奶粉检测的NIR模型

目前，在奶制品的品质检测中普遍采用传统的湿化学法进行检测。由于复杂的前处理过程以及必检项目的繁多，使得实验室的检测速度难以跟上生产的需求。迫切需要开发一种稳定可靠的快速分析方法。

本文以三鹿奶粉厂的实际奶粉样品为建模样品，建立了奶粉中水分、蛋白、脂肪和灰分4种成分的近红外模型，并进一步考察了模型的预测准确性及模型传递及仪器的长期稳定性。

实验方法

实验样品

三鹿奶粉厂生产的中老年、婴幼儿、准妈妈等系列配方奶粉共计846份，用传统湿化学方法取得奶粉中水分、蛋白、脂肪和灰分的理化值，作为近红外建模时的真值。

实验仪器及扫描条件

实验采用Bruker公司的MPA型傅立叶变换近红外光谱仪，采用积分球漫反射附件加上旋转样品杯，在4000~12000cm-1范围内以8cm-1分辨率扫描64次取平均。

近红外建模方法

采用MPA自带OPUS软件中的QUANT 2定量分析软件包，采用偏最小二乘法建立蛋白等4个指标的定量分析模型，模型性能用决定系数（R2）和均方差（RMSECV）两个参数进行评价。

本文采用混合建模的思想，将中老年、婴幼儿等不同配方的奶粉按成分建立统一的模型，以扩大成分含量的覆盖范围。采用20个包含不同配方的奶粉样品对模型的预测结果与实验室分析值进行比较，考察模型预测的准确性。将已建好的模型直接拷贝到另一台MPA仪器上，采用另外20个奶粉样品分别在两台MPA上进行扫描，比较两台仪器上的预测结果，考察模型的稳定性。

实验结果

建模结果

采用OPUS QUANT 2中的模型自动优化功能，对建模参数进行优化，选择最佳的光谱预处理方法和建模谱区建立水分、蛋白、脂肪和灰分的定量分析模型，具体结果请见表1，散点图请见图2~5。

图2~5中，横坐标为实验室分析的化学值，纵坐标为近红外的预测值。由表1和图2~5可以看出，水分、脂肪等模型的近红外预测值和实验室化学值之间有着良好的线性，建模样品均匀分布在化学值分布范围内，交叉证实的均方差也在国标允许的范围内。

模型预测准确性验证结果

取20个未参与建模的奶粉样品，在用近红外模型预测的同时进行实验室湿化学方法分析。近红外预测值与化学值之间的比较结果见表2。结果表明，4个模型的预测误差基本上与建模时的RMSECV相当，说明模型预测结果准确可靠。

模型传递及仪器的长期稳定性

所谓模型传递是指在不同仪器、相同附件和相同测试条件下，在一台仪器上建立的模型不需要对光谱和模型进行任何数学处理，能直接拷贝到其他仪器上正常使用。

仪器长期稳定性是指在一台仪器上建立的模型，能够长期稳定地使用，即使仪器在更换地点、光源等其他附件后不影响模型的使用，不需要重新建立模型。

本实验前期建立模型时是在一台MPA上扫描的样品，实际应用时在另一台MPA上扫描样品进行分析。为考察模型的传递效果和仪器的稳定性，我们选择了另外20个不同配方的奶粉样品，同时在两台MPA上用相同的扫描条件进行扫描并用建好的模型进行预测，结果见表3。表3中，两台仪器间水分的误差为0.04，小于水分模型的误差0.13；两台仪器间脂肪的误差为0.09，小于脂肪模型的误差0.41；两台仪器间蛋白的误差为0.12，小于蛋白模型的误差0.25；两台仪器间灰分的误差为0.13，小于灰分模型的误差0.19。
由此可以看出，两台仪器预测结果间的差别远小于模型的预测误差，说明在老仪器上建立的模型完全不用作任何校正可以拷贝到新仪器上进行使用，为实际工作中减少了不少工作量。

小结

混合建模和按配方分别建模

在建立近红外模型时要符合“少而精”的原则，即在建模时应包括尽可能多影响测量的背景信息，又要不使数据产生冗余。在《近红外光谱分析基础与应用》中总结单一品种建模（local）与混合建模（global）的关系：单一品种模型的预测准确度要好于混合建模，混合模型的稳定性和对待测样品的适应性要好于单一品种模型。

如果同一品种的样品量丰富，而且理化值的变化范围宽可以建立只适合单一品种的模型。但对奶粉来说，样品的一致性较好，单一品种的理化范围通常较窄，这样很难保证模型有较好的线性。因此，我们采用混合建模的方法来扩大模型的适应性，提高模型的稳定性，并且在短时间内可以建立较为完善的模型，缩短建模时间。

模型传递和仪器长期稳定性的影响

模型传递决定于：仪器的波长准确度和精度；仪器吸光度的准确度和精度；仪器的信噪比；制样的规范化操作。仪器的长期稳定性决定于：光源的长期稳定性和光源之间的一致性；检测器的长期稳定性；干涉仪的稳定性。仪器的长期稳定是近红外模型能够长期稳定准确预测的基础。

近红外分析的模型能够在不同仪器间进行传递，避免每台仪器重复建模的繁琐工作，便于模型资源的共享，在企业内部或行业内部能够形成统一的质量控制标准。