蜂蜜主要由糖組成,其中60 % ~ 80 %是容易被人體吸收的葡萄糖和果糖。由于其營養(yǎng)價值和獨(dú)特的風(fēng)味,天然蜂蜜的價格遠(yuǎn)高于甜糖或精制蔗糖等其他甜味劑。因此,蜂蜜一直是食品摻假的主要目標(biāo)。蜂蜜摻假給蜂蜜行業(yè)造成嚴(yán)重的經(jīng)濟(jì)損失,各種糖漿摻假也難以檢測。本研究主要利用高光譜成像和化學(xué)計(jì)量學(xué)方法來進(jìn)行蜂蜜摻假鑒別和不同蜂蜜摻假水平預(yù)測,對于維護(hù)蜂蜜和糖漿市場秩序,保護(hù)消費(fèi)者合法權(quán)益具有科學(xué)意義。
山東農(nóng)業(yè)大學(xué)邵園園副教授團(tuán)隊(duì)利用我司高光譜設(shè)備,對不同摻假比例(摻假物為果葡糖漿和蔗糖溶液,摻假比例為0%、5%、10%、15%、20%、30%和40% w/w)的純百花蜜進(jìn)行高光譜數(shù)據(jù)的采集,實(shí)現(xiàn)高光譜成像技術(shù)對蜂蜜摻假的無損檢測。我司高光譜設(shè)備參數(shù)如圖1所示。
圖1 Gaiafiled-Pro-V10E相機(jī)及參數(shù)
表1蜂蜜摻假水平的信息
sample |
level |
Number |
Fructose syrup adulteration/ Sucrose adulteration |
0% |
60/60 |
5% |
60/60 |
|
10% |
60/60 |
|
15% |
60/60 |
|
20% |
60/60 |
|
30% |
60/60 |
|
40% |
60/60 |
圖2 高光譜成像系統(tǒng)
對比分析了純蜂蜜和摻假樣本間的光譜差異??梢钥闯?,光譜波峰和波谷是一致的,但在450-900 nm處的反射值不同。蜂蜜在420-580 nm和600-950 nm處的吸收曲線明顯不同。樣本在420-580 nm的反射率存在較大差異,這可能與蜂蜜中的糖含量有關(guān)。從平均光譜曲線看,摻果葡糖漿的反射值變化范圍在420~580 nm處高于蔗糖摻假的,這可能是因?yàn)檎崽侨芤罕裙咸菨{更容易溶解到純蜂蜜中。
圖3 平均光譜反射曲線:(A)果葡糖漿摻假;(B)蔗糖溶液摻假。
基于高光譜圖像進(jìn)行主成分分析(PCA),以此獲得每張蜂蜜及摻假樣本的主成分(PC)圖像。為了更清楚地顯示不同PC圖像之間的差異,提供了原始PC圖像和偽彩色圖像。對于果葡糖漿摻假,PC1圖像差異不明顯,PC2偽彩色圖像中黃色摻假區(qū)域清晰可見,表明PCA可以檢測蜂蜜摻假。對于蔗糖溶液摻假,PC2偽彩色圖像中5 %和10 %摻假蜂蜜的顏色差異不明顯,說明PCA不能檢測低含量摻假蜂蜜樣本。
圖4 不同摻假水平的蜂蜜樣本的主成分圖像:(A)果葡糖漿摻假;(B)蔗糖溶液摻假。
基于特征波長并建立了LIBSVM模型,用于檢測純蜂蜜和摻假蜂蜜樣本。在訓(xùn)練集下,模型的分類準(zhǔn)確率為97.3 %。純蜂蜜樣本與摻假樣本有明顯區(qū)別,不存在樣本誤判。在測試集下,分類模型的分類準(zhǔn)確率為92.5 %。測試集結(jié)果表明:4個純蜂蜜樣本被誤判為摻假蜂蜜,2個摻假蜂蜜樣本被錯誤判斷為純蜂蜜樣本。因此,通過高光譜成像結(jié)合化學(xué)計(jì)量學(xué)檢測蜂蜜摻假是可行的。
表2 LIBSVM模型對蜂蜜摻假的分類結(jié)果
|
|
Honey adulteration |
|||||||
1 |
2 |
3 |
4 |
5 |
6 |
7 |
Accuracy |
||
Calibration set |
1 |
72 |
0 |
0 |
0 |
0 |
0 |
0 |
|
2 |
0 |
86 |
0 |
0 |
1 |
0 |
0 |
|
|
3 |
0 |
1 |
79 |
1 |
2 |
0 |
0 |
|
|
4 |
0 |
0 |
1 |
84 |
1 |
0 |
0 |
|
|
5 |
0 |
1 |
1 |
0 |
72 |
2 |
0 |
|
|
6 |
0 |
1 |
0 |
0 |
1 |
74 |
0 |
|
|
7 |
0 |
1 |
0 |
0 |
1 |
1 |
84 |
|
|
Total |
100% |
96.6% |
98.8% |
92.3% |
92.3% |
96.1% |
100% |
97.3% |
|
Validation set |
1 |
44 |
1 |
0 |
0 |
0 |
0 |
1 |
|
2 |
0 |
24 |
1 |
0 |
1 |
0 |
0 |
|
|
3 |
1 |
3 |
43 |
0 |
0 |
1 |
0 |
|
|
4 |
2 |
0 |
0 |
33 |
0 |
0 |
0 |
|
|
5 |
0 |
2 |
1 |
1 |
40 |
0 |
1 |
|
|
6 |
1 |
0 |
0 |
0 |
1 |
41 |
0 |
|
|
7 |
0 |
1 |
0 |
0 |
0 |
1 |
34 |
|
|
Total |
91.7% |
77.4% |
95.6% |
94.3% |
95.2% |
95.3% |
94.4% |
92.5% |
為了預(yù)測不同蜂蜜樣本的摻假水平的,建立了基于SPA挑選的特征波長和摻假水平的偏最小二乘回歸(PLSR)模型。在預(yù)測集中,PLSR模型在RV2 = 0.84,RMSEV = 5.26,RPD = 2.50取得了良好的預(yù)測性能。圖4表明了PLSR模型的實(shí)際摻假水平與預(yù)測摻假水平的散點(diǎn)圖,預(yù)測值與實(shí)際值之間存在高度相關(guān)性。因此,基于PLSR的高光譜數(shù)據(jù)是預(yù)測蜂蜜摻假水平的一種有前途的強(qiáng)大分析方法。
圖5 預(yù)測集中實(shí)際摻假水平和預(yù)測摻假水平的散點(diǎn)圖
綜上所述,采用高光譜成像結(jié)合化學(xué)計(jì)量學(xué)技術(shù)檢測蜂蜜摻假,建立LIBSVM摻假鑒別模型和PLSR摻假水平預(yù)測模型。LIBSVM模型對蜂蜜摻假的分類準(zhǔn)確率為92.5%。結(jié)果表明,LIBSVM模型對蜂蜜摻假檢測具有良好的預(yù)測能力,對維護(hù)蜂蜜和糖漿市場秩序,保護(hù)消費(fèi)者合法權(quán)益具有積極的現(xiàn)實(shí)意義。PLSR模型具有良好的預(yù)測能力,可以預(yù)測摻假蜂蜜的摻假水平。
第一作者簡介:
邵園園,工學(xué)博士,山東農(nóng)業(yè)大學(xué)副教授,碩士生導(dǎo)師。
主要研究方向:1、農(nóng)業(yè)機(jī)械設(shè)計(jì),包括播種育苗移栽機(jī)械、免耕播種機(jī)械、秸稈后處理機(jī)械及蘋果、花生、甘薯收獲機(jī)械等。
2、機(jī)構(gòu)運(yùn)動與動力學(xué)優(yōu)化仿真;精準(zhǔn)農(nóng)業(yè)、農(nóng)產(chǎn)品檢測、圖像識別、高光譜圖像處理等。
參考文獻(xiàn):Shao Y , Shi Y , Xuan G , et al. Hyperspectral imaging for non-destructive detection of honey adulteration[J]. Vibrational Spectroscopy, 118(2022):103340.
地址:無錫市梁溪區(qū)南湖大道飛宏路58-1-108
電話:13810664973
郵箱:info@dualix.com.cn
地址:北京市海淀區(qū)中關(guān)村大街19號
電話:13810664973
郵箱:info@dualix.com.cn
地址:陜西省西安市高新區(qū)科技一路40號盛方科技園B座三層?xùn)|區(qū)
電話:13810664973
郵箱:info@dualix.com.cn
地址:成都市青羊區(qū)順城大街206號四川國際大廈七樓G座
電話:13810664973
郵箱:info@dualix.com.cn