基于闪蒸气相电子鼻与傅里叶变换近红外光谱技术结合机器学习的乌梅果肉溯源、加工方法与真伪鉴别研究

本研究创新性地结合闪蒸气相电子鼻（Flash GC e-nose）和傅里叶变换近红外光谱（FT-NIRS）技术，通过主成分分析（PCA）、竞争性自适应重加权采样（CARS）等特征提取方法，构建了乌梅果肉（MFP）地理溯源、加工工艺鉴别及掺假检测的多维度数据融合模型。研究证实特征级融合策略可突破单一信号局限，反向传播神经网络（BPNN）模型实现100%判别准确率，为食品质量安全监管提供了高效科学的技术方案。

　　

Highlight

本研究提出了一种创新的数据融合策略，结合闪蒸气相电子鼻（Flash GC e-nose）和傅里叶变换近红外光谱（FT-NIRS）技术，实现了乌梅果肉（MFP）在地理来源、加工方法和掺假检测三个维度的精准溯源。

关键发现

• 气味指纹解码：Flash GC e-nose鉴定出甲酸甲酯、2-戊酮和乙酸甲酯等关键风味标志物，可有效区分不同产品

• 分子指纹捕获：FT-NIRS成功捕捉样品中酸类、酯类等功能基团的分子振动信息

• 智能算法加持：采用PCA处理气味数据，CARS/SPA/ICO算法筛选光谱特征，显著提升单信号预测性能

• 融合模型突破：特征级融合策略解决双模态数据高维复杂度问题，BPNN模型实现全维度100%准确判别

技术亮点

研究团队开发了一套"气味-分子"双通道检测体系：

1. 气味维度：通过PCA提取的12个主成分保留90%原始数据信息

2. 光谱维度：CARS算法精选出21个与判别最相关的特征波长

3. 智能判别：融合后的特征集使BPNN模型的F1值达到完美1.0

应用价值

该技术可快速鉴别：

? 三大产区（四川、福建、云南）乌梅果肉

? 醋蒸工艺制品（V-MFP）与常规产品

? 掺假物质（染色杏肉APP）

Conclusion

这项研究通过创新性的数据融合策略，突破了传统检测方法在乌梅果肉溯源中的技术瓶颈，为功能性食品的质量控制提供了高效可靠的技术支持。