目前我国蜂蜜市场掺假现象严重, 研究一种快速、 准确的方法用于市场流通领域掺假蜂蜜的鉴别具有重要的现实意义。 采用近红外光谱(NIR)结合化学计量学方法对常见的天然蜂蜜以及掺假(掺杂常见糖浆)蜂蜜进行建模识别, 并比较偏最小二乘-判别分析(PLS-DA)及支持向量机(SVM)对糖浆掺假蜂蜜鉴别模型的影响。 首先, 采集来自中国10个省份、 20种常见蜂蜜的112个天然纯蜂蜜样品, 以及6种常见糖浆样品按不同糖浆含量(10%, 20%, 30%, 40%, 50%, 60%)配制的112个掺假蜂蜜样品, 共计224个样品; 通过近红外光仪器扫描获得所有样品的近红外光谱数据(波长范围400~2 500 nm); 然后, 分别采用一阶导数(FD)、 二阶导数(SD)、 多元散射校正(MSC)、 标准正态变化(SNVT)四种方式对原始光谱进行预处理; 再结合PLS-DA和SVM建立天然蜂蜜和糖浆掺假蜂蜜的鉴别模型, 比较不同预处理方法对两种不同建模算法建立的蜂蜜掺假鉴别模型效果。 其中SVM算法的惩罚参数c和核函数参数g通过网格搜索法(GS)、 遗传算法(GA)、 粒子群算法(PSO)三种寻优算法进行优化。 分析结果表明: 光谱数据进行预处理后所建立的模型准确率均有明显提升, 而对于SVM模型, 惩罚参数c和核函数参数g对模型准确率的提升效果要比光谱预处理带来的提升效果更明显。 在PLS-DA算法中, 经FD光谱预处理后建立的模型效果最好, 最佳PLS-DA模型准确率为87.50%; 在SVM算法中, 经MSC预处理后, 再通过GS寻优, 获得惩罚参数c为3.0314, 核函数参数g为0.3298的条件下所建立的模型效果最好, 最佳SVM模型准确率为94.64%。 由此可见, 非线性的SVM算法结合NIR光谱数据所建立的天然蜂蜜与糖浆掺假蜂蜜鉴别模型要优于线性的PLS-DA模型, 同时表明NIR光谱结合化学计量学方法对常见糖浆掺杂的中国蜂蜜鉴别是可行的。

利用近红外光谱技术(near infrared spectroscopy, NIR)并结合化学计量学方法鉴别洋槐蜜中掺入大米糖浆的可行性研究。 以来自不同蜂场的20个洋槐原料蜜样品与大米糖浆混合成7个不同浓度梯度(10∶0, 9∶1, 7∶3, 1∶1, 3∶7, 1∶9, 0∶10 g·g-1)共121个样品为研究对象, 利用近红外光谱仪和光谱处理软件分别不同浓度梯度的对掺假样品进行光谱扫描和数据转换, 并进行主成分分析(PCA), 结合典型判别分析进行区分。 结果表明, 经过主成分分析后, 前2个主成分的得分累计贡献率达97.23%, 但掺假样品在第一、 第二主成分得分散点图的区域划分不明显。 用典型判别分析进一步判别, 所有样本均得到准确的判别, 准确率为100%, 6个典型判别函数中前两个判别函数的累积贡献率达到91.6%, 同时在第一类和第二类典型判别函数的分组图中, 不同浓度梯度的掺假蜂蜜能够被较好的判别。 表明该方法能够快速、 有效鉴别大米糖浆在洋槐蜂蜜中的掺假, 具有一定可行性和实用性。

为进一步检验近红外光谱技术（NIRS）快速检测蜂蜜掺假的能力, 利用近红外光谱结合化学计量学方法对蜂蜜中掺入甜菜糖浆进行了定性和定量检测。 偏最小二乘-判别分析法（PLS-DA）对真假蜂蜜预测集的判别总正确率为90.2%; 不同判别方法对掺假量等级预测集的判别总正确率都低于33.3%; PLS回归只对同一蜂蜜样本掺假的定量分析结果满意: 预测集真实值与预测值的相关系数（r）为0.982 9, 预测均方差（RMSEP）为1.394 2, 而对不同植物来源和同一植物来源的不同样本的掺假量的定量分析结果不满意。 研究表明, 蜂蜜中掺入甜菜糖浆后, NIRS可实现真假蜂蜜的快速鉴别, 而不能实现掺假量等级的鉴别及掺假量的定量分析。