對于乳制品營養物質的評價中,牛奶作為人們日常生活中必需的蛋白質吸收來源較為重要的指標就是蛋白質含量。近年來，消費者的身體健康和乳品行業的發展與牛奶的質量息息相關，因此，對牛奶蛋白質含量檢測是一個很重要的環節，傳統的檢測方法消耗時間長且浪費大量的人力資源，同時還會導致環境惡化。所以找到更快速準確的牛奶蛋白質含量檢測方法，對乳業質檢有著重要意義。因此，本文采用機器學習結合高光譜成像技術對牛奶蛋白含量進行定量評估,為市場上牛奶蛋白質含量檢測提供一種可行方案，具體的研究工作和結論如下:

一、實驗材料

分別選購了蒙牛、新希望、伊利、光明等7個不同品牌的純牛奶，將其存放在冰箱中。蛋白質含量如表1所示。

二、實驗設備

本文應用了400-1000nm的高光譜相機，可采用杭州彩譜科技有限公司產品FS13進行相關研究。光譜范圍在400-1000nm，波長分辨率優于2.5nm，可達1200個光譜通道。采集速度全譜段可達128FPS，波段選擇后最高3300Hz（支持多區域波段選擇）。

三、實驗設置方法

利用高光譜儀采集牛奶樣本的高光譜圖像,對每一種類別的牛奶分別采集三次樣品，然后從 ENVI5.3選擇一張比較清晰的圖像，采集的光譜圖像為 777x1004像素的分辨率。高光譜成像儀曝光時間選10ms,像元混合次數為6次，分辨率4.8nm，平均間隔0.8nm，垂直距離30cm，采集條件:室溫(23~25°C)。拍攝時將成像光譜儀和掃描云臺安裝在一起,最后利用ENVI軟件從高光譜像中導出牛奶的平均光譜數據"

四、高光譜數據的提取與預處理

從高光譜圖像中提取高光譜反射率數據是傳統機器學習建模的基礎,一般通過提取感興趣區域(ROD)中所有像素的光譜反射率平均值得到樣本的光譜反射率數據。本文用ENVI軟件打開校正后的牛奶樣品高光譜圖像,用矩形工具選擇每張高光譜圖像中心附近的像素作為感興趣區域(ROI)，每張高光譜圖像共選取30個ROI7張高光譜圖像共選擇210個ROI，計算ROI中所有像素的光譜反射率平均值作為該樣品的光譜數據，共 210條光譜數據。其中光譜數據以ASCI的格式保存，下圖為提取ROI的過程。

本文通過高光譜成像技術結合機器學習對牛奶蛋白質含量進行預測，以提高牛奶蛋白質含量預測的精度。搭建高光譜成像系統，采集了市面上7種品牌牛奶的高光譜圖像，并用ENVI軟件提取光譜數據，建立牛奶高光譜數據集，最終提取210條高光譜數據。

高光譜成像技術在牛奶蛋白質含量檢測領域已展現出巨大潛力，盡管現階段面臨一些挑戰，但隨著跨學科技術融合創新，它將逐步革新傳統牛奶檢測模式。通過持續優化技術體系，解決實際應用問題，高光譜成像必將成為乳業質量管控不可或缺的有力工具，助力提升牛奶產業經濟效益與社會效益，滿足消費者對優質乳制品日益增長的需求。

本文由彩譜科技提供，了解更多詳情頁，歡迎咨詢。

彩譜科技（浙江）有限公司的產品廣泛應用于農業、林業、水質、塑膠制品、涂料、食品安全及醫學檢驗等領域，應用范疇持續拓展。公司堅持技術研發，提升服務水平，保障產品穩定性。公司主營多光譜相機、色差儀、分光測色儀、光澤度儀等一系列光學檢測設備，能為用戶提供有效解決方案。