FluorTron ®多功能高光譜成像分析技術：革新蜂蜜安全與質量檢測手段

蜂蜜，這一珍貴的農產品，以其豐富的營養價值，在食品工業和傳統醫學領域中占據著*的地位，自古以來就被譽為天然的甜味瑰寶。然而，市場上蜂蜜的質量參差不齊、以次充好、摻假問題嚴重，這不僅損害了消費者的利益，也對蜂蜜產業的健康發展構成了威脅。FluorTron®多功能高光譜成像分析技術的出現，為蜂蜜的安全和質量檢測提供了一種創新的解決方案。

蜂蜜的品質檢測鑒定是保障其安全和營養價值的關鍵。傳統的檢測方法往往耗時且可能破壞樣品，而FluorTron®多功能高光譜成像分析技術的應用則為這一領域帶來了革命性的變化。其通過無損、快速、靈敏的成像檢測手段可準確地分析蜂蜜中的各種成分，從而有效分辨蜂蜜品質、精準識別摻假蜂蜜以及高效區分蜂蜜原產地。

電導率預測：提高檢測效率與準確性

電導率作為蜂蜜的物理性質之一，可用于評估蜂蜜品質。在一項針對蜂蜜電導率的研究中，研究人員開發了一種基于可見近紅外成像的蜂蜜電導率測量系統。該系統采用400-1000nm波長范圍的高光譜相機，以透射模式捕獲蜂蜜樣品的光譜信息。通過偏最小二乘法和人工神經網絡(PLS-ANN)相結合的方法，建立了波長選擇和預測模型，從而實現了對蜂蜜電導率的快速無損測定。這一技術的應用不僅提高了檢測效率，也保證了檢測結果的準確性。

推進新西蘭蜂蜜的欺詐檢測新方法

新西蘭Mānuka蜂蜜因其高商業價值而成為摻假的主要目標。為了應對這一挑戰，研究人員提出了一種結合高光譜成像（HSI）和基于GANomaly的單類分類方法來檢測欺詐行為的新策略。本研究從5個新西蘭品牌中收集了18個不同UMF分級（Mānuka蜂蜜的分級系統，主要基于蜂蜜中甲基乙二醛（Methylglyoxal, MGO）的含量來衡量麥盧卡蜂蜜中抗菌活性的強度）的純Mānuka蜂蜜樣品進行模型訓練，并在包括陳年蜂蜜和糖漿摻假蜂蜜在內的欺詐樣品上進行了測試。結果表明，HSI與GANomaly方法相結合，實現了對所有測試樣品100%的區分率，顯著優于傳統的檢測技術。

高光譜成像技術在蜂蜜植物原產地分類中的應用

蜂蜜的植物來源鑒定對于保護消費者利益和確保市場公平競爭至關重要。在一項創新研究中，研究人員利用高光譜成像技術，成功區分了來自11個不同生產商的21種植物來源的56種新西蘭蜂蜜產品。研究中采用了隨機森林（RF）、支持向量機（SVM）、多層感知器（MLP）和卷積神經網絡（CNN）四種算法進行分類。結果顯示，RF和SVM算法分別實現了98%和99%以上的準確率，有效區分了不同植物來源的蜂蜜。此外，研究還發現，即使標簽相同，不同品牌的蜂蜜產品在光譜特征上也存在顯著差異。

紫外光激發生物熒光分析：檢測蜂蜜成分

蜂蜜的特殊風味特性和健康益處來源于它的碳水化合物、酚類物質、有機酸、揮發性化合物、維生素、蛋白質和氨基酸、礦物質、色素、蠟、花粉粒、酶等，不同的蜂蜜其成分及含量難以分辨，而FluorTron®多功能高光譜成像分析技術能對這些成分含量進行檢測。EcoTech^®實驗室技術人員以三款椴樹蜜（北方地區的特色蜜種，來源于椴樹花蜜）和兩款其他花蜜為實驗對象，使用FluorTron®多功能高光譜成像分析系統通過對蜂蜜樣品進行紫外光激發的生物熒光數據采集及分析，展現了其在蜂蜜品質鑒定中的非凡能力。

FluorTron^®多功能高光譜成像分析技術具有非接觸、非損傷、高通量、可視化等特點，相對于傳統的化學評估方法具有巨大的優勢，可采集樣品空間維度及高光譜維度的信息，實現準確有效的食品品質分析檢測，為蜂蜜及其他食品的安全與質量提供了強有力的保障，在確保消費者享受到真正的高品質蜂蜜的同時，還能夠推動食品檢測技術的進步，為食品安全與質量檢測領域帶來革命性的變革。

參考文獻

Putro I S, Saputro A H, Imawan C. Electrical conductivity prediction system of honey using hyperspectral imaging[C]//2018 International Seminar on Research of Information Technology and Intelligent Systems (ISRITI). IEEE, 2018: 487-491.

Saputro A H, Putro I S. Measurement system based on visible near infrared imaging for predicting honey electrical conductivity[C]//AIP Conference Proceedings. AIP Publishing, 2019, 2193(1).

Cheng J, Zhang G, Abdulla W, et al. Advancing fraud detection in New Zealand Mānuka honey: Integrating hyperspectral imaging and GANomaly-based one-class classification[J]. Food Bioscience, 2024: 104428.

Zhang G, Abdulla W. New Zealand honey botanical origin classification with hyperspectral imaging[J]. Journal of Food Composition and Analysis, 2022, 109: 104511.