基于微芯片高通量技术及动态数据融合算法的牛奶制品质量安全判别分析研究

This project aims at the the shortcomings and limitations of the traditional static data analysis strategy for evaluation of complex system, which exhibits poor data repeatability and limited sample information is utilized. This project intends to carry out the applied basic research for discrimination of the food system based on microchip as a carrier of the standardized high throughput information acquisition technology as well as dynamic and static data fusion method, in order to improve the accuracy and reliability of the technical system for evaluation of food quality and safety.This investigation mainly includes four aspects: 1) research on the microchip-based high throughput technology of food sample information acquisition, 2) research on the multi spectral pretreatment and feature information extraction algorithm, 3) research on the dynamic and static data fusion technology, 4) research on the spectral analysis of the sample discrimination.Combined with the advanced technology of pattern recognition and the advanced theory of instrumental analysis, using milk products as the research example, the microchip-based high throughput information platform will be constructed, the feature database and standard information acquisition process for evaluation of the object-oriented quality and safety will be set up. The static data fusion algorithm based on the multiple Bayesian decision, and the dynamic data fusion algorithm based on multi-scale fusion estimation will be developed, hence a novel strategy for evaluation of quality and safety of milk products will be established.

本项目针对传统静态数据评估复杂体系样品质量分析中存在的数据重复性差、样品信息利用有限等不足和局限性，拟开展以微芯片为载体的标准化高通量信息获取技术及动静态数据融合方法在食品体系鉴别中的应用基础研究，以提高食品质量安全评价技术系统的准确性、可靠性。主要研究包括四个方面：1）基于微芯片高通量技术的食品体系样品信息获取研究，2)多谱图的预处理及特征信息提取算法研究，3）动静态数据融合技术研究，4）样品判别分析的谱解析研究。本项目将模式识别中的先进理论与仪器分析中的先进技术有机结合，以牛奶制品为研究对象，构建微芯片高通量信息平台，建立面向对象的质量安全分析的特征数据库和标准信息获取流程，发展基于多贝叶斯决策的静态数据融合算法以及基于小波的多尺度融合估计动态数据融合算法，建立牛奶制品质量安全评估新手段。

传统的复杂样品静态谱图数据评估存在着数据重复性差、样品信息利用率低的局限，针对这一技术难题，开展了基于微芯片为载体的数据采集技术及数据融合算法研究，包括样品信息标准化高通量获取、谱图预处理及特征提取、数据融合技术、判别算法及谱解析等。截止目前，通过本项目研究取得了多项成果，如建立了样品谱图高通量芯片获取分析方法（中国乳品工业，2017）；样品信息采集预处理方法（Journal of F ood Measurement and Characterization，2019；分析科学学报，2019）；谱图数据预处理方法（应用激光，2018）；基于化学先验信息的样品谱图特征提取方法（Journal of Dairy Science，2019）；基于移动窗口的谱图特征提取方法（Journal of Raman Spectroscopy，2020；光谱学与光谱分析，2017）；基于激光扰动的动态谱图数据融合分析方法（Journal of Raman Spectroscopy，2017；Journal of Applied Spectroscopy，2020）；基于化学反应的动态谱图数据融合分析方法（Journal of the American Society of Brewing Chemists，2018）；基于多谱图的静态数据融合分析方法（Journal of Applied Spectroscopy，2018）；基于不同模态谱图的静态数据融合分析方法（Food Analytical Methods，2017）；样品判别分析方法及解析研究（Journal of AOAC International，2020；Journal of the Institute of Brewing，2017；Journal of Spectroscopy，2018；分析试验室，2019；光谱学与光谱分析，2018；计算机工程与应用，2018）等。项目从模式识别基础理论与仪器分析技术融合视角，提出了系统化的样品信息获取流程与处理算法，突破了食品体系质量安全快速、准确、智能判别应用基础领域的多项关键技术瓶颈，为实现科学智能的食品监督管理提供了重要的支撑技术，具有一定的理论创新意义和现实指导意义。