[发明专利]基于增量主成份分析的牛奶凝结过程实时监测方法

说明书

技术领域

本发明涉及一种牛奶凝结过程实时监测方法，特别涉及一种基于增量主成份分析的牛奶凝结过程实时监测方法。

背景技术

牛奶凝结用于制作奶酪的步骤是通过切割形成乳凝胶，所切割的时间最终影响奶酪的产量和品质。如果切割的时间太早导致产量的损失，切割的时间太晚导致得到高水分的奶酪。现在的奶酪乳制品制作中，工厂操作员主要是根据他们的工作经验手工切割牛奶凝结形成的乳凝胶，不仅成本高还带有主观因素，这阻碍了流程的自动化和影响了工作效率。因此，我们有必要优化一种确定切割时间的自动化方法。

牛奶凝乳酶诱导凝胶是需要经历三个基本阶段：

(1)初始酶水解，J-酪蛋白将改变其酪蛋白胶束，最终形成副酪蛋白。

(2)副酪蛋白的聚合，其中聚合速率取决于自由副酪蛋白的浓度，意味着这一阶段是依赖于速率和第J酪蛋白水解的程度；

(3)凝胶过程，形成聚合物网络聚合胶束链，也称为凝胶固化。过度之间的阶段，不易察觉，因为头部和尾部连续的阶段在一定程度上是重叠的。

发明内容

本发明的目的在于，提供一种基于增量主成份分析的牛奶凝结过程实时监测方法。它可以精确检测牛奶凝结过程中主要成分的变化，从而实现牛奶凝结过程的实时监测，以用于作为切割乳凝胶的时间标准，进而提高奶酪的产量和品质。

本发明的技术方案：基于增量主成份分析的牛奶凝结过程实时监测方法，包括以下步骤：

S1.采集多个批次的牛奶凝结过程中各个时间点的近红外光谱数据作为原始数据；

S2.对原始数据进行标准化的预处理，得到多个批次的标准化数据；

S3.通过聚类算法将第一个批次的标准化数据进行聚类操作；，生成多个聚类，并将这些聚类标识为不同的窗口；

S4.对每个窗口中的标准化原始数据进行主成份分析(常规主成份分析方法)，得到每个窗口内的数据载荷和数据对应的主成份得分；

S5.根据时间点的对应关系，将对下一个批次的标准化数据增加到各个窗口中，并使用增量主成份分析方法对窗口中的新增数据进行修正以及预测它们的主成份得分，并形成当前窗口的数据特征；

S6.对剩余批次标准化数据逐个重复步骤S5；

S7.采集待监测的牛奶凝结过程中的近红外光谱实时数据，并以步骤S5相同的方法将近红外光谱实时数据新增到窗口中，通过观察每个窗口内近红外光谱数据的主成份得分来判断牛奶凝结处于哪个阶段(通过窗口去实现观察)。

上述的基于增量主成份分析的牛奶凝结过程实时监测方法中，所述步骤S2的预处理使用标准化函数，即

前述的基于增量主成份分析的牛奶凝结过程实时监测方法中，所述步骤S3中采用欧式距离作为聚类的指标。多维欧式距离d计算公式为

其中x_i1代表第一个点的第i维坐标，x_i2代表第二个点的的第i维坐标。的第1维坐标，x_i2代表x_i2的第2维坐标，d代表多维空间的点点之间的几何距离。前述的基于增量主成份分析的牛奶凝结过程实时监测方法中，所述步骤7中每个窗口内的数据特征包括窗口内数据的个数、窗口内数据的主成份载荷、主成份的得分及得分所对应的时间点。

前述的基于增量主成份分析的牛奶凝结过程实时监测方法中，所述步骤S5中，当下一个批次的标准化原始数据中有不符合加入已有窗口的条件的数据，则建立新的窗口，并将这些数据放入新建的窗口，并使用主成份分析方法进行载荷和得分的计算；如果窗口数量达到上限，则合并最近的两个窗口，否则直接建立一个新的窗口。

所述步骤S5中的增量主成份分析方法(IPCA)，它不必假设输入样本为零均值并可以动态地更新均值，其描述如下：

给定一个d*n的近红外光谱数据矩阵X_n＝{X₁,X₂,...X_n}，其中，X_i表示第i个批次的数据(d表示d维数向量)。

针对第一批次的近红外光谱的数据,利用PCA算法可以求得PCA得分矩阵F₀：

X₀Q₀＝F₀

其中P₀表示第0批次数据的载荷，即单位特征向量。

令K₀是一个常数。