摘要
泰国香米由于其香糯的口感和独特的茉莉花香气享誉世界，是全球出口量最大的大米品种之一。现在市场上却出现了使用外观相似的普通低价大米冒充泰国香米，或在泰国香米中掺入外观相似的低价普通大米的现象，消费者很难用肉眼来区分泰国香米的真伪，严重影响了消费者的合法权益。在2023年“央视3.15晚会”曝光的一例食品安全事件，安徽某食品有限公司在收购当地种植的大米后，在其中加入泰国香米香精，以此充当泰国香米售卖为背景下。本研究以泰国香米、掺入泰国香精的大米为研究对象，使用荧光高光谱技术结合机器学习对泰国香米掺假进行定性鉴别和定量鉴别，并使用智能优化算法提升模型鉴别能力，最后设计出一套泰国香米掺假鉴别系统。主要工作如下： （1）基于荧光高光谱技术实现对泰国香米掺假定性鉴别的无损检测。本研究采用荧光高光谱技术提取荧光高光谱数据，然后经过主成分分析法（PCA）对荧光高光谱数据进行可视化显示，其结果表明定性鉴别是可行的。使用Savitzky-Golay卷积平滑法（SG）、标准正态变换（SNV）和去趋势算法（DT）对原始荧光高光谱数据进行预处理。采用随机蛙跳（RF）、轻量级梯度提升机（LightGBM）和梯度提升决策树（GBDT）对荧光高光谱数据进行特征波段选取。通过类型特征梯度提升算法（CatBoost）、极限提升算法（XGBoost）和一维卷积神经网络（1D-CNN）构建出泰国香米掺假定性鉴别模型。最后通过北方苍鹰优化算法（NGO）和灰狼优化算法（GWO）去优化泰国香米掺假定性鉴别模型。结果表明，采用 NGO 优化的SG-GBDT-XGBoost 模型能够在五种大米样本中达到 99.00%的总准确率，其中三种大米样本的精确率、召回率和F1分数均为1。 （2）利用荧光高光谱技术实现对泰国香米掺假定量鉴别的无损检测。采用多元散射校正（MSC）、最大最小归一化（MMN）和SNV对荧光高光谱数据进行预处理，采用自举软缩减法（BOSS）、竞争性自适应加权算法（CARS）和连续投影算法（SPA）对荧光高光谱数据进行特征波段选取。结果表明，荧光高光谱数据经预处理和特征波段选取后使用支持向量机回归（SVR）、偏最小二乘回归（PLSR）和最小二乘支持向量回归（LSSVR）实现泰国香米掺假的定量检测。最后通过阿基米德优化算法（AOA）和蛇优化算法（SO）优化定量鉴别模型，效果最好的模型是 SNV-BOSS-LSSVR-AOA，其中 RMSEC 为 0.0014， R2c为 0.9999，RMSEP 为0.0327， R2p2为 0.9893，最终完成泰国香米掺假定量鉴别。 （3）设计了泰国香米掺假鉴别系统。系统采用前后端分离架构，将训练好的泰国香米掺假定性鉴别模型和定量检测模型结合 Flask 后端框架、Vue 前端框架、MySQL数据库和B/S架构开发鉴别系统，系统的主要模块有用户模块、项目模块和快速鉴别模块。检测人员可通过上传泰国香米的荧光高光谱数据，即可查看泰国香米掺假信息。该系统旨在为泰国香米市场检测人员提供一种便捷、高效和准确的泰国香米掺假鉴别解决方案。 本研究为泰国香米快速无损检测提供了新的方法和思路，能够快速检测市场上泰国香米掺假问题，保证泰国香米销售的真实性，规范泰国香米市场秩序，对保护消费者合法权益具有重要意义。最后，也为其它食品安全鉴别领域提供一种新的检测方法。
NETL