《Journal of Spectroscopy》：Framework to Detect Adulterated Honey Using Hyperspectral Imaging and Machine Learning
编辑推荐：
蜂蜜是一种以其营养和药用价值而闻名的天然产品。然而，巴基斯坦市场需求的日益增长导致了掺假和欺诈性蜂蜜的频繁出现。传统的检测方法被广泛使用，但在准确识别掺假方面往往效果不佳。本研究提出了一种利用机器学习（ML）技术与高光谱成像（HSI）相结合来检测蜂蜜掺假（特别
蜂蜜是一种以其营养和药用价值而闻名的天然产品。然而，巴基斯坦市场需求的日益增长导致了掺假和欺诈性蜂蜜的频繁出现。传统的检测方法被广泛使用，但在准确识别掺假方面往往效果不佳。本研究提出了一种利用机器学习（ML）技术与高光谱成像（HSI）相结合来检测蜂蜜掺假（特别是糖分混合）的新方法。通过利用高光谱成像（HSI），研究人员捕获纯蜂蜜和掺假蜂蜜的独特光谱特征。这些光谱特征由训练于包含纯蜂蜜和混合蜂蜜样本数据集上的机器学习（ML）算法进行处理和分析。实验涉及二分类以及具有不同掺假水平的多类（5类）蜂蜜样本。此外，还使用合成少数类过采样技术（SMOTE）进行了数据平衡。结果表明，所提出的方法在检测各种蜂蜜品种的掺假方面是有效的，其中线性回归在二分类中达到了99.9%的准确率，而支持向量机（SVM）和多层感知器（MLP）则获得了98.7%的准确率。对于多类蜂蜜分类，多层感知器（MLP）显示出96.67%的准确率，优于其余的机器学习和深度学习模型。在深度学习模型中，卷积神经网络（CNN）在应用SMOTE ×3（每类原始样本过采样三倍）数据平衡策略后取得了最佳性能，准确率为94.67%，而循环神经网络（RNN）、长短期记忆网络（LSTM）和门控循环单元（GRU）模型则表现出相对较低的性能。
**基于高光谱成像与机器学习的蜂蜜掺假检测框架研究解读**
**一、 研究背景与问题**
蜂蜜作为一种天然产物，因其丰富的营养价值和药用特性而备受推崇。然而，不断增长的市场需求，尤其是在巴基斯坦，导致了掺假和欺诈性蜂蜜的频繁出现。常见的掺假手段包括添加商业糖浆或与劣质蜂蜜混合，这不仅带来潜在的健康风险（如升高血糖、肥胖、糖尿病和高血压），也损害了消费者信任和蜂蜜产品的真实性。传统的检测方法，如视觉检查和基础理化测试，在面对日益复杂的掺假手段时，往往 inaccurate and unreliable。因此，亟需一种快速、准确且非破坏性的检测技术来保障蜂蜜品质。高光谱成像（HSI）能够捕获可见光及近红外（VNIR）谱段（395–1000 nm）内每个像素的详细光谱信息，为区分纯蜂蜜与掺假蜂蜜提供了可能。机器学习（ML）算法则能有效学习这些高维光谱数据中的复杂模式。因此，本研究旨在将HSI与ML技术相结合，开发一套稳健的蜂蜜掺假检测框架，以解决传统方法效能不足的问题。
**二、 研究技术与方法**
本研究采用了一套完整的“数据采集-预处理-模型构建与评估”流程。样本方面，研究人员从商业市场采集了两种蜂蜜：巨型蜂蜜和矮型蜂蜜，并通过将矮型蜂蜜与由糖和水配制并维持在40°C的糖浆按10%、20%、30%和50%（w/w）的比例混合，制备了掺假样本。数据采集使用了Specim FX-10高光谱相机（Specim, Spectral Imaging Ltd, Oulu, Finland），该相机覆盖VNIR谱段（224个光谱波段，光谱分辨率2.7 nm）。实验室装置包括一个平移平台、三个卤素灯以及一个深色外壳以隔离外部噪声，相机位于移动托盘上方30 cm处。数据预处理阶段，研究人员比较了中值、稳态、移动平均和Savitzky–Golay滤波器，最终选用Savitzky–Golay滤波器进行噪声去除和光谱增强。预处理后的数据被格式化为CSV文件，并按75%：25%或70%：30%的比例划分为训练集和测试集。研究采用了多种ML算法，包括多层感知器（MLP）、随机森林（RF）、极端随机树（ET）、K近邻（KNN）、决策树（DT）、逻辑回归（LR）和支持向量机（SVM），以及深度学习（DL）模型，如卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）和门控循环单元（GRU）。同时，为了处理类别不平衡问题，研究使用了合成少数类过采样技术（SMOTE）。
**三、 主要研究结果**
该研究的实验评估细致地分为二分类、多分类以及交叉验证等多个层面。
**1. 二分类（纯蜂蜜 vs. 掺假蜂蜜）结果**：在不使用SMOTE的情况下，支持向量机（SVM）表现最佳，准确率达99%（混淆矩阵显示仅1个假阳性），多层感知器（MLP）和逻辑回归（LR）的准确率分别为98.7%和98%。在应用SMOTE平衡数据后，所有模型的整体性能均有提升，其中逻辑回归（LR）达到100%的准确率，支持向量机（SVM）和多层感知器（MLP）保持了99%的高准确率，而K近邻（KNN）在两种情境下都为表现最弱的模型。
**2. 深度学习模型二分类结果**：在应用SMOTE的二分类任务中，所有DL模型的性能都低于ML模型。卷积神经网络（CNN）表现最佳，准确率为90.6%，长短期记忆网络（LSTM）（90%）次之，门控循环单元（GRU）（84%）和循环神经网络（RNN）（80%）表现相对较差。
**3. 多分类（5类掺假水平）结果**：对于包含纯蜂蜜、10%、20%、30%和50%五个掺假水平的分类任务，研究比较了三种训练策略：原始数据集、应用SMOTE ×2和SMOTE ×3。结果显示，多层感知器（MLP）在所有策略下均表现优异，在原始数据及SMOTE ×2策略下取得了96.67%的最高准确率，且在SMOTE ×3下也保持在96%。在深度学习模型中，卷积神经网络（CNN）表现最优，在SMOTE ×3策略下准确率从92%提升至94.67%，表明其能从更大规模的数据中受益。相较之下，LSTM、RNN和GRU模型准确率显著偏低（在85-91%之间），显示出在处理此类有限的光谱数据时，递归模型难以学习到区分性的光谱特征。
**4. 交叉验证结果**：为了验证模型的稳健性，研究采用了10折交叉验证。多层感知器（MLP）（93.20%准确率）和极端随机树（ET）（93.00%准确率）表现最佳，而支持向量机（SVM）（69.40%）和逻辑回归（LR）（64.40%）的准确率则显著较低，说明它们在高维多类特征空间下的泛化能力较弱。
**四、 总结与讨论**
讨论部分强调，多层感知器（MLP）之所以在多分类任务中表现最佳，是因为它能有效学习非线性和层次化的特征表示，优于依赖线性边界的逻辑回归（LR）和依赖硬分割的决策树（DT）及其变体。支持向量机（SVM）在高维二分类中表现优异，则归因于其寻找最优边界以分离细微光谱差异的能力。研究还指出，递归深度学习模型（LSTM、RNN、GRU）的性能受限可能与小规模训练数据集有关，而卷积神经网络（CNN）展现了对高维光谱特征提取的优越性，其增强的稳健性在SMOTE ×3条件下体现得更为明显。
研究结论指出，本研究成功论证了基于高光谱成像（HSI）的框架在识别掺假蜂蜜方面的有效性，通过利用捕获细微杂质差异的反射特征，系统性地评估了机器学习（ML）和深度学习（DL）模型在二分类和细粒度多分类任务中的性能。主要贡献在于：支持向量机（SVM）在二分类中取得了近完美的准确率（99.99%），多层感知器（MLP）则在五级掺假识别中展现了卓越的性能（96.67%），并经k折交叉验证验证。方案在二元和多元分类中的高准确率证明了该方法的潜力，但也指出，要完全发挥深度学习模型的潜力，需要更大规模的高光谱数据集。未来工作将聚焦于扩大数据集的多样性，优化模型以实现工业环境下的实时检测，并探索更先进的深度学习架构（如3D-CNN和Siamese网络）以进一步提升检测精度。该研究为食品安全保障领域提供了切实可行的技术方案，尤其是为蜂蜜行业的品质监控和反欺诈提供了有力的科学依据。
