[發明專利]一種熒光光譜結合人工神經網絡檢測食品色素的方法

無效

• 申請號: 201110302153.8
• 申請日: 2011-09-28
• 公開（公告）號: CN102507516A
• 公開（公告）日: 2012-06-20
• 發明（設計）人: 陳國慶;馬超群;吳亞敏;朱焯煒;朱拓
• 申請（專利權）人: 江南大學
• 主分類號: G01N21/64
• 分類號: G01N21/64;G06N3/02
• 代理公司: 無錫市大為專利商標事務所 32104
• 代理人: 殷紅梅

技術領域

本發明公開了一種基于熒光光譜技術結合人工神經網絡檢測食品色素的方法。

背景技術

食品色素是一類常用的食品添加劑，被廣泛地用于食品工業及醫藥和化妝品生產中，以改善產品的色澤，提高其感官質量。食品色素多以苯、甲苯、萘等化工產品為原料，在生產過程中可能出現殘留；另外，多種食品色素為偶氮類化合物，此類物質在人體偶氮還原酶的作用下可能分解產生芳香胺類化合物，長期低劑量攝入，也存在致突變、致癌的可能性。因此世界各國對食品色素的使用品種、范圍和數量都有嚴格控制。但不法廠商在利欲驅使下，違規使用食品色素，甚至將工業色素用于食品著色，先后出現的“蘇丹紅”和“染色饅頭”等事件，給人們的日常生活產生了嚴重的影響。

目前國內外檢測食品色素的方法主要有：高效液相色譜法、薄層色譜法、液相色譜-質譜聯用法和示波極譜法等。這些方法往往存在前處理過程復雜、成本高、耗時多等缺陷，距離食品安全檢測的靈敏、準確、快捷、簡便的要求還有一定差距。

發明內容

本發明的目的是克服現有技術中存在的不足，提供一種操作簡便快捷、靈敏度高、準確度高的一種熒光光譜結合人工神經網絡檢測食品色素的方法。

按照本發明提供的技術方案，所述一種熒光光譜結合人工神經網絡檢測食品色素的方法包括如下步驟：

a、用超純水對各種食品色素的標準物質溶液進行稀釋，配制多種不同濃度的色素溶液，作為訓練樣本；

b、測量訓練樣本中各種樣品溶液的熒光光譜，保存光譜數據，對光譜數據進行歸一化處理，歸一化處理的公式為：

Di′=Di-DminDmax-Dmin]]>

其牛，D_i為歸一化前數據，D_min為訓練數據的最小值，D_max為訓練數據的最大值，D′_i為歸一化后數據；

c、用小波變換法對歸一化處理后的光譜數據進行壓縮、降維，在保留訓練樣本中絕大部分光譜信息的基礎上，減少人工神經網絡的輸入向量維數，以減小神經網絡的復雜性，使其快速、準確地實現對色素濃度的預測；所述小波變換法是基于Matlab2008a軟件中的小波函數工具箱及自編程序運算實現的；小波變換法實施時，需要選取合適的小波基函數及分解尺度，本發明中的小波基函數選用Daubechies系函數，在不同的小波基函數和分解尺度下對原始光譜進行壓縮，以低頻小波系數重構光譜，與原始光譜相比較，選取保留原始光譜信息最多的小波基函數，并考慮對神經網絡的影響選取合適的分解尺度。對各種訓練樣本的熒光光譜數據進行壓縮，得到降維的低頻小波系數；

d、以訓練樣本的小波系數值作為輸入，訓練樣本的濃度值作為輸出，訓練、建立徑向基函數人工神經網絡。選取不同的散布常數(SPREAD)值，計算各種情況下神經網絡的預報精度，選取預報誤差最小者作為徑向基函數神經網絡的散布常數值；

e、測量待測色素溶液的熒光光譜，并經小波變換法處理得到相應的小波系數，以此小波系數數據作為預測輸入值，輸入已建立好的徑向基函數人工神經網絡，得到的輸出即為該種色素的預測濃度；

f、計算得到預測結果的相對誤差，相對誤差的計算公式為：

本發明基于熒光光譜法結合人工神經網絡對食品色素進行檢測。由于各種食品色素的熒光光譜特征明確，特異性好，使得該方法具有較高的靈敏度和準確性。同時，與現有的食用色素檢測方法相比，熒光光譜法具有測量簡單快速、樣品消耗量少、樣品前處理過程簡單等優點。人工神經網絡在非線性系統的定量預測和分類識別方面具有獨特優勢，將熒光光譜與人工神經網絡結合，可高效、準確地實現對食品色素的定性、定量檢測。

附圖說明

圖1為7種不同濃度的喹啉黃溶液的熒光光譜。

圖2為徑向基函數神經網絡的訓練結果。

具體實施方式