[发明专利]一种基于蚁群算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蚁群算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

一种基于蚁群算法的表征蜂蜜差异性智能嗅觉图谱特征提取方法，根据我国地理区域西部、华南、华北、华东、东北的划分，选择5种不同蜜源作为研究样本，分别为：1）油菜蜜，采自西部地区的重庆涪陵区和永川区；2）荔枝蜜，采自华南地区的广西南宁；3）荆条蜜，采自华北地区的北京密云等地；4）洋槐蜜，采自华东的山东莱阳；5）椴树蜜；利用气敏传感器阵列与不同挥发性成分的吸附差异对待测样品蜂蜜进行检测，利用蚁群算法的自动迭代进化，对特征点选择进行自动寻优，直到获得最优结果，其特征在于将蚁群算法应用于特征点的选择，算法模拟遗传算法，利用二进制编码对各传特征向量进行编码，1代表选择该信息点，0代表舍弃该信息点,利用各特征点选择后的Bayes判别准确率以及所选择的特征点数为适应性函数，寻求最优的向量组合，该算法包括：（a）将特征点选择数加入适应函数中，并设定代价参数，通过参数调节，可以根据需要对特征点数和判别准确率进行取舍；（b）为避由于特殊点导致的更新方向错误，设置最优集，以最优集合代替单一最优点进行选择；（c）信息素更新程度与适应函数提高成正比，算法优化效果好，则更新幅度增大；（d）为加快计算速度，对效果较差的向量加快挥发速度，减小信息素浓度，减小其对后期计算干扰。 

所述的智能嗅觉图谱特征提取方法，其蚁群算法各参数选择如下：最终选择蚁群规模=20；信息素挥发浓度=0.003；优秀蚂蚁集=3；差蚂蚁集=3;特征数惩罚比例=400；蚁群算法所选择的特征点多集中于1000附近和1500至2160，即第9、第15-18根传感器的信号点，最终选择特征点数206，判别准确率为94.94%，其中油菜蜜22/23，椴树蜜16/17，洋槐蜜37/39。 

附图说明