劉 星單 楊，2，3李高陽(yáng)，2，3

（1.中南大學(xué)隆平分院，湖南 長(zhǎng)沙 410125；2.湖南省食品測(cè)試分析中心，湖南 長(zhǎng)沙 410125；3.湖南省農(nóng)產(chǎn)品加工研究所，湖南 長(zhǎng)沙 410125）

SVM法定性鑒別奶牛飼料中脲醛樹(shù)脂的可行性研究

劉 星1單 楊1，2，3李高陽(yáng)1，2，3

（1.中南大學(xué)隆平分院，湖南 長(zhǎng)沙 410125；2.湖南省食品測(cè)試分析中心，湖南 長(zhǎng)沙 410125；3.湖南省農(nóng)產(chǎn)品加工研究所，湖南 長(zhǎng)沙 410125）

收集中國(guó)常用的、具有代表性的奶牛精補(bǔ)料44個(gè)樣品，制備176個(gè)脲醛樹(shù)脂（urea－formaldehyde resins，UF）摻假樣品。在全光譜范圍內(nèi)進(jìn)行近紅外透反射光譜掃描，選擇不同的歸一化方式進(jìn)行前處理，采用支持向量機(jī)（support vector machine，SVM）方法，篩選最佳的預(yù)處理方法來(lái)建立定性鑒別模型。當(dāng)采用歸一化方式與主成分分析（principal component analysis，PCA）相結(jié)合時(shí)，所建立的SVM 定性分析模型的預(yù)測(cè)精確率達(dá)到97.701 1%。說(shuō)明利用近紅外透反射光譜建立定性分析模型來(lái)檢測(cè)奶牛飼料中是否摻有UF的研究是可行的。

奶牛飼料；脲醛樹(shù)脂；近紅外光譜；支持向量機(jī)（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(dá)66.7%，常被不法分子為謀取經(jīng)濟(jì)利益而添加在生鮮乳、乳制品及飼料中［1］。2007年3月美國(guó)多起狗、貓等寵物中毒死亡事件的發(fā)生為建立飼料中三聚氰胺檢測(cè)標(biāo)準(zhǔn)提出迫切需求。2007年6月14日，中華人民共和國(guó)農(nóng)業(yè)部發(fā)布實(shí)施NY/T 1372——2007《飼料中三聚氰胺的測(cè)定》，該法是目前飼料生產(chǎn)企業(yè)和各個(gè)實(shí)驗(yàn)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(duì)于其他蛋白精的檢測(cè)仍然處于空白，這為不法分子造假提供了漏洞。

脲醛樹(shù)脂是由尿素與甲醛反應(yīng)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(shù)脂。固化后的脲醛樹(shù)脂顏色比酚醛樹(shù)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(yú)粉中的檢測(cè)報(bào)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(guò)顯色反應(yīng)來(lái)檢驗(yàn)。該方法為化學(xué)方法，需要對(duì)樣品進(jìn)行前處理，而且還需要多種化學(xué)藥品，不便于現(xiàn)場(chǎng)的快速檢測(cè)。

近紅外技術(shù)（NIR）是20世紀(jì)70年代后發(fā)展起來(lái)的一種新的快速定性定量分析技術(shù)，近紅外光譜包含豐富的物質(zhì)信息，其譜圖與物質(zhì)本身的組成密切相關(guān)，通過(guò)對(duì)光譜特征的分析，可以獲得有關(guān)物質(zhì)結(jié)構(gòu)與組成的信息。由于其具有快速、無(wú)損和無(wú)化學(xué)污染等特點(diǎn)，已廣泛應(yīng)用于飼料檢測(cè)行業(yè)［4］。目前國(guó)內(nèi)外尚無(wú)利用近紅外光譜分析法對(duì)奶牛飼料中脲醛樹(shù)脂含量進(jìn)行快速定性分析研究的文獻(xiàn)報(bào)道。本試驗(yàn)用近紅外光譜分析的方法定性鑒別奶牛飼料中的脲醛樹(shù)脂，探討其作為一種檢測(cè)奶牛飼料中脲醛樹(shù)脂存在的快速、無(wú)破壞性的綠色分析技術(shù)的可行性和實(shí)用性。

1 材料與方法

1.1 材料與試劑

奶牛飼料樣本：農(nóng)標(biāo)普瑞納（長(zhǎng)沙）飼料有限公司；

脲醛樹(shù)脂（UF）：北京益安達(dá)宸化工有限責(zé)任公司。

1.2 儀器與設(shè)備

傅立葉變換近紅外光譜儀：Nicolet AntarisⅡ型，美國(guó)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(shù)據(jù)轉(zhuǎn)化。

旋風(fēng)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(yàn)將近紅外光譜用于奶牛飼料中脲醛含量快速檢測(cè)尚屬于探索性研究，因此試驗(yàn)采用定性分析方法，即配制含有脲醛樹(shù)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(shù)脂的奶牛飼料樣品，通過(guò)采集樣品的近紅外光譜和定性分析方法相結(jié)合來(lái)建立定性分析模型。

1.3.1 樣本的制備 總樣品包括176個(gè)，其中不含UF的純精料補(bǔ)充料44個(gè)，不同UF含量的樣品132個(gè)。含有UF的精料補(bǔ)充料在實(shí)驗(yàn)室制備，具體方法如下：收集不含UF的奶牛飼料樣本44個(gè)，共5類，分別為草食動(dòng)物補(bǔ)充料、小牛精料補(bǔ)充料、育成牛精料補(bǔ)充料、奶牛精料補(bǔ)充料、干奶牛精料補(bǔ)充料。使用旋風(fēng)磨粉碎樣本，使之全部通過(guò)20目的標(biāo)準(zhǔn)篩。用電子分析天平（精度為0.000 1g）稱量。采用隨機(jī)組合在精料補(bǔ)充料中加入不同質(zhì)量分?jǐn)?shù)（5%～15%）的UF。間隔為5%，共制備132個(gè)試驗(yàn)樣本［1］。

1.3.2 樣品NIR光譜采集 打開(kāi)電源，儀器預(yù)熱45min以上。為保持裝樣量一致，裝樣時(shí)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(shí)。放入檢測(cè)位置，對(duì)樣本進(jìn)行近紅外掃描。為減小誤差，每個(gè)樣本旋轉(zhuǎn)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(shí)，為了減小儀器的系統(tǒng)誤差，樣本按隨機(jī)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(cè)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(chǔ)。整個(gè)試驗(yàn)過(guò)程保持室內(nèi)溫度在25℃左右。

1.3.3 SVM定性分析模型建立 支持向量機(jī)法的主要思想是建立一個(gè)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(yōu)點(diǎn)是基于VC（Vapnik－Cher－vonenkis）推廣性理論框架，能在很廣的各種函數(shù)集中構(gòu)造函數(shù)，不需要微調(diào)［5，6］。

為了提高建模運(yùn)算速度，減少運(yùn)算量，經(jīng)由主成分分析降維提取出貢獻(xiàn)率高的得分變量再來(lái)建立SVM定性分析模型。PCA用于光譜的預(yù)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(yīng)的共線，然后在考慮不同歸一化方式以及不用歸一化預(yù)處理后測(cè)試集預(yù)測(cè)分類準(zhǔn)確率的不同評(píng)價(jià)模型的優(yōu)劣［7］。

2 結(jié)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?jǐn)?shù)的選擇非常重要，如果建立模型使用主成分?jǐn)?shù)過(guò)少，就不能反映未知樣品被測(cè)組分產(chǎn)生的測(cè)量數(shù)據(jù)變化，其模型的預(yù)測(cè)能力就會(huì)降低；如果選擇的主成分?jǐn)?shù)過(guò)多，就會(huì)將一些代表噪聲的主成分加入到模型中，同樣會(huì)使模型的預(yù)測(cè)能力下降［8，9］，因此在做SVM分析之前對(duì)光譜進(jìn)行主成分分析，經(jīng)主成分分析光譜數(shù)據(jù)后得到前4個(gè)主成分累計(jì)貢獻(xiàn)率（見(jiàn)表1）。由表1可知，第一主成分的貢獻(xiàn)率就達(dá)到97.66%，當(dāng)取到前4個(gè)主成分時(shí)累計(jì)貢獻(xiàn)率已達(dá)99.85%，就說(shuō)明前4個(gè)主成分基本包括了變量信息。

表1 主成分的累計(jì)可信度Table 1 The reliabilities of principal components

2.2 定性分析模型的建立和驗(yàn)證

將樣本進(jìn)行主成分分析后，從44個(gè)未摻假樣本中抽取前22個(gè)為訓(xùn)練集，剩余22個(gè)為測(cè)試集；從132個(gè)摻假樣中抽取67個(gè)為訓(xùn)練集，剩余為測(cè)試集。將其進(jìn)行歸一化處理和不用歸一化處理來(lái)得出其預(yù)測(cè)分類的準(zhǔn)確率，結(jié)果見(jiàn)表2。

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

由表2可知，不進(jìn)行歸一化處理的預(yù)測(cè)分類準(zhǔn)確率為91.954 0%，優(yōu)于進(jìn)行歸一化預(yù)處理的結(jié)果，說(shuō)明歸一化預(yù)處理并不是必須的；但當(dāng)歸一化處理與PCA處理相結(jié)合時(shí)，則會(huì)出現(xiàn)最優(yōu)的處理結(jié)果，其預(yù)測(cè)分類準(zhǔn)確率達(dá)到97.701 1%。結(jié)果見(jiàn)圖1。由圖1可知，有兩個(gè)樣本被錯(cuò)分。

圖1 測(cè)試集的分類結(jié)果圖Figure 1 The results of test set classification

3 結(jié)論

（1）建立了SVM定性分析模型，經(jīng)過(guò)PCA提取主成分后確定提取4個(gè)特征變量，考慮不同的歸一化方式對(duì)SVM模型的影響，最后選擇PCA與進(jìn)行歸一化處理相結(jié)合的預(yù)處理方法，得到奶牛飼料預(yù)測(cè)分類準(zhǔn)確率為97.701 1%。該方法具有分析時(shí)間短、無(wú)化學(xué)試劑污染、對(duì)檢測(cè)人員要求低、單個(gè)樣品的分析成本很低，因此可作為快速篩選方法。

（2）本試驗(yàn)對(duì)樣本摻假范圍為5%～15%均能夠準(zhǔn)確檢出。因此NIRS定性分析模型雖然不能給出UF含量的預(yù)測(cè)值，但摻假量大于5%時(shí)，能準(zhǔn)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(bǔ)料與純精補(bǔ)料具有可行性。

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

2 榮榮，顧繼友.脲醛樹(shù)脂在復(fù)合材料中的研究進(jìn)展［J］.中國(guó)膠粘劑，2011，20（2）：52～56.

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

4 李輝，秦玉昌，呂小文，等.近紅外光譜分析技術(shù)在飼料質(zhì)量安全評(píng)價(jià)中的應(yīng)用研究進(jìn)展［J］.農(nóng)業(yè)工程學(xué)報(bào)，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(jīng)網(wǎng)絡(luò)30個(gè)案例分析［M］.北京：北京航空航天大學(xué)出版社，2010：1～20.

8 謝中華.MATLAB統(tǒng)計(jì)分析與應(yīng)用：40個(gè)案例分析［M］.北京：北京航空航天大學(xué)出版社，2011：112～120.

9 史永剛，粟斌，田高友，等.化學(xué)計(jì)量學(xué)方法及 MATLAB實(shí)現(xiàn)［M］.北京：中國(guó)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(guó)家科技支撐計(jì)劃《畜禽產(chǎn)品產(chǎn)前重要潛在危害添加物的識(shí)別及配套檢測(cè)標(biāo)準(zhǔn)研究》專題（編號(hào)：2009BADB7B07）；中南大學(xué)學(xué)位論文創(chuàng)新資助（編號(hào)：2010ssxt256）

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

單楊

2011－03－30