婴幼儿奶粉中多种掺假物近红外高光谱图像检测方法

作     者：赵昕 马竞一 陈晗 姜洪喆 褚璇 赵志磊 ZHAO Xin;MA Jingyi;CHEN Han;JIANG Hongzhe;CHU Xuan;ZHAO Zhilei

作者机构：河北大学质量技术监督学院保定071002 南京林业大学机械电子工程学院南京210037 仲恺农业工程学院机电工程学院广州510225 河北大学计量仪器与系统国家地方联合工程研究中心保定071002 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2024年第55卷第4期

页      面：368-375页

核心收录：

学科分类：0832[工学-食品科学与工程（可授工学、农学学位）] 081704[工学-应用化学] 07[理学] 08[工学] 0817[工学-化学工程与技术] 070302[理学-分析化学] 0703[理学-化学] 083203[工学-农产品加工及贮藏工程] 

基　　金：国家自然科学基金项目(32102087) 河北省省级科技计划项目(21344801D) 河北省专业学位研究生教学案例建设项目(KGJSZ2022005) 

主　　题：奶粉掺假 拉普拉斯分数算法 ReliefF算法 卷积神经网络 近红外高光谱成像 

摘      要：奶粉市场是食品掺假行为频发领域,其中婴幼儿配方奶粉价格高,其质量是消费者、生产企业和执法部门关注的重点。近红外高光谱成像(Near infrared-hyperspectral imaging,NIR-HSI)技术结合化学计量学和机器学习算法可以检测奶粉中单一掺假物含量。基于NIR-HSI技术研究了不同品牌婴幼儿奶粉中多掺假物(三聚氰胺、香兰素和淀粉)的定量预测。对基于像素点预处理后的高光谱图像划分感兴趣区域(Region of interest,ROI),提取ROI平均光谱。基于经典的过滤式特征选择算法拉普拉斯分数(Laplacian score)(无监督)和ReliefF(有监督)挑选建模关键变量,建立偏最小二乘回归模型(Partial least squares,PLS)。开发包含自定义选择层的一维卷积神经网络模型(One-dimensional convolutional neural networks,1DCNN)。自定义层根据权重系数绝对值,可确定重要波长变量。Laplacian score-PLS模型对预测集中奶粉、三聚氰胺、香兰素和淀粉质量分数预测结果均方根误差分别为0.1110%、0.0570%、0.0349%和0.3481%。ReliefF-PLS模型对预测集中奶粉、三聚氰胺、香兰素和淀粉预测结果均方根误差分别为0.1998%、0.0540%、0.0455%和0.1823%。1DCNN模型对预测集中奶粉、三聚氰胺、香兰素和淀粉质量分数预测结果均方根误差分别为0.8561%、0.0911%、0.0644%和0.2942%。对Laplacian score、ReliefF和自定义选择层挑选出的前15个重要波长进行对比分析,不同特征选择方法挑选的特征波长子集有所区别,但都选择1210、1474、1524、1680 nm等附近波长。基于ReliefF-PLS模型的可视化结果表明了其良好的预测能力。