梁 丹

（武漢職業(yè)技術(shù)學(xué)院電信學(xué)院，武漢 430074）

0 引言

芝麻油是食用品質(zhì)好，營(yíng)養(yǎng)價(jià)值高的一種優(yōu)良食用植物油。目前國(guó)內(nèi)市場(chǎng)上的芝麻油品牌眾多，但芝麻油因芝麻品種不同、產(chǎn)地不同、生長(zhǎng)環(huán)境條件等不同以及煉油的加工工藝等不同，使得各品牌的芝麻油質(zhì)量、營(yíng)養(yǎng)、價(jià)格等差異比較大，且各品牌芝麻油在外觀上幾乎沒有差別，消費(fèi)者難以從顏色、味道上加以鑒別區(qū)分。近紅外光譜具有分析速度快、分析成本低、操作簡(jiǎn)單、非破壞性、無污染等[1-2]特點(diǎn)，利用近紅外及相關(guān)技術(shù)定量分析農(nóng)產(chǎn)品及食品的成分、定性鑒別農(nóng)產(chǎn)品及食品的種類、定性鑒別農(nóng)產(chǎn)品及食品真?zhèn)魏彤a(chǎn)地等[3-7]的研究也已有一些成果。但應(yīng)用近紅外光譜分析技術(shù)鑒別芝麻油品牌的研究還沒有。且由于近紅外區(qū)吸收的光譜強(qiáng)度弱、靈敏度較低及噪音等因素影響，要使用近紅外光譜技術(shù)對(duì)芝麻油品牌進(jìn)行準(zhǔn)確的鑒別，需要選擇最佳的預(yù)處理方法和相匹配最佳的建模方法。本文將采用主成分分析結(jié)合BP神經(jīng)網(wǎng)絡(luò)方法提取不同品牌芝麻油的光譜信息中的差異，從而探討不同品牌芝麻油快速有效的鑒別方法。

1 材料與方法

1.1 實(shí)驗(yàn)材料

實(shí)驗(yàn)共有6個(gè)不同品牌的純芝麻油樣品共計(jì)73個(gè)，其中中昌牌芝麻油12個(gè)、福達(dá)訪牌12個(gè)、福臨門牌13個(gè)、太太樂牌12個(gè)、金龍魚牌12個(gè)、漢高牌12個(gè)。

1.2 實(shí)驗(yàn)儀器及軟件

實(shí)驗(yàn)采用Bruker VECTOR 33N型FT-NIR近紅外光譜儀，配置漫反射鍍金積分球、Pbs檢測(cè)器、樣品旋轉(zhuǎn)器、12mm石英樣品池，OPUS軟件；MATLAB R2007a。

1.3 實(shí)驗(yàn)方法

根據(jù)儀器及樣品特點(diǎn)，采用透反射進(jìn)行樣品的光譜采集。測(cè)量時(shí)油樣放入該石英樣品杯中，然后再將此樣品杯放入樣品池中，蓋上鍍金的樣品池蓋（標(biāo)準(zhǔn)漫反射體）。為保證所有樣品光譜采集條件的一致性，測(cè)量時(shí)油樣均取2ml，從而盡量保證樣品杯中樣品測(cè)量高度的一致。測(cè)定時(shí)，設(shè)定儀器分辨率為8cm-1，掃描次數(shù)為64，光譜范圍是10000～4000cm-1。光譜分析采用主成分分析結(jié)合BP人工神經(jīng)網(wǎng)絡(luò)法。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 近紅外圖譜分析

測(cè)得的不同品牌芝麻油的近紅外光譜如圖1芝麻油樣品原始光譜圖所示。從圖1可以看出，這73個(gè)樣品油在整個(gè)光譜區(qū)圖譜非常相似，波峰、波形都基本重合，所以無法直接從圖譜中找出不同品牌芝麻油的差異。需要利用化學(xué)計(jì)量學(xué)方法將原始光譜進(jìn)行數(shù)學(xué)處理，以突出不同品牌芝麻油樣品之間化學(xué)成分的細(xì)小差異，從而達(dá)到鑒別品牌的目的。

圖1 芝麻油樣品原始光譜圖

2.2 主成分分析

對(duì)73個(gè)樣品進(jìn)行主成分分析，前15個(gè)主成分的特征值及累計(jì)可信度如表1前15個(gè)主成分及累計(jì)可信度所示。

表1 前15個(gè)主成分及累計(jì)可信度

從表1可以看出，前15個(gè)主成分的累計(jì)可信度已經(jīng)達(dá)到99.72%，因此選取前15個(gè)主成分來表示原始可見——近紅外光譜的主要信息。實(shí)驗(yàn)比較了不同主成分組合的二維得分圖，這些二維主成分得分圖都不能顯示出各品牌芝麻油的差異。6個(gè)品牌芝麻油在得分圖上分布都比較散。只有以PC3為橫坐標(biāo)和PC5為縱坐標(biāo)的二維得分圖（圖2主成分3和主成分5的二維得分圖）聚合度稍好些。從圖2可以看出，6個(gè)品牌中，漢高牌芝麻油主要集中在第三象限，中昌牌芝麻油主要聚集在第四象限并有部分靠近第三象限，而其他4個(gè)品牌的芝麻油主要集中在第一、第二象限靠近中心的位置，這4個(gè)品牌芝麻油沒有明顯的區(qū)域界限，從圖上無法分辨芝麻油的品牌。

圖2 主成分3和主成分5的二維得分圖

2.3 鑒別芝麻油品牌的定性分析模型的建立

采用BP算法的前饋神經(jīng)網(wǎng)絡(luò)能夠?qū)崿F(xiàn)輸入與輸出之間的高度非線性映射。因此該方法對(duì)光譜數(shù)據(jù)進(jìn)行主成分分析的基礎(chǔ)上，把主成分作為輸入建立一個(gè)3層的BP網(wǎng)絡(luò)模型，用于鑒別芝麻油的品牌。所有數(shù)據(jù)都是借助MATLAB中的圖形用戶接口GUI ( Graphical User Interfaces )進(jìn)行神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與分析[6]。

73個(gè)樣品油中，隨機(jī)選擇55個(gè)樣品（中昌牌9個(gè)、福達(dá)訪牌9個(gè)、福臨門牌10個(gè)、太太樂牌9個(gè)、金龍魚牌9個(gè)、漢高牌9個(gè)）作為校正集樣品，將55個(gè)校正集樣品的前15個(gè)主成分得分值作為模型的輸入，輸出節(jié)點(diǎn)數(shù)設(shè)為6（因?yàn)橛?個(gè)不同品牌芝麻油），“0 0 0 0 0 1” 代表中昌牌，“0 0 0 0 1 0” 代表福達(dá)訪牌，“0 0 0 1 0 0”代表福臨門牌，“0 0 1 0 0 0”代表太太樂牌，“0 1 0 0 0 0” 代表金龍魚牌，“1 0 0 0 0 0” 代表漢高牌。隱含層的傳遞函數(shù)采用雙曲正切S型傳遞函數(shù)tan sig，輸出層采用S型對(duì)數(shù)函數(shù) ，隱含層節(jié)點(diǎn)數(shù)設(shè)為32，選用訓(xùn)練函數(shù)TRAINLM、學(xué)習(xí)函數(shù)LEARNGOM，設(shè)定最小均方誤差為0.001，訓(xùn)練次數(shù)為500，進(jìn)行網(wǎng)絡(luò)的訓(xùn)練。所設(shè)計(jì)的用于鑒別不同品牌芝麻油的BP神經(jīng)網(wǎng)絡(luò)，訓(xùn)練11步就達(dá)到設(shè)定的誤差要求。

將18個(gè)驗(yàn)證集樣品作為測(cè)試集輸入模型，得到檢驗(yàn)結(jié)果，見表2鑒別芝麻油品牌的預(yù)測(cè)結(jié)果。18個(gè)驗(yàn)證集樣品中編號(hào)為2、4、8的3個(gè)樣品的真實(shí)值和預(yù)測(cè)值不同，其余的15個(gè)樣品鑒別準(zhǔn)確。結(jié)果表明模型對(duì)于不同品牌的芝麻油的鑒別率為83.33%。表明各品牌芝麻油由于產(chǎn)地、生長(zhǎng)條件、煉油工藝等不同造成的品牌之間微小的差異用BP人工神經(jīng)網(wǎng)絡(luò)法雖不能被完全鑒別出來，但該法有一定的可行性?？煽紤]今后改善模型或采用其它建模方法進(jìn)行深入的研究。

表2 鑒別芝麻油品牌的預(yù)測(cè)結(jié)果

3 結(jié)論

實(shí)驗(yàn)獲得了6個(gè)不同品牌芝麻油的73個(gè)樣品油在10000～4000cm-1之間的可見近紅外光譜信息，通過主成分分析，得到前15個(gè)主成分的累計(jì)可信度達(dá)到99.72%。將55個(gè)校正集樣品的15個(gè)主成分作為BP神經(jīng)網(wǎng)絡(luò)的輸入變量，建立了芝麻油品牌鑒別模型。對(duì)18個(gè)未知樣本的預(yù)測(cè)結(jié)果表明主成分分析結(jié)合BP人工神經(jīng)網(wǎng)絡(luò)法建立的模型對(duì)芝麻油品牌有一定鑒別作用，鑒別率可達(dá)83.33%，這表明相對(duì)于常規(guī)鑒別方法難以區(qū)別不同品牌芝麻油之間的微小差別，BP人工神經(jīng)網(wǎng)絡(luò)法對(duì)芝麻油品牌的鑒別更具可行性，為今后研究提高芝麻油品牌鑒別模型精度和探索更優(yōu)的芝麻油品牌的鑒別的近紅外光譜分析方法提供了充分的試驗(yàn)數(shù)據(jù)支持。

[1]陸婉珍,袁洪福,徐廣通.現(xiàn)代近紅外光譜分析技術(shù)[M].北京:中國(guó)石化出版社,2006.

[2]嚴(yán)衍祿,趙龍蓮,韓東海,等.近紅外光譜分析基礎(chǔ)與應(yīng)用[M].北京:中國(guó)輕工業(yè)出版社,2005.

[3]何勇,李曉麗,邵詠妮.基于主成分分析和神經(jīng)網(wǎng)絡(luò)的近紅外光譜蘋果品種鑒別方法研究[J].光譜學(xué)與光譜分析,2006,26(5):850-853.

[4]林萍,陳永明,何勇.基于可見近紅外光譜的糖類別快速鑒別研究[J].光譜學(xué)與光譜分析,2009,29(2):382-385.

[5]吳桂芳,蔣益虹,王艷艷,等.基于獨(dú)立主成分和BP神經(jīng)網(wǎng)絡(luò)的干紅葡萄酒品種的鑒別[J].光譜學(xué)與光譜分析,2009,29(5):1268-1271.

[6]唐玉蓮,梁逸曾,范偉,等.應(yīng)用近紅外光譜快速鑒別不同年齡段人食用的奶粉品種[J].紅外,2010,30(1):30-35.

[7]張海紅,張淑娟,王鳳花,等.應(yīng)用可見-近紅外光譜快速識(shí)別沙棘汁品牌[J].光學(xué)學(xué)報(bào),2010,30(2):574-578.

[8]飛思科技產(chǎn)品研發(fā)中心.小波分析理論與MATLAB7實(shí)現(xiàn)[M].北京:電子工業(yè)出版社,2005:29-47.