论文部分内容阅读
碳水化合物是原料乳与乳制品中重要的营养成分之一,对人体健康具有重要作用,但其掺伪现象较普遍,掺伪种类多样,严重影响了原料乳与乳制品的品质。本文分别研究了化学法(比色法与旋光法)、高效液相色谱-示差检测法和中红外光谱技术结合化学计量法即多层感知器神经网络和偏最小二乘法鉴别原料乳中碳水化合物的掺伪,建立了较完善的鉴别技术体系。具体结果如下：(1)以三氯乙酸为沉淀剂,无水乙醇为显色剂,在600nm条件下乳糖有最大吸光度,建立了比色法用于原料乳和乳粉中糊精掺伪鉴别。研究结果显示R2分别为0.9982和0.9987,平均回收率分别可达98.8%、98.0%,相对标准偏差为0.99%、0.90%；以三氯乙酸为沉淀剂,利用旋光仪在589.3-589.44nm下测定乳糖溶液旋光度值,建立了旋光法鉴别原料乳中乳糖(乳清粉形式)掺伪。研究结果显示R2为0.9991,平均回收率可达98.1%,相对标准偏差为0.99%。以上两种化学方法重复性好、结果准确可靠。(2)以Hypersil氨基柱为分离柱,乙腈-水(80：20)为流动相,流速为1.0mL/min,建立了高效液相色谱-示差检测法鉴别原料乳中果糖、葡萄糖、蔗糖和乳糖的掺伪。结果显示：在0.5-20mg/mL范围内线性良好,果糖、葡萄糖、蔗糖和乳糖的线性回归方程分别为y=552642x-15597,y=287299x+3292,y=299217x+29805,y=283607x+28975,线性相关系数R2为0.9990-0.9994,回收率为98.5%-101.0%,最小检出限为0.20-0.25mg/mL,相对标准偏差为1.500%-2.975%。结果准确可靠,可用于原料乳中碳水化合物掺伪研究。(3)以中红外光谱法结合多层感知器神经网络和偏最小二乘法,分别对6种单一碳水化合物掺伪原料乳(378个样品)进行鉴别,建立了相应的定性和定量模型。MLP神经网络校正模型的平均判断准确率为94.574%,验证集模型的平均判断准确率为91.667%。以此为基础建立了PLS定量模型,模型的决定系数为0.9298-0.9544,交叉检验标准差为1.020%-1.632%,对定量校正模型进行验证,决定系数分别达到0.9274-0.9502,预测标准差分别为1.271%-1.530%；同时,采用中红外光谱法结合多层感知器神经网络和偏最小二乘法对多种多成分碳水化合物掺伪原料乳(756个样品)进行检测,建立了定性和定量判别模型。多层感知器神经网络校正模型的平均正确判断率为94.747%,验证集的平均正确判断率为95.060%；定量校正模型的决定系数为0.8470-0.9209,交叉检验标准差分别为0.569%-1.607%。对定量校正模型进行验证,验证模型决定系数分别为0.8241-0.9216,预测标准差分别为0.681%-1.537%。研究结果表明基于中红外光谱技术结合化学计量法方法所建立的鉴别原料乳中碳水化合物掺伪的判别模型准确率高,可操作性强。