[发明专利]一种荧光光谱结合人工神经网络检测食品色素的方法

摘要

本发明公开了一种基于荧光光谱技术结合人工神经网络检测食品色素的方法，用超纯水对食品色素的标准物质溶液稀释，配制不同浓度的色素溶液作为训练样本；测量训练样本中样品溶液的荧光光谱，对光谱数据进行归一化处理；用小波变换法对归一化处理后的光谱数据进行压缩、降维；以训练样本的小波系数值作为输入，训练样本的浓度值作为输出，训练、建立径向基函数人工神经网络，并确定人工神经网络的散布常数值；测量待测色素溶液的荧光光谱，并经小波变换法处理得到小波系数，以小波系数作为预测输入值，输入已建立好的人工神经网络，得到输出；计算得到预测结果的相对误差。本发明可高效、准确地实现对食品色素的定性、定量检测。

主权项

1.一种荧光光谱结合人工神经网络检测食品色素的方法，其特征在于该方法包括如下步骤：a、用超纯水对各种食品色素的标准物质溶液进行稀释，配制多种不同浓度的色素溶液，作为训练样本；b、测量训练样本中各种样品溶液的荧光光谱，保存光谱数据，对光谱数据进行归一化处理，归一化处理的公式为：Di′=Di-DminDmax-Dmin]]>其中，D_i为归一化前数据，D_min为训练数据的最小值，D_max为训练数据的最大值，D′_i为归一化后数据；c、用小波变换法对归一化处理后的光谱数据进行压缩、降维，在保留训练样本中绝大部分光谱信息的基础上，减少人工神经网络的输入向量维数，以减小神经网络的复杂性，使其快速、准确地实现对色素浓度的预测；所述小波变换法是基于Matlab2008a软件中的小波函数工具箱及自编程序运算实现的；小波变换法实施时，选取小波基函数及分解尺度，对各种训练样本的荧光光谱数据进行压缩，得到降维的低频小波系数；d、以训练样本的小波系数值作为输入，训练样本的浓度值作为输出，训练、建立径向基函数人工神经网络，并经过多次测试，确定径向基函数人工神经网络的散布常数值；e、测量待测色素溶液的荧光光谱，并经小波变换法处理得到相应的小波系数，以此小波系数数据作为预测输入值，输入已建立好的径向基函数人工神经网络，得到的输出即为该种色素的预测浓度；f、计算得到预测结果的相对误差，相对误差的计算公式为：