论文部分内容阅读
我国是养蜂大国,蜂蜜出口量居世界第一,然而近年来我国蜂蜜市场上蜂蜜掺假现象猖獗,严重影响了我国的蜂蜜声誉,使得蜂蜜的出口和内销都受到了很大影响。鉴于现有掺假蜂蜜检测手段存在耗时费力、需化学试剂、造成样品污染、成本高等缺点,蜂蜜掺假问题一直未得到有效遏制。因而探索一种实时、快速、准确的掺假蜂蜜鉴别方法具有非常重要的现实意义及应用价值。本文以10个不同省份的20种不同蜜种蜂蜜样品和6种蜂蜜掺假中常见的糖浆样品为研究对象,尝试利用NIR光谱和FTIR-ATR光谱结合数据融合技术建立理想的掺假蜂蜜鉴别模型。主要内容如下:1.建立基于NIR光谱的掺假蜂蜜鉴别模型。采集112个天然蜂蜜样品和112个糖浆掺假蜂蜜样品的NIR光谱。首先将NIR光谱进行四种光谱预处理(一阶导数、二阶导数、多元散射校正、标准正态变换),再分别结合PLS-DA算法和SVM算法建立天然蜂蜜和糖浆掺假蜂蜜的鉴别模型,其中SVM算法的惩罚参数c和核函数参数g通过三种寻优算法(网格搜索法、遗传算法、粒子群算法)进行优化。建立的最佳PLS-DA模型准确率为87.50%,最佳SVM模型准确率为94.64%。2.建立基于FTIR-ATR光谱的掺假蜂蜜鉴别模型。采集112个天然蜂蜜样品和112个糖浆掺假蜂蜜样品的FTIR-ATR光谱。同样先将FTIR-ATR光谱进行四种光谱预处理,再分别结合PLS-DA算法和经过参数优化的SVM算法建立天然蜂蜜和糖浆掺假蜂蜜的鉴别模型。建立的最佳PLS-DA模型准确率为89.29%,最佳SVM模型准确率为91.07%。3.建立基于数据融合技术的掺假蜂蜜鉴别模型。利用采集的NIR光谱和FTIR-ATR光谱分别采取低级和中级数据融合策略。初级数据融合将两类光谱数据先经过四种光谱预处理后再对应进行融合。中级数据融合先采用主成分分析算法分别提取不同预处理后NIR光谱和FTIR-ATR光谱的主成分,再对提取的前10个主成分对应进行融合。数据融合后,分别结合PLS-DA算法和经参数优化的SVM算法建立天然蜂蜜和糖浆掺假蜂蜜的鉴别模型。低级数据融合建立的最佳PLS-DA模型准确率为94.64%,最佳SVM模型准确率为91.07%。中级数据融合建立的最佳PLS-DA模型准确率为94.64%,最佳SVM模型准确率为100%。本文研究结果表明蜂蜜及掺假蜂蜜样品的NIR光谱和FTIR-ATR光谱结合数据融合技术能建立一个快速、高效、准确的蜂蜜掺假判别模型,对维护蜂蜜市场秩序、保障消费者的正当权益有着重要意义。