基于光譜技術(shù)的蜂蜜中大米糖漿摻假檢測(cè)研究.pdf

1、蜂蜜是一種營(yíng)養(yǎng)豐富的天然保健食品。目前，蜂蜜市場(chǎng)相對(duì)混亂，摻假現(xiàn)象嚴(yán)重，尤其是大米糖漿摻假。傳統(tǒng)的蜂蜜摻假檢測(cè)方法為感官評(píng)定法和理化分析方法，但這些方法具有主觀性強(qiáng)，或者檢測(cè)時(shí)間長(zhǎng)、檢測(cè)費(fèi)用高等缺點(diǎn)。因此，研究開(kāi)展了近紅外光譜、中紅外光譜和三維熒光光譜技術(shù)對(duì)蜂蜜中大米糖漿摻假進(jìn)行檢測(cè)研究。主要研究?jī)?nèi)容如下:
　　 1.近紅外光譜技術(shù)在蜂蜜中大米糖漿摻假檢測(cè)中的應(yīng)用研究。首先采集了真假蜂蜜在4000-10000 cm-1范圍內(nèi)的近

2、紅外光譜數(shù)據(jù);然后，進(jìn)行光譜預(yù)處理，并通過(guò)CARS（competitive adaptive reweighted sampling）變量篩選法優(yōu)選特征變量;最后，采用線(xiàn)性判別法(LDA)和誤差反向傳播神經(jīng)網(wǎng)絡(luò)(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(yù)測(cè)蜂蜜中大米糖漿摻假濃度檢測(cè)模型。結(jié)果表明，定性分析中，采用標(biāo)準(zhǔn)正態(tài)變量變換(SNV)預(yù)處理建立的BPANN模型最佳，該模型的主成分因子數(shù)為6，訓(xùn)練

3、集和預(yù)測(cè)集的識(shí)別率分別為100％和98.72％;定量分析中，SNV預(yù)處理建立的PLS方法對(duì)蜂蜜中大米糖漿摻假濃度的檢測(cè)效果最好，預(yù)測(cè)集中，預(yù)測(cè)均方根誤差(RMSEP)和相關(guān)系數(shù)(Rp)分別為0.0338和0.9515。研究表明，近紅外光譜技術(shù)檢測(cè)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(shù)在蜂蜜中大米糖漿摻假檢測(cè)中的應(yīng)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(diǎn)的SG(Sav

4、itzky Golay Smoothing)預(yù)處理方法，對(duì)原始光譜進(jìn)行預(yù)處理;并選擇CARS變量篩選法進(jìn)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(jié)果表明，Min/MAX預(yù)處理建立的BPANN定性識(shí)別模型最佳，模型的主成分因子數(shù)為6，校正集和預(yù)測(cè)集識(shí)別率均為100％;在定量試驗(yàn)中，采用Min/MAX預(yù)處理建立的BPANN模型最佳，其主成分因子數(shù)為7，預(yù)測(cè)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(shù)檢測(cè)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(cè)的研究。首先通過(guò)內(nèi)插值法對(duì)光譜中存在的銳利散射進(jìn)行校正;然后通過(guò)特征參量法提取光譜的平均值、標(biāo)準(zhǔn)差、重心、相關(guān)系數(shù)、等效橢圓長(zhǎng)軸斜率、峰度和偏度等12個(gè)統(tǒng)計(jì)值作為模式識(shí)別輸入變量;最后建立LDA和BPANN模型。結(jié)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(yù)測(cè)集樣本識(shí)