以鲜牛奶新鲜度检测为案例的研究性学习设计

以＂鲜牛奶新鲜度检测＂为题材,从实验原理、实验方法以及相关度比较等科学方法进行化学与生活研究性学习课程的设计,提出三个阶段的教学策略与对应的研究点;并给出课时安排的建议与注意问题。

基于数据训练模型的牛奶新鲜度实时无损检测技术研究

通常情况下,牛奶出厂后所处的环境状况和包装质量均对其新鲜度的变化有很大的影响,仅凭厂商所提供的保质期很难持续判断其新鲜度情况。首先通过重复相关实验获得大量牛奶pH值相关数据,接着对数据进行分析、拟合处理并搭建出了环境温度、放置时间与牛奶pH值之间的三维关系模型。同时设计了温度与时间采集装置,结合所获得的模型,实现了牛奶新鲜度数据的实时呈现。最后通过与传统测量结果对比来验证装置的实用性,结果表明:该装置在无损检测的前提下能完成对牛奶新鲜度的实时、精确反馈。

纯牛奶、还原奶、掺假奶、牛奶新鲜度的近红外检测

本文章考察了利用红外光谱技术快速、准确、无损伤的实现纯牛奶中还原奶的鉴别,实现原料奶新鲜度判别的可行性。实验结果表明:利用判别分析的方法建立还原奶的鉴别模型,对还原奶掺入量在20%以上的样品,该方法的正确判别率约在90%以上,对还原奶掺入量在50%以上的样品可以实现两者的100%判别;利用偏最小二乘(PLS)的方法建立了原料奶酸度和PH值预测的定量数学模型,其平均预测误差<0.5%,可以达到乳品企业快速准确预测的要求;另外,利用定性判别的方法建立了牛奶新鲜度的判别模型,并建立了识别掺碱牛奶的模型,其正确判别率均在95%以上。以上结果说明近红外技术可以很好的实现还原奶掺假的鉴别分析以及原料奶新鲜度的快速测定。

电子鼻对不同存储时间纯牛奶的检测分析

利用电子鼻系统的气体传感器阵列对牛奶的响应曲线特征值来表示牛奶新鲜度变化,采用SPSS中逐步判别对特征进行优化,分别用最小二乘法和Bayes判别算法分析牛奶新鲜度变化情况。结果表明:逐步判别法能有效地降低数据维数,Bayes判别法和偏最小二乘法相比,把数据分布密度函数加入牛奶新鲜度识别中,提高了电子鼻对牛奶新鲜度的识别的正确率,Bayes判别法能鉴别出存储间隔12 h的商品纯牛奶新鲜度的变化。因此,利用电子鼻和Bayes判别算法是分析牛奶新鲜度的一种有效的手段。