基于多光谱成像技术的番茄酱中非法添加物快速检测方法与流程

本发明涉及掺杂样品识别分类检测方法领域，具体是一种基于多光谱成像技术的番茄酱中非法添加物快速检测方法。

背景技术：

番茄酱作为我国重要的出口创汇农副产品之一，到目前为止，中国已成为全世界最大的番茄酱出口国，我国的番茄酱出口量占全世界番茄酱贸易总量的30%左右。但是，现在部分不法企业为获取更大利润在番茄酱加工过程中随意掺加糖，赚取糖与番茄酱之间的差价，这种造假行为严重危害了广大消费者的利益。现在对番茄酱品质的分析主要依靠化学检测方法，主要测定指标为番茄红素、酸度、色差、微生物等，还没有发现番茄酱掺糖这方面的研究，并且化学检测方法繁琐、耗时耗力，对检测条件和人员都有很高要求，无法实现在番茄酱流通过程中对番茄酱品质进行实时有效监控。

多光谱成像分析是一种无损、快速、简单、不需要样品预处理并将光谱信息和图像信息融为一体的分析方法，因此非常适合质量控制与预测。近年来，该技术被广泛应用于农产品质量与安全预测。目前国内外还未见有关基于多光谱成像技术的番茄酱掺糖含量快速无损预测方法的相关文章报道。

技术实现要素：
本发明的目的在于克服现有技术的不足，提供了一种基于多光谱成像技术的番茄酱中非法添加物快速检测方法，为番茄酱的质量控制和品质分析提供了新的方法和思路。

为了达到上述目的，本发明所采用的技术方案为：

基于多光谱成像技术的番茄酱中非法添加物快速检测方法，其特征在于：包括以下步骤：

（1）选取多份纯番茄酱，并分别在各份纯番茄酱中掺入非法添加物，各份纯番茄酱中的非法添加物的掺入比例不同，得到不同添加比例的掺杂番茄酱样品，并使每份纯番茄酱和非法添加物掺杂均匀；

（2）将掺杂均匀的掺杂番茄酱样品彼此独立放入圆形容器里，并使其表面平整，并将其中一部分掺杂番茄酱样品作为校正集，另一部分掺杂番茄酱样品作为预测集；

（3）利用光谱成像技术获取所有掺杂番茄酱样品的光谱图像信息；

（4）选取步骤（3）所获得的光谱图像信息中校正集中掺杂番茄酱样品的光谱图像信息，以及获取校正集中番茄酱掺杂的非法添加物含量信息，并结合光谱信息和番茄酱掺杂的非法添加物含量信息建立模型；

（5）利用步骤（4）建立的模型，对预测集中掺杂番茄酱样品进行预测，预测得到预测集中番茄酱掺杂的非法添加物含量值，并分析其与预测集中番茄酱掺杂的非法添加物含量实际值的差异。利用此模型能够实现对番茄酱掺杂非法添加物含量快速无损检测。

所述的基于多光谱成像技术的番茄酱中非法添加物快速检测方法，其特征在于：所述步骤（1）具体包括以下：在各份纯番茄酱中分别掺入非法添加物，并用玻璃棒搅拌使掺杂均匀。

所述的基于多光谱成像技术的番茄酱中非法添加物快速检测方法，其特征在于：所述步骤（3）中，采用多光谱成像仪获取所有掺杂番茄酱样品的光谱图像信息，多光谱成像仪的工作波长为可见光至近红外波段。

所述的基于多光谱成像技术的番茄酱中非法添加物快速检测方法，其特征在于：所述步骤（4）中，采用化学计量学方法并通过计算机建立模型，利用所建模型，预测出非法添加物的含量。

本发明的原理为：本发明介绍了一种基于多光谱成像技术的番茄酱掺糖含量快速无损检测方法，即利用光谱成像技术获取掺糖番茄酱样品的光谱图像信息，将获取的光谱信息经由光谱图像处理、数据分析并建立模型，实现对番茄酱掺糖含量快速无损检测。此法具有操作简便、快速、无破损、检测成本较低等优点，有利于对番茄酱品质进行快速品质分析，非常适合质量控制与预测。

本发明的有益效果：本发明相比现有方法，该方法能够对掺糖的番茄酱进行科学、准确、快速的鉴别，而且不破坏样品、不污染环境。本发明是基于多光谱成像技术的番茄酱掺糖含量快速、无损、无污染的预测方法，由番茄酱掺糖含量与其光谱图像信息经由数据建立分析模型，实现对番茄酱掺糖含量的快速无损检测。

附图说明

图1是不同掺糖比例样品在波长范围为400-1000 nm的平均反射光谱图。

图2是所测掺糖含量建立模型校正集与预测集的实际值和预测值的关系散点图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本实施例包括以下步骤：

（1）原料的选取与预处理：

本实例选取同一批次的浓缩番茄酱（可溶性固形物含量为28-32%）1袋，每袋3 kg；将蔗糖掺入番茄酱中，掺杂浓度分别为0%、1%、2%、3%、3.5%、4%、5%、5.5%、6%、7%、7.5%、8%、9%，用玻璃棒搅拌使掺杂均匀；将掺杂均匀的番茄酱装入35 mm的圆形容器中，其表面用卡片刮平整；每个浓度做20个样品；处理过的样品按一定比例随机划分校正集和预测集。

（2）番茄酱掺糖含量检测方法的建立：

a、光谱图像获取

光谱图像测定采用VideometerLab 多光谱测量仪（Videometer A/S，Hørsholm，丹麦），其光谱范围为400-1000 nm。多光谱成像系统进行定标板（白板、黑板和几何点板）校准，样品进行多光谱图像获取时，每个掺杂浓度20个重复。

b、光谱图像预处理

获取的光谱图像首先用VideometerLab 多光谱测量仪自带的图像处理软件进行去噪处理，采用典型判别分析（CDA）和阈值设定完成背景剔除和图像分割，经过反射率动态定标板将番茄酱图像信息的灰度值转换成反射率值，结果如图1所示。

c、采用偏最小二乘法（PLS）模型的建立

采用偏最小二乘回归法对上述样本建立定量分析模型。

步骤一：分别设定样本掺糖含量为建模实际值，即建模参数；

步骤二：对校正集样本的光谱波长与样本建模实际值进行偏最小二乘PLS回归，建立分析模型；

步骤三：根据校正集样本建立的分析模型，计算预测集的掺糖含量值。

采用此算法建立检测番茄酱掺糖含量的模型。如图2所示，在校正集中，R和SEC分别为0.9427和0.0096。

d、模型验证

利用建立的模型对预测集样品进行预测，得到番茄酱掺糖含量预测值，并分析其与番茄酱掺糖含量实际值基本一致，表明这个模型具有较好的拟合程度和预测能力，所建模型具有可行性。图2所示，利用建立的番茄酱掺糖校正集模型，验证预测集样品，预测集中，R值为0.8695，SEP为0.0096，预测效果良好。表明能够实现对番茄酱掺糖含量快速无损检测。