随着人们日常饮食的丰富，市场为满足消费者的需求，也相继推出许多不同用途以及品质的小麦粉商品。其中最为常见的有富强粉、麦芯粉、精制雪花粉以及面包粉等种类，价格参差不齐，甚至是相差几倍。由于消费者仅从小麦粉的外观很难辨别其种类，一些不法商贩和小作坊便将低价的小麦粉鱼目混珠充当高价小麦粉贩卖，以此谋得高额的差价，侵害消费者利益，类似新闻在全国各地均有报道。虽然监管部门积极打击此类现象，但是需要先对小麦粉成分进行检测再通过成分含量来鉴别其类别，方法繁琐，不适合随机抽查、快速鉴别。

SVM是一种有监督的模式识别方法，在解决小样本、非线性及高维模式识别中表现出许多特有的优势。它的基本思想是将线性不可分的输人数据经核函数映射到一个更高维的特征空间中，通过求解一个线性约束的二次规划问题，找到一个能将输入数据线性分割的最大间隔分类面。SVM自20世纪90年代提出之后，在模式识别、通信、信号处理以及控制等方面都得到了较为广泛的应用。在食品领域，谈爱玲等人运用改进的SVM法鉴别普通植物源与中草药植物源蜂蜜，准确率达96.67%。张建华等人采用最优二叉树SVM对蜜袖叶部病害进行识别等。

因此，本节重点研究基于红外衰减全反射光谱的小麦粉品质检测方法研究，通过主成分分析与马氏距离剔除异常样本，结合SVM法快速鉴别富强粉、精制雪花粉、麦芯粉和面包粉4种类别。

10.4.1实验材料与光谱采集

1．实验材料

实验随机采集的小麦粉样本均来自古船小麦粉厂不同批次、不同种类的产品，其中包括富强粉(37份)、麦芯粉(41份)、精制雪花粉(32份)以及面包粉(29份)共计139份样本。

2．光谱采集

实验仪器：德国Bruker公司Vertex 70傅里叶红外光谱仪，采用ATR附件采集小麦粉样本的中红外光谱。

实验参数设置如下：分辨率为8cm^-1；样本扫描次数为32；背景扫描次数为32；采集光谱范围为600～4500cm^-1；光阑设置为6mm；扫描速度为10kHz。

部分采集的小麦粉样本中红外光谱如图10-20所示。

图10-20 小麦粉样本的中红外光谱图

10.4.2光谱预处理

实验采取气氛补偿及基线校正处理小麦粉中红外光谱采集过程中，空气里水分和二氧化碳对光谱的影响和环境中某些变化引起的光谱基线漂移等情况。最后通过均值中心化法增加小麦粉样本光谱之间的差异，以提高模型的稳健性与预测能力。图10-21a所示为小麦粉样本经气氛补偿和基线校正后的中红外光谱图，图10-21b所示为小麦粉样本中红外光谱均值中心化结果。

图10-21 经气氛补偿和基线校正后的样本光谱与经均值中心化的样本光谱

10.4.3异常样本剔除

由于样本特征较多，实验采取主成分分析结合马氏距离剔除异常样本。根据各类别样本到平均样本的马氏距离，阈值设为2.5。图10-22所示为4个类别异常样本剔除结果。

图10-22 不同种类样本与各自平均光谱的马氏距离

从图10-22得出，异常样本共剔除17个，其中富强粉5个、麦芯粉5个、面包粉2个、精制雪花粉5个。剩余122个小麦粉样本用于SViM建模与测试。

10.4.4基于SVM的小麦粉种类鉴别模型的建立与测试

首先将富强粉与精制雪花粉设为A类，麦芯粉与面包粉设为B类，使用MATLAB软件建立识别两大类样本的SVM模型。共有27份样本用于预测，其中富强粉(5份)与精制雪花粉(7份)共12份，麦芯粉(8份)与面包粉(7份)共15份。表10-17为采用不同核函数的SVM模型的分类准确率。

表10-17 SVM参数设置及其分类准确率

从表10-17可以看出，通过网格法参数寻优后，核函数为RBF的预测准确率最高为88.8889%；其次是以多项式函数和Sigmod函数为核函数的模型，预测准确率为77.7778%；线性函数为核函数的预测情况较差因此选用RBF为核函数的svm模型进行A类(富强、精制雪花粉)与B类(麦芯粉、面包粉)的识别。

图10-23所示为RBF函数为核函数的模型预测结果，正确分类的样本总数为24份，仅有3个样本未正确分类，分类结果较好。

将识别后的A类与B类样本分别送入下一级的子分类器中，继续细化分类。一个子分类模型为富强粉(5份)与精制雪花粉(7份)，一个子分类模型为麦芯粉(8份)和面包粉(7份)。

子分类器A中除以线性函数为核函数的模型分类结果较差以外，多项式、 RBF、Siginod为核函数的svm模型分类准确率均达到了100，分类情况非常好，实验选取RBF为核函数建立子svm模型鉴别富强粉与精制雪花粉样本。

子分类器B以Sigmod为核函数的模型分类结果最好，预测准确率达到了100%。RBF函数为核函数的SVM模型分类结果次之，线性核函数分类结果较差。因此，实验选取Signiod为核函数建立子SVM模型鉴别麦芯-粉与面包粉样本。

图10-23 富强粉十精制雪花粉与麦芯粉+面包粉SVM预测结果

文章来源：《多光谱食品品质检测技术与信息处理研究》

版权与免责声明：转载目的在于传递更多信息。

如其他媒体、网站或个人从本网下载使用，必须保留本网注明的"稿件来源"，并自负版权等法律责任。

如涉及作品内容、版权等问题，请在作品发表之日起两周内与本网联系，否则视为放弃相关权利。