基于微通道传感器与神经网络的牛奶体细胞数定量检测方法研究
- 格式:pdf
- 大小:1.09 MB
- 文档页数:4
2018年第1期(总第252期) 试验研究
基于微通道传感器与神经网络的牛奶体细胞数定量检测方法研究 试验研究
张学超①① 崔传金①* 张晓晨① (①铜仁学院大数据学院 贵州 铜仁 554300 ①华北理工大
学 唐山市先进测试与控制技术重点实验室 河北 唐山)
摘要 为研究特定在线检测温度下,牛奶体细胞数与电导率和电容值双电参数之间的关系,本试验以随机采集的新
鲜牛奶为研究对象,使用培养的K562细胞配置不同细胞含量的奶样,并将其注入微通道传感器中,再使用GAMRY 600
电化学工作站测取不同细胞含量奶样的电导率和电容值,最后建立以电导率和电容值为模型输入,体细胞数为输出的神
经网络模型。结果表明:两种型号的微通道传感器在该检测模型下对N(阴性)、T(可疑)级奶样的检出率只有86.67%和86.67%、46.67%和60%;而对1(隐性)、2(较严重)、3(严重)级奶样的检出率均为100%。说明在该模型下,微通道传感器
的检测限可达到40万个/ml,模型输出值与实际值呈极显著线性关系。
关键词 牛奶 体细胞 电参数 微通道传感器 神经网络
中图分类号:S823.9+1 文献标识码:A 文章编号:1007-1733(2018)01-0001-03
奶牛乳腺炎(Cow Mastitis)是奶牛所有疾病中发病率
最高,危害最严重的一种疾病,美国每年因奶牛乳腺炎
疾病造成的经济损失高达20.00亿美元[1-2]。2016年全球原
料奶产量高达8.17亿t,中国原料奶产量仅3570万t,奶牛
单产仅8.3t,同年进口乳制品折合生鲜乳约1200万t[3]。同
期,美国牛奶总产量为9471万t,奶牛单产高达10.27t,但
生鲜乳价格却仅为3.2元/kg,我国均价高达4.05元/kg[4]。
此外,我国人均乳品消费量仅为世界平均水平的1/3[5],
说明我国乳品市场还有巨大增长空间。Litwinczuk等[6]研
究表明,原奶中的体细胞数(Somatic Cell Count,SCC)与
日产奶量呈显著负相关(P<0.05),平均SCC每提高1个水
平,日产奶量下降0.13kg。金亚东[7]等研究表明,SCC与
日产奶量呈极显著负相关(P<0.01),平均SCC水平每升高1
个单位,日产奶量下降约1.3kg。因此,按照CMT检测标
准,若能尽早检测出奶牛(隐性)乳腺炎疾病,理论上奶牛
日单产约增4.48kg。由此可见,若要改变我国乳品市场的
竞争格局,关键要提高奶牛单产和原奶品质,而原奶中
体细胞数与奶牛乳腺炎患病等级、牛奶产量和品质密切
相关[8, 9];2016年中国农垦乳业联盟发布《中国农垦生鲜
乳生产和质量标准》,新增体细胞数检测指标,规定40万
个/ml以下为合格乳[10]。因此,迫切需要研发能够在线检
测奶牛乳腺炎患病等级、牛奶产量和品质的新型传感
器。在体细胞数的所有检测方法中,电检测法具有方便
快捷、检测成本低和实时在线检测等优点,应用前景广
阔[11]。然而,体细胞数与电导率[12]和电容[13]有一定相关
关系;温度对测量电容参数也有重要影响[14]。在特定温
度条件下,试验通过微通道传感器测取不同细胞含量的
新鲜奶样电导率和电容值,并用低频区域的电导率和电
容值建立预测体细胞含量的神经网络模型,最终达到准确、快速、在线诊断奶牛乳腺炎和评判原奶产量和品质
的目的。 1 材料与方法
1.1 材料
美国GAMRY 600电化学工作站;美国HERA CELL 150i二氧化碳培养箱;日本OLYMPUS CKX301倒置显微
镜;日本OLYMPUS CX21生物光学显微镜;北京科伟永
兴79-1磁力加热搅拌器;上海舜宇DC-0515低温恒温槽;
上海GI208离心机;BCD-219SKDE冷藏柜;真空泵;高
精度温度计等,主要数据分析处理采用MATLAB R2012b
软件。 1.2 方法
1.2.1 奶样采集 奶样采自100多头同一品种的荷斯坦奶
牛。在奶样采集过程中,需要将分娩后1个月内的奶牛和
泌乳后期的奶牛除去[13]。采样时先用温开水擦拭乳头,
然后用75%的乙醇对乳头进行消毒,并用干净的医用棉签
擦干,且弃去前2次挤出的牛奶,再进行奶样采集。每个
乳区的牛奶分别挤入50ml干净的带有编号的玻璃瓶内密
封,在运输的过程中放入装有冰袋的隔热泡沫塑料盒内
进行保鲜。最后将当天采集的奶样带回实验室测试,来
不及立刻测试的奶样需在4℃条件下冷藏保存,防止牛奶
变质而影响测试效果。 1.2.2 测试奶样配制 (1)原奶中细胞含量的检验采用
改进的显微镜直接计数法,即碘酊染液染色,细胞计数
板计数。将奶样带回实验室后,将装有奶样的奶样瓶放
入低温恒温槽中,在40℃的恒温条件下恒温15min后取出[15],再用磁力加热搅拌器搅拌3min,使得奶样中的体细
胞、脂肪滴等物质均匀分散,便于体细胞过滤和防止脂
肪滴等物质因凝聚而堵塞滤膜。最后用真空泵对预处理
1基金项目:贵州省铜仁学院院士工作站武陵山片区生态农业大数据研究与应用分站项目(黔科合平台人才[2016]5611);贵州省教育厅创新人才团队项目(黔教合人才团队字[2015]67号)。 *通讯作者 山东畜牧兽医 2018年第39卷
的奶样进行负压过滤,得到无细胞含量的奶样;同时配
置碘酊染液,进行生物光学显微镜细胞计数,观测结果
如图1所示。(2)为解决特定乳腺炎患病等级体细胞含量
的奶样采集困难问题,试验中使用具有相似细胞结构功
能的K562细胞替代奶样中的体细胞。为此,将K562细胞
在二氧化碳培养箱中进行培养,培养结果如图2所示。
(3)将培养后的K562细胞与过滤后的奶样进行细胞含量配置,分别配置为0、10、20、40、80、160、320、640
万/ml的待测奶样,同时将配置好的不同浓度梯度的奶样
进行镜检计数,以便验证奶样配置的准确性。(4)试验
中,同一奶样重复镜检计数5次,取其平均值作为牛奶体
细胞最终含量。共测取120份奶样,并根据加利福尼亚CMT标准[14],将奶样划分为5个等级,见表1。
图1 过滤后无细胞奶样 图2 培养后的K562细胞
表1 CMT法检测奶牛乳腺炎的标准 (万个/ml) CMT等级 N T 1 2 3 体细胞含量 0~20 20~4040~120 120~500>500 奶牛得病情况 健康(阴性) 可疑 隐性乳腺炎 较严重感染严重感染1.2.3 牛奶电容和电导率测量 因为温度对测量牛奶电
容有影响较大[14],同时考虑在线检测和正常情况奶牛体
温两因素,确定38.6℃为试验测试温度。因此,将装有测
试奶样的微通道传感器(预热30min,以保证热传递达到平
衡)置于38.6℃的低温恒温槽中进行测试,同时使用高精
度温度计验证低温恒温槽中的水温是否符与测试温度一
致。最后使用GAMRY 600电化学
工作站测量在
10Hz~1MHz频率范围内的电阻和电抗值,并根据微通道
传感器的具体结构参数转换成对应的电导率和电容值。
同时,为了避免测试奶样之间相互交叉污染,每测试完1
个奶样后,注射器和微通道传感器都必须用超纯水清洗
干净,并用下一个测试奶样冲洗3次,再进行测试。所有
奶样均在采集后的12h内测试完毕。 2 结果
2.1 微通道传感器的设计
(1)微通道传感器电极采用99.99%的高纯度金,并
溅射到玻璃基片上;同时微通道管体选用透明、绝缘性
好的聚二甲基硅氧烷
(PDMS),并用氧等离子技术进行处
理,以最大限度减少在通道内部产生气泡,同时也有助
于基片与盖片的永久封和[16]。微通道传感器由北京博奥
生物技术有限公司代工。(2
)为突出传感器的容抗作用
和降低感抗干扰,根据公式Xc=1/(ωc)=1/(2πfc)。式中:Xc为容抗,c为电容,ω为电极两端激励源信号角频率,f
为激励源信号频率。在激励源信号频率一定的情况下,
要想得到较高的容抗,只能减小测试电极的电容,又根据c=ξ0ξrA/L。式中:ξ0为绝对电容率,ξr为相对电容率,A为电极的横截面积,L为电极间距离。正是基于减小电
极横截面积和增加传感器长度2种方式来增加容抗;同时
考虑到方便进样和进一步减小界面电容等因素。因此,
设计了如图3所示的微通道传感器,具体参数见表2。
图3a 微通道传感器实物图
图3b 微通道传感器微观尺寸图
表2 微通道传感器参数 电极尺寸 微通道长 微通道宽 微通道厚 30μm 12mm 0.1mm 0.1mm 30μm 48mm 0.1mm 0.1mm 2.2 基于电导率和电容的细胞含量神经网络模型
(1)将奶样电导率和电容值2个向量作为BP神经网
络[17]输入,输入层神经元数为2。网络输出向量为体细胞
数,输出神经元数为1。该网络采用2个隐层,2个隐层之
间传递函数为Tansig,输出层函数为Purelin,训练函数为Trainlm。在网络训练前,将数据用Mapstd标准化函数进
行标准化预处理,以避免数据饱和并加速网络的收敛速
度。(2)通过调整隐层的节点数和相关的训练参数对网
络结构进行优化试验。经过多次的训练仿真发现,当最
大迭代次数为1000,误差性能目标值为0.0001。网络模型
的2个隐层神经元数为4和2时,结果较为满意,模型结构
为2-4-2-1,见图4。
图4 网络模型结构 3 讨论
3.1 传感器模型 (1)传感器模型分析(长12mm)。
2 2018年第1期(总第252期) 试验研究
0100200300400500600700-1000100200300400500600700
实实实 万万/ml网网网网实 万万/ml建模数据模型, R=0.99995
y = 0.9997*x + 0.12596R2
=0.9999
0100200300400500600700-1000100200300400500600700
实实实 万万/ml网网网网实 万万/ml预测数据模型, R=0.99996
y = 1.0017*x - 0.28721R2=0.99992
图5 建模数据模型线性回归曲线 图6 预测数据模型线性回归曲线 (2)传感器模型分析(长48mm)。
0100200300400500600700-1000100200300400500600700
实实实 万万/ml网网网网实 万万/ml建模数据模型, R=0.99537
y = 0.99076*x + 1.489R2=0.99076
0100200300400500600700-1000100200300400500600700
实实实 万万/ml网网网网实 万万/ml预测数据模型, R=0.99652
y = 0.9902*x + 4.3618R2=0.99305
图7 建模数据模型线性回归曲线 图8 预测数据模型线性回归曲线 (3)表3、表4分别为传感器的模型评价参数和各级
正确检出率。 表3 模型评价参数 模型参数 传感器(12mm) 传感器(48mm)相关系数(R) 0.99995 0.99537 模型均方根误差(RMSE) 2.06739944 20.2285328 预测集的预测相关系数(Rp) 0.99996 0.99652 预测均方根误差(RMSEp) 1.94165127 18.428302
表4 各级正确检出率 (%) 患病等级 N T 1 2 3 预测总体奶样总数 45 15 15 30 15 14 120模型正确检出率(12mm) 86.67 46.67100 100 100 85.7188.33模型正确检出率(48mm) 86.67 60 100 100 100 85.7190 3.2 模型处理结果分析