随着人们对生活质量的期望越来越高,消费者对高质量的食品要求也越来越高。为了保证食品质量的准确性,食品认证技术也得到了科学界的重视。食品认证是一种技术手段,用来确认食品的成分,进而分析食品的好坏优劣。目前主要的认证方法是基于光谱技术的认证方法,该技术具有快速信息采集,无损检测的特点,然而这种技术的局限性在于造价昂贵,同时还需要专业的实验环境条件,难以推广于大众市场。因此研究和开发一种新型,低成本,且快速高效的食品认证系统是非常重要的。同时机器视觉技术也是目前最流行的食品认证技术之一,它通过模式识别方法提取食品的物理特性,根据待测物的特征属性完成测量,该技术具有非接触性,速度快,精度高的特点。传统机器视觉技术需要仔细设置外部摄像机和照明系统,用以确保所需的精度能达到标准水平。这些局限性使得机器视觉技术无法适用于消费者,难于推广于市场。此外,传统的机器视觉技术无法提供光谱信息,而这些信息对于食品的成分至关重要。针对上述问题,本文以苹果,牛奶,橄榄油为食品样本进行研究,利用衍射光栅,机器视觉技术,结合模式识别算法对数据进行预处理,建模和分析。并通过偏最小二乘法判别分析(PLS-DA)、核偏最小二乘法(PLS)、局部加权偏最小二乘法(LW-PLS)等模式识别算法建模,验证了衍射光栅和本文提出的机器视觉方法在食品认证上的可行性,并为食品认证的研究提供新的思路。本文的主要研究内容包括:1.基于衍射光栅的食品认证研究(1)设计一款基于衍射光栅的计算机视觉系统,以有机苹果认证为研究对象,进行数据采集,预处理,并建立基于模式识别算法的有机苹果认证模型,有机苹果认证准确率达93.3%。对未来研究新型低成本,快速无损的检测方案提供新的研究方案。(2)在基于衍射光栅的有机苹果认证系统中,建立基于偏最小二乘法(PLS),支持向量机(SVM),随机森林(RF)等12种模式识别判别模型,探究适合在食品认证上效果较好的模式识别算法,对食品认证模型的建立上提供相应的研究思路。2.基于机器视觉技术的食品认证研究(1)利用机器视觉技术结合模式识别算法,建立有机苹果认证模型。运用图像处理技术,利用局部二值模型(LBP)提取苹果图像中的纹理特征,通过进行实验,有机苹果认证的准确度能达94%。实验结果说明该方法能在可见光的条件下取得专业仪器的实验标准。(2)利用机器视觉技术结合智能手机模块实现对牛奶的脂肪含量,橄榄油掺假的快速测定,开发一套新型便携式液体食品认证系统对实验样品进行数据采集,该系统利用图像的光谱空间信息进行建模,同时对局部偏最小二乘法(LW-PLS)进行了扩展,利用该算法快速实现了数据分类,橄榄油掺假准确率能达到96.2%,牛奶脂肪含量的测量准确率更是高达100%。说明了该系统具有推广于大众市场的可行性。本文研究表明,所提出的基于衍射光栅和机器视觉的食品认证方法具有可行性,并且能够推广于大众市场,对未来食品认证的研究提供了有效的解决方案。