一种基于SVM的用于现场快速筛选掺兑橄榄油的方法与流程

本发明属于食品快速检测技术领域，具体涉及一种基于svm的用于现场快速筛选掺兑橄榄油的方法。

背景技术：

橄榄油起源于地中海地区，因其独特的口味和极高的营养价值而被誉为西方的液体黄金，受到全世界人民的喜爱。近年来，橄榄油在中国国内食用油市场的比例大幅增加。然而，与此同时，不法商家为了追求利益，以劣充好的现象也更加的普遍了。因此，建立掺伪橄榄油有效的检测方法是十分必要的。

传统用于鉴别掺伪橄榄油的检测方法，例如气相色谱法及高效液相色谱法，都是通过分析样品中脂肪酸，甾醇等具有代表性的化合物成分的量来进行判断，相对复杂的预处理和操作过程限制了它们作为快速检验方法的潜力。因此，近年来有很多研究者致力于开发用于橄榄油掺伪检测的新方法，如傅里叶变换红外光谱法，拉曼光谱法，离子迁移谱法等。然而，由于橄榄油掺伪检测的复杂性，显然，更加有效的橄榄油快速筛选检测方法的建立仍然是十分必要的。

氢谱低场核磁共振技术，作为一种快速、无损、低成本、无复杂前处理的检测技术，在食品质量控制方面已经获得了很大的应用。然而，使用基于低场核磁共振技术建立掺假橄榄油检测方法的研究仍然很少。xu等人使用葵花籽油和红棕榈油掺入橄榄油中，试图通过核磁横向弛豫响应和自扩散行为来判别掺假样品，但掺假比例只设置在10％和20％，无法满足实际市场需求。因此，收集更多橄榄油掺伪核磁信息，并结合化学计量学方法开发在实际快速筛选检验中可以应用的橄榄油掺伪方法是至关重要的。

技术实现要素：

本发明是为了解决上述问题而进行的，目的在于提供一种基于svm的用于现场快速筛选掺兑橄榄油的方法。

本发明提供了一种基于svm的用于现场快速筛选掺兑橄榄油的方法，用于对待测橄榄油进行测定从而确定该待测橄榄油的掺兑情况具有这样的特征，包括如下步骤：步骤1，采集待测橄榄油的低场核磁横向弛豫衰减信息；步骤2，将步骤1采集的低场核磁横向弛豫衰减信息输入第一分类模型并根据该第一分类模型输出的第一分类标签来判定待测橄榄油是否为掺兑橄榄油；步骤3，当判定待测橄榄油为掺兑橄榄油时，将待测橄榄油的低场核磁横向弛豫衰减信息进一步输入第二分类模型并根据该第二分类模型输出的第二分类标签来判定待测橄榄油的掺兑类型，其中，步骤2所采用的第一分类模型和步骤3所采用的第二分类模型采用如下方法事先训练得到：步骤a，采集真实橄榄油样品以及三种掺兑橄榄油样品的低场核磁横向弛豫衰减信息；步骤b，对四种样品的低场核磁横向弛豫衰减信息进行反演计算，得到样品的多组分弛豫时间谱及单组分弛豫时间谱；步骤c，提取四种样品的所有弛豫时间谱的特征信息，得到第一特征矩阵，并提取三种掺兑橄榄油样品的所有弛豫时间谱的特征信息，得到第二特征矩阵；步骤d，根据第一特征矩阵并采用svm方法，建立得到第一分类模型，而后根据第二特征矩阵并采用svm方法，建立得到第二分类模型。

在本发明提供的基于svm的用于现场快速筛选掺兑橄榄油的方法中，还可以具有这样的特征：其中，步骤a包括如下子步骤：步骤a-1，确定三种掺兑橄榄油的种类；步骤a-2，确定三种掺兑橄榄油的掺兑比例；步骤a-3，确定进行低场核磁共振横向弛豫的检测条件，该检测条件包括样品量、检测温度、磁场强度、共振频率、采样序列、采样频率sw、重复扫描次数ns、重复采样等待时间tw、回波个数nech以及回波时间te。

在本发明提供的基于svm的用于现场快速筛选掺兑橄榄油的方法中，还可以具有这样的特征：其中，步骤b中，采用sirt算法进行反演计算。

在本发明提供的基于svm的用于现场快速筛选掺兑橄榄油的方法中，还可以具有这样的特征：其中，步骤d包括如下子步骤：步骤d-1，选用c-svm算法，并选用第一径向基函数γ1作为第一核函数以及第二径向基函数γ2作为第二核函数；步骤d-2，采用网格寻优对两个训练参数即第一惩罚因子c1与第一径向基函数γ1进行寻优，得到第一最优训练参数，而后采用网格寻优对两个训练参数即第二惩罚因子c2与第二径向基函数γ2进行寻优，得到第二最优训练参数；步骤d-3，使用第一最优训练参数对第一特征矩阵进行测试，从而得到第一分类模型，而后使用第二最优训练参数对第二特征矩阵进行测试，从而得到第二分类模型。

发明的作用与效果

根据本发明所涉及的基于svm的用于现场快速筛选掺兑橄榄油的方法，针对橄榄油现场快速筛选检测需求，结合了低场核磁共振和svm技术，建立了两步分类法，使得在高效、无损检测待测橄榄油是否属于真实橄榄油的同时，还可以进一步测出掺兑橄榄油的掺兑类型。另外，疑似区间的设置大大提高了分类模型的预测精度，可以推广用于其他食品掺假领域。

附图说明

图1是本发明的实施例中为基于svm的用于现场快速筛选掺兑橄榄油的方法的流程框图；

图2为本发明的实施例中基于svm的用于现场快速筛选掺兑橄榄油的方法的第一分类模型和第二分类模型的具体流程示意图；

图3为本发明的实施例中基于svm的用于现场快速筛选掺兑橄榄油的方法的橄榄油中掺入不同比例大豆油的低场核磁共振横向弛豫时间分布图；

图4为本发明的实施例中基于svm的用于现场快速筛选掺兑橄榄油的方法的橄榄油中掺入不同比例玉米油的低场核磁共振横向弛豫时间分布图；

图5为本发明的实施例中基于svm的用于现场快速筛选掺兑橄榄油的方法的橄榄油中掺入不同比例葵花籽油的低场核磁共振横向弛豫时间分布图。

具体实施方式

为了使本发明实现的技术手段与功效易于明白了解，以下结合实施例及附图对本发明作具体阐述。

实施例：

图1是本发明的实施例中为基于svm的用于现场快速筛选掺兑橄榄油的方法的流程框图。

如图1所示，本实施例的一种基于svm的用于现场快速筛选掺兑橄榄油的方法，用于对待测橄榄油进行测定从而确定该待测橄榄油的掺兑情况，包括如下步骤：

步骤1，采集待测橄榄油的低场核磁横向弛豫衰减信息。

步骤2，将步骤1采集的低场核磁横向弛豫衰减信息输入第一分类模型并根据该第一分类模型输出的第一分类标签来判定待测橄榄油是否为掺兑橄榄油。

步骤3，当判定待测橄榄油为掺兑橄榄油时，将待测橄榄油的低场核磁横向弛豫衰减信息进一步输入第二分类模型并根据该第二分类模型输出的第二分类标签来判定待测橄榄油的掺兑类型。

将所有掺兑橄榄油中掺兑比例在10％-30％的样品作为疑似样本，首先确定分类，另外搀兑比例在40％-100％的样品进入下一步分类；根据掺兑类别不同，依次分类得到橄榄油掺玉米油的样品，橄榄油掺葵花籽油的样品，橄榄油掺大豆油的样品。

疑似样本的掺兑比例的范围为疑似区间，疑似区间具体为：在该掺兑比例下的样品由于橄榄油浓度较高，成分较为相似，若直接进行分类效果不佳，因此设立疑似区间，判别在此区间内的样品可直接送往分析实验室进行进一步的精确检验。

步骤2所采用的第一分类模型和步骤3所采用的第二分类模型采用如下方法事先训练得到：

步骤a，采集真实橄榄油样品以及三种掺兑橄榄油样品的低场核磁横向弛豫衰减信息。

步骤a-1，确定三种掺兑橄榄油的种类。

本实施例中，三种掺兑橄榄油为葵花籽油、玉米油以及大豆油，且均从超市购得，具有质量保证。

步骤a-2，确定三种掺兑橄榄油的掺兑比例。

本实施例中，以葵花籽油掺橄榄油为例：以10％，20％，30％，40％，50％，60％，70％，80％，90％，100％(w/w)的比例进行掺兑，每个浓度准备3个样品，包括真实橄榄油样品在内，共33个样品。玉米油和大豆油也以同样比例与橄榄油进行掺兑并准备，最终可获得99个样品。

步骤a-3，确定进行低场核磁共振横向弛豫的检测条件，该检测条件包括样品量、检测温度、磁场强度、共振频率、采样序列、采样频率sw、重复扫描次数ns、重复采样等待时间tw、回波个数nech以及回波时间te。

本实施例中，样品量为2.5ml，检测温度为35℃，磁场强度为0.467t，共振频率为19.91mhz，采样序列为cpmg，采样频率sw为250khz，重复扫描次数ns为4次，重复采样等待时间tw为2000ms，回波个数nech为5000个，回波时间te为1ms。每个样品在同样条件下测定3次。

需要说明的是，本实施例不限制样本的数量和检测次数。样本和检测次数越多，对于后续建立模型的稳定性越好。在本实施例中，共计297个核磁样本。

图3为本发明的实施例中基于svm的用于现场快速筛选掺兑橄榄油的方法的橄榄油中掺入不同比例大豆油的低场核磁共振横向弛豫时间分布图，图4为本发明的实施例中基于svm的用于现场快速筛选掺兑橄榄油的方法的橄榄油中掺入不同比例玉米油的低场核磁共振横向弛豫时间分布图，图5为本发明的实施例中基于svm的用于现场快速筛选掺兑橄榄油的方法的橄榄油中掺入不同比例葵花籽油的低场核磁共振横向弛豫时间分布图。

步骤b，对四种样品的低场核磁横向弛豫衰减信息进行反演计算，得到样品的多组分弛豫时间谱及单组分弛豫时间谱。

运用sirt算法对得到的横向弛豫衰减曲线进行反演计算，得到弛豫时间及这种弛豫分量所对应回波的初始幅度之间的关系，用于反映样品中不同弛豫时间上氢质子的相对量。在本实施例中，如图3-图5所示，经过多组分反演过后，得到了掺兑橄榄油的弛豫时间图谱。掺兑浓度的不同及掺兑类型的不同，在核磁横向弛豫时间图谱上会有不同的响应。

单组分弛豫时间谱用于反映样品中所有氢质子的弛豫时间及相对总量。

本实施例中，经过单组分反演过后，得到了所有样品的单组分弛豫时间谱。

步骤c，提取四种样品的所有弛豫时间谱的特征信息，得到第一特征矩阵，并提取三种掺兑橄榄油样品的所有弛豫时间谱的特征信息，得到第二特征矩阵。

本实施例中，弛豫时间谱的特征信息包括：第一个峰的起始时间t21、第二个峰的起始时间t22、第三个峰的起始时间t23、单组分弛豫时间t2w、第一个峰的相对峰比例s21、第二个峰的相对峰比例s22、第三个峰的相对峰比例s23。需要说明的是，弛豫时间谱的特征信息不限于这7个特征，例如当样本的横向弛豫信息包括4个峰时，可以存在t24和s24这两个特征，特征的数目与建立模型的稳定性有直接关系。

本实施例中，第一特征矩阵为297×7，即：

(90玉米油掺橄榄油+90大豆油掺橄榄油+90葵花籽油掺橄榄油+27真实橄榄油)×7个弛豫时间谱的特征。

本实施例中，第二特征矩阵为270×7，即：

(90玉米油掺橄榄油+90大豆油掺橄榄油+90葵花籽油掺橄榄油)×7个弛豫时间谱的特征。

图2为本发明的实施例中基于svm的用于现场快速筛选掺兑橄榄油的方法的第一分类模型和第二分类模型的具体流程示意图。

如图2所示，步骤d，根据第一特征矩阵并采用svm方法，建立得到第一分类模型，而后根据第二特征矩阵并采用svm方法，建立得到第二分类模型。

步骤d-1，选用c-svm算法，并选用第一径向基函数γ1作为第一核函数以及第二径向基函数γ2作为第二核函数。

步骤d-2，采用网格寻优对两个训练参数即第一惩罚因子c1与第一径向基函数γ1进行寻优，得到第一最优训练参数，而后采用网格寻优对两个训练参数即第二惩罚因子c2与第二径向基函数γ2进行寻优，得到第二最优训练参数。

步骤d-3，使用第一最优训练参数对第一特征矩阵进行测试，从而得到第一分类模型，而后使用第二最优训练参数对第二特征矩阵进行测试，从而得到第二分类模型。

表1基于svm的用于现场快速筛选掺兑橄榄油的方法的具体结果

如表1所示，本实施例中，将得到的第一分类标签以及第二分类标签与真实标签进行匹配，得到两个分类模型的精确度。表1中有预测数据的个数、标签预测正确的个数，从该表中可以看出，在步骤2中对待测橄榄油是否是真实橄榄油的预测判断中，可以达到93.94％的正确率；在步骤3中对掺兑橄榄油的掺兑类型的判断中，可以达到81.11％的正确率。综上可知，分类预测结果良好直观。

实施例的作用与效果

根据本实施例所涉及的基于svm的用于现场快速筛选掺兑橄榄油的方法，针对橄榄油现场快速筛选检测需求，结合了低场核磁共振和svm技术，建立了两步分类法，使得在高效、无损检测待测橄榄油是否属于真实橄榄油的同时，还可以进一步测出掺兑橄榄油的掺兑类型。另外，疑似区间的设置大大提高了分类模型的预测精度，可以推广用于其他食品掺假领域。

另外，本实施例的基于svm的用于现场快速筛选掺兑橄榄油的方法具有处理时间快，鲁棒性好，能够更加准确的测出未知橄榄油的种类。

上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。