一种基于自适应荧光区域选择与核加权的橄榄油掺假测量方法

本发明属于食品安全检测、光谱分析与数据处理，具体涉及一种基于激发-发射矩阵荧光光谱、源域光谱库、核加权标签转移以及自适应荧光区域选择的橄榄油掺假测量方法。本发明用于在掺假物类型未知的情况下，对待测单一样品中的橄榄油含量进行独立、快速的定量测量，尤其适用于现场筛查、生产线监测及便携式检测设备。

背景技术：

1、特级初榨橄榄油因营养价值高、市场价格高，易被大豆油、花生油、玉米胚芽油、菜籽油、核桃油等低价植物油掺假。对橄榄油掺假进行快速、准确的定量检测，是食品安全监管、市场执法和生产质量控制中的重要需求。现有橄榄油掺假检测方法包括色谱法、核磁共振法、红外光谱法、拉曼光谱法、质谱法和荧光光谱法等。其中，色谱法和核磁共振法准确度较高，但通常存在仪器成本高、检测耗时长、样品前处理复杂、现场部署困难等问题。激发-发射矩阵荧光光谱能够同时获取多个激发波长和发射波长下的二维荧光响应，具有快速、无损、灵敏度高和样品处理简单等优点，适合用于油脂真伪鉴别和掺假定量分析。

2、然而，现有基于光谱的橄榄油掺假定量方法多依赖偏最小二乘回归、支持向量回归、神经网络等化学计量学或机器学习模型。这类方法通常建立在闭集假设之上，即默认测试样品中的掺假物类型与建模样品中的掺假物类型相同或已知。当实际待测样品中的掺假物类型未知，甚至不属于已有建模体系时，模型容易因光谱分布差异而导致预测准确性下降。此外，部分现有方法在预测或校准过程中需要依赖一批待测样品的整体分布信息，或者需要针对目标样品重新训练、校准或调整模型参数，且建模与调参过程通常需要专业的化学计量学知识与较长的处理时间，难以满足现场抽检、便携式检测和生产线逐样品监测中对单一样品即时、独立、简便预测的要求。

3、因此，亟需一种能够在掺假物类型未知的开放应用场景下，不依赖目标域批量统计信息、不需要在线重新训练模型，并能够对待测单一样品独立输出橄榄油含量预测结果的橄榄油掺假测量方法。

技术实现思路

1、本发明提供了一种基于自适应荧光区域选择与核加权的橄榄油掺假测量方法。

2、本发明的技术方案是：

3、一种基于自适应荧光区域选择与核加权的橄榄油掺假测量方法，其特征在于，包括如下步骤：

4、s1：获取预先构建的源域光谱库和待测单一样品的光谱数据，其中源域光谱库包含多个已知掺假体系的样品及其对应的橄榄油浓度标签，待测单一样品不具有浓度标签且掺假物类型未知；

5、s2：对所有的光谱数据进行统一预处理与降维操作，并将特征提取划分为叶绿素荧光区域和生育酚荧光区域；

6、s3：在所述的叶绿素荧光区域和生育酚荧光区域内，分别计算待测单一样品与所有源域样品之间的光谱距离，并应用高斯核加权，获得待测样品在两个区域下的转移权重；

7、s4：基于所述转移权重，分别计算待测单一样品在两个荧光区域的初步浓度预测值，并计算所述转移权重的香农熵，以量化各区域的预测置信度；

8、s5：利用自适应决策规则，根据两个荧光区域初步浓度预测值之间的差异程度以及对应的香农熵，自动选择最可靠的荧光区域预测结果或进行熵权融合，输出待测单一样品的最终橄榄油浓度。

9、本发明的有益效果在于：

10、本发明突破闭集假设，适应掺假物未知的开放场景，利用源域光谱库与核加权标签转移，在待测样品掺假物类型未知时仍可准确定量橄榄油含量。在线预测仅依赖单一样品光谱和预存模型，无需批量信息或重新训练，响应达亚毫秒级，满足现场快速筛查需求。离线阶段一次性构建模型与参数，现场只需采集光谱并自动输出结果，操作简便，无需专业知识。同时，利用叶绿素与生育酚两个荧光区域的互补信息，通过香农熵自适应选择更可靠区域或进行融合，有效提升单一区域失效时的稳健性。本发明兼具开放适应性、高速响应、简易操作与鲁棒性，为橄榄油掺假检测提供了高效实用的解决方案。

11、 技术实现要素：

12、图1 本发明基于自适应荧光区域选择与核加权的橄榄油掺假测量方法流程图。

1.一种基于自适应荧光区域选择与核加权的橄榄油掺假测量方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的方法，其特征在于：所述步骤s1中的光谱数据为激发–发射矩阵（eem）荧光光谱。

3.根据权利要求1所述的方法，其特征在于：所述步骤s2中的降维操作采用主成分分析（pca）方法，且所述pca模型仅利用源域数据进行拟合，待测单一样品通过拟合好的pca模型直接投影至相同的低维子空间。

4.根据权利要求1所述的方法，其特征在于：所述步骤s2中，叶绿素荧光区域的激发波长为300–450 nm、发射波长为600–800 nm；生育酚荧光区域的激发波长为300–450 nm、发射波长为300–600 nm。

5.根据权利要求1所述的方法，其特征在于：所述步骤s3中，光谱距离采用欧氏距离计算 ；所述转移权重 的计算公式为 ，其中  为光谱距离，为控制距离尺度的核带宽参数，为控制权重向最近邻集中的锐化指数 。

6.根据权利要求1所述的方法，其特征在于：所述步骤s4中，初步浓度预测值为源域样本浓度标签的归一化加权平均 ；所述香农熵的计算公式为。

7.根据权利要求1所述的方法，其特征在于：所述步骤s5中的自适应决策规则具体为：若两个区域的初步浓度预测值之差的绝对值（）小于或等于设定的阈值，则将两者进行熵权加权平均融合，对应区域的权重为其香农熵的倒数；若两个区域的初步浓度预测值之差的绝对值大于设定的阈值，则舍弃香农熵较高的区域预测值，将香农熵较低的区域初步浓度预测值作为最终输出。