红外光谱数据融合对美味牛肝菌产地鉴别

近年来食品安全问题频发,消费者愈加重视食品原产地的环境安全,导致地理标志产品的需求增加。美味牛肝菌(Boletus edulis)作为一种健康食品,其产品品质受原产地环境影响较大,为保护消费者的身体健康,防止假冒伪劣产品进入市场,急需一种高效、廉价的美味牛肝菌产地鉴别技术。采用数据融合策略结合偏最小二乘判别(PLS-DA)模型对美味牛肝菌的产地进行鉴别。扫描来自8个产地(昆明、楚雄、玉溪、迪庆、大理、保山、文山和曲靖)141个样品的傅里叶变换近红外光谱和傅里叶变换中红外光谱。使用Kennard-Stone算法将所有样品划分为2/3的训练集和1/3的预测集,利用三种融合策略(低级、中级和高级)对4个单一光谱矩阵:近红外的菌柄(N-b)、近红外的菌盖(N-g)、中红外的菌柄(M-b)、中红外的菌盖(M-g),建立偏最小二乘判别(PLS-DA)模型。用交叉验证均方根误差(RMSECV)和预测均方根误差(RMSEP)评价模型稳定性,非错误率(NER)、训练集正确率和预测集正确率评价模型分类性能,综合多种评价指标,找出美味牛肝菌产地鉴别的最佳方法。结果表明:(1)近红外和中红外光谱均能鉴别美味牛肝菌产地;(2)中红外光谱所建立的模型优于近红外光谱所建立的模型;(3)三种融合策略均可提高美味牛肝菌的产地鉴别效果,产地鉴别效果优劣依次为中级融合、高级融合、低级融合、单一光谱模型。通过融合近红外和中红外光谱使用PLS-DA进行基于特征值LV的中级融合策略,建立不同产地美味牛肝菌鉴别模型,有最少的变量数(49),最高的产地训练集正确率(100%),最高的产地预测集正确率(100%),最低的RMSEP(0.133),实现了美味牛肝菌产地的快速、准确鉴别,可以作为美味牛肝菌产地溯源的一种可靠方法。     

应用在线近红外光谱分析复烤前后原烟及片烟的质量特性

应用在2012年"中华"专用分拣复烤生产线中采集的7个产地的复烤前原烟和复烤后片烟的在线近红外光谱为试验资料,通过建立不同产地近红外光谱的投影分析模型,并结合方差及相关分析等,研究烟叶复烤前后的均一性及相似性等品质特征的变化,为客观的掌握烟叶原料质量及卷烟产品配方提供技术支撑。本研究结果表明,从数量庞大的在线近红外光谱中,按等间隔采样时间筛选约1万条左右用于建模分析可行,取样代表性充分;经人工分拣、打叶、复烤后的各产地烟叶近红外光谱的均一性提高幅度可达10%~35%,烟叶品质的均质化程度显著提高;同时复烤后各产地烟叶所体现的相似性关系亦发生了变化,从整体上其相似性显著降低,即由产地体现的风格品质差异显著提升,为优质卷烟的原料配方设计提供了更大空间,体现了我国烟草企业生产优质中式卷烟需要消耗大量财力、人力进行烟叶复烤加工的必要性。传统的化学分析等手段需要花费大量的时间和精力,难以对整个加工环节进行控制,近红外光谱技术以其快速、无损的优势,不仅能够实现待测样品成分含量等的实时检测与质量控制,而且应用生产过程中的大量近红外光谱,可以从多角度进行有关产品品质信息的充分挖掘,是一种在众多行业特别是农产品和食品加工行业中极具应用前景的在线分析检测技术。     

中红外及近红外光谱在小杂粮品质检测中的应用进展

中红外光谱以及近红外光谱在现代分析化学中有重要的地位,是人类认识物质结构、功能、成分以及含量的重要途径。小杂粮泛指生育期短、种植面积少、种植地区和种植方法特殊,有特种用途的多种粮豆,其特点是小、少、特、杂。小杂粮营养丰富,既是传统口粮,又是保健食品资源。随着人民生活水平的提高和膳食结构的改善,小杂粮作为药食同源的新型食品资源,在现代绿色保健食品中占有重要地位。对小杂粮进行品质检测可为小杂粮生物活性物质研究、品质分级、小杂粮育种、产地溯源与真伪鉴别等方面提供可靠的数据支撑。按照麦类小杂粮及豆类小杂粮分类,对国内近30年来小杂粮品质检测有关文献加以综述。研究表明,麦类小杂粮品质检测文献更多,约占文献数量的2/3左右,且以近红外光谱技术应用居多;豆类小杂粮品质检测文献相对较少,约占文献数量的1/3左右,且以中红外光谱技术应用居多。中红外光谱、近红外光谱在小杂粮品质检测分析方面有诸多重要应用。其中,中红外光谱更多应用于小杂粮中活性物质以及小杂粮加工过程的表征,而近红外光谱则更多应用于小杂粮中粗蛋白、粗脂肪、水分等主要品质指标的定量分析检测,可为小杂粮品质监测、科学育种提供高效的数据来源。近年来,随着化学计量学的发展和计算机技术的进步,近红外光谱不再局限于小杂粮品质指标定量分析,而且还被应用于小杂粮产地溯源等领域,亦取得了良好的效果。最后对中红外光谱、近红外光谱在小杂粮品质无损分析检测方面做出了展望。     

基于优选NIR光谱波数的绿豆产地无损检测方法

产地是影响农作物生产的重要环境因素,产地溯源对于食品安全具有重要意义。针对传统农产品产地检测一般采用化学分析法,其操作繁琐且存在破坏性和耗时较长等不足的问题,以北方寒地绿豆为研究对象,分别在白城、杜蒙、泰来等优质绿豆主产区,获取绿豆的籽粒和粉末两种状态的近红外光谱数据（NIR）,利用优选NIR光谱特征波数,建立了绿豆产地无损检测的新方法。首先在吸光度值较强的10 105.37~4 078.655 cm-1波数范围内,采用多元散射校正法（MSC）,对不同产地的绿豆原始光谱数据进行预处理,以消除光谱干扰信息。应用竞争性自适应重加权采样算法（CARS）,优选不同产地绿豆籽粒和粉末状态的光谱特征波数,以减少光谱曲线的特征向量维度。最后利用前馈神经网络（BP）自适应推理机制,建立了绿豆产地与其光谱特征波数之间非线性映射模型,并将网络输出的编码向量解析至产地名称,作为绿豆产地检测的输出结果。研究结果表明：（1）原始光谱经过多元散射校正预处理后,绿豆粉末光谱曲线的误差从12.87降到3.20,绿豆籽粒光谱曲线的误差从153.04降到27.73,提供有效可靠的光谱数据。（2）通过竞争性自适应重加权采样算法,提取绿豆光谱曲线的重要特征波数,从籽粒和粉末状态原始2 114个波数中,分别优化为61个和107个特征波数,波段总数目减少了94.94%以上,并将其作为绿豆产地识别的特征指标。（3）创新性提出了MSC-CARS-BP绿豆产地检测模型,以优选出的光谱特征波数为定量依据,分别对绿豆籽粒和粉末进行产地检测,预测集准确率为92.59%和98.63%,相关系数均达到0.99以上。该方法能够利用近红外光谱处理技术,实现绿豆产地无损检测的目标,为农产品产地自动快速溯源提供了技术支持和参考。     

NIRS技术及其在口岸现场检测中的应用

近红外光谱（NIRS）分析技术是近年来发展十分迅速的一种快速、无损的新型检测技术,在农业与食品等研究领域获得越来越广泛的应用。分析了近红外光谱分析技术的原理和组成,介绍了近红外光谱分析技术的优越性,着重论述了该技术在食品、石化、有害气体等方面的现场检测应用。     

鱼粉产地溯源的近红外光谱判别方法研究

鱼粉是以一种或多种鱼类为组成原料的高蛋白饲料,其在养殖产业中占据着非常重要的地位。鱼粉产地众多,品质参差不齐,有不法商家以次充好,为维护市场秩序,应当建立一种鱼粉的产地溯源方法,以便更加精准地判别和分析鱼粉的品质。采用近红外光谱技术并结合化学计量学方法实现对不同产地鱼粉进行快速准确的产地溯源。采用径向基为核函数的支持向量机进行模式识别,并采用灰狼算法对以径向基为核函数的支持向量机进行关键参数的选择,模拟狼群狩猎行为,由适应度高低来设置等级制度,有秩序地对目标参数进行逐渐逼近围捕的移动,每次移动后重新进行适应性评估,经过狼群等级迭代最终捕获猎物,搜索到最佳惩罚因子和核函数半径;最后,利用最佳参数建立支持向量机模型进行不同产地鱼粉的产地溯源。灰狼算法可以提高支持向量机算法中关键参数的选择速度和精度,并提高支持向量机分类正确率。对来自浙江温岭、山东荣成、山东威海、辽宁大连四个产地的鱼粉样品采样,共获得144条光谱,光谱范围为3 700～12 500 cm~(-1),用获得的光谱进行产地溯源。随机选取每个产地样品的70%作为建模训练样本集, 30%作为测试样品集。首先对原始近红外光谱进行预处理,采用多元散射校正算法计算所有光谱的平均光谱当作"理想光谱",其他光谱对平均光谱进行一元线性回归,对光谱平移、偏移进行基线校正。采用小波变换对原信号分解,对高频信号进行阈值化处理,消除高频噪声达到光谱曲线平滑去噪效果;利用灰狼算法优化的支持向量机进行十次平行实验,降低误差干扰,得到产地分类结果:浙江温岭、山东荣成、山东威海、辽宁大连识别正确率分别为100%, 98.89%, 96.43%和97.78%。与网格搜索法相比,改进后的灰狼算法搜索支持向量机的惩罚因子和核函数半径速度更快更精确,分类准确率更高,可见灰狼算法优化的支持向量机(GWO-SVM)对鱼粉光谱进行产地溯源是可行的。     

食品中三聚氰胺的光谱检测与分析技术研究进展

三聚氰胺是豆、乳类制品中的非法食品添加剂,曾作为蛋白质的廉价代替物被非法添加进奶粉等食品中,造成了严重的社会危害,极大地威胁人民生命财产安全。目前光谱技术已成为识别和定量检测非法食品添加剂的有效手段,为质量监管部门提供了可靠的研究方法和鉴定依据。光谱检测技术的时效性、无损性和准确性提高了食品中三聚氰胺的检测效率,促进了精准化、自动化食品质量检测的发展。近年来有大量研究围绕着三聚氰胺的光谱检测新技术,如开发新型增强底物或传感器,降低三聚氰胺的检测限,提高检测精度;开发更加便携的自动化光谱快检设备,降低检测成本,提高检测效率。这些光谱技术各具优势,但很难形成标准化、统一化的检测规范,使得各种光谱检测技术仅仅停留在试验阶段,无法应用于实战。另一方面,随着人工智能与模式识别技术的发展,光谱数据分析方法在近年来也有着长足的进步,各种光谱预处理和数据建模方法被不断提出,大大提高了光谱检测技术的灵敏性和稳定性。综述了近十年光谱技术（拉曼光谱、近红外光谱、荧光光谱、光谱成像等）在三聚氰胺检测中的应用现状,总结了不同仪器检测限、定量范围和样品前处理方法;分析了各种光谱预处理和光谱数据建模方法在不同光谱数据中的适用性,归纳出这些方法的优劣与适配的仪器,并对其应用前景和研究趋势进行了展望。     

红外光谱的随机森林算法与数据融合策略对绒柄牛肝菌产地鉴别

绒柄牛肝菌(Boletus tomentipes Earle)是一种健康食品,受广大消费者的青睐,其子实体营养物质积累量受生长环境(海拔、气候等)影响,不同产地间营养物质含量差异显著,为去劣存优,急需建立一种准确、快速、廉价的产地鉴别技术。采用数据融合策略结合随机森林算法(RF)对绒柄牛肝菌的产地进行鉴别,比较了多种特征值提取方法对RF模型分类效果的影响。扫描来自4个产地(北亚热带、北温带、南亚热带、中亚热带)87个样品不同部位的傅里叶变换近红外光谱和傅里叶变换中红外光谱,分析其光谱特征。通过Kennard-Stone算法将所有样品划分为2/3的训练集(58)和1/3的验证集(29),基于4种红外光谱(近红外的菌柄(N-b)、近红外的菌盖(N-g)、中红外的菌柄(M-b)、中红外的菌盖(M-g))与三种数据融合策略(低级融合、中级融合、高级融合)的数据,结合RF建立产地鉴别模型,比较了不同方法提取的特征值(投影重要性指标值、 Boruta、潜在变量)对模型分类效果的影响。其中,根据袋外错误率(oob)选择最优ntree和mtry;以特异性、灵敏度、训练集正确率和验证集正确率评价模型分类性能,综合多种评价指标,找出绒柄牛肝菌产地鉴别的最佳方法。结果表明:(1)近红外和中红外光谱均能反映不同产地绒柄牛肝菌间存在的细微差异。(2)单一光谱结合RF建立判别模型效果不理想。(3)三种融合策略均可提高绒柄牛肝菌的产地鉴定效果,产地鉴别效果优劣依次为高级融合、中级融合、低级融合。通过扫描绒柄牛肝菌近红外和中红外光谱,采用基于特征值LV的高级融合策略,结合RF建立不同产地绒柄牛肝菌鉴别模型,有高验证集正确率(99.6%),高灵敏度(0.969),高特异性(0.986),实现了绒柄牛肝菌产地的准确、快速、廉价鉴别,可以作为绒柄牛肝菌产地溯源的一种可靠方法。     

近红外光谱技术在中草药分析中的应用

中草药分析与鉴定对中草药质量控制意义重大,传统分析方法由于过程复杂、需要丰富的经验等不利因素,无法满足快速分析和在线分析的要求。近红外光谱技术具有预处理简单、分析速度快、适用于固体漫反射技术和光纤技术等特点,已经在中草药有效组分的快速测定、在线质量控制、药材真伪鉴别、产地及质量鉴定等方面得到广泛应用。文章介绍了近红外光谱技术的基本原理和分析方法,综述了近红外光谱技术在中草药定量及定性分析方面的具体应用。     

近红外光谱通用模型在农产品及食品检测中的研究进展

我国人口基数大,农产品和食品的需求量多。农产品和食品的质量与安全与人们的日常生活息息相关。如何实现使用无损、快速、环境友好型、高通量的检测方法对农产品和食品的品质进行检测,是当代社会的发展需要。传统的检测分析方法存在着耗时耗力、检测的样品不能再次出售、产生次品漏检的现象等缺点。近红外光谱分析技术作为一种快速无损的检测手段,逐渐被一些学者以及相关行业人员所重视。然而,近红外光谱分析方法大多数只针对于单一物料建立数学模型。对于数量庞大且种类众多的农产品和食品而言,如不同地域、不同年份、不同温度、不同加工方法、不同成分组成甚至是不同品种,这种相对传统的近红外分析方法无疑会增加建模的工作量。随着计算机技术、光谱仪硬件、化学计量学以及互联网技术的发展,相关学者已经开始着手于近红外光谱通用模型的研究与开发来解决这一问题,即建立一个近红外通用模型,能够对多种物料的同一指标或多种指标进行检测。相比于传统的近红外光谱模型,通用模型具有建模成本低、工作量小等优点,特别使近红外光谱技术在农产品和食品领域中应用以及推广方面具有重要的意义。针对近红外光谱通用模型在农产品和食品检测中的研究进行综述,通过比较传统模...     

基于卷积神经网络和近红外光谱的太平猴魁茶产地鉴别分析

太平猴魁茶因其特有的“喉韵”深受广大消费者喜爱,不同产地太平猴魁茶市场价格相差较大,如何实现产地精准鉴别是目前促进绿茶产业发展的关键因素。依赖于人工经验的感官评审方法主观性强、稳定性差,无法应用于实际生产检测过程。作为目前主要的检测分析方法,化学分析方法周期长、检测成本高,而且目前没有用于茶叶产地鉴别的统一标准。近红外光谱（NIR）作为一种无损检测分析方法,具有快速、非破坏性、无污染等特点,但是不同产地太平猴魁茶主要内含成分及其含量基本相同,不同产地样本光谱特征峰分布相似,导致常规分析方法无法有效选择特征变量。卷积神经网络（CNN）作为经典深度学习网络模型之一,具有强特征提取和模型表达能力。采用太平猴魁茶产地光谱特征分析,利用一维卷积神经网络模型（1-D CNN）提取太平猴魁茶NIR特征,提出一种基于1-D CNN和NIR的太平猴魁茶产地鉴别分析方法。试验以6个不同产地共120个样本为研究对象,分析10 000~4 000 cm-1范围内的光谱信息;将样本随机划分为训练集（84,占70%）和测试集（36,占30%）,分别讨论不同间隔采样、网络结构、卷积核大小及激活函数对产地鉴别结果的影响,并引入Dropout方法对比分析模型过拟合现象;最终建立一个具有9层结构的1-D CNN模型。蒙特卡罗试验结果表明,相比于基于原始光谱数据（40.57%,7.06）和PCA方法（31.93%,6.96）的太平猴魁茶产地预测模型准确率和标准差,基于1-D CNN的太平猴魁茶产地鉴别模型预测精度和稳定性更高,其测试集预测准确率平均值和标准差分别为97.73%和3.47。因此,1-D CNN可有效提取太平猴魁茶不同产地NIR特征,提高太平猴魁茶产地鉴别精度,为太平猴魁茶精准产地鉴别及溯源分析提供参考。     

Near-Infrared spectroscopy and hyperspectral imaging for non-destructive quality assessment of cereal grains

Hyperspectral imaging (HSI) combines spectroscopy and imaging, providing information about the chemical properties of a material and their spatial distribution. It represents an advance of traditional Near-Infrared (NIR) spectroscopy. The present work reviews the most recent applications of NIR spectroscopy for cereal grain evaluation, then focuses on the use of HSI in this field. The progress of research from ground material to whole grains and single kernels is detailed. The potential of NIR-based methods to predict protein content, sprout damage and α-amylase activity in wheat and barley is shown, in addition to assessment of quality parameters in other cereals such as rice, maize and oats, and the estimation of fungal infection. This analytical technique also offers the possibility to rapidly classify grains based on properties such as variety, geographical origin, kernel hardness, etc. Further applications of HSI are expected in the near future, for its potential for rapid single-kernel analysis.     

近红外光谱指纹分析在羊肉产地溯源中的应用

为寻求低廉、快速有效地签别羊肉产地来源的方法,对来自内蒙古自治区锡林郭勒盟、呼伦贝尔市和阿拉善盟三个牧区,及重庆市和山东省菏泽市两个农区共99份羊肉样品进行近红外光谱扣描,利用主成分分析结合线性判别分析(PCA+LDA),以及偏最小二乘判别分析法(PLS-DA)对光谱数据进行了分析,建立了羊肉产地来源的定性判别模型.结...     

近红外光谱法与循环伏安电化学法联用进行葡萄酒品种溯源研究

提出一种将循环伏安电化学法和近红外光谱法联立,用PLS-DA的D-S证据理论融合二者信息进行葡萄酒品种溯源研究的方法。分别采集来自不同产区的三类不同品种的171个干红葡萄酒样品的循环伏安曲线和近红外透射光谱。用PLS-DA法分别建立循环伏安电化学法和近红外光谱法的判别模型,以此为证据;用两个证据的D-S合成规则实现近红外判别结果与循环伏安法判别结果的重新决策。融合后的结果为：多产区不同品种葡萄酒溯源模型的建模集准确率为95.69%,检验集准确率为94.12%;单一产区不同品种葡萄酒溯源模型的建模集准确率为99.46%,检验集准确率为100%;判别结果都比融合前单一循环伏安电化学法和近红外光谱法的判别准确率得到了提高。实验结果表明, 该方法具有较高的溯源识别准确度, 可以快速准确地对待测葡萄酒品种进行定性检测。     

近红外光谱结合随机森林算法：一种快速有效的附子产地溯源策略

可靠的原产地认证方法对于保护指定产地的高价值中药材（例如道地药材、地理标志产品等）至关重要。附子作为著名的传统中药和川产道地药材，疗效显著，临床应用广泛，在国内外市场需求量很大。不同产地的附子疗效和价格有所不同，大众很难通过传统经验进行准确鉴别，基于植物代谢组学模式下的质谱检测技术，测试样本制备过程繁琐冗长、操作复杂、检测时间长，且重现性偏低。近红外光谱作为一种成熟、快速、无损的检测技术，被机器学习集成后为中药材在线质量监管和控制带来新途径。基于近红外光谱技术结合随机森林算法建立了一种不同产地附子无损鉴别模型。在四川、陕西和云南等主要栽培区域共采集了255份附子样本，采用傅里叶变换近红外光谱获得所有样本的漫反射光谱信息。采用单一和组合光谱预处理方式以消除光谱中的多种干扰，并筛选出最佳预处理方式，以此为输入指标建立随机森林模型。采用灵敏度、特异度和平衡精度等指标评价了模型的综合性能。结果表明：Savitzky-Golay平滑+多元散射校正为最佳预处理方式；仅采用全波长数据，RF模型对3组省级的样本的预测准确率超过了90%，预处理后预测准确率达98.39%；对于市/县一级样本，RF模型同样具有优秀的判别能力，准确率大于75%。模型对道地产区周边栽培区域的样本，识别率达100%。过滤出前100个特征波数，重新优化模型，模型对各市/县级区域的识别精度超过85%，尤其是对一些产自高原样本的识别能力得到了明显提升。研究中采用了环境友好型溯源策略，分析速度更快，样品损失更少，精度更高，为不同产地附子快速、高效的鉴别提供了新模式，为后续附子及其相关炮制品的鉴别和溯源提供了参考。     

基于FTIR指纹光谱的牛肉产地溯源技术研究

在中国牛肉4个产区吉林省榆树市、贵州省安顺市、宁夏自治区同心县、河北省张北县屠宰场采集了58个肉牛牛肉样品,进行脱脂、干燥、粉碎。利用近红外光谱分析技术,对牛肉样品的近红外光谱进行主成分分析、聚类分析、判别分析,建立了判别牛肉产地来源的傅里叶变换红外光谱定性分析模型。分析结果显示4个产区的牛肉的平均近红外光谱存在有差异,牛肉样品的主成分空间分布也位于不同的区域。根据光谱距离,对样品进行聚类分析,初步判定了牛肉的产区,其中贵州的牛肉光谱比较复杂,与河北牛肉样品的光谱距离很近,存在一定交叉。利用来源于4个产区的18个独立样品对模型进行了验证,正确识别率为100％。说明应用近红外光谱分析技术可准确、快速、低廉地追溯牛肉的产地来源。     

近红外分析技术在食品氨基酸检测中应用的研究进展

综述了近红外分析技术在农作物生长及食品加工处理过程中氨基酸检测的应用情况,及其研究进展。对近红外分析食品氨基酸应用中涉及的化学值HPLC检测以及化学计量学方法进行总结,对相关原始文献中的数据、资料和主要观点进行整理和归纳。对氨基酸的HPLC、化学计量学分析方法及其在农作物品质监测、茶叶中氨基酸和茶多酚含量的同时测定、饲料品质鉴定、奶酪火腿肉制品中氨基酸及其他化学成分含量的测定情况进行了综述,分析了方法的优缺点并对近红外分析技术在食品氨基酸检测中应用进行了展望。近红外光谱在氨基酸检测中应用的发展需基于氨基酸高效液相色谱检测的化学值来建立相应的模型,模型传递的问题是目前制约其大范围推广的主要原因。在线分析可以监测从原料到产品的整个反应变化过程,满足食品从生产到销售等领域中品质实时监控的需求,将是今后重要的发展方向。     

红外光谱技术在蜂蜜质量检测中的研究进展

蜂蜜的品质检测和掺假判别对于保证产品质量、保障其食用安全性具有重要意义。传统的化学分析、抽样检测方法限于成本较高、操作复杂等原因,已不能满足生产实践中大范围检测的需求。近年来,蜂蜜检测技术正向快速化、高通量方向发展。光谱分析技术具有快速、非接触测量的优点,已在石化领域获得了广泛应用,在蜂蜜品质检测方面具有较大的应用潜力。并综述了近红外光谱分析技术和中红外光谱分析技术在蜂蜜定量和定性检测研究中的进展。主要包括这两种光谱分析技术在蜂蜜产品的品质检测、掺假判别、植物源判别、产地判别等方面的研究进展,通过这几方面的介绍,对红外光谱技术在蜂蜜分析检测中的检测原理、技术路线、准确度、影响因素及发展方向进行了综合分析。     

太赫兹波谱技术在食品掺假检测中的研究进展

近年来食品掺假事件频繁发生,对食品安全领域产生巨大挑战,食品掺假问题已成为人们关注的焦点和讨论的热点,因此实现食品掺假的快速、准确以及无损检测对保障食品质量和安全具有重要意义。随着新食品原料、新添加剂以及新型食品加工技术不断涌现,使得食品掺假问题呈现技术化、隐形化、多样化等特征,食品中掺假对象的鉴别技术面临更严峻的挑战。目前一些现代检测技术可针对食品掺假问题进行有效检测,如高效液相色谱法、稳定碳同位素比值法等,然而由于需对样品进行复杂预处理、检测仪器操作技术要求较高等原因,使其针对现有的食品掺假检测存在一定的局限性,因此寻求一种新型的、灵敏度高的以及具有指纹特性的无损检测技术进行现有食品掺假检测成为关键。太赫兹（Terahertz,THz）波谱是指频率在0.1~10 THz之间的电磁波,具有微波和红外双重特性,其中包括指纹特性、相干性、安全性等。由于物质中大部分有机大分子之间弱相互作用、骨架振动、偶极子的旋转和振动跃迁频率与太赫兹波谱相对应,使得太赫兹技术在食品掺假检测应用领域蕴含着巨大的潜力。首先阐述了太赫兹波谱技术用于物质检测的原理;重点综述了太赫兹波谱技术在食品掺假检测方面的最新研究进展,具体以转基因食品鉴别、食品原产地鉴别、乳制品掺假检测、蜂蜜掺假检测及其他食品掺假检测进行综述;其次分析了目前太赫兹波谱技术在食品掺假检测方面所存在的问题,如水分吸收、散射效应等影响;最后展望了太赫兹波谱技术在食品掺假检测方面的应用前景,如开发低成本的太赫兹源和探测器以促进太赫兹技术普及应用、将机器学习算法用于太赫兹波谱建模分析以提高模型精度和分析速度、与其他现代检测技术结合使用以实现检测技术间优势互补等;以期为开展太赫兹波谱技术在食品掺假检测方面研究提供参考和指导。     

基于波长选择方法Modeling Power的黑木耳产地判别研究

应用近红外光谱技术结合波长选择方法(modeling power,MP)实现了黑木耳产地的快速准确判别。共收集4个产地240个黑木耳样本,通过光谱扫描,建立了最优的偏最小二乘(PLS)判别模型。同时应用MP选择对黑木耳产地判别的有效波长,作为输入变量,建立最小二乘-支持向量机(MP-LS-SVM)模型。比较了3种MP选择波长的阈值方法,分别为MP值大于0.95,0.90和(0.90+Peak),并建立了相应的MP-LS-SVM模型。以预测集样本的准确判别率作为模型评价标准,分别设定预测的残差绝对值标准0.1,0.2和0.5。预测结果表明,MP-LS-SVM(0.90+Peak)模型在残差标准为0.1,0.2和0.5时的判别效果均为最优,正确判别率分别为98.3%,100%和100%。说明ModelingPower是一种非常有效的波长选择方法,应用近红外光谱技术结合MP-LS-SVM进行黑木耳产地判别是可行的,并获得了满意的判别精度。