本发明属于食品鉴别领域，具体涉及采用电子鼻对蜜源分类及蜂蜜掺假的快速鉴别。
背景技术：
蜂蜜是一种具有多种医疗保健功能的食品，因此深受消费者的青睐。近几年市场对蜂蜜的需求量不断增加，面对利益的驱使，一些不法蜂农及商贩利用果葡糖浆、蔗糖、低价蜂蜜等对纯正高品质蜂蜜进行掺假，严重扰乱了蜂蜜市场秩序，同时，蜂蜜加工企业在收购蜂农供应的蜂蜜原料时，也要提防源头原料的掺假和蜜源的以次充好，企业在这方面的质量监控也是非常必须和急迫的。目前国内外对蜂蜜的掺假问题已有相应的办法，例如碳稳定同位素分析法、高效液相色谱示差折光法、检测β-呋喃果糖甘酶方法、差热分析法、薄层色谱法等，但是因为蜂蜜掺假的方式方法多种多样，同时纯正蜂蜜与掺假蜂蜜主要成分相似，通过以上这些方法对蜂蜜进行检测往往检测的程序复杂、费用花费高、实际推广及应用程度有限。
电子鼻是由一系列气敏传感器组成特殊阵列，模仿生物嗅觉系统，对探测样品所产生的挥发性有机化合物(VOCs)进行提取、分析的仪器。不同于其它分析仪器，电子鼻将待鉴定样品作为一个整体进行分析，而不是类似于传统食品检测中分别化验样品中的单一项化学成分。这使得电子鼻在鉴定能造成食品发生复杂变化的处理时具有得天独厚的优势。一个典型的电子鼻分析系统包括：电子鼻传感器阵列，电子鼻信号提取、传导软件以及模式识别算法。首先，待测样品的挥发性气体分子与传感器发生反应，造成传感器电阻变化，产生电信号，然后电信号经机内处理再由电子鼻内软件传导产生原始数据，最后利用模式识别算法实现对原始数据的处理，从而完成对样品的分类、鉴别。
电子鼻技术提供了一种快速准确的检测方法，由于不需要复杂的样品处理过程，该方法在食品检测中的应用越来越广泛。但目前缺乏利用电子鼻对产量高、出口多、市场占有率大、深受消费者喜爱的洋槐蜜、油菜蜜及向日葵蜜等蜂蜜掺假情况进行甄别的研究，并且缺少合理有效的数据降维方法优化电子鼻的传感器阵列选择，从而提高最终的检测精度，使得电子鼻对食品掺假方面的鉴别应用在实际操作中有较大局限性。
技术实现要素：
本发明的目的是克服目前没有采用电子鼻对蜜源分类及蜂蜜掺假程度进行甄别的缺点，提供一种优化传感数据及模式识别对蜜源鉴别及掺假快检方法。
本发明解决其技术问题，采用的技术方案是，一种优化传感数据及模式识别对蜜源鉴别及掺假快检方法，其特征在于，包括以下步骤：
步骤1、将与欲检测的蜂蜜的正样品置于检测空间中，待其所发出的气体充满整个检测空间并达到平衡后，抽取检测空间中的气体进行电子鼻检测，并每秒记录一次电子鼻各传感器的响应值，且根据记录的响应值生成对应的响应曲线；
步骤2、选取电子鼻各传感器的响应曲线都较为平稳的一段，并取各响应曲线对应的平均值，作为原始处理数据；
步骤3、对各原始处理数据使用偏最小二乘回归进行计算其判定该样品所属蜜源及蜂蜜掺假程度的判定权重值，将各判定权重值由大至小进行排序，选择靠前的一定数量的判定权重值，从而选择出与这些一定数量的判定权重值对应的原始处理数据所对应的传感器，作为检测传感器；
步骤4、检测时，将欲检测的蜂蜜的样品置于检测空间中，待其所发出的气体充满整个检测空间并达到平衡后，抽取检测空间中的气体进行电子鼻检测，并每秒记录一次电子鼻各检测传感器的响应值，且根据记录的响应值生成对应的响应曲线；
步骤5、选取电子鼻各传感器的响应曲线都较为平稳的一段，并取各响应曲线对应的平均值，作为待处理数据，并从中选择出各检测传感器对应的待处理数据，作为检测数据；
步骤6、对获取到的检测数据进行电子鼻检测运算，对其进行蜜源及蜂蜜掺假程度的鉴定分类。
具体的，步骤1及步骤4中，所述检测空间为顶空瓶。
进一步的，步骤1中，将与欲检测的蜂蜜的正样品置于顶空瓶后，在室温中静置30至40分钟，从而可使其所发出的气体充满整个检测空间并达到平衡；
步骤4中，将欲检测的蜂蜜的样品置于顶空瓶后，在室温中静置30至40分钟，从而可使其所发出的气体充满整个检测空间并达到平衡。
具体的，步骤1及步骤4中，所述电子鼻检测中，其检测时间为120秒。
再进一步的，步骤1及步骤4中，所述抽取检测空间中的气体中，抽取速率为每分钟100毫升。
具体的，步骤1及步骤4中，所述电子鼻为含有食品常见相关气体化合物族类传感器的科研型常规电子鼻。
再进一步的，步骤2及步骤5中，所述选取电子鼻各传感器的响应曲线都较为平稳的一段，并取各响应曲线对应的平均值的方法为：采用平稳曲线5点平均数值法，获取各响应曲线中第88、89、90、91及92秒的响应值，分别对其取平均值，从而得到各响应曲线对应的平均值。
具体的，步骤3中，所述对各原始处理数据使用偏最小二乘回归进行计算其判定该样品所属蜜源及蜂蜜掺假程度的判定权重值的计算方法为：根据PLS法计算得到的变量投影重要性指标VIPj(Variable Importance for Projection,其中j表示第j个原始处理数据)值，作为判定权重值，其计算公式为：
其中，VIPj用于表示在解释因变量y时其作用的重要性，y指代所属蜜源及蜂蜜掺假程度，k为原始处理数据数，m为原始处理数据总数量，ch为相关原始处理数据中提取的主成分，r(y,ch)为y与ch的相关系数，表示ch对y的解释能力，whj为原始处理数据在主成分上的权重。
再进一步的，步骤3中，所述一定数量为5个。
具体的，步骤6中，所述对获取到的检测数据进行电子鼻检测运算，对其进行蜜源及蜂蜜掺假程度的鉴定分类的方法为：结合人工神经网络及其他相关智能分类算法，对获取到的检测数据进行运算，从而得到该蜂蜜的所属蜜源及蜂蜜掺假程度的鉴定分类。
本发明的有益效果是，在本发明方案中，通过上述一种优化传感数据及模式识别对蜜源鉴别及掺假快检方法，通过降维，可以在对蜂蜜的所属蜜源及蜂蜜掺假程度进行鉴定分类时，关闭电子鼻中不重要的传感器，减少了各传感器间信号产生的互相干扰，降低了无关及非重要数据对本鉴别的干扰，对同一样品的鉴定，重复性高，所得到的电子鼻图线趋于重合，对不同掺假程度样品的分离性好，预测准确性高，且由于所需要处理的数据不再那么庞杂，能够实现快速检测鉴定。
具体实施方式
下面结合实施例，详细描述本发明的技术方案。
本发明的一种优化传感数据及模式识别对蜜源鉴别及掺假快检方法中，首先将与欲检测的蜂蜜的正样品置于检测空间中，待其所发出的气体充满整个检测空间并达到平衡后，抽取检测空间中的气体进行电子鼻检测，并每秒记录一次电子鼻各传感器的响应值，且根据记录的响应值生成对应的响应曲线，再选取电子鼻各传感器的响应曲线都较为平稳的一段，并取各响应曲线对应的平均值，作为原始处理数据，然后对各原始处理数据使用偏最小二乘回归进行计算其判定该样品所属蜜源及蜂蜜掺假程度的判定权重值，将各判定权重值由大至小进行排序，选择靠前的一定数量的判定权重值，从而选择出与这些一定数量的判定权重值对应的原始处理数据所对应的传感器，作为检测传感器，在检测时，将欲检测的蜂蜜的样品置于检测空间中，待其所发出的气体充满整个检测空间并达到平衡后，抽取检测空间中的气体进行电子鼻检测，并每秒记录一次电子鼻各检测传感器的响应值，且根据记录的响应值生成对应的响应曲线，然后选取电子鼻各传感器的响应曲线都较为平稳的一段，并取各响应曲线对应的平均值，作为待处理数据，并从中选择出各检测传感器对应的待处理数据，作为检测数据，最后对获取到的检测数据进行电子鼻检测运算，对其进行蜜源及蜂蜜掺假程度的鉴定分类。
实施例
本发明实施例中的一种优化传感数据及模式识别对蜜源鉴别及掺假快检方法，其具体包括以下步骤：
步骤1、将与欲检测的蜂蜜的正样品置于检测空间中，待其所发出的气体充满整个检测空间并达到平衡后，抽取检测空间中的气体进行电子鼻检测，并每秒记录一次电子鼻各传感器的响应值，且根据记录的响应值生成对应的响应曲线。
本步骤中，检测空间可以为顶空瓶，将与欲检测的蜂蜜的正样品置于顶空瓶后，在室温(20±1℃)中静置30至40分钟，从而可使其所发出的气体充满整个检测空间并达到平衡。电子鼻检测中，其检测时间优选为120秒。抽取检测空间中的气体中，抽取速率优选为每分钟100毫升。本例中，电子鼻优选为含有食品常见相关气体化合物族类传感器的科研型常规电子鼻。在生成了响应曲线以后，更换样品之前需要对检测空间进行清洗，其清洗时间一般为120秒，抽取空气的速率为每分钟300毫升。
步骤2、选取电子鼻各传感器的响应曲线都较为平稳的一段，并取各响应曲线对应的平均值，作为原始处理数据。
本步骤中，选取电子鼻各传感器的响应曲线都较为平稳的一段，并取各响应曲线对应的平均值的方法为：采用平稳曲线5点平均数值法，获取各响应曲线中第88、89、90、91及92秒的响应值(5点取样对应的时间点根据取反应平稳的图线而定，若对应的时间段内的电子响应信号不平稳则视为取样失败，需要回到步骤1重新检测)，分别对其取平均值，从而得到各响应曲线对应的平均值。
步骤3、对各原始处理数据使用偏最小二乘回归进行计算其判定该样品所属蜜源及蜂蜜掺假程度的判定权重值，将各判定权重值由大至小进行排序，选择靠前的一定数量的判定权重值，从而选择出与这些一定数量的判定权重值对应的原始处理数据所对应的传感器，作为检测传感器。
本步骤中，对各原始处理数据使用偏最小二乘回归进行计算其判定该样品辐照剂量的判定权重值的计算方法为：根据PLS法计算得到的变量投影重要性指标VIPj(Variable Importance for Projection,其中j表示第j个原始处理数据)值，作为判定权重值，其计算公式为：
其中，VIPj用于表示在解释因变量y时其作用的重要性，y指代所属蜜源及蜂蜜掺假程度，k为原始处理数据数，m为原始处理数据总数量，ch为相关原始处理数据中提取的主成分，r(y,ch)为y与ch的相关系数，表示ch对y的解释能力，whj为原始处理数据在主成分上的权重。
另，由于一般电子鼻中具有10个传感器，为了将其减为5个传感器，因此这里将一定数量设定为5个，即将各传感器对应的VIPj值由大至小进行排序，选择靠前的5个VIPj值，从而选择出对应的5个传感器作为检测传感器。
本例中，本步骤的运算可由智能算法专业计算软件AOSPS 5.0进行。
步骤4、检测时，将欲检测的蜂蜜的样品置于检测空间中，待其所发出的气体充满整个检测空间并达到平衡后，抽取检测空间中的气体进行电子鼻检测，并每秒记录一次电子鼻各检测传感器的响应值，且根据记录的响应值生成对应的响应曲线。
本步骤与步骤1相对应，这样可保证检测鉴定结果的准确，步骤4与步骤1不同的地方仅在于步骤4中置于检测空间中的为样品，而非步骤1中的正样品。
步骤5、选取电子鼻各传感器的响应曲线都较为平稳的一段，并取各响应曲线对应的平均值，作为待处理数据，并从中选择出各检测传感器对应的待处理数据，作为检测数据。
本步骤与步骤2相对应，这样可保证检测鉴定结果的准确，步骤5与步骤2不同的地方在于步骤5中还需要选择出各检测传感器对应的待处理数据，作为检测数据。
步骤6、对获取到的检测数据进行电子鼻检测运算，对其进行蜜源及蜂蜜掺假程度的鉴定分类。
本步骤中，对获取到的检测数据进行电子鼻检测运算，对其进行蜜源及蜂蜜掺假程度的鉴定分类的方法为：结合人工神经网络及其他相关智能分类算法，对获取到的检测数据进行运算，从而得到该蜂蜜的所属蜜源及蜂蜜掺假程度的鉴定分类。本例中使用的BP神经网络方法及SVM支持向量机，此为现有技术，此处不再详述。
具体举例如下：
本例以选取产量高、出口多、市场占有率大、深受消费者喜爱的洋槐蜜、油菜蜜、向日葵蜜为研究对象，以目前蜂蜜掺假常用的、并且常规方法不易检测出的果葡糖浆为添加物配制不同掺兑比例的“调配蜂蜜”样品为例，具体解释利用电子鼻结合人工神经网络及其它相关智能算法，对鉴别不同蜜源以及果葡糖浆对蜂蜜掺假程度的鉴定。
一、蜜源鉴别
准确量取5mL不同的蜂蜜样品置于顶空瓶中，在室温20℃下静置30分钟。每个品种的蜂蜜取60个平行(见表1)，其中各蜜源每60个平行样中随机选取30个样本，作为算法模型的训练集进行训练，从而建立原始蜜源数据库，再将各组蜜源余下的共120份样本进行预测、验证，按照步骤1,2,3将由模型预测得到的正确分类样本除以用于预测的样本总数，即可得到对蜜源的分组正确率。分组正确率见表2。
表1.各蜜源的分组情况
表2.各蜜源分组正确率
二、蜂蜜掺假程度鉴别：
掺假蜂蜜的调制：a.准备16个500ml的烧杯。
b.分别量取285g、270g、240g、180g油菜蜜于烧杯中，然后向烧杯中分别加入15g、30g、60g、120g果葡糖浆配制成含量为5％、10％、20％、40％的调制蜂蜜。
c.对于调制掺假洋槐蜜、向日葵蜜的步骤同b中油菜蜜。
上述的掺假蜂蜜调制完成后，准确称量5ml蜂蜜样品置于顶空瓶中，一个梯度的调制掺假蜂蜜取30个平行。
根据步骤1、2，将电子鼻原始数据导入智能算法专业计算软件AOSPS 5.0，进行运算，实现步骤3，确定下来的传感器阵列为：用于探测芳香族类的传感器W3C，用于探测氢键的传感器W6S，用于探测甲烷的传感器W1S，用于探测含硫化合物的传感器W1W，用于探测芳香类和硫氯键化合物的传感器W2W。如表3。
表3.电子鼻的传感器阵列选择
其中，对检测数据使用5折交叉验证法进行验算，即将各组掺假蜂蜜，各组掺假程度的30份平行样品中的20％份样品作为预测集，80％份的样品作为训练集。并且将预测模型由验证集中的数据得到的正确分类结果，除以用于计算的预测样本总数，得到预测正确率。
使用电子鼻经传感器阵列优选后结合SVM支持向量机对三种掺假蜂蜜的鉴定结果见表4。
表4.电子鼻经传感器阵列优选后结合SVM支持向量机对三种掺假蜂蜜的预测准确率
使用电子鼻经传感器阵列优选后结合BP人工神经网络对三种掺假蜂蜜的鉴定结果见表5，其中BP神经网络的隐藏层设置为10。
表5电子鼻经传感器阵列优选后结合BP人工神经网络对三种掺假蜂蜜的鉴定结果