鉴别荞麦或燕麦粉掺假小麦粉的方法及系统技术方案

本发明专利技术公开了一种鉴别荞麦或燕麦粉掺假小麦粉的方法及系统。鉴别荞麦或燕麦粉掺假小麦粉的方法包括：将麦粉样本划分为训练样本集和验证样本集，并分别进行NIR漫反射光谱指纹的采集。基于训练样本集的NIR漫反射光谱指纹建立多个鉴别模型；将验证样本集的NIR漫反射光谱指纹在鉴别模型中运行，确定鉴别模型的准确率，选择准确率满足要求的鉴别模型进行优化并返回继续确定优化后的准确率，并以准确率的提高程度判断模型优化的效果；用优化后的一个或多个鉴别模型对待检麦粉进行真实性鉴别。本发明专利技术能够可靠的对荞麦、燕麦中小麦掺假进行定性和定量分析，实用性强。

【技术实现步骤摘要】

本专利技术涉及食品质量与安全检验
，尤其涉及一种鉴别荞麦或燕麦粉掺假小麦粉的方法及系统。
技术介绍
燕麦(莜麦)和荞麦营养丰富且具有保健功能，价格是小麦的2倍以上，因此很容易被掺入小麦面粉，从而使其特有的营养和保健功能大打折扣。从市场来看，燕麦和荞麦粉掺入小麦面粉或淀粉(据说在燕麦中掺入淀粉)的现状极为普遍，但由于掺入物为非有毒有害物质，并未引起消费者、有关部门、研究者和媒体的重视。这种掺假不仅仅使燕麦和荞面特有的营养和保健属性大打折扣，这种非法竞争会严重损害农民和正当经营者的利益，扰乱市场秩序，冒犯消费者和法律的尊严，败坏社会文明风气。目前尚无有效的、尤其是快速的检测方法可以对燕麦和荞麦真实性、纯度做出有效的评判，故而建立一种荞麦真实性判别方法十分有必要。
技术实现思路
鉴于此，本专利技术旨在提出一种鉴别荞麦或燕麦粉掺假小麦粉的方法及系统，基于本专利技术，可以更加准确地判别荞麦或燕麦的真实性。第一方面，本专利技术公开了一种鉴别荞麦或燕麦粉掺假小麦粉的方法，包括如下步骤:步骤1，将收集的麦粉样本划分为训练样本集和验证样本集，所述训练样本集用于模型建立，所述验证样本集用于模型验证和优化；步骤2，对所述训练样本集，进行NIR漫反射光谱指纹的采集；步骤3，对所述训练样本集的NIR漫反射光谱指纹，用化学计量学软件进行数据结构分析，基于分析结果选择数据前处理和转换的方法，然后截取特征性光谱段，并选用化学计量学软件中的分析模块建立多个鉴别模型?’步骤4，对所述验证样本集，也进行NIR漫反射光谱指纹的采集；步骤5，将所述验证样本集的NIR漫反射光谱指纹在所述鉴别模型中运行，对比模型的判别结果与所述验证样本集中每个已知样本的真实性是否一致，确定鉴别模型的准确率；步骤6，根据准确率的高低对鉴别模型进行排序，选择准确率满足要求的鉴别模型进行优化然后返回执行步骤5 ;并以准确率的提高程度判断模型优化的效果；步骤7，用优化后的一个或多个鉴别模型对待检麦粉进行真实性鉴别。进一步地，上述鉴别荞麦或燕麦粉掺假小麦粉的方法中，所述NIR漫反射光谱指纹通过近红外光谱分析仪在800nm?2700nm的波长段获取。进一步地，上述鉴别荞麦或燕麦粉掺假小麦粉的方法中，所述NIR漫反射光谱指纹通过近红外光谱分析仪在IlOOnm?2500nm的波长段获取。进一步地，上述鉴别荞麦或燕麦粉掺假小麦粉的方法中，所述鉴别模型包括定性模型和/或定量模型；所述定性模型用于对荞麦或燕麦粉真实性进行判别；所述定量模型为对已明确的掺假对象进行掺加量计算的模型。进一步地，上述鉴别荞麦或燕麦粉掺假小麦粉的方法中，所述步骤I中，所述训练样本集和所述验证样本集中的样本可以交叉。进一步地，上述鉴别荞麦或燕麦粉掺假小麦粉的方法中，步骤6中，所述选择准确率满足要求的鉴别模型进行优化具体为:将验证样本集中的部分验证样本归入训练样本集，获得新的训练样本集；基于所述新的训练样本集，重新演算建模或修改模型参数，获得新的鉴别模型。第二方面，本专利技术还提供了一种鉴别荞麦或燕麦粉掺假小麦粉的系统，包括:划分模块、第一采集模块、鉴别模型建立模块、第二采集模块、鉴别模型的准确率确定模块、优化模块和鉴别模块。其中，划分模块用于将收集的麦粉为荞麦或燕麦粉样本划分为训练样本集和验证样本集，所述训练样本集用于模型建立，所述验证样本集用于模型验证和优化；第一采集模块用于对所述训练样本集，进行NIR漫反射光谱指纹的采集；鉴别模型建立模块用于对所述训练样本集的NIR漫反射光谱指纹，用化学计量学软件进行数据结构分析，基于分析结果选择数据前处理和转换的方法，然后截取特征性光谱段，并选用化学计量学软件中的分析模块建立多个鉴别模型；第二采集模块用于对所述验证样本集，也进行NIR漫反射光谱指纹的采集；鉴别模型的准确率确定模块用于将所述验证样本集的NIR漫反射光谱指纹在所述鉴别模型中运行，对比模型的判别结果与所述验证样本集中每个已知样本的真实性是否一致确定鉴别模型的准确率；优化模块根据准确率的高低对鉴别模型进行排序，选择准确率满足要求的鉴别模型进行优化；并以准确率的提高程度判断模型优化的效果；鉴别模块用优化后的一个或多个鉴别模型对待检麦粉进行真实性鉴别。 本专利技术建立了一套可靠的，实用性强的荞麦、燕麦中小麦掺假的定性和定量方法和系统，可以用于国家食品质量与安全监督管理部门，食品检测分析实验室，粮食生产和加工企业用于原料和产品质量控制，以及打击社会上的掺假和造假现象。此外，本方法用NIR光谱指纹正面描绘荞麦、燕麦和小麦的特征，因此除了小麦掺假，还能发现其他掺假引起的异常荞麦或燕麦。另外虽然模型的建立较为费时，但实用中，NIR分析属于快速和廉价的分析方法，甚至可以在现场操作，这是基于异种蛋白质和基因鉴别类方法不可媲美的。【附图说明】通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中:图1是本专利技术鉴别荞麦或燕麦粉掺假小麦粉的方法实施例的步骤流程图；图2是本专利技术鉴别荞麦或燕麦粉掺假小麦粉的方法技术路线原理图；图3A是本专利技术鉴别荞麦或燕麦粉掺假小麦粉的方法的一个实施例中，燕麦、苦荞与小麦NIR漫反射光谱指纹PCA分析图；图3B是本专利技术鉴别荞麦或燕麦粉掺假小麦粉的方法的一个实施例中，纯甜荞与小麦NIR漫反射光谱指纹PCA分析图；图4是本专利技术鉴别荞麦或燕麦粉掺假小麦粉的方法的一个实施例中，甜荞小麦掺入量的PLS定量模型示意图；以及图5是本专利技术鉴别荞麦或燕麦粉掺假小麦粉的系统的结构示意图。【具体实施方式】下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。本专利技术拟以荞麦、燕麦和小麦粉，以及前两者掺入小麦粉样本在800nm?2700nm波长范围内的NIR漫反射光谱指纹为指标集，用化学计量学软件加以解析和建模，重点用偏最小二乘(PLS)多变量线性校正方法建立荞麦粉和燕麦粉中小麦粉掺假的定量鉴定方法，用偏最小二乘判别分析(PLS-DA)建立定性模型(不排除用PCA、SHCA等建立定性鉴别模型)。该系列方法将具有检测成本低(廉价)，操作简便和快速的特点，可以在现场操作。该方法本质上是用NIR光谱指纹描绘荞麦、燕麦和小麦本身的“形象”和特征(模型、模式)，因此还可发现其他掺假引起的异常。本专利技术在方法学和理念创新上，引入了光谱指纹库的建立、模型的建立、验证和优化成长的理念，提出了一种以NIR漫反射光谱指纹定量鉴别荞麦、燕麦中小麦掺假的方法。下面，首先对本专利技术涉及的一些技术做出说明。1、近红外光谱技术(NIR)近红外光是指波长介于可见光与中红外光之间的电磁波，近红外光谱区被定义为780nm?2526nm。近红外光谱主要用于有机物的定性和定量分析。近红外光照射到物质后，会发生吸收、透射、散射、全反射和漫反射等几种相互作用形式。近红外光谱的采集方式主要有透射式、漫反射式和透漫射式三本文档来自技高网...

【技术保护点】
一种鉴别荞麦或燕麦粉掺假小麦粉的方法，其特征在于，包括如下步骤：步骤1，将收集的麦粉样本划分为训练样本集和验证样本集，所述训练样本集用于模型建立，所述验证样本集用于模型验证和优化；步骤2，对所述训练样本集，进行NIR漫反射光谱指纹的采集；步骤3，对所述训练样本集的NIR漫反射光谱指纹，用化学计量学软件进行数据结构分析，基于分析结果选择数据前处理和转换的方法，然后截取特征性光谱段，并选用化学计量学软件中的分析模块建立多个鉴别模型；步骤4，对所述验证样本集，也进行NIR漫反射光谱指纹的采集；步骤5，将所述验证样本集的NIR漫反射光谱指纹在所述鉴别模型中运行，对比模型的判别结果与所述验证样本集中每个已知样本的真实性是否一致，确定鉴别模型的准确率；步骤6，根据准确率的高低对鉴别模型进行排序，选择准确率满足要求的鉴别模型进行优化然后返回执行步骤5；并以准确率的提高程度判断模型优化的效果；步骤7，用优化后的一个或多个鉴别模型对待检麦粉进行真实性鉴别。

【技术特征摘要】

【专利技术属性】
技术研发人员：郭军，张美莉，李立民，闫超，刘莉敏，张晶，高玎玲，顾翔宇，木其尔，
申请(专利权)人：内蒙古农业大学，
类型：发明
国别省市：内蒙古;15