蜂蜜，這一珍貴的農(nóng)產(chǎn)品，以其豐富的營養(yǎng)價值，在食品工業(yè)和傳統(tǒng)醫(yī)學領(lǐng)域中占據(jù)著舉足輕重的地位，自古以來就被譽為天然的甜味瑰寶。然而，市場上蜂蜜的質(zhì)量參差不齊、以次充好、摻假問題嚴重，這不僅損害了消費者的利益，也對蜂蜜產(chǎn)業(yè)的健康發(fā)展構(gòu)成了威脅。FluorTron®多功能高光譜成像分析技術(shù)的出現(xiàn)，為蜂蜜的安全和質(zhì)量檢測提供了一種創(chuàng)新的解決方案。

蜂蜜的品質(zhì)檢測鑒定是保障其安全和營養(yǎng)價值的關(guān)鍵。傳統(tǒng)的檢測方法往往耗時且可能破壞樣品，而FluorTron®多功能高光譜成像分析技術(shù)的應(yīng)用則為這一領(lǐng)域帶來了革命性的變化。其通過無損、快速、靈敏的成像檢測手段可準確地分析蜂蜜中的各種成分，從而有效分辨蜂蜜品質(zhì)、精準識別摻假蜂蜜以及高效區(qū)分蜂蜜原產(chǎn)地。

電導率預測：提高檢測效率與準確性

電導率作為蜂蜜的物理性質(zhì)之一，可用于評估蜂蜜品質(zhì)。在一項針對蜂蜜電導率的研究中，研究人員開發(fā)了一種基于可見近紅外成像的蜂蜜電導率測量系統(tǒng)。該系統(tǒng)采用400-1000nm波長范圍的高光譜相機，以透射模式捕獲蜂蜜樣品的光譜信息。通過偏最小二乘法和人工神經(jīng)網(wǎng)絡(luò)(PLS-ANN)相結(jié)合的方法，建立了波長選擇和預測模型，從而實現(xiàn)了對蜂蜜電導率的快速無損測定。這一技術(shù)的應(yīng)用不僅提高了檢測效率，也保證了檢測結(jié)果的準確性。

推進新西蘭蜂蜜的欺詐檢測新方法

新西蘭Mānuka蜂蜜因其高商業(yè)價值而成為摻假的主要目標。為了應(yīng)對這一挑戰(zhàn)，研究人員提出了一種結(jié)合高光譜成像（HSI）和基于GANomaly的單類分類方法來檢測欺詐行為的新策略。本研究從5個新西蘭品牌中收集了18個不同UMF分級（Mānuka蜂蜜的分級系統(tǒng)，主要基于蜂蜜中甲基乙二醛（Methylglyoxal, MGO）的含量來衡量麥盧卡蜂蜜中抗菌活性的強度）的純Mānuka蜂蜜樣品進行模型訓練，并在包括陳年蜂蜜和糖漿摻假蜂蜜在內(nèi)的欺詐樣品上進行了測試。結(jié)果表明，HSI與GANomaly方法相結(jié)合，實現(xiàn)了對所有測試樣品100%的區(qū)分率，顯著優(yōu)于傳統(tǒng)的檢測技術(shù)。

高光譜成像技術(shù)在蜂蜜植物原產(chǎn)地分類中的應(yīng)用

蜂蜜的植物來源鑒定對于保護消費者利益和確保市場公平競爭至關(guān)重要。在一項創(chuàng)新研究中，研究人員利用高光譜成像技術(shù)，成功區(qū)分了來自11個不同生產(chǎn)商的21種植物來源的56種新西蘭蜂蜜產(chǎn)品。研究中采用了隨機森林（RF）、支持向量機（SVM）、多層感知器（MLP）和卷積神經(jīng)網(wǎng)絡(luò)（CNN）四種算法進行分類。結(jié)果顯示，RF和SVM算法分別實現(xiàn)了98%和99%以上的準確率，有效區(qū)分了不同植物來源的蜂蜜。此外，研究還發(fā)現(xiàn)，即使標簽相同，不同品牌的蜂蜜產(chǎn)品在光譜特征上也存在顯著差異。

紫外光激發(fā)生物熒光分析：檢測蜂蜜成分

蜂蜜的特殊風味特性和健康益處來源于它的碳水化合物、酚類物質(zhì)、有機酸、揮發(fā)性化合物、維生素、蛋白質(zhì)和氨基酸、礦物質(zhì)、色素、蠟、花粉粒、酶等，不同的蜂蜜其成分及含量難以分辨，而FluorTron®多功能高光譜成像分析技術(shù)能對這些成分含量進行檢測。EcoTech^®實驗室技術(shù)人員以三款椴樹蜜（北方地區(qū)的特色蜜種，來源于椴樹花蜜）和兩款其他花蜜為實驗對象，使用FluorTron®多功能高光譜成像分析系統(tǒng)通過對蜂蜜樣品進行紫外光激發(fā)的生物熒光數(shù)據(jù)采集及分析，展現(xiàn)了其在蜂蜜品質(zhì)鑒定中的非凡能力。

FluorTron^®多功能高光譜成像分析技術(shù)具有非接觸、非損傷、高通量、可視化等特點，相對于傳統(tǒng)的化學評估方法具有巨大的優(yōu)勢，可采集樣品空間維度及高光譜維度的信息，實現(xiàn)準確有效的食品品質(zhì)分析檢測，為蜂蜜及其他食品的安全與質(zhì)量提供了強有力的保障，在確保消費者享受到真正的高品質(zhì)蜂蜜的同時，還能夠推動食品檢測技術(shù)的進步，為食品安全與質(zhì)量檢測領(lǐng)域帶來革命性的變革。

參考文獻

Putro I S, Saputro A H, Imawan C. Electrical conductivity prediction system of honey using hyperspectral imaging[C]//2018 International Seminar on Research of Information Technology and Intelligent Systems (ISRITI). IEEE, 2018: 487-491.

Saputro A H, Putro I S. Measurement system based on visible near infrared imaging for predicting honey electrical conductivity[C]//AIP Conference Proceedings. AIP Publishing, 2019, 2193(1).

Cheng J, Zhang G, Abdulla W, et al. Advancing fraud detection in New Zealand Mānuka honey: Integrating hyperspectral imaging and GANomaly-based one-class classification[J]. Food Bioscience, 2024: 104428.

Zhang G, Abdulla W. New Zealand honey botanical origin classification with hyperspectral imaging[J]. Journal of Food Composition and Analysis, 2022, 109: 104511.