CN104359882A - 同步荧光光谱结合rbf神经网络同时测定混合色素的方法 - Google Patents

Abstract

本发明公开了一种同步荧光光谱结合RBF神经网络同时测定混合色素的方法，该方法包括样本准备、同步荧光光谱测定、同步信号的去噪处理、RBF神经网络非线性模型的建立等步骤，通过采用同步荧光光谱代替三维荧光光谱，并结合RBF神经网络，既可以窄化光谱，减少光谱重叠，又能够利用神经网络的非线性优势，实现在不经任何化学分离的情况下混合色素的同时测定。

Description

同步荧光光谱结合RBF神经网络同时测定混合色素的方法

技术领域

本发明提供了一种同步荧光光谱结合RBF神经网络同时测定混合色素的方法，属于合成色素的快速定量检测领域。

背景技术

合成食品色素作为最常用的食品添加剂，有关其毒性、使用安全性及其检测技术的研究越来越受到国内外学者的重视。合成食品色素常用的检测方法有高效液相色谱法、薄层色谱法、毛细管电泳法、液相色谱-质谱联用法、分光光度法、极谱法和伏安法等。但是,已有的这些检测方法各自有一定的适用范围，主要适用于对单一的或有限的几种目标物进行检测。而且，这些方法需要对待测样品进行较复杂的前期处理，测量精度与前期处理等操作过程关系密切。此外，荧光光谱满足食品安全检测准确、灵敏、简便、快捷、在线、实时、现场和经济等要求，在合成色素的定量中也逐渐得到应用，但都是基于传统的三维荧光光谱数据。在食用合成色素的应用中，通常会有两种或两种以上的色素同时使用。当两种色素相互混合时，它们的同步荧光光谱体现的是两种色素及它们和溶剂相互作用的一个结果。当多种色素相互混合时,各组分之间发生光谱重叠，它们组分的浓度和荧光强度的关系，即使在低浓度下也很难再是简单的线性关系，传统的线性定量模型无法适用。因此，建立一种能够同时定量检测多种色素的方法是十分必要的。对于存在多种色素混合时的检测体系，非线性方法是最合适的。RBF神经网络能够以任意精度逼近任意的非线性模型，而且其结构简单，收敛速度快，是非线性拟合较理想的方法之一。通过采用同步荧光光谱代替三维荧光光谱，并结合RBF神经网络，既可以窄化光谱，减少光谱重叠，又能够利用神经网络的非线性优势，实现在不经任何化学分离的情况下，实现混合色素的同时测定。

发明内容

本发明的目的，在于提供一种同步荧光光谱结合RBF神经网络同时测定混合色素的方法，按照本发明的技术方案，本发明通过以下步骤实现：

a：样本准备。将两种不同的合成色素在不同浓度下混合得到若干个实验样本。

b:同步荧光光谱测定。配制完成所有混合样本后，将其充分摇匀以使两种色素充分均匀地混合，测量得到上述若干个实验样本的同步荧光光谱图。

c:同步信号的去噪处理。利用小波变换对光谱数据进行小波降噪处理，为了便于神经网络的应用，对数据进行归一化处理。利用公式1将光谱数据归一化到0.1～0.9。

$y=0.1+0.8*\left(\frac{x-x_{\min }}{x_{\max }-x_{\min }}\right)---\left(1\right)$

其中x表示光谱数据点，x_min表示光谱数据中的最小值，x_max表示光谱数据中的最大值，y表示归一化后的光谱数据。

d：RBF神经网络非线性模型的建立。RBF神经网络非线性模型的建立：实验设计RBF神经网络训练样本和预测样本分布，快速建立RBF神经网络模型，实现两种不同色素的同时定量检测。

本发明通过采用同步荧光光谱代替三维荧光光谱，并结合RBF神经网络，既可以窄化光谱，减少光谱重叠，又能够利用神经网络的非线性优势，可在不经任何化学分离的情况下，实现混合色素的同时测定。

附图说明

下面结合附图对本发明作进一步说明。

图1为实验样品浓度示意图，黑色实心圆代表的是样本，每一个黑色圆点横坐标表示酸性红的浓度，纵坐标表示新红的浓度。

图2为不同浓度下混合的169个样品的二维同步荧光光谱图(Δλ＝70nm)。

图3为RBF神经网络训练样本和预测样本分布的实验设计。

图4为本发明所述方法的流程图。

具体实施方式

下面结合附图并根据流程图的操作顺序对本发明作进一步描述：

a：样本准备。以酸性红和新红两种合成色素在不同浓度下的混合溶液为实验对象，酸性红和新红在混合溶液中的浓度范围都是5ug·ml^-1～20ug·ml^-1。在这个范围内对于酸性红和新红的浓度和同步荧光光谱强度来说都是一个非线性关系范围。根据图1上黑色圆点所对应的酸性红和新红的浓度来配制酸性红和新红的混合液，共计得到169个实验样本。

b:同步荧光光谱测定。配制完成所有混合样本后，将其充分摇匀以使酸性红和新红能够充分均匀地混合。然后测量其在Δλ＝70nm，激发波长范围为200nm～650nm的同步荧光光谱，入射和出射狭缝均设置为5nm，积分时间设置为0.01s。每个样品测量两次，取平均作为最后样品的同步荧光光谱。测量得到的169个实验样本的同步荧光光谱图，如图2所示。由图2可知，酸性红和新红的混合溶液光谱图上有四个荧光峰，其中第一个同步荧光峰为仪器散射造成并非混合溶液的同步荧光，第二个同步荧光峰为水的拉曼峰，第三和第四个同步荧光光谱峰位酸性红和新红的混合溶液的同步荧光光谱峰。由这两个峰的对比可知靠左边的同步荧光峰较弱，靠右边的同步荧光峰较强，是混合溶液的主要同步荧光峰，这与前面由酸性红和新红的混合溶液的三维同步荧光光谱得到的结论是一致的。同时在这个二维图中可以清楚地看到，主要同步荧光峰的位置随酸性红和新红的浓度的改变而变化。

c:同步信号的去噪处理。为了避免温度、湿度等对测量信噪比的影响，需要对光谱数据做降噪处理。小波变换在降噪方面获得了广泛的应用。利用小波变换对光谱数据进行降噪处理。将同步光谱数据利用小波做三阶分解，然后将三阶分解得到的高频信号归零，最后做小波反变换就得到了降噪后的光谱数据。

为了便于神经网络的应用需要对数据进行归一化处理。利用公式1将光谱数据归一化到0.1～0.9。

$y=0.1+0.8*\left(\frac{x-x_{\min }}{x_{\max }-x_{\min }}\right)---\left(1\right)$

其中x表示光谱数据点，x_min表示光谱数据中的最小值，x_max表示光谱数据中的最大值，y表示归一化后的光谱数据。

d:RBF神经网络非线性模型的建立。RBF神经网络非线性模型的建立：实验设计RBF神经网络训练样本和预测样本分布，快速建立RBF神经网络模型，实现两种不同色素的同时定量检测。

综上所述，本发明将RBF神经网络同酸性红和新红混合溶液的同步荧光光谱相结合，实现酸性红和新红的浓度的同时定量检测。

Claims (2)

1.一种同步荧光光谱结合RBF神经网络同时测定混合色素的方法，所述方法步骤如下：

a：样本准备：将两种不同的合成色素在不同浓度下混合得到若干个实验样本；

b:同步荧光光谱测定：配制完成所有混合样本后，将其充分摇匀以使两种色素充分均匀地混合，测量得到上述若干个实验样本的同步荧光光谱图；

c:同步信号的去噪处理：利用小波变换对光谱数据进行小波降噪处理，为了便于神经网络的应用，对数据进行归一化处理；

d:RBF神经网络非线性模型的建立：实验设计RBF神经网络训练样本和预测样本分布，快速建立RBF神经网络模型，实现两种不同色素的同时定量检测。

2.根据权利要求1所述的同步荧光光谱结合RBF神经网络同时测定混合色素的方法,其特征是：所述步骤c中，对数据进行归一化处理的公式为：

$y=0.1+0.8*\left(\frac{x-x_{\min }}{x_{\max }-x_{\min }}\right)$

其中x表示光谱数据点，x_min表示光谱数据中的最小值，x_max表示光谱数据中的最大值，y表示归一化后的光谱数据。