使用可见-近红外光谱和机器学习对牛奶类型进行非破坏性分类

《Journal of Food Composition and Analysis》:Non-destructive classification of milk types using visible–near infrared spectroscopy and machine learning

【字体: 大 中 小 】 时间:2026年06月13日 来源:Journal of Food Composition and Analysis 5.3

编辑推荐:

  牛奶鉴别对于确保乳制品行业的产品质量、消费者信心和法规合规至关重要。本研究通过集成可见-近红外(Vis-NIR)光谱与机器学习,建立了一个非破坏性牛奶分类框架,以区分牛乳、山羊乳和复原乳。共采集了3000个光谱(每类1000个),采用分层抽样分为训练集(n=2

  
牛奶鉴别对于确保乳制品行业的产品质量、消费者信心和法规合规至关重要。本研究通过集成可见-近红外(Vis-NIR)光谱与机器学习,建立了一个非破坏性牛奶分类框架,以区分牛乳、山羊乳和复原乳。共采集了3000个光谱(每类1000个),采用分层抽样分为训练集(n=2400)和独立测试集(n=600)。系统评估了四种预处理流程和十种机器学习模型。光谱分析揭示了明显的类别依赖性差异,特别是在600-1000 nm区域,对应于与水、脂质和蛋白质相关的吸收特征。主成分分析(PCA)显示了牛奶类别间的明显聚类,表明光谱具有很强的可分离性。对训练集进行的交叉验证显示出优异的性能,XGBoost达到了最高的平均准确率(99.35%),其次是LightGBM(99.20%)和Gradient Boosting(99.00%)。独立测试评估进一步证实了强大的泛化能力,XGBoost达到了最高准确率(99.17%)。总体而言,结果表明Vis-NIR光谱与机器学习结合在快速可靠的牛奶鉴别方面具有潜力。
**研究背景与问题**
在乳制品行业中,牛奶的真实性鉴别是确保产品质量、维护消费者信任和满足法规要求的关键环节。随着掺假、替代和错分类现象的增多——例如不同动物来源牛奶的混合以及复原乳的掺入——对可靠、快速且非破坏性检测方法的需求日益迫切。传统分析技术(如色谱法、电泳法、傅里叶变换红外光谱(FTIR)、拉曼光谱及质谱法)虽准确度高,但通常需要复杂的样品制备、专业化仪器和破坏性操作,限制了其在实时质量监控中的适用性。可见-近红外(Vis-NIR)光谱因其快速采集、最少样品预处理和能捕获O-H、C-H、N-H等基团倍频与合频振动信息的能力,成为一种有前景的非破坏性分析手段。然而,光谱数据的高维性和重叠吸收模式限制了传统统计方法的性能。为此,研究人员开展本研究,旨在通过Vis-NIR光谱结合机器学习(ML)方法,系统比较多种分类模型,开发一个非破坏性的牛奶分类框架,以区分牛乳、山羊乳和复原乳,并识别关键判别波长区域。该论文发表在《Journal of Food Composition and Analysis》。

**关键技术方法**
研究人员采用的主要关键技术方法包括:(1)**Vis-NIR光谱采集**:使用LinkSquare便携式Vis-NIR光谱仪(400–1000 nm)结合液体测量附件,在反射模式下采集牛奶光谱。样本来自韩国电商平台Coupang的商业产品(包括牛乳、山羊乳和复原乳,共4个品牌),共获得3000个光谱(每类1000个)。(2)**光谱预处理**:系统评估了四种预处理流程,最终采用最简方案(缺失值插补后标准化)进行后续建模。(3)**机器学习模型开发**:构建了十种监督学习模型(支持向量机(SVM)、随机森林(RF)、k近邻(KNN)、逻辑回归(LR)、决策树(DT)、梯度提升(GB)、极限梯度提升(XGBoost)、轻量梯度提升机(LightGBM)、多层感知机(MLP)和朴素贝叶斯(NB)),通过GridSearchCV结合5折交叉验证优化超参数。(4)**特征重要性分析**:采用基于置换的重要性方法识别对分类贡献最大的波长区域。

**研究结果**
**3.1 光谱特征与类别差异**
通过分析原始光谱发现,牛乳、山羊乳和复原乳在700–900 nm区域内展现出显著差异,该区域与O-H、C-H和N-H键的倍频振动相关,对应水、脂质和蛋白质等主要成分。单因素方差分析(ANOVA)验证了这些统计显著差异(p < 0.001),效应量(η2)和成对差异光谱进一步确认了牛乳与复原乳之间的分离最明显,而山羊乳与复原乳之间差异较小。

**3.2 差异光谱分析与判别波长识别**
结合符号显著性图谱和火山图分析,发现600–1000 nm区域包含最丰富的判别信息,尤其是牛乳与复原乳的对比中,该区域显示出最强烈且最宽的显著波长区间。这归因于干燥和复原过程导致的蛋白质变性、脂肪重新分布和水结合状态改变,从而引起光学性质变化。

**3.3 PCA主成分分析**
主成分分析(PCA)的三维得分图显示牛乳、山羊乳和复原乳之间清晰的聚类分离,尤其是牛乳与复原乳沿第一主成分(PC1)轴分离明显。PCA载荷图表明600–1000 nm区域对主成分贡献最大,与ANOVA和差异光谱分析结果一致。尽管前三个主成分累计方差仅44.94%,但已实现有意义的类别分离。

**3.4 模型优化与交叉验证性能**
在训练集(n=2400)上经5折交叉验证,所有模型平均准确率均超过93%。其中XGBoost表现最佳,达到最高平均准确率(99.35%)和最低标准偏差(±0.28),其次为LightGBM(99.20%)和GB(99.00%)。集成模型(RF 98.45%、SVM 98.20%)也展现出强竞争力。各模型的精确率、召回率和F1分数与准确率高度一致,表明没有明显类别偏差。

**3.5 独立测试性能与混淆矩阵分析**
在独立测试集(n=600)上,XGBoost再次以99.17%的准确率、精确率、召回率和F1分数领先,LightGBM(99.00%)和GB(98.50%)紧随其后。混淆矩阵显示大部分模型呈强对角线主导,误分类主要发生在牛乳与山羊乳之间,而复原乳分离更清晰。训练与测试结果的一致证实了良好的泛化能力。

**3.6 特征重要性分析与关键判别波长**
基于置换的特征重要性分析揭示,判别信息集中在530 nm(可见区,与核黄素、类胡萝卜素及散射相关)、720 nm(C-H倍频,与脂肪组成相关)和860 nm附近(O-H、C-H、N-H倍频,反映水、脂质和蛋白质相互作用)。集成模型(如XGBoost、RF)产生更尖锐的重要性峰,而MLP呈现较平滑分布,但各模型识别的主要区域高度一致,验证了这些波长的稳健性。

**讨论与结论**
研究人员在讨论部分指出,尽管框架性能优异,但样本仅来自有限品牌且为实验室条件,未来需纳入外部数据集和品牌级验证。研究结论部分翻译如下:在本研究中,开发了Vis-NIR光谱与机器学习相结合的非破坏性分类框架,用于区分牛乳、山羊乳和复原乳。光谱分析显示了明显的类别依赖性差异,特别是在600–1000 nm波长区域,该区域通过光谱分析、统计验证、PCA载荷模式和特征重要性分析被一致识别。在评估的模型中,XGBoost表现最佳,交叉验证平均准确率为99.35%,独立测试准确率为99.17%,其次为LightGBM和GB。多个算法的一致高性能证实Vis-NIR光谱包含足够的判别信息用于可靠的牛奶分类。特征重要性分析进一步识别了与主要牛奶成分(包括水、脂质和蛋白质)相关的关键波长区域,为分类框架提供了额外的可解释性。总体而言,结果表明集成Vis-NIR光谱与机器学习为牛奶鉴别和质量评估提供了一种快速、非破坏且有效的策略。该提出的方法在乳制品质量控制和实时鉴别系统中显示出强大的应用潜力。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号