基于随机森林算法构建用于蜂蜜品种鉴别的新模型

近日，中国农业科学院蜜蜂研究所资源昆虫产品加工与功能评价团队利用随机森林算法结合稳定同位素和元素组成的方法构建了新模型，实现了对蜂蜜品种的准确鉴别。相关成果发表在《食品成分与分析杂志（Journal of Food Composition and Analysis）》上。

蜂蜜作为一种纯天然食品，具有较高的食用价值、药用功效和保健功能。由于不同蜜源植物来源的蜂蜜品质及感官特征不同，市面上不同品种蜂蜜的价格差异较大。但传统方法如感官鉴定和花粉分析法等很难鉴别蜂蜜品种，因此寻找一种快速、准确鉴别蜂蜜品种的方法，对于提升蜂蜜质量水平具有重要意义。

该研究基于不同蜜源植物及蜜蜂的生存环境导致蜂蜜中稳定同位素和矿物质元素存在的差异，以陕西、云南和湖北等16个地区6种蜂蜜（椴树蜜、葵花蜜、苕子蜜、油菜蜜、洋槐蜜和枣花蜜）（共计128份样品）为研究对象，测定4种稳定同位素（δ13C蜂蜜、δ13C蜂蜜蛋白、δ18O和δ2H）和12种矿物质元素（Na、Mg、Ca、K、Fe、Cr、Mn、Co、Cu、Sr、Se、Mo）指标。并利用不同建模方法，分别构建了随机森林算法、支持向量机、分类和回归树以及线性判别分析4种鉴别模型，并对模型进行参数优化和交叉验证。结果表明，相较于其它模型，随机森林模型表现出最高的训练准确度（99.4%）和测试准确度（96.5%），且能自动识别缺失值和剔除异常值，具有较强的稳定性。此外，随机森林模型通过对变量的重要性排序，得出δ2H、δ18O、Sr、Mn、Ca和K是鉴别蜂蜜品种的重要因子。该研究为蜂蜜品种的鉴别提供了新的技术参考。

该研究得到了国家自然科学基金、中国农业科学院科技创新工程和国家蜂产业技术体系的项目支持。（通讯员 李相昕）

原文链接：

https://doi.org/10.1016/j.jfca.2022.104565