使用气相色谱-离子迁移谱法鉴别大米品种和掺假

大米是亚洲常见的主食，不同种类的大米具有不同的风味和口感，例如泰国香米含有一种名为乙酰吡咯烷（2-乙酰基1-吡咯烷）的化合物，使这种大米具有宜人的香气，而中国五常大米则香气浓郁、口感甘甜、味道鲜美。针对传统生化方法存在的样品前处理要求复杂、检测流程繁琐、对大米品种和掺假检测准确率不高的问题，采用顶空-气相色谱-离子迁移谱法（HGC-IMS）检测5种大米的挥发性风味物质，可有效鉴别大米和掺假大米的品质。利用半监督生成对抗网络（SSGAN）对5种大米的离子迁移指纹谱进行识别。我们将GAN中判别器的输出层替换为softmax分类器，将GAN扩展为半监督GAN。我们为生成的样本定义额外的类别标签来指导训练过程。采用半监督训练优化网络参数，并将训练好的判别网络用于HGC-IMS图像的分类。

实验结果表明，该模型的预测准确率达到98.00%，明显高于决策树、支持向量机（SVM）、改进的SVM模型（LS-SVM和PCA-SVM）、局部几何结构Fisher分析（LGSFA）等模型的预测准确率，也高于VGGNet、ResNet、Fast RCNN等深度学习模型的预测准确率。实验结果还表明，HGC-IMS图像分类对掺假大米的识别准确率达到97.30%，高于传统色谱或光谱方法的准确率。所提方法弥补了一些智能算法在离子迁移光谱应用方面的不足，对大米品种及掺假大米的准确预测具有可行性。

图1.  SSGAN 中的鉴别器 D 的结构[1]。

本文结合改进的GAN算法（SSGAN），利用GC-IMS技术对5种大米及大米掺假进行识别。利用GAN生成的少量标记样本和大量未标记样本，采用半监督学习方法训练改进的SSGAN模型，在测试集上对5种大米的识别准确率达到98.00%，对掺假大米的识别准确率达到97.30%。

将SSGAN模型与流行的VGGNet网络、ResNet等网络进行了对比，结果表明SSGAN的识别性能优于这些替代模型。还将本文方法与HPLC等其他常用检测方法进行了对比，结果表明本文提出的GC-IMS结合SSGAN的识别方法在识别性能上优于现有的生化方法。

当然，该模型的最终目的是识别没有标签的样本类型，所以我们将模型应用于实际的大米质量监测，并根据用户的反馈取得了良好的识别效果。总之，GC-IMS 结合 SSGAN 可以有效识别大米品种和掺假。

[1]Ju X, Lian F, Ge H, et al. Identification of rice varieties and adulteration using gas chromatography-ion mobility spectrometry[J]. IEEE Access, 2021, 9: 18222-18234.

环境检测是科学指南针旗下综合性的检测技术服务平台，实验室分布南京、北京、上海、青岛等全国30余个城市，测试项目齐全包括但不限于常规理化项目、LCMS、GCMS、同位素、单糖组成、DOM（FT- ICR- MS）、水土抗生素等。其中环境实验室总部坐落于南京市，已取得检验检测机构资质认定CMA证书，国家标准、行业标准，一应俱全。此外，我们还拥有一批技术过硬、科研水平深厚的专业团队，为您提供全面、专业、高质量的环境检测服务。

免责声明：部分文章整合自网络，因内容庞杂无法联系到全部作者，如有侵权，请联系删除，我们会在第一时间予以答复，万分感谢。