本發(fā)明屬于水質(zhì)檢測，具體涉及一種調(diào)味品生產(chǎn)流程中產(chǎn)生污水的氨氮含量的快速檢測方法。

背景技術(shù)：

1、醬油、醬等調(diào)味品，通常需以黃豆作為基本原料，生產(chǎn)過程易產(chǎn)生多種含氮廢水，其中氨氮為污水排放中關(guān)鍵指標(biāo)，需密切監(jiān)控其含量以滿足排放要求。

2、目前，對于污水的氨氮檢測，實驗室內(nèi)通常采用國標(biāo)法(hj?535-2009水質(zhì)氨氮的測定納氏試劑分光光度法)進行檢測。這種方法需要消耗含汞化學(xué)試劑，檢測周期長，不能滿足快速檢測的需求。因此，需開發(fā)一種能夠快速、無試劑使用、準(zhǔn)確檢測污水氨氮含量的方法。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種調(diào)味品生產(chǎn)流程中產(chǎn)生污水的氨氮含量的快速檢測方法，該方法與傳統(tǒng)方法相比偏差在±10％內(nèi)，不消耗化學(xué)試劑，對環(huán)境友好，檢測時間可大大減少，還可減少大量人工投入。

2、本發(fā)明的上述目的可以通過以下技術(shù)方案來實現(xiàn)：一種調(diào)味品生產(chǎn)流程中產(chǎn)生污水的氨氮含量的快速檢測方法，包括以下步驟：

3、(1)收集調(diào)味品整個生產(chǎn)流程中不同生產(chǎn)階段的污水排放點產(chǎn)生的不同類型、不同濃度的污水樣品，確保數(shù)據(jù)的全面性和代表性，并過濾樣品；

4、(2)利用中紅外光譜儀對步驟(1)中的每個樣品進行掃描，獲取污水樣品的中紅外波數(shù)-吸光度光譜圖；

5、(3)對步驟(2)獲得的污水樣品的中紅外光譜圖進行數(shù)值化處理，即將特征光譜中每一個波數(shù)-吸光度的信息轉(zhuǎn)為波數(shù)數(shù)值-吸光度的字符串；

6、(4)按照國標(biāo)法對步驟(1)中每個樣品的氨氮含量進行測定；

7、(5)將樣品分為建模組和驗證組，利用pls算法，提取建模組數(shù)據(jù)中的主成分，將步驟(3)中數(shù)值化處理后的中紅外光譜圖數(shù)據(jù)作為自變量，步驟(4)中測定的氨氮含量作為因變量，建立數(shù)值化處理后的紅外光譜圖數(shù)據(jù)與氨氮含量的最佳映射關(guān)系；

8、(6)以步驟(5)中的驗證組的預(yù)測偏差作為評價模型優(yōu)劣的標(biāo)準(zhǔn)，通過多次訓(xùn)練和驗證，得到穩(wěn)定可靠的預(yù)測模型；

9、(7)選取待測污水樣品，利用中紅外光譜儀掃描樣品，獲得待測污水樣品的中紅外光譜圖，對待測污水樣品的中紅外光譜圖進行數(shù)據(jù)化處理，代入步驟(6)的預(yù)測模型中，即可得到待測污水樣品氨氮含量的預(yù)測值。

10、在上述調(diào)味品生產(chǎn)流程中產(chǎn)生污水的氨氮含量的快速檢測方法中：

11、優(yōu)選地，步驟(1)中所述污水樣品的數(shù)量為150～250個。

12、優(yōu)選地，步驟(1)中過濾樣品時采用600目濾網(wǎng)過濾樣品，通過600目濾網(wǎng)過濾樣品，此孔徑大小的濾網(wǎng)在去除影響中紅外光透過性的雜質(zhì)的同時可最大程度保留樣品有效信息。

13、優(yōu)選地，步驟(2)中利用中紅外光譜儀對步驟(1)中的每個樣品進行掃描時，光譜范圍為2.5～25μm，采樣間隔10nm，對過濾后的樣品靜態(tài)掃描8次，對8次的吸光度取平均值，再扣除以純水為空白的參照吸光度，得到樣品的波數(shù)-吸光度特征光譜。

14、優(yōu)選地，步驟(3)中將特征光譜中每一個波數(shù)-吸光度的信息轉(zhuǎn)為波數(shù)數(shù)值-吸光度的7位數(shù)字的字符串，如波數(shù)1110處吸光度為0.76，則為1110076字符串。

15、優(yōu)選地，步驟(4)中按照國標(biāo)法hj?535-2009對步驟(1)中每個樣品的氨氮含量進行測定。

16、優(yōu)選地，步驟(5)中所述建模組和驗證組的比例為8：2。

17、優(yōu)選地，步驟(5)中利用pls算法，先將數(shù)據(jù)標(biāo)準(zhǔn)化，即自變量與因變量數(shù)據(jù)分別扣除均值(各自的均值，即各個自變量分別扣減自變量集合的平均值，因變量同理)，以實現(xiàn)數(shù)據(jù)標(biāo)準(zhǔn)化，通過nipals迭代算法提取第一主成分t1和u1，重復(fù)迭代提取第二、第三及更多主成分，選擇前6-10個主成分建立回歸模型，并以驗證組結(jié)果的標(biāo)準(zhǔn)偏差評估回歸模型的效果。

18、優(yōu)選地，步驟(6)中所述預(yù)測偏差在10％以內(nèi)，所述預(yù)測偏差＝(預(yù)測值-國標(biāo)檢測值)×100％/國標(biāo)檢測值。

19、優(yōu)選地，步驟(6)中所述預(yù)測模型包括所選光譜段落、主成分因子數(shù)、各因字數(shù)權(quán)重和偏倚量修正。

20、本發(fā)明具有以下優(yōu)點：本發(fā)明通過試驗發(fā)現(xiàn)，中紅外光譜在氨氮檢測中展現(xiàn)出顯著的技術(shù)優(yōu)勢，包括波長選擇性與水分吸收的規(guī)避、寬廣的波長范圍與靈敏度、優(yōu)異的穿透深度、高分辨率以及較強的抗干擾能力等。這些優(yōu)勢使得中紅外光譜成為氨氮檢測領(lǐng)域的理想選擇，特別是在調(diào)味品污水處理等復(fù)雜應(yīng)用場景中，其優(yōu)勢更加突出，具體表現(xiàn)如下：

21、1)與傳統(tǒng)化學(xué)方法的顯著對比優(yōu)勢

22、傳統(tǒng)氨氮檢測方法主要依賴納氏試劑等化學(xué)試劑，這些試劑不僅操作過程存在安全隱患，長期接觸還可能對操作人員和環(huán)境造成健康與生態(tài)風(fēng)險。相比之下，中紅外光譜結(jié)合pls算法的方法徹底摒棄了有害化學(xué)試劑的使用，顯著提升了檢測過程的安全性。此外，該方法簡化了繁瑣的前處理、實驗操作及數(shù)據(jù)分析流程，大幅縮短了檢測周期，降低了成本，同時更為環(huán)保，避免了有害廢液的產(chǎn)生。

23、2)相較于一般光學(xué)(可見光、近紅外光)快檢方法的優(yōu)勢

24、a)波長選擇性與水分吸收的規(guī)避

25、中紅外光譜富含分子基頻振動信息，相較于可見光和近紅外光，其特征性更強，更適用于多組分分析。尤為重要的是，在含有大量水分的污水樣本中，中紅外光譜能夠有效規(guī)避水分吸收的主要峰值區(qū)域，減少水分對光譜信息的干擾。其可用信息波長段更多，并能顯著減少相較于近紅外光、可見光的合頻震動的干擾，從而顯著提高了氨氮檢測的效率和準(zhǔn)確性。

26、b)波長范圍與靈敏度

27、中紅外光譜的波長范圍(2.5至25微米)廣泛覆蓋了有機分子的多種振動和轉(zhuǎn)動能級躍遷。這一特性使得中紅外光譜在氨氮檢測中展現(xiàn)出極高的靈敏度和選擇性，能夠準(zhǔn)確捕捉氨氮分子的光譜特征，實現(xiàn)對氨氮指標(biāo)的定量檢測。

28、中紅外光譜源于分子的基頻振動，即分子在平衡位置附近的簡諧振動。這種基頻振動光譜包含了分子振動的基本信息，其吸收強度與對應(yīng)分子的含量線性相關(guān)；同時相對于近紅外波段，中紅外波段的倍頻振動較少，即更少噪音干擾，更適合于物質(zhì)含量的定量分析。

29、與之對比，近紅外光譜主要由分子的倍頻和合頻產(chǎn)生。這些倍頻和合頻信息包含了大多數(shù)類型有機化合物的組成和分子結(jié)構(gòu)的信息，更適合于定性分析。

30、c)穿透深度

31、相較于可見光或近紅外光譜，中紅外光譜具備更深的穿透能力。這種優(yōu)異的穿透性使得中紅外光譜能夠深入污水樣品內(nèi)部，即使面對渾濁、不透明的樣本，也能獲取到充足的光譜信息，提高檢測方法的通用性。

32、d)抗干擾能力

33、中紅外光譜基于分子的基頻振動原理，對樣品溫度、透明度等因素的干擾具有較強的抵抗能力。在氨氮檢測過程中，即使樣品條件發(fā)生變化，中紅外光譜也能保持穩(wěn)定的檢測結(jié)果，確保了檢測結(jié)果的可靠性和準(zhǔn)確性。

技術(shù)特征：

1.一種調(diào)味品生產(chǎn)流程中產(chǎn)生污水的氨氮含量的快速檢測方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的調(diào)味品生產(chǎn)流程中產(chǎn)生污水的氨氮含量的快速檢測方法，其特征在于，步驟(1)中所述污水樣品的數(shù)量為150～250個。

3.根據(jù)權(quán)利要求1所述的調(diào)味品生產(chǎn)流程中產(chǎn)生污水的氨氮含量的快速檢測方法，其特征在于，步驟(1)中過濾樣品時采用600目濾網(wǎng)過濾樣品。

4.根據(jù)權(quán)利要求1所述的調(diào)味品生產(chǎn)流程中產(chǎn)生污水的氨氮含量的快速檢測方法，其特征在于，步驟(2)中利用中紅外光譜儀對步驟(1)中的每個樣品進行掃描時，光譜范圍為2.5～25μm，采樣間隔10nm，對過濾后的樣品靜態(tài)掃描8次，對8次的吸光度取平均值，再扣除以純水為空白的參照吸光度，得到樣品的波數(shù)-吸光度特征光譜。

5.根據(jù)權(quán)利要求1所述的調(diào)味品生產(chǎn)流程中產(chǎn)生污水的氨氮含量的快速檢測方法，其特征在于，步驟(3)中將特征光譜中每一個波數(shù)-吸光度的信息轉(zhuǎn)為波數(shù)數(shù)值-吸光度的7位數(shù)字的字符串。

6.根據(jù)權(quán)利要求1所述的調(diào)味品生產(chǎn)流程中產(chǎn)生污水的氨氮含量的快速檢測方法，其特征在于，步驟(4)中按照國標(biāo)法hj?535-2009對步驟(1)中每個樣品的氨氮含量進行測定。

7.根據(jù)權(quán)利要求1所述的調(diào)味品生產(chǎn)流程中產(chǎn)生污水的氨氮含量的快速檢測方法，其特征在于，步驟(5)中所述建模組和驗證組的比例為8：2。

8.根據(jù)權(quán)利要求1所述的調(diào)味品生產(chǎn)流程中產(chǎn)生污水的氨氮含量的快速檢測方法，其特征在于，步驟(5)中利用pls算法，先將數(shù)據(jù)標(biāo)準(zhǔn)化，再通過nipals迭代算法提取第一主成分t1和u1，重復(fù)迭代提取第二、第三及更多主成分，選擇前6-10主成分建立回歸模型，并以驗證組結(jié)果的標(biāo)準(zhǔn)偏差評估回歸模型的效果。

9.根據(jù)權(quán)利要求1所述的調(diào)味品生產(chǎn)流程中產(chǎn)生污水的氨氮含量的快速檢測方法，其特征在于，步驟(6)中所述預(yù)測偏差在10％以內(nèi)，所述預(yù)測偏差＝(預(yù)測值-國標(biāo)檢測值)×100％/國標(biāo)檢測值。

10.根據(jù)權(quán)利要求1所述的調(diào)味品生產(chǎn)流程中產(chǎn)生污水的氨氮含量的快速檢測方法，其特征在于，步驟(6)中所述預(yù)測模型包括所選光譜段落、主成分因子數(shù)、各因字數(shù)權(quán)重和偏倚量修正。

技術(shù)總結(jié)
本發(fā)明公開了一種調(diào)味品生產(chǎn)流程中產(chǎn)生污水的氨氮含量的快速檢測方法，包括以下步驟：(1)收集污水樣品，過濾；(2)利用中紅外光譜儀對樣品掃描，獲取紅外波數(shù)?吸光度光譜圖；(3)進行數(shù)值化處理；(4)按照國標(biāo)法對樣品氨氮含量測定；(5)將樣品分為建模組和驗證組，利用PLS算法，建立最佳映射關(guān)系；(6)以驗證組的預(yù)測偏差作為評價模型優(yōu)劣的標(biāo)準(zhǔn)，通過多次訓(xùn)練和驗證，得到穩(wěn)定可靠的預(yù)測模型；(7)選取待測污水樣品，獲得待測污水樣品的中紅外光譜圖，代入預(yù)測模型中，得到待測污水樣品氨氮含量的預(yù)測值。該方法與傳統(tǒng)方法相比偏差在±10％內(nèi)，不消耗化學(xué)試劑，對環(huán)境友好，檢測時間可大大減少，還可減少大量人工投入。

技術(shù)研發(fā)人員：熊瑞瑞,冼永煒,續(xù)穎,匡哲,胡鋒,賴錦,石浩,單曉靜,盛瑩,何聰容,葉柱好,黃思敏
受保護的技術(shù)使用者：陽西美味鮮食品有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6