고급 스펙트럼 센서 분석으로 우유 성분 정밀 측정

우유는 가장 널리 사용되는 제품 중 하나이자 모든 유제품의 원료입니다. 이를 고려할 때 우유 성분 측정은 유제품 산업에서 매우 중요해졌습니다. 각 유제품은 서로 다른 우유 성분 비율을 요구합니다. 또한 제품 품질을 추적하기 위해 우유 성분을 정기적으로 측정해야 합니다.

Figure 1. 참조 데이터(화학 분석)와 우리 모델의 예측 결과 간 관계. 각 원은 테스트 샘플을 나타내며 x좌표는 참조값, y좌표는 모델 예측값입니다. 빨간 선은 이상적 모델을 나타내며 R²(이상적 값은 1)은 모델이 이상적 모델에서 얼마나 벗어나는지 보여줍니다.

낙농업에도 큰 영향: 동물 건강과 사료 품질 진단

유제품 산업 외에도 우유 분석은 우유 공급 낙농업에 큰 영향을 미칩니다. 우유 성분은 동물 건강과 사료의 품질 및 함량과 밀접하게 관련되어 있습니다. 따라서 이러한 측정은 사료 품질과 선택을 개선하기 위한 귀중한 통찰을 제공할 뿐만 아니라, 아픈 동물의 조기 진단과 치료를 위한 귀중한 통찰도 제공합니다.

현재 우유 분석에서 가장 정확한 방법은 화학 분해법인데, 이는 느리고 파괴적이며 실험실에서만 가능합니다. 실무적으로 사용자는 보통 많은 우유 배치에서 샘플을 채취해 모든 배치에 대한 평균 결론을 얻습니다. 이러한 방법으로 동물 건강과 사료 품질을 모니터링하는 것은 극도로 비싸고 비효율적입니다.

휴대 가능하고 저렴하며 사용자가 표적 샘플을 비파괴적으로 현장에서, 바람직하게는 착유소에서 인라인으로 분석할 수 있는 우유 성분 신속 측정 간편 도구는 유제품과 낙농업 모두에 중요한 진전이 될 것입니다. 근적외선(NIR) 분광기의 소형화가 휴대용 기기가 이 목적을 위해 신뢰할 수 있고 저렴한 수단을 제공할 수 있는 지점까지 발전했습니다.

우유 성분 정량화

원유 테스트 샘플에서 지방, 단백질, 유당 각 성분 비율을 결정하는 NeoSpectra 스펙트럼 센서의 능력을 입증하기 위해 다음 절차와 테스트 사양을 구현했습니다:

사용된 샘플 세트:

• 각 샘플이 다른 동물에서 채취되어 샘플 공간이 좋은 분산을 가지도록 지역 농장에서 샘플 수집
• 샘플에 정확한 파괴적 화학 테스트 수행해 성분 정확히 기록
• 총 샘플 수: 131개
• 각 샘플을 NeoSpectra 스펙트럼 센서로 5회 측정

측정 조건:

• 확산 반사 모드 측정
• 스펙트럼 범위: 1300-2600nm
• 스캔 시간: 2초
• 해상도: λ=1,550nm에서 16nm
• 스팟 크기 = 3mm²
• 배경: 99% Spectralon™ (NIR에서 거의 평탄한 스펙트럼 응답을 가진 반사 표준)
• 모든 측정 실온에서 수행

데이터 평가

편최소제곱 회귀(PLS) 모델을 구축하여 스펙트럼과 실험실 화학 분석으로 결정된 우유 성분 측정값 간의 선형 관계를 개발했습니다. 이 모델은 스펙트럼만으로 우유 샘플 성분 비율을 예측하는 데 사용됩니다.

PLS는 각 스펙트럼이 원래 300개 변수(파장)를 초과할 수 있으므로 스펙트럼 데이터를 적은 수의 잠재 변수(latent variables, L.V.)로 축소하여 데이터 복잡성을 줄입니다. 잠재 변수는 반응(우유 성분)과의 상관관계에 따라 선택되었습니다. 상관관계가 높은 변수는 선택되고 낮은 것은 버려집니다. 그 후 예측변수(L.V.)와 반응(우유 성분 정량) 간의 선형 회귀를 적합시켰습니다.

교차 검증 기법을 사용하여 PLS 모델 성능을 계산했습니다: 모든 샘플의 오차 제곱근 평균(예측 오차)과 예측 성분과 참조 데이터(화학 분석 보고) 간의 결정계수(R²) 보고. 이 기법은 데이터를 보정(calibration) 세트와 검증(validation) 세트로 분할합니다. 보정 세트로 PLS 모델을 훈련시키고 검증 세트로 모델 성능을 보고합니다.

다음 반복에서 검증과 보정 세트를 섞고, 다른 데이터 부분을 검증 세트로 취한 뒤, 새로운 세트에서 모델 훈련과 검증을 반복했습니다. 이전 절차를 반복하여 각 샘플이 한 번씩 검증 세트에 표현될 때까지 계속했습니다. 교차 검증 결과는 Figure 1에 표시되어 있습니다.

Figure 2. 통합 광학 헤드와 광원, BGA 납땜 가능, SPI 통신을 갖춘 NeoSpectra Micro 스펙트럼 센서.

이 조사는 스펙트럼에 전처리 방법을 적용한 후 PLS를 사용하여 회귀 모델을 구축함으로써 우유 분석 모델을 개발합니다. 예측 단계에서 개발된 모델로 테스트 샘플 성분을 예측합니다.

결과는 NeoSpectra 스펙트럼 센서로 측정한 원유 샘플 스펙트럼이 어떤 성분이든 전체 범위의 8% 미만 오차로 우유 성분을 정확히 측정하는 데 적합한 분석 데이터를 제공함을 명확히 입증했습니다. 반면 동일한 샘플 세트에 상용 벤치탑 초음파 기반 분석 도구 사용 시 9% 오차였습니다.

반면, 이 조사에서의 절대 오차는 단백질과 유당 비율 예측에서 상용 벤치탑 분광기를 사용한 연구 논문들에 보고된 수치보다 약간 더 좋았습니다. 그러나 작은 스팟 크기 사용으로 인해 지방 비율 예측 절대 오차는 그만큼 좋지 않았습니다. NeoSpectra 스펙트럼 센서는 더 큰 스팟 크기를 지원하여 이런 문제를 해결할 수 있습니다. 이는 샘플 준비 없이 현장에서 빠르고 비파괴적 테스트를 가능케 하는 저비용 기술로, 우유 자격 검사를 위한 확장 가능한 솔루션으로서 이 기술의 잠재력을 검증합니다.

이 기사는 Amr Wassal 시스템 엔지니어링 부사장과 Mohamed Hossam 수석 임베디드 소프트웨어 엔지니어, Si-Ware Systems(라카냐다, CA)가 작성했습니다. 자세한 정보는 저자들(이메일: 스팸봇 보호 중, 자바스크립트 필요)에게 문의하거나 여기를 방문하세요.