牛奶成分多品牌FT-MIRS仪器创新校准转移方法与综合应用策略研究

本文系统研究了傅里叶变换中红外光谱（FT-MIRS）在多品牌仪器（Foss/Bentley/Perkin Elmer）间的校准转移问题，创新性结合卷积神经网络（CNN）、偏最小二乘回归（PLSR）等算法与PDS/DTS等六种转移方法，首次提出适用于牛奶成分（蛋白质/脂肪/固形物）检测的标准化应用策略，为跨仪器光谱数据融合提供了重要技术支撑。

　　

Highlight

本研究采用三种建模算法（PLSR、加权集成和CNN）开发了仪器间校准转移方法。当主仪器模型为CNN时，PDS方法在不同数据集中均表现出最优性能，表明CNN-PDS是最佳组合，凸显了深度学习算法的优越性。此外，DTS方法在FT-MIRS仪器中仍具适用性且存在显著改进空间。蒙特卡洛随机测试进一步验证了CNN-PDS对Bentley仪器、DTS对Perkin Elmer仪器的适应性和稳定性。

Conclusion

本研究通过三种建模算法（PLSR、加权集成和CNN）建立了仪器间校准转移方法。当主仪器模型采用CNN时，PDS方法在不同数据集上均展现最优性能，说明CNN-PDS是首选组合，体现了深度学习算法的优势。更重要的是，不依赖标准样本的DTS方法在FT-MIRS仪器间仍具适用性，并显示出巨大改进潜力。蒙特卡洛随机测试证实了CNN-PDS对Bentley仪器、DTS对Perkin Elmer仪器的鲁棒性。最终提出了针对不同品牌FT-MIRS仪器的校准转移应用策略，为跨仪器光谱预测模型的推广应用提供了重要技术路线。