1.基于激光诱导荧光技术葡萄汁中罗丹明B含量的检测方法，其特征在于，包括以下步骤：采用激光诱导荧光光谱仪对加入罗丹明B的葡萄汁标准样品进行诱导并产生荧光，进而达到对葡萄汁中罗丹明B快速准确的识别；再通过光栅光谱仪采集荧光信息，发现590nm处为罗丹明B的荧光特征峰，再由Setup‑Andor SOLIS软件进行数据记录，最后采用BP神经网络算法对采集到的光谱数据进行建模，利用所得到的的模型预测待测葡萄汁中罗丹明B的含量；

所述激光诱导荧光光谱仪是自带CCD相机的Omni‑λ500i系列光栅光谱仪，光谱仪的参数如下：波长：355nm，功率：0 10mw，狭缝宽度：0.5mm，曝光时间：0.6s，循环时间：0.6s，采集~光谱范围：530nm 650nm；

~

采集荧光信息的过程为：由355激光器发出的光源照射到样品室里面，样品室里放置装载样品的四面透光的比色皿，激光器发出的紫外光直射到比色皿上激发出荧光；该激发后的荧光通过透镜聚焦到光谱仪里面，由光谱仪分析处理后经CCD拍摄；经CCD拍摄好的照片转换为数据通过数据线传送到电脑上就完成了荧光信息采集。

2.根据权利要求1所述的基于激光诱导荧光技术葡萄汁中罗丹明B含量的检测方法，其特征在于：采用BP神经网络算法对采集到的光谱数据进行建模之前对数据进行预处理，所述预处理的过程为：先进行归一化处理，将数据映射到[‑1，1]区间内，等训练结束后，再将数据反归一化，公式如（1）所示：（1）

其中，x为原始荧光强度，min为荧光强度最小值，max为荧光强度最大值，y为归一化后的荧光强度。

3.根据权利要求1或2所述的基于激光诱导荧光技术葡萄汁中罗丹明B含量的检测方法，其特征在于：建模的过程为将得到的光谱数据导入神经网络算法中，利用Matlab里面的函数newff构建一个BP神经网络，创建好网络后开始BP神经网络初始化，再利用Matlab里面的train训练BP神经网络，训练结束后如果没有达到训练的条件将重新返回重新进行训练，直到达到训练要求为止，最后利用sim函数将训练好的BP神经网络预测函数输出得到真实值和预测值的决定系数。