近紅外光譜分析技術(shù)在食用植物油品質(zhì)檢測中的應(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）為檢測指標，結(jié)合化學計量學方法開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)在定量檢測中的幾個關(guān)鍵問題；以校正模型的預(yù)測準確率為評價指標開展了近紅外光譜定性識別食用植物油不同制取工藝和不同種類的研究，探討了近紅外光譜分析技術(shù)在定性檢測中的幾個關(guān)鍵問題。旨在為食用植物油品質(zhì)的無損檢測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個不同品牌、不同種類的食用植物油樣品，分別同步檢測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。通過對比試驗，確定儀器的掃描次數(shù)、分辨率、樣品測量次數(shù)等系統(tǒng)參數(shù)。運用馬氏距離法等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個異常樣品光譜，保留了306個樣本，通過聚類分析劃分了校正集與預(yù)測集（其中校正集203個，預(yù)測集103個）。進一步運用AKS算法對校正集進行篩選，當剔除了7個樣本選擇196個定標樣本后，模型的預(yù)測準確度得到了提高，說明最佳樣品集更具有代表性。比較了標準化等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關(guān)信息向量消除法和遺傳算法等7種優(yōu)化波長方法，分別建立5種主要脂肪酸的PLS預(yù)

4、測模型，結(jié)果表明采用無關(guān)信息向量消除法建模效果最好。
　　 本文還對菜籽油、花生油和芝麻油不同制取工藝識別的近紅外光譜分析方法進行了研究，采用擴展典型變量分析結(jié)合不同預(yù)處理方法建模，通過預(yù)測集樣品的預(yù)測驗證，3種食用植物油的預(yù)測判斷正確率均為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。
　　 本文還對食用植物油種類判定的近紅外分析方法進行了研究，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方法建模，通過預(yù)測集樣品的預(yù)測驗證，正確率分別為95％和97.5％。結(jié)果表明了近紅外光譜結(jié)合適宜的模式識別方法對食用植物油種類的判定是可行的。
　　 最后對食用植物油摻偽判定的近紅外分析方法進行了研究，通過偏最小二乘判別分析(PLS-DA)所建模型可以正確識別出預(yù)測集樣品中摻偽量5％的食用植物油樣品，結(jié)果充分表明了近紅外光譜結(jié)合適宜的模式識別方法用于判定花生油或芝麻油的摻偽