SVM法定性鑒別奶牛飼料中脲醛樹脂的可行性研究

劉 星單 楊，2，3李高陽，2，3

（1.中南大學隆平分院，湖南 長沙 410125；2.湖南省食品測試分析中心，湖南 長沙 410125；3.湖南省農產品加工研究所，湖南 長沙 410125）

SVM法定性鑒別奶牛飼料中脲醛樹脂的可行性研究

劉 星1單 楊1，2，3李高陽1，2，3

（1.中南大學隆平分院，湖南 長沙 410125；2.湖南省食品測試分析中心，湖南 長沙 410125；3.湖南省農產品加工研究所，湖南 長沙 410125）

收集中國常用的、具有代表性的奶牛精補料44個樣品，制備176個脲醛樹脂（urea－formaldehyde resins，UF）摻假樣品。在全光譜范圍內進行近紅外透反射光譜掃描，選擇不同的歸一化方式進行前處理，采用支持向量機（support vector machine，SVM）方法，篩選最佳的預處理方法來建立定性鑒別模型。當采用歸一化方式與主成分分析（principal component analysis，PCA）相結合時，所建立的SVM 定性分析模型的預測精確率達到97.701 1%。說明利用近紅外透反射光譜建立定性分析模型來檢測奶牛飼料中是否摻有UF的研究是可行的。

奶牛飼料；脲醛樹脂；近紅外光譜；支持向量機（SVM）；定性鑒別

三聚氰胺（melamine）即蜜胺，又稱氰尿酰胺，是一種白色晶體，由于其分子中含氮量高達66.7%，常被不法分子為謀取經濟利益而添加在生鮮乳、乳制品及飼料中［1］。2007年3月美國多起狗、貓等寵物中毒死亡事件的發生為建立飼料中三聚氰胺檢測標準提出迫切需求。2007年6月14日，中華人民共和國農業部發布實施NY/T 1372——2007《飼料中三聚氰胺的測定》，該法是目前飼料生產企業和各個實驗室所用的主要方法，在一定程度上制止了三聚氰胺的非法添加，但對于其他蛋白精的檢測仍然處于空白，這為不法分子造假提供了漏洞。

脲醛樹脂是由尿素與甲醛反應得到的聚合物，其甲醛/尿素之摩爾比為1.5～2.0，為不溶不熔的熱固性樹脂。固化后的脲醛樹脂顏色比酚醛樹脂淺，呈半透明狀，耐弱酸、弱堿，絕緣性能好，耐磨性極佳，其主要用途是用作木材膠粘劑［2］。但由于其含氮量高，已有將其摻假在魚粉中的檢測報道［3］。利用脲醛聚合物在濃硫酸的作用下分解成甲醛與氨，甲醛與變色酸（鉻變酸，1，8－二羥基萘－3，6二磺酸）的濃硫酸溶液一起微熱，形成一種紫色或紫紅色的化合物，通過顯色反應來檢驗。該方法為化學方法，需要對樣品進行前處理，而且還需要多種化學藥品，不便于現場的快速檢測。

近紅外技術（NIR）是20世紀70年代后發展起來的一種新的快速定性定量分析技術，近紅外光譜包含豐富的物質信息，其譜圖與物質本身的組成密切相關，通過對光譜特征的分析，可以獲得有關物質結構與組成的信息。由于其具有快速、無損和無化學污染等特點，已廣泛應用于飼料檢測行業［4］。目前國內外尚無利用近紅外光譜分析法對奶牛飼料中脲醛樹脂含量進行快速定性分析研究的文獻報道。本試驗用近紅外光譜分析的方法定性鑒別奶牛飼料中的脲醛樹脂，探討其作為一種檢測奶牛飼料中脲醛樹脂存在的快速、無破壞性的綠色分析技術的可行性和實用性。

1 材料與方法

1.1 材料與試劑

奶牛飼料樣本：農標普瑞納（長沙）飼料有限公司；

脲醛樹脂（UF）：北京益安達宸化工有限責任公司。

1.2 儀器與設備

傅立葉變換近紅外光譜儀：Nicolet AntarisⅡ型，美國Thermo Scientific公司；配有金反射板的樣品杯（FOSS公司，丹麥），配有 TQ軟件（7.2.0.161版）用于光譜的采集，數據轉化。

旋風磨：FS－II型，杭州麥哲儀器有限公司；

電子分析天平：AL204型，梅特勒－托利多儀器（上海）有限公司。

1.3 方法

本試驗將近紅外光譜用于奶牛飼料中脲醛含量快速檢測尚屬于探索性研究，因此試驗采用定性分析方法，即配制含有脲醛樹脂的奶牛飼料樣品（由于是定性分析，因此可將脲醛的含量范圍配制的較寬）和不含有脲醛樹脂的奶牛飼料樣品，通過采集樣品的近紅外光譜和定性分析方法相結合來建立定性分析模型。

1.3.1 樣本的制備 總樣品包括176個，其中不含UF的純精料補充料44個，不同UF含量的樣品132個。含有UF的精料補充料在實驗室制備，具體方法如下：收集不含UF的奶牛飼料樣本44個，共5類，分別為草食動物補充料、小牛精料補充料、育成牛精料補充料、奶牛精料補充料、干奶牛精料補充料。使用旋風磨粉碎樣本，使之全部通過20目的標準篩。用電子分析天平（精度為0.000 1g）稱量。采用隨機組合在精料補充料中加入不同質量分數（5%～15%）的UF。間隔為5%，共制備132個試驗樣本［1］。

1.3.2 樣品NIR光譜采集 打開電源，儀器預熱45min以上。為保持裝樣量一致，裝樣時使樣品表面與樣品池邊緣相平，蓋上樣品池自帶的蓋子壓實。放入檢測位置，對樣本進行近紅外掃描。為減小誤差，每個樣本旋轉掃描3次（由于光譜掃描處加上了偏心輪），以3次掃描的平均光譜作為樣品的原始光譜。同時，為了減小儀器的系統誤差，樣本按隨機順序掃描。

采用透反射積分球模式采集光譜，透反射光程0.1mm，光譜測定范圍4 000～10 000cm－1，掃描32次，分辨率為8cm－1，掃描光譜以1g（1/R）的形式存儲。整個試驗過程保持室內溫度在25℃左右。

1.3.3 SVM定性分析模型建立 支持向量機法的主要思想是建立一個分類超平面作為決策面，使得正例和反例之間的隔離邊緣被最大化，其主要優點是基于VC（Vapnik－Cher－vonenkis）推廣性理論框架，能在很廣的各種函數集中構造函數，不需要微調［5，6］。

為了提高建模運算速度，減少運算量，經由主成分分析降維提取出貢獻率高的得分變量再來建立SVM定性分析模型。PCA用于光譜的預處理不僅可以消除背景和噪音干擾，而且還可以消除光譜響應的共線，然后在考慮不同歸一化方式以及不用歸一化預處理后測試集預測分類準確率的不同評價模型的優劣［7］。

2 結果與分析

2.1 樣品近紅外透反射光譜的主成分分析

主成分數的選擇非常重要，如果建立模型使用主成分數過少，就不能反映未知樣品被測組分產生的測量數據變化，其模型的預測能力就會降低；如果選擇的主成分數過多，就會將一些代表噪聲的主成分加入到模型中，同樣會使模型的預測能力下降［8，9］，因此在做SVM分析之前對光譜進行主成分分析，經主成分分析光譜數據后得到前4個主成分累計貢獻率（見表1）。由表1可知，第一主成分的貢獻率就達到97.66%，當取到前4個主成分時累計貢獻率已達99.85%，就說明前4個主成分基本包括了變量信息。

表1 主成分的累計可信度Table 1 The reliabilities of principal components

2.2 定性分析模型的建立和驗證

將樣本進行主成分分析后，從44個未摻假樣本中抽取前22個為訓練集，剩余22個為測試集；從132個摻假樣中抽取67個為訓練集，剩余為測試集。將其進行歸一化處理和不用歸一化處理來得出其預測分類的準確率，結果見表2。

表2 不同預處理方法的比較Table 2 The comparison of different pretreatment methods

由表2可知，不進行歸一化處理的預測分類準確率為91.954 0%，優于進行歸一化預處理的結果，說明歸一化預處理并不是必須的；但當歸一化處理與PCA處理相結合時，則會出現最優的處理結果，其預測分類準確率達到97.701 1%。結果見圖1。由圖1可知，有兩個樣本被錯分。

圖1 測試集的分類結果圖Figure 1 The results of test set classification

3 結論

（1）建立了SVM定性分析模型，經過PCA提取主成分后確定提取4個特征變量，考慮不同的歸一化方式對SVM模型的影響，最后選擇PCA與進行歸一化處理相結合的預處理方法，得到奶牛飼料預測分類準確率為97.701 1%。該方法具有分析時間短、無化學試劑污染、對檢測人員要求低、單個樣品的分析成本很低，因此可作為快速篩選方法。

（2）本試驗對樣本摻假范圍為5%～15%均能夠準確檢出。因此NIRS定性分析模型雖然不能給出UF含量的預測值，但摻假量大于5%時，能準確判斷奶牛飼料樣品是否摻有UF。利用近紅外透反射光譜定性分析方法快速判別摻有UF的精補料與純精補料具有可行性。

1 徐云，王一鳴，吳靜珠，等.用近紅外光譜檢測牛奶中的三聚氰胺［J］.紅外與毫米波學報，2010，29（1）：53～56.

2 榮榮，顧繼友.脲醛樹脂在復合材料中的研究進展［J］.中國膠粘劑，2011，20（2）：52～56.

3 郭吉原，楊海鵬，劉大建，等.魚粉中脲醛聚合物的鑒別［J］.糧食與飼料工業，2002（8）：49.

4 李輝，秦玉昌，呂小文，等.近紅外光譜分析技術在飼料質量安全評價中的應用研究進展［J］.農業工程學報，2006，22（11）：264～268.

5 Alessandra Borin，Marco Fl＾ores Ferr～ao，Cesar Mello，et al.Least－squares support vector machines and near infrared spectroscopy for quantification of common adulterants in powdered milk［J］.Analytica Chimica Acta.，2006（579）：25～32.

6 Li Hongdong，Liang Yizeng，Xu Qingsong.Support vector machines and its applications in chemistry ［J］.Chemometrics and Intelligent Laboratory Systems，2009（95）：188～198.

7 史峰，王小川，郁磊，等.MATLAB神經網絡30個案例分析［M］.北京：北京航空航天大學出版社，2010：1～20.

8 謝中華.MATLAB統計分析與應用：40個案例分析［M］.北京：北京航空航天大學出版社，2011：112～120.

9 史永剛，粟斌，田高友，等.化學計量學方法及 MATLAB實現［M］.北京：中國石化出版社，2010：196～197.

Feasibility study of qualitative identification urea－formaldehyde resins in milk cow feed by support vector machine

LIU Xing1SHAN Yang1，2，3LI Gao－yang1，2，3

（1.Longping Branch，Graduate School，Central South University，Changsha，Hunan410125，China；2.Hunan Food Testing and Analysis Center，Changsha，Hunan410125，China；3.Hunan Agricultural Product Processing Institute，Changsha，Hunan410125，China）

Forty－four samples of representative milk cow concentrate supplement were collected，and 176UF adulterated samples were prepared.The near－infrared transmission and reflectance spectra were scanned in the full spectrum.The qualitative identification mode was established by considering the different normalization ways，using SVM （Support Vector Machine）and getting the optimum pretreatment.When normalization ways combined with PCA（Principal Component Analysis），the accuracy of prediction of SVM qualitative identification mode got to 97.701 1%.Experiments show that it is feasible to distinguish the milk cow concentrate supplement adulterated with UF from the pure samples by means of the qualitative analysis model established by near－infrared transmission and reflectance spectroscopy.

milk cow feed；urea－formaldehyde resins；near infrared spectroscopy；support vector machine（SVM）；qualitative identification

10.3969 /j.issn.1003－5788.2011.04.018

國家科技支撐計劃《畜禽產品產前重要潛在危害添加物的識別及配套檢測標準研究》專題（編號：2009BADB7B07）；中南大學學位論文創新資助（編號：2010ssxt256）

劉星（1986－），女，中南大學隆平分院在讀碩士研究生。E－mail：liuxinglyg＠126.com

單楊

2011－03－30