[发明专利]一种基于单项判别法的表征蜂蜜差异性智能嗅觉图谱特征提取方法

说明书

技术领域

本申请涉及一种基于单项判别法的表征蜂蜜差异性智能嗅觉图谱特征提取方法。 

背景技术

我国蜂蜜产量居世界首位，近年来产量一直保持快速增长的趋势，由2001 年的25.2 万吨增加到2009 年的40.2 万吨，占世界总产量也由近20%提高到30%多。但由于经济利益的驱动，目前蜂蜜市场掺假严重，导致掺假蜂蜜占据了蜂蜜市场的20%～30%，有些地区掺假造假的蜂产品占50%左右，严重损坏了消费者利益、影响蜂蜜产业健康发展、打击出口贸易创汇。 

由于缺乏检测手段的影响，导致掺假打击面临困难，其根本原因如下：（1）由于蜂蜜本身的主要物质结构比较简单，包含水和糖类成分，给掺假提供了便利条件，同时，单靠检测这几种物质含量的多少根本没办法判别是否掺假；（2）由于蜂蜜受蜜源植物种类、蜜蜂群势强弱、蜜期时间长短、空气的温度和湿度，以及蜂蜜的加工、贮存、结晶等多种因素影响，造成蜂蜜主要物质的含量范围变化较大，使得蜂蜜掺假简单、方便；（3）C4等掺假检测费用高、无法大规模用于实际检测和执法。 

香气是产品品质体现的重要属性之一，产品香气表征需要突出其客观性、真实性与全面性。目前气相色谱(GC)、气相色谱-质谱联用(GC-MS)和气相色谱- 嗅辨(GC-O)等方法，只能检测产品中有限的单体香气物质，并且这些香气之间存在协同、变调等现象，很难从整体上反映样品的香气品质。而智能嗅觉系统（电子鼻）能够模拟人类嗅闻特征，综合表征香气的整体信息，体现香气的嗅觉特征和整体品质，同时比人的嗅觉更加客观、可靠。目前已在食品新鲜度、食用油变质判别、果蔬成熟度检测、茶叶产地品种识别、酒类品牌界定等方面开展了相关研究。 

蜂蜜中含有300多种芳香物质，因此它是研究智能嗅觉表征的重要样例；同时不同蜜源、不同产地其风味物质各异，并且蜂蜜掺假与否或品质优劣能在整体香气上有所体现，使得香气成为蜂蜜品质检测与掺假鉴别的重要指标之一；充分说明采用智能嗅觉表征蜂蜜品质具有可行性，也为蜂蜜品质检测及掺假鉴别提供了一种快速、经济、准确且利于实时应用的检测方法。因此选择蜂蜜作为研究对象具有实用意义，对其行业健康发展更具深远价值。 

采用电子鼻进行产品品质判别或掺假鉴别分析，其本质是利用智能嗅觉图谱的整体香气信息，寻找样品间的差异性，其核心是寻找代表样品间差异性的图谱信息，即“差异化信息”，也叫“智能嗅觉的差异化图谱信息”。但是电子鼻的传感器阵列具有交叉敏感性，即每根传感器对每个香气都有不同程度的响应，因此通过电子鼻采集的呈香物质图谱具有广谱、重叠等特点，很难单独用肉眼从图谱上区分不同样品，需要进行“信号挖掘”，特别是“代表样品间差异化信息的挖掘”，挖掘的差异性化信息越多，就越有助于快捷的区分产品特征与品质。但目前在差异化信息挖掘方面还很薄弱，也是制约电子鼻发展的瓶颈。 

发明内容

一种基于单项判别法的表征蜂蜜差异性智能嗅觉图谱特征提取方法，其特征在于对所有特征点逐个进行模式识别，比较当每个信号点作为单一特征时判别准确率的差异，该方法将模式识别方法嵌入特征选择中，通过结合判别方法，可以获得各信号点对样品预测的能力，该方法对所选择的模式识别方法较依赖，选择结果会随判别方法的改变发生一定变化,单向量选择中不同传感器间准确率的差异较小，而同根传感器内不同检测时间下的信息点间的差异较大,但不同传感器内时间点Bayes判别准确率的变化趋势与方差比变化趋势一致，即检测初期信号判别准确率较高，集中于各传感器的前30s检测时间内，而检测后期的效果则较差,选择判别准确率大于60%的信号点作为特征点，共598特征点，利用支持向量机进行验证，预测准确率为84.8101% ，其中油菜蜜20/23，椴树蜜13/17，洋槐蜜34/39。 

附图说明

图1 异常点剔除结果：(a)马氏距离判别结果；(b)杠杆值判别结果； 

图2 基于方差比的特征提取结果

图3 基于单项量判别的特征点提取结果

图4 蚁群算法流程图

图5 基于蚁群算法的特征提取结果

图6 基于核主成分分析的特征点提取结果

图7 基于独立成分分析的特征点提取结果

图8 基于网格搜素的支持向量机参数优化结果

图9 基于遗传算法的支持向量机参数优化结果

图10 基于粒子群算法的支持向量机参数优化结果

具体实施方式

1 关于样本收集与制备