Die Frage der Echtheit von Milchpulver ist eines der herausragenden Probleme der Lebensmittelsicherheit in unserem Land, und das ungerichtete Screening ist ein fortschrittliches Forschungsthema im Bereich der analytischen Wissenschaften. Diese Studie schlägt eine robuste modellgetriebene Raman-Hyperspektralbildgebungsmethode (RMD-RHIM) vor, die durch die Fusion spektraler Datenmerkmale das Problem der Identifizierung unbekannter Fremdstoffe im Milchpulver in ein Problem der Erkennung anomaler Proben umwandelt und damit das Unsicherheitsproblem der Fremdstoffe effektiv löst. In RMD-RHIM wird zunächst der adaptive iterative, gewichtet bestrafte Kleinste-Quadrate-Algorithmus (airPLS) verwendet, um den Hintergrund des Raman-Spektrums zu entfernen, anschließend identifiziert eine verbesserte iterative selbstgewichtete partielle Kleinste-Quadrate-Methode (mIRPLS) genau die verzerrten Pixel im Raman-Hyperspektralbildsignal von Milchpulver und wandelt diese in ein visualisiertes binäres Bild um, wodurch ein ungerichtetes Screening der Echtheit von Milchpulver realisiert wird. Die Ergebnisse zeigen, dass die RMD-RHIM-Methode Erkennungsraten von 98,3 % bzw. 93,3 % für positive und negative Proben erreicht und somit die Anforderungen an das schnelle Screening in der Milchpulverindustrie erfüllt und eine neue Methode für das ungerichtete Screening anderer Lebensmittelproben bietet.

Raman-Hyperspektralbildgebung; Echtheitsprüfung von Milchpulver; Robustes modellgetriebenes Verfahren; Ungerichtetes Screening