基于光谱成像和机器学习的蜂蜜掺假检测
计算机视觉与模式识别
2025-08-01 v1 机器学习
摘要
本文旨在开发基于蜂蜜光谱成像数据的机器学习检测系统，用于自动识别蜂蜜中添加的糖浆。首先，通过一个植物来源识别子系统对蜂蜜样本的植物来源进行分类。然后，通过一个掺假检测子系统识别糖浆掺假并量化其掺假程度。两个子系统均包含两个步骤：第一步骤使用线性判别分析（LDA）从蜂蜜样本中提取相关特征；第二步骤采用K近邻（KNN）模型对蜂蜜的植物来源进行分类，并识别掺假程度。我们在公开的蜂蜜光谱图像数据集上评估了所提出系统的性能。结果表明，所提出的系统可实现96.39%的整体交叉验证准确率，成为当前化学方法检测蜂蜜掺假的合适替代方案。
引用
@article{arxiv.2507.23416,
title = {Honey Adulteration Detection using Hyperspectral Imaging and Machine Learning},
author = {Mokhtar A. Al-Awadhi and Ratnadeep R. Deshmukh},
journal= {arXiv preprint arXiv:2507.23416},
year = {2025}
}