山东农业大学邵园园副教授团队利用我司高光谱设备，对不同掺假比例（掺假物为果葡糖浆和蔗糖溶液，掺假比例为0%、5%、10%、15%、20%、30%和40% w/w）的纯百花蜜进行高光谱数据的采集，实现高光谱成像技术对蜂蜜掺假的无损检测。我司高光谱设备参数如图1所示。
图1gaiafiled-pro-v10e相机及参数
表1蜂蜜掺假水平的信息
sample
level
number
fructose syrup adulteration/
sucrose adulteration
0%
60/60
5%
60/60
10%
60/60
15%
60/60
20%
60/60
30%
60/60
40%
60/60
图2 高光谱成像系统
对比分析了纯蜂蜜和掺假样本间的光谱差异。可以看出，光谱波峰和波谷是一致的，但在450-900 nm处的反射值不同。蜂蜜在420-580 nm和600-950 nm处的吸收曲线明显不同。样本在420-580 nm的反射率存在较大差异，这可能与蜂蜜中的糖含量有关。从平均光谱曲线看，掺果葡糖浆的反射值变化范围在420~580 nm处高于蔗糖掺假的，这可能是因为蔗糖溶液比果葡糖浆更容易溶解到纯蜂蜜中。
图3 平均光谱反射曲线:（a）果葡糖浆掺假;（b）蔗糖溶液掺假。
基于高光谱图像进行主成分分析（pca），以此获得每张蜂蜜及掺假样本的主成分（pc）图像。为了更清楚地显示不同pc图像之间的差异，提供了原始pc图像和伪彩色图像。对于果葡糖浆掺假，pc1图像差异不明显，pc2伪彩色图像中黄色掺假区域清晰可见，表明pca可以检测蜂蜜掺假。对于蔗糖溶液掺假，pc2伪彩色图像中5 %和10 %掺假蜂蜜的颜色差异不明显，说明pca不能检测低含量掺假蜂蜜样本。
图4 不同掺假水平的蜂蜜样本的主成分图像：（a）果葡糖浆掺假;（b）蔗糖溶液掺假。
基于特征波长并建立了libsvm模型，用于检测纯蜂蜜和掺假蜂蜜样本。在训练集下，模型的分类准确率为97.3 %。纯蜂蜜样本与掺假样本有明显区别，不存在样本误判。在测试集下，分类模型的分类准确率为92.5 %。测试集结果表明：4个纯蜂蜜样本被误判为掺假蜂蜜，2个掺假蜂蜜样本被错误判断为纯蜂蜜样本。因此，通过高光谱成像结合化学计量学检测蜂蜜掺假是可行的。
表2 libsvm模型对蜂蜜掺假的分类结果
honey adulteration
1
2
3
4
5
6
7
accuracy
calibration set
1
72
0
0
0
0
0
0
2
0
86
0
0
1
0
0
3
0
1
79
1
2
0
0
4
0
0
1
84
1
0
0
5
0
1
1
0
72
2
0
6
0
1
0
0
1
74
0
7
0
1
0
0
1
1
84
total
100%
96.6%
98.8%
92.3%
92.3%
96.1%
100%
97.3%
validation set
1
44
1
0
0
0
0
1
2
0
24
1
0
1
0
0
3
1
3
43
0
0
1
0
4
2
0
0
33
0
0
0
5
0
2
1
1
40
0
1
6
1
0
0
0
1
41
0
7
0
1
0
0
0
1
34
total
91.7%
77.4%
95.6%
94.3%
95.2%
95.3%
94.4%
92.5%
为了预测不同蜂蜜样本的掺假水平的，建立了基于spa挑选的特征波长和掺假水平的偏最小二乘回归（plsr）模型。在预测集中，plsr模型在rv2= 0.84，rmsev = 5.26，rpd = 2.50取得了良好的预测性能。图4表明了plsr模型的实际掺假水平与预测掺假水平的散点图，预测值与实际值之间存在高度相关性。因此，基于plsr的高光谱数据是预测蜂蜜掺假水平的一种有前途的强大分析方法。
图5 预测集中实际掺假水平和预测掺假水平的散点图
综上所述，采用高光谱成像结合化学计量学技术检测蜂蜜掺假，建立libsvm掺假鉴别模型和plsr掺假水平预测模型。libsvm模型对蜂蜜掺假的分类准确率为92.5%。结果表明，libsvm模型对蜂蜜掺假检测具有良好的预测能力，对维护蜂蜜和糖浆市场秩序，保护消费者合法权益具有积极的现实意义。plsr模型具有良好的预测能力，可以预测掺假蜂蜜的掺假水平。
第一作者简介：
邵园园，工学博士，山东农业大学副教授，硕士生导师。
主要研究方向：1、农业机械设计，包括播种育苗移栽机械、免耕播种机械、秸秆后处理机械及苹果、花生、甘薯收获机械等。
2、机构运动与动力学优化仿真；精准农业、农产品检测、图像识别、高光谱图像处理等。
参考文献：shao y , shi y , xuan g , et al. hyperspectral imaging for non-destructive detection of honey adulteration[j]. vibrational spectroscopy, 118(2022):103340.