利用纹理分析结合糖晶体图像对蜂蜜进行分类

《Journal of Food Composition and Analysis》：Bee honey classification using a combined texture analysis in sugar crystal images

　　基于第二谐波生成显微镜观察糖晶体结构，提出Kurtosis矩阵纹理分析方法，结合灰度水平空间相关矩阵与主成分分析，成功实现不同地理区域、季节采集的单花蜜和多花蜜分类。

　　在当今社会，蜂蜜作为一种天然的甜味剂，因其独特的营养价值和健康益处而受到广泛关注。随着人们对食品安全和品质要求的提高，蜂蜜的真伪检测与分类问题变得尤为重要。特别是在经济层面，蜂蜜的掺假或混合行为不仅影响消费者的利益，还对整个蜂蜜产业造成冲击。因此，开发高效、准确的蜂蜜分类技术成为研究的热点。近年来，各种化学和物理方法被广泛应用于蜂蜜的识别和分类，其中，显微成像技术因其能够直观地展示蜂蜜的微观结构，成为研究的重要方向之一。

然而，传统的显微成像方法在面对液体蜂蜜时存在一定的局限性。由于液体状态下的蜂蜜难以清晰地观察到糖晶或花粉颗粒，这限制了其在微观结构分析中的应用。为了解决这一问题，研究者们引入了第二谐波生成显微镜（SHGM）技术，该技术能够以非破坏性的方式观察结晶蜂蜜的微观结构，同时避免液体蜂蜜带来的信号衰减问题。通过SHGM成像，研究人员可以获取蜂蜜中糖晶的复杂结构信息，从而为后续的分析提供数据支持。

在本次研究中，研究人员提出了一种基于Kurtosis矩阵的纹理分析方法，作为对SHGM图像进行分类的创新手段。Kurtosis是一种统计学指标，用于衡量数据分布的峰度，即数据集中趋势与离散程度之间的关系。在图像处理领域，Kurtosis被广泛应用于信号和纹理特征的提取，因为它能够反映图像中灰度值的分布特性。通过将SHGM图像视为二维矩阵，研究人员对每个图像的行和列分别进行Kurtosis分析，最终生成一个二维的Kurtosis矩阵。这种矩阵不仅能够直观地展示蜂蜜的微观纹理特征，还能作为分类的重要依据。

研究结果表明，Kurtosis矩阵能够有效区分不同种类的蜂蜜，并且即使是在不同地理位置和采收季节采集的蜂蜜，其Kurtosis矩阵的纹理特征仍能反映出其花源信息。这一发现为蜂蜜的分类提供了新的思路，即通过图像分析而非传统的化学检测方法，实现对蜂蜜的快速识别。此外，研究还指出，某些蜂蜜样本虽然来源于不同的地理位置，但由于其花源相同，Kurtosis矩阵的纹理特征仍然表现出相似性，从而支持了蜂蜜分类方法的可行性。

在实验过程中，研究人员采集了14种蜂蜜样本，涵盖了多种墨西哥的单花源蜂蜜（monofloral）和多花源蜂蜜（multifloral）。这些样本来自不同的地区，包括阿瓜斯卡连特斯、萨卡特卡斯、瓜纳华托、杜兰戈、塔毛利帕斯、新莱昂、圣路易斯波托西、韦拉克鲁斯等。通过对这些样本的SHGM成像和Kurtosis矩阵分析，研究人员发现，不同花源的蜂蜜在Kurtosis矩阵的纹理特征上表现出显著差异。例如，单花源的阿卡西斯（Mesquite）蜂蜜在图像中显示出较为均匀的晶体分布，而柑橘（Citrus）蜂蜜则呈现出较大的晶体和不规则的分布模式。这种差异在Kurtosis矩阵的视觉表现中尤为明显，使得不同类型的蜂蜜能够在图像分析中被准确区分。

为了进一步验证Kurtosis矩阵的分类能力，研究人员将横向和纵向的Kurtosis相关性信号进行处理，并利用多项式拟合方法获得平滑的曲线。通过分析这些相关性曲线，研究人员发现，晶体的大小和分布模式对相关性值有着直接的影响。较大的晶体往往会导致较低的相关性值，而较小且分布均匀的晶体则表现出较高的相关性。这种相关性值的变化能够帮助研究人员判断蜂蜜的花源特征，即使是在不同地理位置和采收季节采集的样本。

研究还提到，Kurtosis矩阵的分析方法为蜂蜜分类提供了一种全新的视角。传统的分类方法通常依赖于化学成分的检测，如果糖与葡萄糖的比例，而该方法则通过图像分析实现分类，为蜂蜜的品质评估提供了更加直观和客观的依据。此外，该方法在处理多花源蜂蜜时表现出良好的适应性，因为多花源蜂蜜的晶体结构更加复杂，而Kurtosis矩阵能够捕捉这些复杂的纹理特征。

值得注意的是，尽管该方法在识别单花源蜂蜜方面表现出色，但在处理非结晶蜂蜜时仍存在一定挑战。非结晶蜂蜜的SHGM信号通常较弱，这可能导致Kurtosis矩阵的纹理特征不够明显，从而影响分类的准确性。因此，未来的研究需要进一步优化该方法，以适应更多类型的蜂蜜样本。

综上所述，这项研究提出了一种基于第二谐波生成显微镜和Kurtosis矩阵的蜂蜜分类方法，为蜂蜜的真伪检测和品质评估提供了新的技术手段。该方法不仅能够有效区分不同花源的蜂蜜，还能在不同地理位置和采收季节的样本中保持分类的准确性。随着技术的不断进步，这种基于图像分析的分类方法有望在未来得到更广泛的应用，为蜂蜜产业的可持续发展提供科学支持。