近年来,随着食品安全事件的不断涌现,世界各国纷纷加强了对食品安全的监管,积极建立有效的检测方法。食用合成色素是食品工业中广泛使用的一类食品添加剂。目前,紫外分光光度法、高效液相色谱法、导数吸附伏安法等方法已被应用到对食用合成色素的检测。　　 然而,在国内外,运用荧光光谱分析法定性、定量检测食用合成色素的报道还比较少。荧光光谱分析法具有灵敏度高、操作简单、样品用量少、取样容易、选择性高、分析快速、高分辨率和对样品无破坏性等优点。荧光强度与样品浓度密切相关,二者之间存在复杂的非线性关系,因此需要借助数学模型来分析。神经网络是模仿人类大脑结构和功能的信息处理模型,是一种处理复杂光谱信息的有效方法。　　 我国允许使用的食用合成色素有10种,其中,黄色色素2种,分别为日落黄和柠檬黄;蓝色色素2种,分别为亮蓝和靛蓝;红色素数量最多,共有6种,分别为胭脂红、苋菜红、诱惑红、赤藓红、酸性红和新红。目前对食用合成红色素的研究还比较零散,还没有其他学者对食用合成红色素的荧光光谱做过系统的研究。　　 本文采用Roper Scientific SP-2558多功能光谱测量系统对食用合成红色素的荧光光谱进行了实验研究,实验发现,在紫外.可见光的激励下,胭脂红、苋菜红、诱惑红、赤藓红、酸性红和新红溶液都能产生较强的荧光,且荧光范围较宽,光谱特征明确,但不同色素的荧光范围、荧光峰值波长各有差异。　　 本文在实验的基础上,利用小波变换预处理实验数据,基于神经网络实现了对食用合成红色素的种类鉴别和浓度预测。通过对不同神经网络模型的比较,选择了概率神经网络模型对食用合成红色素进行定性检测,总体识别率达到95.83％;以新红溶液为例,选择了径向基函数神经网络对其进行定量检测,平均误差为2.14％。该方法将荧光光谱分析简便快速、高准确度的特点与小波变换方便提取特征信息,压缩数据维数以及神经网络在非线性系统检测中的优势结合了起来。　　 研究工作为食用合成红色素的定性和定量检测提供了一种新方法。本文以食用合成红色素为研究对象,但研究内容具有普遍性,所用方法也可应用于其它的食品安全检测。例如我们将其用于牛奶中三聚氰胺的检测和无醇啤酒的鉴别也取得了较好的效果。