基于近红外光谱技术检测全蛋粉掺假

摘要

为提高全蛋粉掺假检测的准确度和检测效果，应用近红外光谱技术对全蛋粉掺假进行定性判别并对掺假含量进行定量分析。分别采用标准正态变换、多元散射校正、卷积平滑、归一化、一阶导数、二阶导数等6种不同预处理方法，对原始光谱数据进行预处理，采用竞争性自适应重加权算法（CARS）、连续投影算法（SPA）及CARS-SPA结合算法对光谱数据进行特征波长筛选，建立集成学习（ensemble learning,EL）模型对掺假蛋粉进行定性判别，建立偏最小二乘模型（PLSR）对掺假含量进行定量分析。结果显示：在对掺假蛋粉进行定性判别方面，一阶导数为最佳预处理方法，CARS算法特征筛选效果最佳，EL模型对掺假蛋粉样本总体判别准确率达到98.18%，对各类掺假蛋粉样品的判别准确率在97.78%以上。在对蛋粉掺假含量进行定量分析方面，多元散射校正为最佳预处理方法，CARS算法特征筛选效果更佳，对一组分掺假、二组分掺假、三组分掺假和所有掺假样本的PLSR浓度预测模型的预测集相关系数（Rp）分别为0.958 5、0.931 2、0.945 6和0.955 8，均方根误差（RMSEP）分别为4.689 1、5.813 4、4.604 1和3.802 9。研究结果表明，近红外光谱技术可用于蛋粉掺假检测，为监管机构检测蛋粉掺假提供参考。

关键词

全蛋粉 / 近红外光谱 / 掺假检测 / 集成学习 / 精准检测