近紅外光譜分析技術(shù)在食用植物油品質(zhì)檢測(cè)中的應(yīng)用.pdf

1、本研究以食用植物油中主要脂肪酸（棕櫚酸、硬脂酸、油酸、亞油酸和亞麻酸）為檢測(cè)指標(biāo)，結(jié)合化學(xué)計(jì)量學(xué)方法開(kāi)展了近紅外光譜定量分析的研究，主要從系統(tǒng)參數(shù)選擇、奇異樣品剔除、校正模型建立等方面深入探討了近紅外光譜技術(shù)在定量檢測(cè)中的幾個(gè)關(guān)鍵問(wèn)題；以校正模型的預(yù)測(cè)準(zhǔn)確率為評(píng)價(jià)指標(biāo)開(kāi)展了近紅外光譜定性識(shí)別食用植物油不同制取工藝和不同種類(lèi)的研究，探討了近紅外光譜分析技術(shù)在定性檢測(cè)中的幾個(gè)關(guān)鍵問(wèn)題。旨在為食用植物油品質(zhì)的無(wú)損檢測(cè)和鑒定提供新的參考。主要研

2、究工作與結(jié)論如下：
　　 研究共收集了312個(gè)不同品牌、不同種類(lèi)的食用植物油樣品，分別同步檢測(cè)了食用植物油中主要脂肪酸（棕櫚酸、硬脂酸、油酸、亞油酸和亞麻酸）含量的化學(xué)值。并采用WQF—400N傅里葉變換近紅外光譜儀采集了近紅外光譜。通過(guò)對(duì)比試驗(yàn)，確定儀器的掃描次數(shù)、分辨率、樣品測(cè)量次數(shù)等系統(tǒng)參數(shù)。運(yùn)用馬氏距離法等3種異常樣品剔除方法，結(jié)果表明在特定的閾值參數(shù)下采用馬氏距離法剔除異常光譜的結(jié)果比兩種算法更加適合本研究。最后剔除了

3、6個(gè)異常樣品光譜，保留了306個(gè)樣本，通過(guò)聚類(lèi)分析劃分了校正集與預(yù)測(cè)集（其中校正集203個(gè)，預(yù)測(cè)集103個(gè)）。進(jìn)一步運(yùn)用AKS算法對(duì)校正集進(jìn)行篩選，當(dāng)剔除了7個(gè)樣本選擇196個(gè)定標(biāo)樣本后，模型的預(yù)測(cè)準(zhǔn)確度得到了提高，說(shuō)明最佳樣品集更具有代表性。比較了標(biāo)準(zhǔn)化等6種預(yù)處理方法的效果，找出了食用植物油5種主要脂肪酸各自的最佳預(yù)處理方法。并在最佳的預(yù)處理有法下比較了無(wú)關(guān)信息向量消除法和遺傳算法等7種優(yōu)化波長(zhǎng)方法，分別建立5種主要脂肪酸的PLS預(yù)

4、測(cè)模型，結(jié)果表明采用無(wú)關(guān)信息向量消除法建模效果最好。
　　 本文還對(duì)菜籽油、花生油和芝麻油不同制取工藝識(shí)別的近紅外光譜分析方法進(jìn)行了研究，采用擴(kuò)展典型變量分析結(jié)合不同預(yù)處理方法建模，通過(guò)預(yù)測(cè)集樣品的預(yù)測(cè)驗(yàn)證，3種食用植物油的預(yù)測(cè)判斷正確率均為100％。結(jié)果表明了近紅外光譜結(jié)合適宜的模式識(shí)別方法用于判定菜籽油、花生油和芝麻油制取工藝方面是可行性。
　　 本文還對(duì)食用植物油種類(lèi)判定的近紅外分析方法進(jìn)行了研究，分別利用偏最小二

5、乘分析結(jié)合K-最鄰近法和主成分分析結(jié)合最小二乘支持向量機(jī)方法建模，通過(guò)預(yù)測(cè)集樣品的預(yù)測(cè)驗(yàn)證，正確率分別為95％和97.5％。結(jié)果表明了近紅外光譜結(jié)合適宜的模式識(shí)別方法對(duì)食用植物油種類(lèi)的判定是可行的。
　　 最后對(duì)食用植物油摻偽判定的近紅外分析方法進(jìn)行了研究，通過(guò)偏最小二乘判別分析(PLS-DA)所建模型可以正確識(shí)別出預(yù)測(cè)集樣品中摻偽量5％的食用植物油樣品，結(jié)果充分表明了近紅外光譜結(jié)合適宜的模式識(shí)別方法用于判定花生油或芝麻油的摻偽