基于三維熒光光譜的白酒分類鑒別系統(tǒng)研究.pdf

1、中國(guó)名優(yōu)白酒作為世界知名品牌，多年來(lái)一直受假冒白酒的侵害。多年前就曾出現(xiàn)過(guò)山西假汾酒事件，使得很多消費(fèi)者失明甚至死亡。近年來(lái)雖然工業(yè)酒精勾兌的假酒已經(jīng)銷聲匿跡，但是用食用酒精勾兌的假白酒仍然常見(jiàn)報(bào)道。如何區(qū)分和鑒別中國(guó)白酒，越來(lái)越受到人們的關(guān)注?，F(xiàn)在檢驗(yàn)中國(guó)白酒的方法主要有兩類:一類是采用感官品嘗的方法，二是采用色譜分析的方法。但前者費(fèi)時(shí)、費(fèi)力，限制了其在工業(yè)生產(chǎn)及在流通領(lǐng)域的廣泛應(yīng)用。因此建立簡(jiǎn)單、快速的白酒品質(zhì)鑒定方法，對(duì)于杜絕市場(chǎng)

2、上出現(xiàn)的假冒劣質(zhì)名優(yōu)白酒具有重要意義。
　　 白酒在我國(guó)有著悠久的歷史及燦爛的酒文化。多年來(lái)，人們一直在試圖用光電儀器分析和鑒別白酒。但是，由于白酒體系中的成份過(guò)于復(fù)雜，目前主要還是通過(guò)人的感官對(duì)酒的品質(zhì)和種類進(jìn)行鑒定。我國(guó)的白酒檢測(cè)技術(shù)雖然取得了很大的進(jìn)步，但與國(guó)外的同行相比還有一定的差距，特別是在檢測(cè)方法和檢測(cè)設(shè)備方面。白酒尤其是國(guó)家名優(yōu)白酒，由于其所用原、輔料及釀造工藝的原因，有著獨(dú)特的風(fēng)味。即各有獨(dú)特的指紋特征。這種差別

3、表現(xiàn)在其光譜特征上也有很大不同，所以可以利用光譜分析法來(lái)對(duì)白酒進(jìn)行鑒別。
　　 經(jīng)過(guò)大量的研究發(fā)現(xiàn):各香型的名優(yōu)白酒中所含的香味成分種類幾乎是相同的，但其量高低及它們之間的量比關(guān)系則不同。顯然，對(duì)白酒中的數(shù)百種化學(xué)成分進(jìn)行定量分析是不現(xiàn)實(shí)的也是沒(méi)有必要的。光譜分析法具有宏觀整體鑒定復(fù)雜體系的優(yōu)點(diǎn)以及無(wú)損快速的特點(diǎn)，目前己廣泛應(yīng)用于材料、化學(xué)、生物、礦物寶石、公安法學(xué)等研究領(lǐng)域。近年來(lái)，光譜技術(shù)在食品鑒別方面的應(yīng)用研究發(fā)展迅速。但

4、大多采用二維紅外光譜技術(shù)對(duì)食品進(jìn)行鑒別，鑒別的精度有待進(jìn)一步提高。
　　 本文采用從白酒光譜整體著手的方法，測(cè)量其在200nm-500nm之間的不同波長(zhǎng)激發(fā)光激發(fā)下的紫外熒光光譜，并采用繪圖和數(shù)據(jù)分析軟件將其合成為三維的熒光光譜圖及等高線圖。同時(shí)，我們還對(duì)白酒中主要單體物質(zhì)的紫外熒光光譜進(jìn)行了測(cè)量。經(jīng)過(guò)將其與大量白酒三維熒光光譜進(jìn)行比較研究，發(fā)現(xiàn)了各種單體物質(zhì)對(duì)白酒熒光光譜的影響范圍及其影響程度。從而，為白酒光譜的進(jìn)一步細(xì)化研究

5、奠定了重要基礎(chǔ)。由此，我們首次提出采用白酒三維熒光光譜的三個(gè)特征參數(shù)對(duì)白酒進(jìn)行分類研究。經(jīng)過(guò)對(duì)不同品牌白酒三維熒光光譜的比較及參數(shù)的主成分析發(fā)現(xiàn)，提取三維熒光光譜的三個(gè)有效三維熒光光譜特征參數(shù):波峰個(gè)數(shù)、波峰位置、最佳激發(fā)波長(zhǎng)，可以有效的區(qū)分不同品牌的白酒。從而為白酒的鑒別的研究提出了新的方法。為了證明所選參數(shù)對(duì)白酒分類的有效性，本文運(yùn)用了聚類分析方法對(duì)所提取數(shù)據(jù)進(jìn)行聚類分析，聚類結(jié)果準(zhǔn)確率達(dá)到96%以上。從而證明了，通過(guò)本文中的方法對(duì)

6、白酒進(jìn)行分類具有很高的準(zhǔn)確性。同時(shí)，本文運(yùn)用多種建模方法對(duì)提取的數(shù)據(jù)進(jìn)行建模仿真，最終發(fā)現(xiàn)應(yīng)用最小二乘支持向量機(jī)(LS_SVM)對(duì)所提取的參數(shù)進(jìn)行訓(xùn)練建模，可以快速準(zhǔn)確的對(duì)白酒的種類進(jìn)行有效的鑒別并且準(zhǔn)確率最高。本文還采用了經(jīng)典支持向量機(jī)(SVM)和概率神經(jīng)網(wǎng)絡(luò)(PNN)方法對(duì)同樣的參數(shù)進(jìn)行訓(xùn)練建模，以期與使用最小二乘支持向量機(jī)方法所得結(jié)果進(jìn)行比較。經(jīng)比較，采用最小二乘支持向量機(jī)可已得出比經(jīng)典支持向量機(jī)和概率神經(jīng)網(wǎng)絡(luò)更為準(zhǔn)確的分類鑒別結(jié)