【技術實現步驟摘要】
本專利技術涉及食品產地鑒別。更具體地說，本專利技術涉及一種基于反向傳播神經網絡的灘羊肉產地鑒別方法。
技術介紹
1、目前，用于灘羊肉產地溯源的檢測技術主要有穩定同位素法、礦物元素法、核磁共振光譜法、紅外光譜指紋法、有機成分指紋分析法和其他方法。但是這些傳統的灘羊肉產地溯源檢測技術具有前處理復雜或是取樣量大等缺點，急需開發一種取樣量少、快速、可靠的灘羊肉產地快速溯源方法，以維護市場公平，保護消費者權益。
2、隨著機器學習技術的發展，基于神經網絡的分類方法在模式識別和分類問題中表現出了強大的能力。反向傳播神經網絡作為一種常見的多層前饋神經網絡，已被廣泛應用于茶葉、蝦姑、玉米等食品溯源領域。然而，反向傳播神經網絡在訓練過程中容易陷入局部最優，且其訓練效率和分類性能受初始權重和參數設置的影響較大，常導致模型效果不佳。粒子群算法作為一種智能優化算法，通過模擬鳥群覓食過程來進行全局搜索，具有實現簡單、收斂速度快等優點。粒子群算法可以有效克服傳統反向傳播神經網絡易陷入局部最優等缺點，提高模型的準確性和魯棒性，為灘羊肉的產地鑒別提供了新的思路。
技術實現思路
1、本專利技術的目的是提供一種基于反向傳播神經網絡的灘羊肉產地鑒別方法，以取樣量少、快速、可靠的鑒別灘羊肉產地。
2、為了實現根據本專利技術的這些目的和其它優點，提供了一種基于反向傳播神經網絡的灘羊肉產地鑒別方法，包括：
3、提取不同產地灘羊肉樣品中的脂質物；
4、采用lc-ms/ms系統分析不
5、采用隨機森林模型對所有樣品中脂質物的成分和含量進行篩選，得到不同產地灘羊肉樣品的特征脂質數據；
6、采用不同產地灘羊肉樣品的特征脂質數據對預先構建的基于粒子群算法優化的反向傳播神經網絡進行訓練；
7、采用訓練好的基于粒子群算法優化的反向傳播神經網絡對未知產地的灘羊肉進行產地鑒別。
8、優選地是，提取灘羊肉樣品中脂質物的方法包括：
9、取灘羊肉樣品20mg加入1ml含內標的脂質提取液，渦旋15min后加入200μl水，再渦旋1min，接著在4℃條件下，13500g離心10min，吸取上層清液200μl用真空濃縮器蒸發，將干燥的提取物溶解在200μl脂質復溶液中渦旋3min，13500g離心3min。
10、優選地是，含內標的脂質提取液為甲基叔丁基醚與甲醇按體積比為3:1混合得到的溶液；
11、脂質復溶液為乙腈與異丙醇按體積比1:1混合得到的溶液。
12、優選地是，?lc-ms/ms系統分析的色譜條件為：采用c30色譜柱進行色譜分離，色譜柱溫度為45℃，脂質物采用二元溶劑系統進行梯度洗脫，二元溶劑系統中：流動相a包括含0.1%體積分數甲酸和10mm甲酸銨的乙腈-水溶液，乙腈與水的體積比為6:4；流動相b包括含0.1%體積分數甲酸和10mm甲酸銨的乙腈-異丙醇溶液，乙腈與異丙醇的體積比為1:9，梯度洗脫流速為0.35ml/min，梯度洗脫參數包括：0~15.5min，流動相a從80%梯度減少至5%，流動相b從20%梯度增加至95%；15.5~17.3min，流動相a為5%，流動相b為95%；17.3~17.5min，流動相a從5%增加至80%，流動相b從95%減少至20%；17.5~20min，流動相a為80%，流動相b為20%。
13、優選地是，lc-ms/ms系統分析的質譜條件為：采用esi-qtrap-ms方式，電噴霧離子源溫度500℃，正離子模式下質譜電壓5500v，負離子模式下質譜電壓-4500v。
14、優選地是，lc-ms/ms系統分析的數據采集條件為：提取原始峰強度數據，色譜峰過濾的最低強度為?1000?cps，最低信噪比為5，保留時間偏差＜0.2min，基于qc樣本峰面積，刪除檢出率小于50%及cv大于0.3的物質。
15、優選地是，采用隨機森林模型對所有不同產地灘羊肉樣品中脂質物的成分和含量進行篩選的方法包括：將分類樹的個數設置為1000，隨機抽取五分之一的數據作為袋外數據，為避免結果隨機性，每個模型重復構建10次，通過平均oob錯誤率評估模型性能，通過平均變量重要性對因子進行排序，逐步剔除重要性后20%的因子。
16、優選地是，采用粒子群算法對反向傳播神經網絡進行優化，參數設置為：粒子群算法的種群更新次數為30，種群規模為5，最大速度為1.0，最小速度為-1.0，優化變量邊界為-2.0到2.0，反向傳播神經網絡的輸入層節點數為11，隱藏層節點數為6，輸出層節點數為2。
17、本專利技術至少包括以下有益效果：使用脂質組學和機器學習算法構建區分不同地區灘羊肉來源的可行方法。對不同地區來源的肉樣本進行了廣泛靶向脂質組學分析，通過隨機森林算法篩選出最有效的特征脂質，并探究反向傳播（bp）神經網絡與兩種優化后的bp神經網絡（基于遺傳算法優化（ga）、基于粒子群算法優化（pso））在區分灘羊肉來源方面的準確性。結果表明，隨機森林能夠作為一種生物標志物的篩選手段實現特征脂質的有效篩選，通過粒子群算法優化后的反向傳播神經網絡能夠實現不同地區灘羊肉產地的精準鑒別，有助于為區分不同來源的肉提供可靠的技術支持。
18、本專利技術的其它優點、目標和特征將部分通過下面的說明體現，部分還將通過對本專利技術的研究和實踐而為本領域的技術人員所理解。
本文檔來自技高網...【技術保護點】
1.一種基于反向傳播神經網絡的灘羊肉產地鑒別方法，其特征在于，包括：
2.如權利要求1所述的基于反向傳播神經網絡的灘羊肉產地鑒別方法，其特征在于，提取灘羊肉樣品中脂質物的方法包括：
3.如權利要求2所述的基于反向傳播神經網絡的灘羊肉產地鑒別方法，其特征在于，含內標的脂質提取液為甲基叔丁基醚與甲醇按體積比為3:1混合得到的溶液；
4.如權利要求1所述的基于反向傳播神經網絡的灘羊肉產地鑒別方法，其特征在于，LC-MS/MS系統分析的色譜條件為：采用C30色譜柱進行色譜分離，色譜柱溫度為45℃，脂質物采用二元溶劑系統進行梯度洗脫，二元溶劑系統中：流動相A包括含0.1%體積分數甲酸和10mM甲酸銨的乙腈-水溶液，乙腈與水的體積比為6:4；流動相B包括含0.1%體積分數甲酸和10mM甲酸銨的乙腈-異丙醇溶液，乙腈與異丙醇的體積比為1:9，梯度洗脫流速為0.35mL/min，梯度洗脫參數包括：0~15.5min，流動相A從80%梯度減少至5%，流動相B從20%梯度增加至95%；15.5~17.3min，流動相A為5%，流動相B為95%；17.3~17.5m
5.如權利要求4所述的基于反向傳播神經網絡的灘羊肉產地鑒別方法，其特征在于，LC-MS/MS系統分析的質譜條件為：采用ESI-QTRAP-MS方式，電噴霧離子源溫度500℃，正離子模式下質譜電壓5500V，負離子模式下質譜電壓-4500V。
6.如權利要求5所述的基于反向傳播神經網絡的灘羊肉產地鑒別方法，其特征在于，LC-MS/MS系統分析的數據采集條件為：提取原始峰強度數據，色譜峰過濾的最低強度為1000?cps，最低信噪比為5，保留時間偏差＜0.2min，基于QC樣本峰面積，刪除檢出率小于50%及CV大于0.3的物質。
7.如權利要求1所述的基于反向傳播神經網絡的灘羊肉產地鑒別方法，其特征在于，采用隨機森林模型對所有不同產地灘羊肉樣品中脂質物的成分和含量進行篩選的方法包括：將分類樹的個數設置為1000，隨機抽取五分之一的數據作為袋外數據，為避免結果隨機性，每個模型重復構建10次，通過平均OOB錯誤率評估模型性能，通過平均變量重要性對因子進行排序，逐步剔除重要性后20%的因子。
8.如權利要求1所述的基于反向傳播神經網絡的灘羊肉產地鑒別方法，其特征在于，采用粒子群算法對反向傳播神經網絡進行優化，參數設置為：粒子群算法的種群更新次數為30，種群規模為5，最大速度為1.0，最小速度為-1.0，優化變量邊界為-2.0到2.0，反向傳播神經網絡的輸入層節點數為11，隱藏層節點數為6，輸出層節點數為2。
...【技術特征摘要】
1.一種基于反向傳播神經網絡的灘羊肉產地鑒別方法，其特征在于，包括：
2.如權利要求1所述的基于反向傳播神經網絡的灘羊肉產地鑒別方法，其特征在于，提取灘羊肉樣品中脂質物的方法包括：
3.如權利要求2所述的基于反向傳播神經網絡的灘羊肉產地鑒別方法，其特征在于，含內標的脂質提取液為甲基叔丁基醚與甲醇按體積比為3:1混合得到的溶液；
4.如權利要求1所述的基于反向傳播神經網絡的灘羊肉產地鑒別方法，其特征在于，lc-ms/ms系統分析的色譜條件為：采用c30色譜柱進行色譜分離，色譜柱溫度為45℃，脂質物采用二元溶劑系統進行梯度洗脫，二元溶劑系統中：流動相a包括含0.1%體積分數甲酸和10mm甲酸銨的乙腈-水溶液，乙腈與水的體積比為6:4；流動相b包括含0.1%體積分數甲酸和10mm甲酸銨的乙腈-異丙醇溶液，乙腈與異丙醇的體積比為1:9，梯度洗脫流速為0.35ml/min，梯度洗脫參數包括：0~15.5min，流動相a從80%梯度減少至5%，流動相b從20%梯度增加至95%；15.5~17.3min，流動相a為5%，流動相b為95%；17.3~17.5min，流動相a從5%增加至80%，流動相b從95%減少至20%；17.5~20min，流動相a為80%，流動相b為20%。
5.如權利要求4所述的基于反向傳播神經網絡的灘羊肉產地鑒別方...
【專利技術屬性】
技術研發人員：張德權，陳麗，楊琦，劉崇歆，李少博，徐慕瑄，鄭曉春，李程，
申請(專利權)人：中國農業科學院農產品加工研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。