Проблема подлинности сухого молока является одной из важных задач пищевой безопасности в нашей стране, а его недирективный скрининг является передовым и актуальным направлением в области аналитической науки. В данном исследовании предлагается метод рамановской гиперспектральной визуализации с устойчивым моделированием (RMD-RHIM), который благодаря объединению спектральных данных преобразует задачу распознавания неизвестных добавок в сухом молоке в задачу обнаружения аномальных образцов, эффективно решая проблему неопределенности добавок. В RMD-RHIM сначала используется алгоритм адаптивной итеративной повторной взвешенной регрессии airPLS для удаления фоновой информации из рамановского спектра, затем с помощью улучшенного итеративного метода частичных наименьших квадратов с собственным весом (mIRPLS) точно идентифицируются искажения пикселей в рамановском гиперспектральном изображении сухого молока и преобразуются в визуализированное бинарное изображение, что обеспечивает недирективный скрининг подлинности сухого молока. Результаты показывают, что метод RMD-RHIM достиг точности распознавания положительных и отрицательных образцов 98,3% и 93,3% соответственно, что удовлетворяет требованиям быстрого скрининга в индустрии сухого молока и предоставляет новый подход к недирективному скринингу других пищевых образцов.

Раманова гиперспектральная визуализация; Распознавание подлинности сухого молока; Устойчивое моделирование; Недирективный скрининг