罗浩东，刘翠玲*，孙晓荣，吴静珠

（北京工商大学 人工智能学院 食品安全大数据技术北京市重点实验室，北京 100048）

中国是世界大米生产和消费的大国之一，大米是中国主要的粮食产物之一。中国大米产地繁多，不同产地的大米口感、营养价值及品质均具有明显差异[1-2]。随着人们生活水平的不断提高，人们对大米的产地以及品质越来越重视。由于大米因外观及品质方面难以用肉眼检测，一些不法商贩将劣质大米混入其中，以次充好，牟取暴利，使得大米掺假问题日益严重[3]。传统的检测方法（如感官识别、近红外光谱等）均有一定劣势和不足。如感官识别受到主观因素影响，检测结果的准确性和稳定性并不高。近红外光谱法需要对大米进行研磨粉碎[4-5]，使得进行检测的大米样本不能进行后续的使用[6]。

高光谱成像技术结合了近红外光谱和数字成像技术，具有高速、无损、精度高的特点，使样本避免被破坏，被广泛应用于食品检测领域[7-9]。PEREZ-RODRIGUEZ M等[10]利用基于支持向量机（support vector machine，SVM）的预测模型，建立了一种简单、快速、高效的火花放电激光诱导击穿光谱方法。对四个水稻品种（古里、IRGA424、普伊特和塔伊姆）的72个样品进行分析，得到了按植物品种鉴别水稻样品的最佳模型。该模型在试验样本中的正确预测率达到了96.4%。JI M等[11]基于高光谱成像技术建立的最小二乘支持向量机模型对猪肉中的不饱和脂肪酸包括单不饱和脂肪酸和多不饱和脂肪酸进行了检测，并绘制了单不饱和脂肪酸和多不饱和脂肪酸含量的彩色图，取得了良好的实验结果。……