专利名称：一种荧光光谱结合人工神经网络检测食品色素的方法
技术领域：
本发明公开了一种基于荧光光谱技术结合人工神经网络检测食品色素的方法。
背景技术：
食品色素是一类常用的食品添加剂，被广泛地用于食品工业及医药和化妆品生产中，以改善产品的色泽，提高其感官质量。食品色素多以苯、甲苯、萘等化工产品为原料，在生产过程中可能出现残留；另外，多种食品色素为偶氮类化合物，此类物质在人体偶氮还原酶的作用下可能分解产生芳香胺类化合物，长期低剂量摄入，也存在致突变、致癌的可能性。因此世界各国对食品色素的使用品种、范围和数量都有严格控制。但不法厂商在利欲驱使下，违规使用食品色素，甚至将工业色素用于食品着色，先后出现的“苏丹红”和“染色馒头”等事件，给人们的日常生活产生了严重的影响。目前国内外检测食品色素的方法主要有高效液相色谱法、薄层色谱法、液相色谱-质谱联用法和示波极谱法等。这些方法往往存在前处理过程复杂、成本高、耗时多等缺陷，距离食品安全检测的灵敏、准确、快捷、简便的要求还有一定差距。
发明内容
本发明的目的是克服现有技术中存在的不足，提供一种操作简便快捷、灵敏度高、 准确度高的一种荧光光谱结合人工神经网络检测食品色素的方法。按照本发明提供的技术方案，所述一种荧光光谱结合人工神经网络检测食品色素的方法包括如下步骤a、用超纯水对各种食品色素的标准物质溶液进行稀释，配制多种不同浓度的色素溶液，作为训练样本；b、测量训练样本中各种样品溶液的荧光光谱，保存光谱数据，对光谱数据进行归一化处理，归一化处理的公式为Di =》
max min其牛，Di为归一化前数据，Dmin为训练数据的最小值，Dmax为训练数据的最大值， D' i为归一化后数据；C、用小波变换法对归一化处理后的光谱数据进行压缩、降维，在保留训练样本中绝大部分光谱信息的基础上，减少人工神经网络的输入向量维数，以减小神经网络的复杂性，使其快速、准确地实现对色素浓度的预测；所述小波变换法是基于Matlab2008a软件中的小波函数工具箱及自编程序运算实现的；小波变换法实施时，需要选取合适的小波基函数及分解尺度，本发明中的小波基函数选用Daubechies系函数，在不同的小波基函数和分解尺度下对原始光谱进行压缩，以低频小波系数重构光谱，与原始光谱相比较，选取保留原始光谱信息最多的小波基函数，并考虑对神经网络的影响选取合适的分解尺度。对各种训练样本的荧光光谱数据进行压缩，得到降维的低频小波系数；
d、以训练样本的小波系数值作为输入，训练样本的浓度值作为输出，训练、建立径向基函数人工神经网络。选取不同的散布常数(SPREAD)值，计算各种情况下神经网络的预报精度，选取预报误差最小者作为径向基函数神经网络的散布常数值；e、测量待测色素溶液的荧光光谱，并经小波变换法处理得到相应的小波系数，以此小波系数数据作为预测输入值，输入已建立好的径向基函数人工神经网络，得到的输出即为该种色素的预测浓度；f、计算得到预测结果的相对误差，相对误差的计算公式为
权利要求
1. 一种荧光光谱结合人工神经网络检测食品色素的方法，其特征在于该方法包括如下步骤a、用超纯水对各种食品色素的标准物质溶液进行稀释，配制多种不同浓度的色素溶液，作为训练样本；b、测量训练样本中各种样品溶液的荧光光谱，保存光谱数据，对光谱数据进行归一化处理，归一化处理的公式为jj _ Di-DminDfnax ^min其中，Di为归一化前数据，Dmin为训练数据的最小值，Dmax为训练数据的最大值，D' J 归一化后数据；c、用小波变换法对归一化处理后的光谱数据进行压缩、降维，在保留训练样本中绝大部分光谱信息的基础上，减少人工神经网络的输入向量维数，以减小神经网络的复杂性，使其快速、准确地实现对色素浓度的预测；所述小波变换法是基于Matlab2008a软件中的小波函数工具箱及自编程序运算实现的；小波变换法实施时，选取小波基函数及分解尺度，对各种训练样本的荧光光谱数据进行压缩，得到降维的低频小波系数；d、以训练样本的小波系数值作为输入，训练样本的浓度值作为输出，训练、建立径向基函数人工神经网络，并经过多次测试，确定径向基函数人工神经网络的散布常数值；e、测量待测色素溶液的荧光光谱，并经小波变换法处理得到相应的小波系数，以此小波系数数据作为预测输入值，输入已建立好的径向基函数人工神经网络，得到的输出即为该种色素的预测浓度；f、计算得到预测结果的相对误差，相对误差的计算公式为I预测浓度-实际浓度I ^iw相对误差=J- 一、^-Lx 100% ο实际浓度
全文摘要
本发明公开了一种基于荧光光谱技术结合人工神经网络检测食品色素的方法，用超纯水对食品色素的标准物质溶液稀释，配制不同浓度的色素溶液作为训练样本；测量训练样本中样品溶液的荧光光谱，对光谱数据进行归一化处理；用小波变换法对归一化处理后的光谱数据进行压缩、降维；以训练样本的小波系数值作为输入，训练样本的浓度值作为输出，训练、建立径向基函数人工神经网络，并确定人工神经网络的散布常数值；测量待测色素溶液的荧光光谱，并经小波变换法处理得到小波系数，以小波系数作为预测输入值，输入已建立好的人工神经网络，得到输出；计算得到预测结果的相对误差。本发明可高效、准确地实现对食品色素的定性、定量检测。
文档编号G06N3/02GK102507516SQ20111030215
公开日2012年6月20日 申请日期2011年9月28日 优先权日2011年9月28日
发明者吴亚敏, 朱拓, 朱焯炜, 陈国庆, 马超群 申请人:江南大学