基于近红外光谱对蜂蜜掺假的检测

梁超　汪朝贤　高端

摘 要：通过运用近红外光谱技术对蜂蜜中掺入糖浆进行快速检测，建立偏最小二乘回归模型。实验一共分成21组，掺假比例0%～100%，间隔5%。对于21组实验结果选取14组作为校正集，7组作为验证集。在MATLAB软件上用IPLS与SIPLS方法筛选波长，之后使用The Unscrambler软件进行主成分分析以及模型建立，并完成验证。研究结果表明：使用IPLS分析得出在8000～8196 cm-1区间建模效果最好，校正集Correlation为0.999655，验证集Correlation为0.996520。使用SIPLS分析得出在9244～9544 cm-1区间建模效果最好，校正集Correlation为0.998131，验证集Correlation为0.983960。

关键词：近红外光谱；蜂蜜掺假；波长筛选；偏最小二乘法

中圖分类号：S896.1 文献标识码：A DOI：10.11974/nyyjs.20180532010

引言

随着蜂蜜以及蜂蜜制品食用量的迅速增长，人们对蜂蜜的品质也提出了更高的要求；对于蜂蜜，消费者最关心的是蜂蜜的纯度。蜂蜜是一种由蜜蜂采集植物的花蜜或者分泌物经过自身含有的特殊物质进行充分酿造而造成的甜味物质[1]。世界各国对于天然蜂蜜的真实性均有严格的要求，要求保证其天然性，不允许添加各类物质[2]。我国国家标准中更是明确规定了“不得添加或混入任何防腐剂、澄清剂、增稠剂等异物”[1]。然而，由于蜂蜜的主要成分为水、果糖、葡萄糖等物质，其质量分别约占蜂蜜质量的17%、38%、31%[3]。同时，受到蜂蜜采集的蜜源植物种类、蜜蜂群势强弱、蜜期时间长短、空气的温度和湿度，以及蜂蜜的贮藏方法等多种因素的影响，均会造成蜂蜜中这些主要成分的含量变化。因此，仅通过检测其主要成分含量，并通过其含量的多少很难有效的识别其掺入各种糖类、代糖类物质的掺假现象。

近年来，在利益的驱动下，有些商户以及厂家向蜂蜜中掺入糖浆等代替原料制造假蜂蜜，以天然蜂蜜投放市场，坑骗消费者以获取暴利[4]。近红外光谱技术作为快速检测方法，因具有绿色环保、无损快速、操作简单等优点而广泛应用于农业、食品、化学、制药、纺织业等领域。与传统检测方法相比，近红外光谱技术应用于蜂蜜品质检测，检测方法更加方便、快捷。

1 试验材料与方法

1.1 试验仪器

试验采用美国PE公司的傅里叶变换近红外光谱仪。在近红外波段10000～4000cm-1，采集所有样品的漫透射光谱；光谱分辨率为4cm-1，每个样品扫描32次求平均。

1.2 样品配置

使用市场购买的100%洋槐蜂蜜，使用糖浆不同比例掺假来设置实验组，掺假比例的控制方法是采用质量分数，即加入糖浆占掺假后蜂蜜的质量比分类。实验一共分成21组，掺假比例0%～100%，每间隔5%取值。对于21组实验结果选取14组作为校正集，7组作为验证集。

1.3 数据处理

使用MATLAB R2014a寻找最合理建模区间[5]。使用The Unscrambler9.7进行数据的主成分分析以及模型建立，并完成验证集验证[6]。

2 实验过程及结果

2.1 基于IPLS进行数据处理

2.1.1 选取最佳建模波段

从所生成的图1可得到最佳建模的光谱波段为8000～8196cm-1。

2.1.2 使用The Unscrambler软件进行建模及验证

使用MATLAB R2014a IPLS处理，得到RMSECV值为2.0460，R值为0.9979的光谱区间8000～8196 cm-1。在该区间使用The Unscrambler进行校正集建模和预测集验证。得到校正相关系数为0.999655，效果理想。验证相关系数为0.996520，模型合理。

2.2 基于SIPLS进行数据处理

2.2.1 选取最佳建模波段

从所生成的图5得到最佳建模的光谱波段：9244～9544cm-1。

2.2.2 使用The Unscrambler光谱分析软件进行建模及验证

使用MATLAB R2014a SIPLS处理，得到RMSECV值为2.9007，R值为0.9955的光谱区间9244～9544cm-1。在该区间使用The Unscrambler进行校正集建模和预测集验证。得到校正相关系数为0.998131，效果理想。验证相关系数为0.983960，模型十分合理。

3 总结

本实验数据共为21组，14组选为校正集，分别为1，2，4，5，7，8，10，11，13，14，16，18，20，21组。7组选为验证集，分别为3，6，9，12，15，17，19组[7]。由以上实验数据的处理和分析可以得出，经过IPLS和SIPLS筛选波长，可以使主成分数由14降为7，模型更加稳健、可靠[8]。

在今后的研究中，釆集建立模型所用的蜂蜜样本时，可以扩大蜂蜜样品产区范围，从多个地区釆集蜂蜜样本，采集不同生产年份、不同蜜源的蜂蜜样品，使模型适用性更广泛，实用性更强[9]。在扩大建模样本的同时，可以建立蜂蜜样本的近红外光谱库，对建立的模型进行定期校正，以实现近红外光谱技术在蜂蜜品质检测中更充分的应用[10]。

参考文献

[1]卫生部.蜜蜂：GB14963-2011[S].北京：中国标准出版社，

2011.

[2]WiseB.M，GallagherN.B.Theprocesschemometrics approach

to processmonitoringandfaultdetection[J].Joumalof Process Control，1996，6（6）：329-348.

[3]PoleselloA，GiangiacomoR.Applicationofnearinfraredspectrometrytothenondestructiveanalysisoffoods：Areviewofexperimentalresults[J].CritRevFoodSciNutr.1983，3（18）：203-230.

[4]中央电视台《每周质量报道》，特价蜂蜜背后隐藏着甜蜜的谎言[EB/OL].http：//news.cntv.cn/program/zhiliangbaogao，

2006-7-23.

[5]周强，欧阳一鸣，胡学钢，等.数据挖掘中应用偏最小二乘法发现异常值[J].微电子学与计算机，2005，2（1）：25-27.

[6]AbdiH，Wlliams，L.J.Principalcomponentanalysis[J].WileylnterdisciplinaryReviews：ComputationalStatistics，2010，2（4）：433-459.

[7]顾绍红，王水生，王光霞.主成分分析模型在数据处理中的应用[J].测绘科学技术学报，2007，4（5）： 387-390.

[8]乔立山，王玉兰，曾锦光.实验数据处理中曲线拟合方法探讨[J].成都理工大学学报（自然科学版），2004，1（1）：91-95.

[9]靖永谦.蜂蜜质量的鉴别研究[J].中国药学杂志，1991，6（6）：

343-345.

[10]陈兰珍.蜂蜜真伪的近红外光谱鉴别研究[J].光谱学与光谱分析， 2008，8 （11）：2565-2568.

作者简介：梁超（1996-），男，测控技术与仪器专业；靳皓，男，硕士，讲师，研究方向：农产品检测。