基于光譜技術的蜂蜜中大米糖漿摻假檢測研究.pdf

1、蜂蜜是一種營養(yǎng)豐富的天然保健食品。目前，蜂蜜市場相對混亂，摻假現(xiàn)象嚴重，尤其是大米糖漿摻假。傳統(tǒng)的蜂蜜摻假檢測方法為感官評定法和理化分析方法，但這些方法具有主觀性強，或者檢測時間長、檢測費用高等缺點。因此，研究開展了近紅外光譜、中紅外光譜和三維熒光光譜技術對蜂蜜中大米糖漿摻假進行檢測研究。主要研究內容如下:
　　 1.近紅外光譜技術在蜂蜜中大米糖漿摻假檢測中的應用研究。首先采集了真假蜂蜜在4000-10000 cm-1范圍內的近

2、紅外光譜數(shù)據;然后，進行光譜預處理，并通過CARS（competitive adaptive reweighted sampling）變量篩選法優(yōu)選特征變量;最后，采用線性判別法(LDA)和誤差反向傳播神經網絡(BPANN)建立真假蜂蜜的判別模型，并采用偏最小二乘(PLS)和BPANN建立預測蜂蜜中大米糖漿摻假濃度檢測模型。結果表明，定性分析中，采用標準正態(tài)變量變換(SNV)預處理建立的BPANN模型最佳，該模型的主成分因子數(shù)為6，訓練

3、集和預測集的識別率分別為100％和98.72％;定量分析中，SNV預處理建立的PLS方法對蜂蜜中大米糖漿摻假濃度的檢測效果最好，預測集中，預測均方根誤差(RMSEP)和相關系數(shù)(Rp)分別為0.0338和0.9515。研究表明，近紅外光譜技術檢測蜂蜜中大米糖漿摻假具有一定的可行性。
　　 2.中紅外光譜技術在蜂蜜中大米糖漿摻假檢測中的應用研究。首先選擇特征建模波段，然后分別采用極值歸一化(Min/MAX)和2次5點的SG(Sav

4、itzky Golay Smoothing)預處理方法，對原始光譜進行預處理;并選擇CARS變量篩選法進行變量篩選;最后建立LDA和BPANN定性校正分析模型，以及PLS和BPANN定量校正分析模型。分析結果表明，Min/MAX預處理建立的BPANN定性識別模型最佳，模型的主成分因子數(shù)為6，校正集和預測集識別率均為100％;在定量試驗中，采用Min/MAX預處理建立的BPANN模型最佳，其主成分因子數(shù)為7，預測集的RMSEP和Rp分別為

5、0.0575和0.8570。研究表明，中紅外光譜技術檢測蜂蜜中大米糖漿摻假具有可行性。
　　 3.基于三維熒光光譜的蜂蜜中大米糖漿摻假檢測的研究。首先通過內插值法對光譜中存在的銳利散射進行校正;然后通過特征參量法提取光譜的平均值、標準差、重心、相關系數(shù)、等效橢圓長軸斜率、峰度和偏度等12個統(tǒng)計值作為模式識別輸入變量;最后建立LDA和BPANN模型。結果表明，BPANN建立的定性分析模型最佳，主成分因子數(shù)為5，校正集和預測集樣本識