多光谱成像的玛咖掺伪定性鉴别和定量分析

摘要：

玛咖(Lepidium meyenii Walp. )是生长在高海拔地区的十字花科独行菜属一年生或两年生的草本植物,具有丰富的营养价值和生物保健功效.自2011年被列为新资源食品后,玛咖产业得到了迅速发展,价格不断上涨.由于芜菁(Brassica rapa L. )外形与玛咖极为相似,受经济利益驱使,不法商家常将芜菁冒充玛咖,制成玛咖粉、玛咖片和玛咖饮品等牟取暴利,这给玛咖健康产业的有序发展带来了严重的负面影响.因此玛咖的真伪鉴别是非常必要的,但目前对于玛咖的真伪鉴别多为传统方法,快速检测方法较少.采用多光谱成像技术,建立了一种玛咖与芜菁真伪的快速无损鉴别的新方法.主要包括玛咖切片和玛咖粉真伪鉴别两部分内容;其一是针对玛咖切片的真伪鉴别,通过Videometer A／S多光谱成像仪对240片玛咖和芜菁切片(玛咖和芜菁切片各120片)进行数据采集,波长范围在可见光区域和近红外区域,分别为405 , 435 ,450 ,470 ,505 ,525 ,570 ,590 ,630 ,645 ,660 ,700 ,780 ,850 ,870 ,890 ,910 ,940和970 nm共19个波段,为了有效鉴别玛咖和芜菁,首先进行了主成分分析(principal component analysis ,PCA ) ,然后结合支持向量机(support vector machines ,SVM ) ,遗传算法优化支持向量机(genetic algorithm and support vector machine ,GA‐SVM )和反向传播神经网络(back propagation neural network ,BPNN )算法建立了分析模型,校正集与预测集的样品数量比值为3∶1 .研究发现PCA分析可以明显地将玛咖和芜菁区分,SVM 模型对于玛咖和芜菁切片的预测正确率分别为98.33%,100%,GA‐SVM和BPNN模型对玛咖和芜菁切片的鉴别正确率均为100%.其二是针对玛咖粉的真伪鉴别,选择120份玛咖粉,向其中掺入20%,40%,60%, 80%,4个不同掺假水平(W／W )的芜菁粉进行多光谱数据采集,结合偏最小二乘(partial leastsquares ,PLS )和最小二乘支持向量机(least squares‐support vector machines ,LS‐SVM )对芜菁的掺假比例进行了定量预测.研究发现,PLS和LS‐SVM模型对于玛咖粉中芜菁粉的掺入比例的预测决定系数(R2P )分别为0.992和0. 994 ,预测均方根误差(RM SEP )分别为 2.718% 和 2. 675%,相对预测误差(RPD )分别为 12. 782 和12.987 .相比较而言,LS‐SVM模型具有更高的 R2p ,RPD较低的RM SEP ,对于玛咖粉中掺入芜菁粉比例的预测性能更好.为玛咖真伪的快速无损鉴别提供了一种新方法.

关键词：玛咖、芜菁、真伪鉴别、多光谱成像、无损检测

所属期刊栏目：40

分类号：O657.3(分析化学)

资助基金：国家重点研发计划项目2017YFF0211004

在线出版日期：2020-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：152-156