[发明专利]基于拉曼高光谱对抗判别模型的奶粉掺杂非定向检测方法

说明书

本发明公开了一种基于拉曼高光谱对抗判别模型的奶粉掺杂非定向检测方法，属于乳制品安全检测技术领域，该方法包括采集正常奶粉样本的拉曼高光谱数据，并生成可信拉曼高光谱数据库；利用深度对抗学习算法，明确可信拉曼高光谱数据所对应的概率分布判别边界；采集待测奶粉样本的拉曼高光谱数据，判断待测奶粉样本的拉曼高光谱数据是否服从可信拉曼高光谱的概率分布。本发明有机结合拉曼高光谱成像技术以及抗判别模型算法，无需具体掺杂物信息即可准确识别正常样品外的其它任何掺杂样品，显著提高了奶粉掺杂非定向筛查的效率。

技术领域

本发明涉及乳制品安全检测技术技术领域，更具体的说是涉及一种基于拉曼高光谱对抗判别模型的奶粉掺杂非定向检测方法。

背景技术

以婴幼儿奶粉为代表的乳制品产业是我国增长速度最快的食品行业之一，与人们日常生活密切相关。奶粉已成为人们，特别是非母乳喂养的婴幼儿，的重要营养来源，其质量安全直接影响到相关人群的生命健康。然而，奶粉市场面临着经济利益驱动的掺杂造假行为，大量未知掺杂物被不法商贩添加到奶粉中，以追求更高的经济利益。这些掺杂造假行为严重影响了中国乳制品产业的公信力，并严重危及消费者的健康与安全。因此，为应对奶粉产品中存在的各种掺杂造假风险，迫切需要发展新型、高效的奶粉掺杂检测技术。

目前奶粉中非法添加剂的检测主要依赖实验室的定向检测方法，其面临的挑战主要包括两方面，一是种类繁多的非法添加剂限制了定向检测方法在实际中的应用，难以进行穷尽检测；二是定向检测方法大都需要繁琐的样品前处理过程才能进入到检测阶段，费时、费力、费用高且操作复杂，难以实现大批量奶粉的快速检测。以上两方面问题导致定向检测方法在奶粉质量安全筛查方面存在相当的限制，难以在日常监管中主动发现问题，也难以适应当前严峻的奶粉质量安全形势。为了克服定向检测方法的缺陷，并达到奶粉质量安全早期预警的目标，非定向检测方法应运而生。

与定向检测方法不同，非定向检测方法的检测范围相对较广，可以在一定范围内实现未知掺杂物的筛查与预测。然而，目前已有的非定向检测相关方法大都基于色谱-质谱联用法，依旧需要依赖大量的已知化合物质谱数据库去进行各种分子结构的组合，以推导未知的掺杂物结构。尽管这在相当程度上扩大了未知掺杂物的覆盖范围，但所推导的未知掺杂物结构依旧十分有限，难以覆盖潜在未知掺杂物质的全部化学结构。因此，从原理上而言，目前的非定向检测技术需要依赖掺杂样本的先验知识建立判别模型，存在着有限样本学习问题，即训练集的样本难以覆盖掺杂物质的多样性，极易导致判别模型过拟合。原理上的缺陷，导致当前的非定向检测技术难以产生高精度和高置信度的掺杂判别模型。

因此，如何提供一种高效精准的奶粉掺杂检测方法是本领域技术人员亟需解决的问题。

发明内容

为了克服当前非定向检测技术的各种缺陷，本发明提供了一种基于拉曼高光谱对抗判别模型的奶粉掺杂非定向检测方法，在原位无损的状态下实现了奶粉样本的非定向筛查，具备简单、高效、高精度等显著优点。

为了实现上述目的，本发明采用如下技术方案：

一种基于拉曼高光谱对抗判别模型的奶粉掺杂非定向检测方法，包括：

S1、采集正常奶粉样本的拉曼高光谱数据，并生成可信拉曼高光谱数据库；

S2、利用深度对抗学习算法，明确可信拉曼高光谱数据所对应的概率分布判别边界；

S3、采集待测奶粉样本的拉曼高光谱数据，判断待测奶粉样本的拉曼高光谱数据是否服从可信拉曼高光谱的概率分布。

优选的，步骤S1、S3中采集的拉曼高光谱数据包括拉曼光谱信息数据和光谱特征空间分布信息。

优选的，步骤S2具体包括：

基于深度对抗学习算法，构建拉曼高光谱对抗判别模型，利用拉曼高光谱对抗判别模型确定可信拉曼高光谱数据所对应的概率分布边界。