譜分類校正模型，該近紅外光譜分類校正模型是利用超聲波自激頻率對(duì)不同類型牛奶的近 紅外光譜進(jìn)行分類并建立與所述牛奶對(duì)應(yīng)的近紅外光譜分類校正模型，以降低不同牛奶組 分產(chǎn)生的背景干擾；所述牛奶檢測(cè)步驟S2根據(jù)待測(cè)牛奶樣品的超聲波自激頻率及近紅外 光譜信息，對(duì)應(yīng)所述近紅外光譜分類校正模型得到所述牛奶樣品的成分含量。
其中，所述的建立模型步驟S1包括樣品前處理步驟Sll :選擇一批已拉開(kāi)梯度和 不同成分含量分布的牛奶樣品100 ;化學(xué)分析法測(cè)量步驟S12 :對(duì)該批牛奶樣品100進(jìn)行國(guó) 標(biāo)化學(xué)分析法測(cè)量，得到各所述牛奶樣品100的標(biāo)準(zhǔn)相關(guān)成分含量數(shù)值；光譜信息采集步 驟S13 :利用近紅外光譜分析儀器采集各所述牛奶樣品100的近紅外光譜信息；自激頻率測(cè) 量步驟S14 :利用超聲波測(cè)量裝置測(cè)量各所述牛奶樣品100的超聲波自激頻率；建立分析模 型步驟S15 :采用化學(xué)計(jì)量學(xué)方法建立各所述牛奶樣品100的近紅外光譜分析模型；建立分 類模型步驟S16 :根據(jù)所述超聲波自激頻率對(duì)所述近紅外光譜分析模型自動(dòng)進(jìn)行分類(即 根據(jù)超聲波自激頻率的變化范圍劃分區(qū)域，不同的頻率區(qū)域?qū)?yīng)不同的分類模型，從而實(shí) 現(xiàn)所述近紅外光譜分析模型自動(dòng)進(jìn)行分類)，建立對(duì)應(yīng)不同牛奶類型的近紅外光譜分類校 正模型；存儲(chǔ)步驟S17 :存儲(chǔ)所述近紅外光譜分類校正模型。 所述的牛奶檢測(cè)步驟S2包括頻率測(cè)量步驟S21 :測(cè)量并輸出所述牛奶樣品100 的超聲波自激頻率；信息采集步驟S22 :采集并輸出待測(cè)牛奶樣品100的近紅外光譜信息； 數(shù)據(jù)分析步驟S23 :接收、存儲(chǔ)所述超聲波自激頻率及所述近紅外光譜信息，并根據(jù)所述超 聲波自激頻率及所述近紅外光譜信息，對(duì)應(yīng)所述近紅外光譜分類校正模型用化學(xué)計(jì)量學(xué)模 型進(jìn)行數(shù)據(jù)分析處理，得到所述牛奶樣品100的成分含量；數(shù)據(jù)輸出步驟S24 :輸出所述牛 奶樣品100的成分含量。 所述的頻率測(cè)量步驟S21包括設(shè)置一超聲波收發(fā)器211，包括設(shè)置超聲波發(fā)射端 與超聲波接收端，所述超聲波發(fā)射端與所述超聲波接收端相對(duì)設(shè)置；設(shè)置一均質(zhì)池212，設(shè) 置在所述超聲波發(fā)射端與所述超聲波接收端之間，與所述樣品池221連接，用于盛放所述 牛奶樣品100 ;設(shè)置一超聲波頻率測(cè)量器213，分別與所述數(shù)據(jù)分析單元23及所述超聲波收 發(fā)器211連接，用于測(cè)量所述牛奶樣品100的超聲波自激頻率，并將所述超聲波自激頻率輸 出到所述數(shù)據(jù)分析單元23。 所述的信息采集步驟S22包括設(shè)置一樣品池221，用于盛放所述牛奶樣品100 ; 設(shè)置一近紅外光譜檢測(cè)子單元222，包括用于發(fā)出透射光的光源準(zhǔn)直器2221和用于接收所 述透射光的光電探測(cè)器2222，所述光源準(zhǔn)直器2221和所述光電探測(cè)器2222分別設(shè)置在所 述樣品池221的兩側(cè)；設(shè)置一光柵光譜儀223，分別與所述近紅外光譜檢測(cè)子單元222及所 述數(shù)據(jù)分析單元23連接，用于接收所述光電探測(cè)器2222的信號(hào)并處理該信號(hào)得到所述牛 奶樣品100的近紅外光譜，將所述近紅外光譜輸出到所述數(shù)據(jù)分析單元23。
其中，所述的數(shù)據(jù)分析步驟S23包括確定模型步驟S231 :利用所述近紅外光譜分 類校正模型，根據(jù)所述超聲波自激頻率，確定所述牛奶樣品100的對(duì)應(yīng)分類模型數(shù)據(jù)處理 步驟S232 :對(duì)所述近紅外光譜信息及所述對(duì)應(yīng)分類模型進(jìn)行數(shù)據(jù)處理，得到所述牛奶樣品 100的成分含量。 為了使檢測(cè)的效果更好，本發(fā)明還可以包括設(shè)置蠕動(dòng)泵步驟，將該蠕動(dòng)泵6與所
9述樣品池221連接，用于將所述牛奶樣品100充入所述樣品池221和所述均質(zhì)池212。
本發(fā)明的牛奶檢測(cè)方法，牛奶樣品100的挑選不論是原奶還是純奶，首先挑選合 適的牛奶樣品100進(jìn)行近紅外光譜采集，然后建立定量分析的分類數(shù)學(xué)模型，然后對(duì)未知 牛奶樣品100采集近紅外光譜，接著用已建立好的對(duì)應(yīng)類別的數(shù)學(xué)模型進(jìn)行處理，得到未 知牛奶樣品100的成分含量。實(shí)際操作以牛奶中的脂肪測(cè)量舉例如下
牛奶樣品100的挑選如針對(duì)不同地區(qū)和不同企業(yè)以及不同產(chǎn)品原奶中的脂肪含 量進(jìn)行建模，牛奶中脂肪含量一般在3% _5%，首先，挑選合適濃度的牛奶樣品100，牛奶 樣品100濃度為有梯度的且要覆蓋脂肪含量的整個(gè)范圍，如3 % ， 3. 04% ， 3. 08 % ， 3. 12 % ， 3. 16%，3. 2%……5%，建模牛奶樣品100個(gè)數(shù)視采樣的能力約600 6000個(gè)。牛奶樣品 100的近紅外光譜采集是將恒溫至40±0. 1C，然后均質(zhì)，本例采用檢測(cè)波長(zhǎng)范圍是900 1700nm，間隔為2nm的設(shè)置進(jìn)行近紅外儀器的信息采集。
下面舉例說(shuō)明本發(fā)明的牛奶檢測(cè)方法的定量分析的過(guò)程 1)近紅外光譜數(shù)據(jù)的預(yù)處理選取900 1700nm中的特征波段建立模型，利用多 元散射校正、一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、矢量歸一法、小波濾波和遺傳算法對(duì)光譜數(shù)據(jù)進(jìn)行優(yōu)化 處理，對(duì)牛奶樣品IOO進(jìn)行交叉驗(yàn)證并根據(jù)相關(guān)系數(shù)(R)和模型標(biāo)準(zhǔn)差(RMSECV)的比值來(lái) 判斷所選特征波長(zhǎng)段，最終選出建模的特征波段進(jìn)行建模。
2)建立分類模型 建立類型當(dāng)牛奶進(jìn)入裝有超聲波收發(fā)裝置的均質(zhì)池時(shí)，向超聲波發(fā)射端發(fā)送一 觸發(fā)脈沖，當(dāng)接收端收到該信號(hào)后，經(jīng)過(guò)放大與整形以及延時(shí)等處理在送至發(fā)射端形成自 激振蕩，不同的牛奶成分組合牛奶樣品100會(huì)引起該自激頻率的微小變化，檢測(cè)出該變化， 并按不同頻率范圍進(jìn)行歸類，給該牛奶樣品ioo確定一個(gè)類型。 建立模型針對(duì)某一類型的牛奶樣品IOO，本例利用偏最小二乘法，根據(jù)預(yù)處理的
所選擇的特征波長(zhǎng)段建立牛奶樣品100濃度與近紅外光譜之間的關(guān)系模型。 作為一個(gè)多元線性回歸方法，偏最小二乘回歸的主要目的是要建立一個(gè)線性模
型Y = XB+E，其中Y是具有m個(gè)變量、n個(gè)樣本點(diǎn)的成分濃度矩陣，X是具有p個(gè)變量、n個(gè)
樣本點(diǎn)的近紅外光譜預(yù)測(cè)矩陣，B是回歸系數(shù)矩陣，E為噪音校正模型，與Y具有相同的維
數(shù)。在通常情況下，變量X和Y被標(biāo)準(zhǔn)化后再用于計(jì)算，即減去它們的平均值并除以標(biāo)準(zhǔn)偏差。 在建模當(dāng)中，偏最小二乘回歸產(chǎn)生了權(quán)重矩陣W，矩陣W的列向量用于計(jì)算變量X 的列向量的得分矩陣T。不斷的計(jì)算這些權(quán)重使得響應(yīng)與其相應(yīng)的得分因子之間的協(xié)方 差達(dá)到最大。普通最小二乘回歸在計(jì)算Y在T上的回歸時(shí)產(chǎn)生矩陣Q，即矩陣Y的載荷因 子(或稱權(quán)重)，用于建立回歸方程Y二TQ+E。 一旦計(jì)算出Q，我們就可以得出方程Y二 XB+E，其中B = WQ，最終的預(yù)測(cè)模型也就建立起來(lái)了。 依次逐一選擇不同的類型牛奶樣品IOO，按上方法建立分類模型。 3)對(duì)未知牛奶樣品100的預(yù)測(cè)未知牛奶樣品100先進(jìn)入裝有超聲波收發(fā)裝置的
均質(zhì)池22，對(duì)其進(jìn)行類型判別，確定類型后，采集未知牛奶樣品IOO近紅外光譜數(shù)據(jù)，根據(jù)
所對(duì)應(yīng)類別的分類模型對(duì)其數(shù)據(jù)進(jìn)行偏最小二乘回歸處理，得到最后預(yù)測(cè)成分值。 參見(jiàn)圖4、圖5及圖6，圖4為本發(fā)明的牛奶檢測(cè)裝置框圖；圖5為本發(fā)明一實(shí)施例
的牛奶檢測(cè)裝置示意圖；圖6為本發(fā)明一實(shí)施例的頻率測(cè)量單元及信息采集單元結(jié)構(gòu)示意圖。本發(fā)明的牛奶成分檢測(cè)裝置，包括建立模型模塊1和牛奶檢測(cè)模塊2，所述建立模型 模塊l，用于建立并存儲(chǔ)近紅外光譜分類校正模型，該近紅外光譜分類校正模型是利用超聲 波自激頻率對(duì)不同類型牛奶的近紅外光譜進(jìn)行分類并建立與所述牛奶對(duì)應(yīng)的近紅外光譜 分類校正模型，以降低不同牛奶組分產(chǎn)生的背景干擾；所述牛奶檢測(cè)模塊2，用于根據(jù)待測(cè) 牛奶樣品的超聲波自激頻率及近紅外光譜信息，對(duì)應(yīng)所述近紅外光譜分類校正模型得到所 述牛奶樣品的成分含量。 本發(fā)明所述的建立模型模塊1包括樣品前處理單元11 :用于選擇一批已拉開(kāi)梯 度和不同成分含量分布的牛奶樣品100 ;化學(xué)分析法測(cè)量單元12 :用于對(duì)該批牛奶樣品100 進(jìn)行國(guó)標(biāo)化學(xué)分析法測(cè)量，得到各所述牛奶樣品100的標(biāo)準(zhǔn)相關(guān)成分含量數(shù)值；光譜信息 采集單元13 :用于采集各所述牛奶樣品100的近紅外光譜信息；自激頻率測(cè)量單元14 :用 于測(cè)量各所述牛奶樣品100的超聲波自激頻率；建立分析模型單元15 :用于采用化學(xué)計(jì)量 學(xué)方法建立各所述牛奶樣品100的近紅外光譜分析模型；建立分類模型單元16 :用于根據(jù) 所述超聲波自激頻率對(duì)所述近紅外光譜分析模型進(jìn)行分類，建立對(duì)應(yīng)不同牛奶類型的近紅 外光譜分類校正模型；存儲(chǔ)單元17，用于存儲(chǔ)所述近紅外光譜分類校正模型。
本發(fā)明所述的牛奶檢測(cè)模塊2包括頻率測(cè)量單元21，用于測(cè)量并輸出待測(cè)牛奶 樣品的超聲波自激頻率；信息采集單元22，用于采集并輸出所述牛奶樣品的近紅外光譜信 息；數(shù)據(jù)分析單元23，分別與所述建立模型單元1、所述頻率測(cè)量單元21及所述信息采集單 元22連接，用于接收、存儲(chǔ)所述近紅外光譜信息及所述超聲波自激頻率，根據(jù)所述超聲波 自激頻率及所述近紅外光譜信息，對(duì)應(yīng)所述近紅外光譜分類校正模型進(jìn)行數(shù)據(jù)分析處理， 得到所述牛奶樣品100的成分含量；數(shù)據(jù)輸出單元24，與所述數(shù)據(jù)分析單元23連接，用于 輸出所述牛奶樣品100的成分含量。 本實(shí)施例所述的頻率測(cè)量單元21包括超聲波收發(fā)器211，包括超聲波發(fā)射端與 超聲波接收端，所述超聲波發(fā)射端與所述超聲波接收端相對(duì)設(shè)置， 一方面超聲波使牛奶成 分均勻分布，無(wú)大分子積聚，另一方面檢測(cè)超聲波在牛奶中的自激頻率和聲強(qiáng)衰減等相關(guān) 參數(shù)；均質(zhì)池212，設(shè)置在所述超聲波發(fā)射端與所述超聲波接收端之間，與所述樣品池221 連接，用于盛放所述牛奶樣品100 ;超聲波頻率測(cè)量器213，分別與所述數(shù)據(jù)分析單元23及 所述超聲波收發(fā)器21連接，用于測(cè)量所述牛奶樣品100的超聲波自激頻率，并將所述超聲 波自激頻率輸出到所述數(shù)據(jù)分析單元23。 本實(shí)施例所述的信息采集單元22包括樣品池221，用于盛放所述牛奶樣品100 ; 近紅外光譜檢測(cè)子單元222，包括用于發(fā)出透射光的光源準(zhǔn)直器2221和用于接收所述透射 光的光電探測(cè)器2222，所述光源準(zhǔn)直器2221和所述光電探測(cè)器2222分別設(shè)置在所述樣品 池221的兩側(cè)；光柵光譜儀223，分別與所述近紅外光譜檢測(cè)子單元222及所述數(shù)據(jù)分析單 元23連接，用于接收所述光電探測(cè)器2222的信號(hào)并處理該信號(hào)得到所述牛奶樣品100的 近紅外光譜，將所述近紅外光譜輸出到所述數(shù)據(jù)分析單元23。 其中，所述的數(shù)據(jù)分析單元23包括確定模型子單元231 :用于利用所述近紅外光 譜分類校正模型，根據(jù)所述超聲波自激頻率，確定所述牛奶樣品100的對(duì)應(yīng)分類模型；數(shù)據(jù) 處理子單元232 :用于對(duì)所述近紅外光譜信息及所述對(duì)應(yīng)分類模型進(jìn)行數(shù)據(jù)處理，得到所 述牛奶樣品100的成分含量。 為了使檢測(cè)效果更加理想，本發(fā)明的檢測(cè)裝置還可以設(shè)置一蠕動(dòng)泵6，與所述樣品
11100池連接，用于將所述牛奶樣品100充入所述樣品池221及所述均質(zhì)池212。最佳是將該 蠕動(dòng)泵6與數(shù)據(jù)采集軟件連接，通過(guò)該數(shù)據(jù)采集軟件控制該蠕動(dòng)泵6的運(yùn)動(dòng)以控制液態(tài)奶 進(jìn)入樣品池221及均質(zhì)池212的速度，取得更好的測(cè)試效果。同時(shí)可將所述建立模型模塊 1中的存儲(chǔ)單元17及數(shù)據(jù)分析單元23及數(shù)據(jù)輸出單元24集成到計(jì)算機(jī)7中，該數(shù)據(jù)輸出 單元24可以為液晶屏、打印機(jī)等任何現(xiàn)有技術(shù)中采用的數(shù)據(jù)輸出方式。
工作時(shí)，通過(guò)數(shù)據(jù)采集軟件控制蠕動(dòng)泵6吸取液態(tài)奶速度，讓液態(tài)奶進(jìn)入均質(zhì)池 212，停止蠕動(dòng)泵6，測(cè)量超聲波透射自激頻率參數(shù)，然后控制蠕動(dòng)泵6反向吸取，讓液態(tài)奶 緩慢流過(guò)樣品池221，采用固定光柵分光技術(shù)，測(cè)量近紅外透射光譜，然后將線陣CCD的數(shù) 據(jù)采集到計(jì)算機(jī)7中，通過(guò)超聲波自激頻率參數(shù)確定牛奶近紅外分類模型，最終采用化學(xué) 計(jì)量學(xué)的分析方法定量檢測(cè)出牛奶中成分含量。作為一種新型牛奶成分含量檢測(cè)方法和裝 置，該方法引入了超聲波和近紅外光譜相結(jié)合的信息融合定量分析算法，實(shí)現(xiàn)了牛奶成分 的快速與準(zhǔn)確測(cè)量。 本發(fā)明的檢測(cè)裝置由光源、小譜儀、光纖、蠕動(dòng)泵、樣品池、光電探測(cè)器、超聲波發(fā) 射和接收裝置、計(jì)算機(jī)和數(shù)據(jù)采集及定量分析軟件等組成。具有體積小、重量輕、響應(yīng)速度 快的特點(diǎn)，可廣泛用于牧場(chǎng)、奶制品加工廠和奶制品檢測(cè)單位，也可以對(duì)牛奶進(jìn)行實(shí)時(shí)連續(xù) 監(jiān)測(cè)以保障在一些生產(chǎn)車間中所生產(chǎn)產(chǎn)品的安全和質(zhì)量。本發(fā)明不僅可以對(duì)牛奶進(jìn)行檢 測(cè)，也可以對(duì)其它液態(tài)非腐蝕性物質(zhì)進(jìn)行實(shí)時(shí)監(jiān)控，以保障其運(yùn)行的安全性和穩(wěn)定性。
當(dāng)然，本發(fā)明還可有其它多種實(shí)施例，在不背離本發(fā)明精神及其實(shí)質(zhì)的情況下，熟 悉本領(lǐng)域的技術(shù)人員當(dāng)可根據(jù)本發(fā)明作出各種相應(yīng)的改變和變形，但這些相應(yīng)的改變和變 形都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護(hù)范圍。
權(quán)利要求
一種牛奶成分檢測(cè)方法，包括建立模型步驟和牛奶檢測(cè)步驟，其特征在于，所述的建立模型步驟用于建立并存儲(chǔ)近紅外光譜分類校正模型，利用超聲波自激頻率對(duì)不同類型牛奶的近紅外光譜進(jìn)行分類并建立與所述不同類型牛奶對(duì)應(yīng)的近紅外光譜分類校正模型；所述牛奶檢測(cè)步驟根據(jù)待測(cè)牛奶樣品的超聲波自激頻率及近紅外光譜信息，對(duì)應(yīng)所述近紅外光譜分類校正模型得到所述牛奶樣品的成分含量。
2. 如權(quán)利要求1所述的牛奶成分檢測(cè)方法，其特征在于，所述的建立模型步驟包括 樣品前處理步驟，選擇一批已拉開(kāi)梯度和不同成分含量分布的牛奶樣品； 化學(xué)分析法測(cè)量步驟，對(duì)該批牛奶樣品進(jìn)行國(guó)標(biāo)化學(xué)分析法測(cè)量，得到各所述牛奶樣品的標(biāo)準(zhǔn)相關(guān)成分含量數(shù)值；光譜信息采集步驟，采集各所述牛奶樣品的近紅外光譜信息； 自激頻率測(cè)量步驟，用于測(cè)量各所述牛奶樣品的超聲波自激頻率；建立分析模型步驟，采用化學(xué)計(jì)量學(xué)方法建立各所述牛奶樣品的近紅外光譜分析模型；建立分類模型步驟，根據(jù)所述超聲波自激頻率對(duì)所述近紅外光譜分析模型進(jìn)行分類， 建立對(duì)應(yīng)不同牛奶類型的近紅外光譜分類校正模型； 存儲(chǔ)步驟，存儲(chǔ)所述近紅外光譜分類校正模型。
3 如權(quán)利要求1所述的牛奶成分檢測(cè)方法，其特征在于，所述的牛奶檢測(cè)步驟包括 頻率測(cè)量步驟，測(cè)量并輸出所述牛奶樣品的超聲波自激頻率； 信息采集步驟，采集并輸出所述牛奶樣品的近紅外光譜信息；數(shù)據(jù)分析步驟，接收、存儲(chǔ)所述超聲波自激頻率及所述近紅外光譜信息，并根據(jù)所述超 聲波自激頻率及所述近紅外光譜信息，對(duì)應(yīng)所述近紅外光譜分類校正模型用化學(xué)計(jì)量學(xué)模 型進(jìn)行數(shù)據(jù)分析處理，得到所述牛奶樣品的成分含量；數(shù)據(jù)輸出步驟，輸出所述牛奶樣品的成分含量。
4. 如權(quán)利要求3所述的牛奶成分檢測(cè)方法，其特征在于，所述的數(shù)據(jù)分析步驟包括 確定模型步驟，利用所述近紅外光譜分類校正模型，根據(jù)所述超聲波自激頻率，確定所述牛奶樣品的對(duì)應(yīng)分類模型數(shù)據(jù)處理步驟，用化學(xué)計(jì)量學(xué)模型對(duì)已確定所述對(duì)應(yīng)分類模型的所述近紅外光譜信息 進(jìn)行數(shù)據(jù)處理，得到所述牛奶樣品的成分含量。
5. —種牛奶成分檢測(cè)裝置，包括建立模型模塊和牛奶檢測(cè)模塊，其特征在于，所述建立 模型模塊，用于建立并存儲(chǔ)近紅外光譜分類校正模型，利用超聲波自激頻率對(duì)不同類型牛 奶的近紅外光譜進(jìn)行分類并建立與所述不同類型牛奶對(duì)應(yīng)的近紅外光譜分類校正模型；所 述牛奶檢測(cè)模塊，用于根據(jù)待測(cè)牛奶樣品的超聲波自激頻率及近紅外光譜信息，對(duì)應(yīng)所述 近紅外光譜分類校正模型得到所述牛奶樣品的成分含量。
6. 如權(quán)利要求5所述的牛奶成分檢測(cè)裝置，其特征在于，所述的建立模型模塊包括 樣品前處理單元，用于選擇一批已拉開(kāi)梯度和不同成分含量分布的牛奶樣品； 化學(xué)分析法測(cè)量單元，用于對(duì)該批牛奶樣品進(jìn)行國(guó)標(biāo)化學(xué)分析法測(cè)量，得到各所述牛奶樣品的標(biāo)準(zhǔn)相關(guān)成分含量數(shù)值；光譜信息采集單元，用于采集各所述牛奶樣品的近紅外光譜信息； 自激頻率測(cè)量單元，用于測(cè)量各所述牛奶樣品的超聲波自激頻率；建立分析模型單元，用于采用化學(xué)計(jì)量學(xué)方法建立各所述牛奶樣品的近紅外光譜分析 模型；建立分類模型單元，用于根據(jù)所述超聲波自激頻率對(duì)所述近紅外光譜分析模型進(jìn)行分 類，建立對(duì)應(yīng)不同牛奶類型的近紅外光譜分類校正模型； 存儲(chǔ)單元，用于存儲(chǔ)所述近紅外光譜分類校正模型。
7. 如權(quán)利要求5所述的牛奶成分檢測(cè)裝置，其特征在于，所述的牛奶檢測(cè)模塊包括頻率測(cè)量單元，用于測(cè)量并輸出待測(cè)牛奶樣品的超聲波自激頻率；信息采集單元，用于采集并輸出所述牛奶樣品的近紅外光譜信息；數(shù)據(jù)分析單元，分別與所述建立模型單元、所述頻率測(cè)量單元及所述信息采集單元連 接，用于接收、存儲(chǔ)所述近紅外光譜信息及所述超聲波自激頻率，根據(jù)所述超聲波自激頻率 及所述近紅外光譜信息，對(duì)應(yīng)所述近紅外光譜分類校正模型進(jìn)行數(shù)據(jù)分析處理，得到所述 牛奶樣品的成分含量；數(shù)據(jù)輸出單元，與所述數(shù)據(jù)分析單元連接，用于輸出所述牛奶樣品的成分含量。
8. 如權(quán)利要求7所述的牛奶成分檢測(cè)裝置，其特征在于，所述的數(shù)據(jù)分析單元包括 確定模型子單元，用于利用所述近紅外光譜分類校正模型，根據(jù)所述超聲波自激頻率，確定所述牛奶樣品的對(duì)應(yīng)分類模型；數(shù)據(jù)處理子單元，用于利用化學(xué)計(jì)量學(xué)模型對(duì)已確定所述對(duì)應(yīng)分類模型的所述近紅外 光譜信息進(jìn)行數(shù)據(jù)處理，得到所述牛奶樣品的成分含量。
9. 如權(quán)利要求7所述的牛奶成分檢測(cè)裝置，其特征在于，所述的信息采集單元包括 樣品池，用于盛放所述牛奶樣品；近紅外光譜檢測(cè)子單元，包括用于發(fā)出透射光的光源準(zhǔn)直器和用于接收所述透射光的 光電探測(cè)器，所述光源準(zhǔn)直器和所述光電探測(cè)器分別設(shè)置在所述樣品池的兩側(cè)；光柵光譜儀，分別與所述近紅外光譜檢測(cè)子單元及所述數(shù)據(jù)分析單元連接，用于接收 所述光電探測(cè)器的信號(hào)并處理該信號(hào)得到所述牛奶樣品的近紅外光譜，將所述近紅外光譜 輸出到所述數(shù)據(jù)分析單元。
10. 如權(quán)利要求9所述的牛奶成分檢測(cè)裝置，其特征在于，所述的頻率測(cè)量單元包括 超聲波收發(fā)器，包括超聲波發(fā)射端與超聲波接收端，所述超聲波發(fā)射端與所述超聲波接收端相對(duì)設(shè)置；均質(zhì)池，設(shè)置在所述超聲波發(fā)射端與所述超聲波接收端之間，與所述樣品池連接，用于 盛放所述牛奶樣品；超聲波頻率測(cè)量器，分別與所述數(shù)據(jù)分析單元及所述超聲波收發(fā)器連接，用于測(cè)量所 述牛奶樣品的超聲波自激頻率，并將所述超聲波自激頻率輸出到所述數(shù)據(jù)分析單元。
11. 如權(quán)利要求io所述的牛奶成分檢測(cè)裝置，其特征在于，還包括蠕動(dòng)泵，與所述樣品池連接，用于將所述牛奶樣品充入所述樣品池及所述均質(zhì)池。
全文摘要
一種牛奶成分檢測(cè)方法，包括建立模型步驟和牛奶檢測(cè)步驟，所述的建立模型步驟用于建立并存儲(chǔ)近紅外光譜分類校正模型，利用超聲波自激頻率對(duì)不同類型牛奶的近紅外光譜進(jìn)行分類并建立與所述不同類型牛奶對(duì)應(yīng)的近紅外光譜分類校正模型；所述牛奶檢測(cè)步驟根據(jù)待測(cè)牛奶樣品的超聲波自激頻率及近紅外光譜信息，對(duì)應(yīng)所述近紅外光譜分類校正模型得到所述牛奶樣品的成分含量。本發(fā)明的裝置和方法使用超聲波自激頻率測(cè)量技術(shù)，對(duì)牛奶成分的背景干擾進(jìn)行評(píng)估，借助于超聲波和近紅外的信息融合方法，自動(dòng)進(jìn)行近紅外光譜模型的分類，實(shí)現(xiàn)了牛奶常規(guī)成分的快速、準(zhǔn)確、自動(dòng)以及高效檢測(cè)。
文檔編號(hào)G01N21/35GK101769866SQ20101003423
公開(kāi)日2010年7月7日 申請(qǐng)日期2010年1月15日 優(yōu)先權(quán)日2010年1月15日
發(fā)明者張小超, 王輝 申請(qǐng)人:中國(guó)農(nóng)業(yè)機(jī)械化科學(xué)研究院