基于光譜和圖像技術的燕窩品質快速無損檢測研究.pdf

1、燕窩作為一種名貴補品，有著較高的藥用和食用價值。由于燕窩產量有限，隨著需求量的增長，其價格逐年攀升。受巨大經(jīng)濟利益的驅動，燕窩市場以次充好、以假亂真的現(xiàn)象很普遍。現(xiàn)有的燕窩品質檢測主要包括感官評定和理化分析，這些方法存在主觀性強、時效性差等不足而無法滿足市場需求。本文以燕窩樣本為研究對象，采用多種無損檢測技術對燕窩的摻假鑒別、產地區(qū)分、主要成分含量進行了研究，期望建立一套對燕窩品質進行快速準確檢測的體系。主要研究內容和相關結論如下:

2、r>　　(1)正品燕窩樣本的收集及摻假燕窩的制備。收集了正品印度尼西亞和馬來西亞屋燕窩各36個，將各燕窩樣本研磨凍干制成粉末;以正品燕窩作為摻假基質，分別與不同摻假物（蛋清、瓊脂、銀耳和豬皮）按照不同比例(50％，30％，10％，5％，1％)混合制成摻假燕窩樣本。
　　(2)燕窩摻假方式及摻假比例鑒別。研究采集了摻假燕窩的近紅外和中紅外光譜，并分別采用LDA和iLDA法建立摻假方式及摻假比例鑒別模型。結果表明，對于摻假方式鑒別，建

3、模結果最好的是近紅外，模型預測集識別率為86.4％;對于摻假比例鑒別，近紅外和中紅外均能達到很高的精度，對應模型的預測集識別率均能達到100％。
　　(3)正品燕窩產地區(qū)分。研究提取了正品燕窩彩色圖像的顏色特征、近紅外光譜、中紅外光譜、高光譜感興趣區(qū)域(ROI)平均光譜、高光譜紋理特征分別采用LDA、KNN、LS-SVM及BP-ANN法建立產地區(qū)分模型，并比較各模型。結果表明，近紅外光譜和中紅外光譜建立的產地區(qū)分模型能夠達到較高的

4、精度，模型預測集識別率分別能達到100％和94.4％;顏色特征、高光譜ROI平均光譜及高光譜紋理特征建立的產地區(qū)分模型精度不是很高，對應模型預測集識別率分別只能達到78.8％、62.5％、75％。
　　(4)燕窩主要組分（水溶性總糖、總蛋白、唾液酸）定量檢測。研究采用蒽酮比色法測定各樣本的水溶性總糖，凱氏定氮法測定總蛋白，高效液相色譜法測定唾液酸，所測得的含量作為參考值同近紅外光譜建立主要成分快速測定模型。結果表明，與其他定量建模

5、方法相比，最小二乘支持向量機(LS-SVM)模型能夠達到更高的精度，對應水溶性總糖、總蛋白、唾液酸預測模型rp分別為0.86、0.85及0.92，RMSEP分別為52.4、5.43及1.18mg/g。
　　(5)燕窩主要組分（水溶性總糖、總蛋白、唾液酸）在整個燕盞上的分布預測。首先，利用高光譜ROI平均光譜同各組分參考值建立預測模型（對應水溶性總糖、總蛋白、唾液酸模型的Rp分別為0.83、0.84及0.91）;其次，預測燕盞上每一

6、個像素點區(qū)域對應的組分含量;最后，以組分含量作為灰度值，進行拉伸和偽彩色處理后得到各組分的分布圖。結果表明，水溶性總糖在燕蓋上的含量值較低（200mg/g左右），而在兩個燕腳附近含量值較高(450mg/g左右);總蛋白同水溶性總糖分布相反，其在燕蓋上含量值較高（600mg/g左右），而在兩個燕腳附近較低（420mg/g左右）;唾液酸分布均勻，只有零星幾個點含量較高。
　　本研究實現(xiàn)了燕窩品質的快速、準確、無損地檢測，對規(guī)范燕窩市場