基于独立组分分析和BP神经网络的可见%2f近红外光谱蜂蜜品牌的.pdfVIP

第28卷，第3期 光谱学与光谱分析 200 and March，2008 8年3月 SpectroscopySpectralAnalysis 基于独立组分分析和BP神经网络的 可见／近红外光谱蜂蜜品牌的鉴别 邵咏妮，何勇，鲍一丹’ 浙江大学生物系统工程与食品科学学院，浙江杭州310029 摘要提出了一种基于独立组分分析的可见／近红外光谱透射技术快速鉴别蜂蜜品牌的新方法。用独立组 分分析方法获取蜂蜜的可见／近红外光谱载荷图，将载荷图中相关性最大的波段，作为人工神经网络的输入 建立蜂蜜品牌的鉴别模型。建立了一个三层的BP神经网络模型，各层传递函数采用S型(Sigmoid)函数， 并设置网络输入层节点数为9，隐含层节点数为10，输出层节点数为3。每个品牌25个样本，3个品牌共75 个样本，用来建立BP神经网络模型，剩余的3个品牌各5个样本用于预测，鉴别准确率达100％，模型的拟 合残差为8．245 365×10一。说明基于独立组分分析的方法具有很好的鉴别效果，为蜂蜜的品牌鉴别提供了 一种新方法。 关键词可见／近红外光谱；蜂蜜；独立组分分析；BP神经网络；品牌鉴别 中图分类号：$896．1文献标识码：A 文章编号：1000-0593(2008}03-0602—04 理、生物医学信号处理、金融等领域[1Z-lS]。在对近红外光谱 引 言 分析方面，也有相关的报道[16．17。。 人工神经网络是处理非线性问题的三大方法之一。它的 蜂蜜是一种天然营养食品，含有多种氨基酸和矿物质， 基本思想是模拟人脑细胞(神经元)工作原理[18]，以建立模 极易被人体吸收利用口]。同时，蜂蜜还有药用价值，可促进 型进行分类和预测。目前使用最多的是多层结构的误差反向 消化吸收，增进食欲，镇静安眠，提高机体抵抗力。随着人 传播学习算法(BP)[19|。 们对蜂蜜质量要求的不断提高，市场上出现假蜂蜜的现象也 本研究通过对不同品牌蜂蜜的可见／近红外透射光谱进 日趋严重，这对蜂蜜质量检测技术提出了更高的要求。蜂蜜 行分析，同时将独立组分分析与BP神经网络相结合，旨在 质量的现代分析技术种类繁多，根据被测量的物理和化学性 于寻找一种蜂蜜品牌鉴别的快速有效的方法。 质可分为光学分析法、电化学分析法、色谱分析法、热量分 析法等几类[州，但是这些方法需接触蜂蜜和消耗蜂蜜，而 1材料与方法 且仪器成本高，操作复杂，不适合非专业人士操作，不适合 于元损在线的快速检测。因此，研究一种简单、快速、无损 1．1仪器设备 的蜂蜜鉴别技术和开发相应的检测仪器很有必要。 美国ASD(analytical spectral 075 Field ntn，采样间隔 可见／近红外光谱法是一种快速简便无损的分析方 Spee光谱仪，光谱测定范围325～1 1．5 法[7’8]。已被广泛应用于食品、石油、化工、医药等行业[g]。 nnl，分辨率3．5r蚰，探头视场角为20。，光谱扫描次数 在蜂蜜检测方面，也有相关报导，如应用近红外光谱技术对 设定为30次。光源采用14．5V卤素灯