拉曼光谱和MLS-SVR的食用油脂肪酸含量预测研究

为实现食用植物油中饱和脂肪酸、油酸、亚油酸含量的快速预测,对一批纯食用油以及不同比例两两混合油共91个样品进行了拉曼光谱检测,在800～2 000 cm-1范围内,通过基于寻峰算法的自动确定支点的基线拟合方法,对获得的光谱数据进行预处理,提取八个特征峰作为拉曼光谱的特征值。以这些特征值为输入,以样品油中实际饱和脂肪酸、油酸、亚油酸含量为输出,运用偏最小二乘回归(PLS)和多输出最小二乘支持向量回归机(MLS-SVR)方法,分别建立了可以同时预测三种脂肪酸含量的数学模型,结果表明MLS-SVR方法具有较好的效果。将MLS-SVR模型的预测结果与气相色谱法结果相比较,可得到三种脂肪酸的预测均方根误差分别为0.496 7%,0.840 0%和1.019 9%,相关系数分别为0.813 3,0.999 2和0.998 1;对未知样品三种脂肪酸的预测均方根误差不超过5%。表明,拉曼光谱和MLS-SVR相结合的食用油脂肪酸含量预测方法,具有快速、简便、无损、准确等优点,为食用油脂肪酸含量分析提供了一种可行的方法。     

基于三维荧光光谱技术的食用油快速分析研究

利用F7000荧光分光光度计测得橄榄油等几种食用油及其煎炸油的三维荧光光谱,并用提高峰值阈值等算法进行分析.分析发现:不同品种食用油的三维荧光等高线图差异明显,具有指纹特征性;同一种食用油经过不同时间高温加热后的三维荧光光谱存在荧光等高圈中心波长红移、峰值强度减弱趋势.利用吸收光谱法测得同一种油加热不同时长油样的透射光谱并进行比对,发现差异性不明显.实验表明:食用油的三维荧光光谱指纹特征可用于食用油品种的鉴定,根据其荧光峰值强度大小、中心波长位置可以实现食用油品质的定性分析.     

基于衰减全反射式太赫兹时域光谱技术的食用油光谱特性研究

食用油是人类营养和能量的重要来源,为人体提供必需的脂肪酸,研究食用油在太赫兹波段光学特性,对食用油成分分析及品质评价具有重要价值。衰减全反射式太赫兹时域光谱技术是一种新型的太赫兹时域光谱技术,通过样品与倏逝波的相互作用,获取样品的太赫兹光谱。与透射式或反射式太赫兹时域光谱技术相比,该技术能有效地避免测量食用油等液体样品时样品池对光学参数的影响,并能获得样品的精确光学参数。分别利用透射式太赫兹时域光谱技术和衰减全反射式太赫兹时域光谱技术测量了大豆油的吸收光谱。结果表明,与透射式太赫兹时域光谱技术相比,衰减全反射式太赫兹时域光谱技术能更有效地提取大豆油的吸收系数、吸收峰分布等光学特性。进一步利用衰减全反射式太赫兹时域光谱技术研究了大豆油、核桃油、葡萄籽油在太赫兹波段的光学特性,获得了三种食用油在1~1.8 THz范围内的折射率谱和吸收光谱。利用密度泛函理论计算了食用油中四种主要成分(软脂酸、硬脂酸、油酸和亚油酸)在太赫兹波段的振动、转动模式,理论计算结果同实验测量结果吻合较好。研究表明,在太赫兹波段食用油的吸收峰与所含脂肪酸分子种类与含量有关,其主要来源为脂肪酸分子的低频振动和转动。研究成果对食用油成分定性定量分析及品质检测等具有指导意义。     

常见食用油和煎炸食用油的激光诱导荧光光谱特性

为了实现地沟油的快速检测,利用激光诱导荧光探测技术搭建了食用油类快速检测系统。对多种食用油和煎炸食用油(地沟油的一种)进行了光谱采集,建立了多种食用油和煎炸食用油的荧光光谱数据库,发现煎炸食用油的特征荧光光谱与常见食用油之间存在较大差异,在此基础上利用主成分分析法和BP神经网络实现了油类识别、地沟油的快速检测,总体识别率高达97.5%。实验证明激光诱导荧光光谱技术具有快速非接触和灵敏度高等优点,与BP神经网络相结合能够实现油类的快速识别,成为地沟油快速检测的一种新方法。     

煎炸食用油质量变化的同步荧光光谱研究

利用同步扫描荧光光谱法,并结合红外吸收光谱法对经过高温煎炸的几种食用油进行了分析和研究.实验发现,与新油相比煎炸后的食用油在370~380 nm附近的荧光峰消失,表明一些营养物质（如维生素E）的挥发或分解;而461 nm和479 nm附近出现的新荧光峰,和红外光谱区1745 cm附近的红外吸收增加表明油样中含有羰基C＝O基团的物质的增加.从而表明荧光光谱方法可以用来对煎炸食用油进行检测.     

利用红外光谱鉴别饱和脂肪酸及其盐

有人认为饱和脂肪酸及其盐是碳酸盐岩中的生烃母质,但将它们从天然沉积物中鉴别出来的方法尚不成熟,对分析评价它们在沉积物中的分布造成困难。文章对几种合成饱和脂肪酸及其盐进行红外光谱测试,获得它们的红外吸收光谱。对特征峰进行指认,分析了饱和脂肪酸及其盐红外光谱的区别。从基团推电子能力、分子折合质量、离子核外电子构型及碳链长度的角度,解释不同饱和脂肪酸以及不同阳离子形成的饱和脂肪酸盐的特征官能团吸收峰波数的变化规律。为地质体中此类物质的鉴别提供参考。     

几种饱和脂肪酸及其盐的拉曼光谱研究

饱和脂肪酸及其盐在自然界中广泛存在,它们也是重要的化工原料。但是有关此类物质拉曼光谱特征的研究尚属少见。为了进一步了解它们的拉曼光谱特征,对乙酸、硬脂酸及乙酸钙、乙酸镁、硬脂酸钙、硬脂酸镁进行了拉曼光谱研究。从指认这6种物质拉曼光谱的特征峰拉曼位移出发,对它们的相应谱峰进行比对与分析,探讨了阳离子的引入对饱和脂肪酸及其盐的拉曼光谱的影响,找出了它们拉曼光谱的差异。比较不同阳离子形成的饱和脂肪酸盐的特征峰拉曼位移的差别,从折合质量和核外电子构型角度解释了造成差异的原因。同时发现了长碳链可以减弱不同阳离子对饱和脂肪酸盐拉曼光谱造成的影响。     

近红外光谱技术在食用油掺伪检测中的研究进展

食用油是日常饮食的必需品，可以为人体提供热能和脂肪酸，是促进脂溶性维生素吸收的重要有机物。随着人们生活水平的提高，高档食用油已走进大众百姓的餐桌，并深受欢迎和喜爱。由于高档食用油市场售价高，一些不法厂商为牟取暴利，在高档食用油中掺入廉价食用油进行出售，导致食用油掺伪事件时有发生，已引起政府和民众的广泛关注。为保障消费者的合法利益和维护正常的食用油市场秩序，快速有效地检测食用油掺伪已刻不容缓。近红外光谱技术以其简便、快速、无损、无需样品预处理的特点，被广泛应用于食用油掺伪分析。概述了近红外光谱技术的基本原理，综述了近十年来近红外光谱技术在橄榄油、山茶油、芝麻油、核桃油等食用油的掺伪检测研究进展，包括采用不同的试验装置与试验方法、数据处理方法包括预处理、特征波长选择及建模方法，对二元、三元及多元食用油掺伪进行检测研究，从试验方法及数据处理等角度提高食用油掺伪检测的精度与适用范围，以期建立较为有效的食用油掺伪定量检测与定性鉴别模型。总结了食用油掺伪近红外光谱检测目前存在的问题，包括食用油掺伪检测机理不明晰，制备的掺伪食用油样本难以满足实际的复杂掺伪形式，采用取样方式的掺伪检测仅能实现现场部分...     

结合径向基函数和KPCA的食用油太赫兹光谱特征提取方法

针对太赫兹光谱线性不可分的情况,提出结合径向基函数和核主成分分析(KPCA)的方法进行食用油太赫兹光谱特征提取。该方法所提取到的特征类内距离小,类间距离大,在大多数支持向量机(SVM)分类器可以建立准确的分类模型。太赫兹光谱是检测食用油种类和品质的一种重要手段,研究针对食用油太赫兹光谱的特征提取技术对于食用油种类和品质快速检测具有重要意义。虽然利用太赫兹光谱检测食用油种类和品质已经具备理论基础,但是如何准确提取食用油太赫兹光谱的特征,从而建立更加准确的分类模型依然是一个难点。目前研究人员常常采用化学计量学中的主成分分析法(PCA)提取特征,结合机器学习的方法建立物质分类模型。然而,食用油的太赫兹光谱的线性可分情况在不同频段有不同的特性。当食用油的太赫兹光谱线性可分时,使用PCA提取特征是可行的,容易建立准确的分类模型。但是,当食用油的太赫兹光谱线性不可分时,使用PCA提取到的特征往往不够准确,需要选择合适的分类器去建立准确的分类模型。结合径向基函数和KPCA的特征提取方法通过径向基函数将线性空间不可分的太赫兹光谱数据映射到径向基空间,然后使用KPCA提取特征,最终实现特征线性可分,从而可以建立更加准确的分类模型。实验首先使用滑动窗口平均滤波算法对3种食用油太赫兹光谱数据进行滤波处理,接着使用径向基函数对太赫兹光谱进行非线性映射,然后采用KPCA进行数据降维,最后用支持向量机对食用油建立分类模型,验证特征提取效果。类间可分性计算结果表明,该方法所提取的特征类内距离更小,类间距离更大,整体上特征提取效果优于PCA和KPCA。基于不同内核的SVM模型上进行分类验证的实验结果表明,在PCA和KPCA提取的特征在一些分类模型上无法准确区分食用油种类的情况下,该工作特征提取方法在各种内核的SVM模型上均能准确区分食用油种类。所提出的方法用于食用油太赫兹光谱特征提取有更好的效果,在食用油品质检测与分析方面具有良好的应用价值。     

部分动植物油的拉曼光谱研究

利用拉曼光谱技术分别研究了植物油和动物脂肪油的光谱特性。通过自适应迭代惩罚最小二乘法的基线校正方法, 对所测得的拉曼光谱进行了数据处理,获得了它们的微观信息。进而通过选取其中部分油的拉曼光谱,进行了植物油的光谱、动物脂肪油的光谱以及动物脂肪油和植物油之间的光谱比较和分析,从而发现了多种植物油光谱(包括多个频移范围内的频移大小以及强度大小)的差异,也发现了动物脂肪油与植物油的拉曼光谱间的差异。不但提供了辨识不同食用油的光谱依据,也证明了拉曼光谱是一种识别不同油品的有效方法。     

可见-近红外光谱的滨海土壤“除水”盐分估测

滨海盐碱区土壤盐分的快速、准确监测对土地合理利用和保护具有重要意义。可见光近红外（Vis-NIR）光谱技术已广泛用于土壤属性的高效估测。然而,水分对含盐土壤光谱的干扰导致传统土壤盐分估测模型的精度降低。旨在探究分段直接标准化（PDS）和正交信号校正（OSC）在含水条件下土壤盐分估测中的应用,从而建立面向滨海盐碱区的“除水”Vis-NIR定量模型。为此,将获取的144份黄河三角洲滨海盐碱区表层（0~20 cm）土壤盐分数据划分为建模集（17个样本）和验证集（127个样本）。通过严格加水控制实验,测量10个含水率梯度（0%,1%,5%,10%,15%,20%,25%,30%,40%和50%）的建模集土壤光谱数据,验证集的土壤光谱则是根据生成的1~50随机整数,通过随机加水实验测量获取。采用PDS和OSC与偏最小二乘回归（PLSR）结合的建模策略,构建土壤盐分估测模型,并进行性能验证和比较。结果表明,OSC比PDS更能有效减轻水分在土壤盐分估测中的建模干扰。具体来说,光谱校正前后生成的所有PLSR模型均取得一定的成功（R2_P=0.79~0.91,RMSE_P=2.6~3.98 g·kg-1,RPD=1.98~2.37）。OSC-PLSR模型的土壤盐分估测精度提高,R2_P,RMSE_P和RPD分别为0.91和2.6 g·kg-1和2.37。而PDS-PLSR模型效果不理想,R2_P,RMSE_P和RPD分别为0.79,3.98 g·kg-1和1.98。模型整体表现出了OSC-PLSR>PLSR>PDS-PLSR的土壤盐分估测性能。此外,提出了变量投影重要性（VIP）和Spearman相关系数（r）结合的分析策略,进一步探究了模型的估测机理。模型的重要波长（VIP>1）与土壤盐分敏感波长（|r|>0.4）吻合,对估测模型有重要意义。比较而言,OSC-PLSR精确提炼了位于830,1 940和2 050 nm附近的模型估测的关键波长,而常规的PLSR和PDS-PLSR包含了大量的冗余信息。综合来看,OSC-PLSR模型在Vis-NIR土壤盐分估测中具有较好的除水效果,为土壤含水状态下的土壤盐分研究提供可靠方法。     

荧光光谱及平行因子分析法在植物油鉴别中的应用

利用FS920荧光光谱仪测量市售的八种植物油(大豆油、玉米油、橄榄油、稻米油、花生油、核桃油、葵花籽油和芝麻油)共22个样品的荧光光谱,并对其数据矩阵(EEMs)进行平行因子分析,结合荧光谱分析的直观物质表征和平行因子法对灰色体系的组分识别优势,实现了植物油的种类区分与鉴别。综合分析植物油在特定范围内(激发波长为250～550 nm,发射波长为260～750 nm)的三维荧光光谱和等高线光谱图,给出了各植物油峰位、峰数和峰强等特征信息,确定了植物油各荧光谱峰相应的荧光物质(不饱和脂肪酸类、维生素E及其衍生物、叶绿素及类胡萝卜素);将平行因子模型应用于植物油光谱数据矩阵的分析,确定了平行因子分析模型的因子数及各因子的物质基础(维生素E及其衍生物、亚油酸和亚麻酸、脂肪酸氧化产物、植物油氧化产物)。建立了植物油的4因子激发-发射光谱轮廓图和样品因子投影得分图。通过对植物油荧光光谱的图谱特征和其数据阵平行因子模型的分析,证实荧光光谱技术和平行因子分析法对植物油进行分析和种类鉴别的有效性。     

基于LIBS与GA-PLS的钢铁中Mn，Ni元素定量分析研究

钢材炼制过程锰、镍元素的含量均会对最终产品的硬度脆度产生影响,但由于其添加的含量需要进行严格控制,同时传统的钢铁成分检测的设备成本高、效率低、速度慢,因此需要一种高精度的快速实时分析方法。利用遗传偏最小二乘法（GA-PLS）结合LIBS技术对钢铁样品光谱中的Mn和Ni两种元素进行定量检测,并且与传统PLS的定量分析结果进行对比,以验证GA-PLS模型预测性能。采用购置于钢材市场的12个钢铁样品,其中9个样品的光谱信息作为校正集训练模型,3个作为测试集验证模型定量性能。GA-PLS通过不断提高变量被选频率的阈值,用不同阈值下的变量建立PLS模型,对比选出最低RMSECV时的阈值（Mn和Ni元素的光谱输入变量被选频率的最佳阈值分别为8和7）。结果显示：GA-PLS锰元素预测结果的R2_P和RMSE_P分别是0.999 0和1.347 3,相对分析误差（RPD）为2.5;镍元素预测结果的R2_P和RMSE_P分别是0.999 5和0.525 4,RPD为8.6,最终预测的结果优于PLS。该结果表明了GA-PLS算法在冶金金属元素分析领域具有可持续性挖掘的潜力,同时也将促进LIBS技术在钢铁冶炼领域更深层次的应用。     

高光谱技术融合纹理信息的羊肉总酚浓度快速检测

为了研究可见-近红外（Vis-NIR）高光谱成像对滩羊肉中总酚浓度（TPC）快速检测的可行性,基于光谱信息融合图像纹理特征建立TPC含量的预测模型,实现滩羊肉中TPC含量的可视化表达。将样本集根据3∶1的比例划分成校正集和预测集,采用多元散射校正（MSC）、基线校准（Baseline）、去趋势（De-trending）、卷积平滑（S-G）、标准正态变量变换（SNV）、归一化（Normalize）等校正方法去除原始光谱中不良散射等干扰信息。通过竞争性自适应加权抽样（CARS）、引导软收缩（BOSS）、区间变量迭代空间收缩法（iVISSA）和变量组成集群分析-迭代保留信息变量（VCPA-IRIV）提取TPC浓度的代表性特征光谱。采用灰度共生矩阵（GLCM）算法依次提取肉样第1主成分图像中纹理特征。基于特征光谱及图谱融合信息建立滩羊肉中TPC含量的偏最小二乘回归（PLSR）与最小二乘支持向量机（LSSVM）预测模型并进行对比分析。结果表明,（1）利用De-trending+SNV预处理后的光谱数据建立的PLSR预测模型性能较好,其R2_C=0.874 9,R2_P=0.793 2;（2）采用CARS,BOSS,iVISSA和VCPA-IRIV分别提取出了23,35,57和43个特征波长,占全光谱的18.4%,28%,45.6%和16.8%;（3）采用BOSS法提取的关键性波长建立的LSSVM模型性能较好,其R2_C=0.851 3,R2_P=0.745 9,RMSEC=0.116 8和RMSEP=0.155 0;（4）与基于特征波长建立的预测模型相比,BOSS-ASM-ENT-CON-LSSVM模型为滩羊肉中TPC浓度的最佳图谱融合预测模型（R2_C=0.850 0,R2_P=0.770 9,RMSEC=0.116 0,RMSEP=0.144 7）;（5）利用BOSS-PLSR简化模型将TPC浓度反演到样本的高光谱图像上,通过色彩直观化形式展现出来,实现TPC含量的可视化表达。     

基于FTIR的芝麻油真伪鉴别和掺伪定量分析模型

把低价油掺入到高价油是食用油脂中的常见掺伪现象,芝麻油由于品质好价格高,市场上时有假冒伪劣产品,因此应用FTIR并结合化学计量学,建立了芝麻油的真伪和掺伪的快速分析方法。首先分析了芝麻油与大豆油、葵花籽油在4 000～650 cm-1范围的FTIR谱图,由于食用植物油都是不同脂肪酸甘油三酯的混合物,其谱图极为相似,很难发现芝麻油与其他油脂的明显差异。但是不同食用油的脂肪酸组成不同,其1 800～650 cm-1红外指纹特征区也有所不同,因此可以选择该区域,对红外光谱数据用化学计量学方法进行分类识别。通过建立主成分分析(PCA)和簇类独立软模式识别(SIMCA)模型,进行了芝麻油的真伪鉴别,该模型聚类效果较为理想,识别正确率达到了100％;采用标准正态化校正(SNV)和偏最小二乘法(PLS),经过PCA分析计算,芝麻油中掺入大豆油、葵花籽油的掺伪检测限均为10%;利用FTIR和PLS,建立了芝麻油掺的定量分析模型,该模型预测值与实际值有着良好的对应关系,预测相对误差为-6.87％～8.07％之间,说明定量模型可行。本方法能够实现芝麻油的快速真伪鉴别和掺伪定量分析,其优点是模型一旦建立,分析简便、快速,可以满足大量样品的日常监测。     

Deterioration of edible oils during food processing by ultrasound

During food emulsification and processing of sunflower oil (most used edible oil), a metallic and rancid odour has been detected only for insonated oil and foods. Some off-flavour compounds (hexanal and hept-2-enal) resulting from the sono-degradation of sunflower oil have been identified. A wide variety of analytical techniques (GC determination of fatty acids, UV spectroscopy, free fatty acids and GC/MS) were used to follow the quality of insonated sunflower oil and emulsion. Different edible oils (olive, sunflower, soybean, em leader ) show significant changes in their composition (chemical and flavour) due to ultrasound treatment.     

基于二次迭代Monte Carlo的羊肉硬度定量检测研究

随着居民生活水平的提高和对健康饮食结构的重视,羊肉作为一种高蛋白且低脂肪和胆固醇的畜肉,需求量逐年上涨。根据国家统计局统计,2012年-2019年我国畜肉产业中羊肉产量占比从6.27%上升到9.02%。研究提出了一种基于二次迭代Monte Carlo（MC）算法剔除异常样本的羊肉硬度定量检测PLSR模型。采用GaiaSorter高光谱分选仪的Image-λ-V10E-H相机采集羊肉样品400~950 nm的高光谱数据,Image-λ-N17E相机采集羊肉样品900~1 650 nm的高光谱数据。首先,对比分析了S-G平滑、二阶求导、多元散射校正（MSC）、标准正态变换（SNV）等光谱预处理方法在消除噪声影响,提高光谱分别率等方面的能力,选取最佳光谱预处理方法。然后,在第一次MC抽样中,计算所有样本预测误差均值和标准差的平均值,以该平均值的2.5~3倍作为可疑样本阈值,3倍作为异常样本阈值;剔除异常样本,保留并标注可疑样本,进行第二次MC抽样,以样本预测误差均值和标准差的3倍值为阈值进行异常样本二次剔除;对第一次MC抽样中标注可疑样本进行二次检测。最后,对比分析了基于全波长建立的偏最小二乘回归（PLSR）模型和基于回归系数法（RC）提取的特征波长建立的PLSR模型。研究结果表明,所提出的二次迭MC算法可以准确判别可疑样本是否为异常样本,有效优化样本集,为建模提供良好的数据基础。以MSC作为光谱预处理算法基于400~950和900~1 650 nm两段高光谱数据建立PLSR模型的R2_P分别为0.947 2和0.978 3,RMSE_P分别为47.789 9和30.590 1 g,优于其他三种光谱预处理算法。另外,基于900~1 650 nm建立的PLSR模型明显优于基于400~950 nm波长样本集建立的模型。通过RC算法选取出羊肉硬度在400~950和900~1 650 nm波长范围的特征波长分别为14个（410,438,450,464,539,558,612,684,701,734,778,866,884和935 nm）和10个（915,949,1 085,1 156,1 206,1 262,1 318,1 384,1 542和1 580 nm）。其中,基于900~1 650 nm波长建立的PLSR模型的R2_P为0.985 0,RMSE_P为24.397 0 g,为羊肉硬度预测的最佳模型。结果表明,所提出的融合二次迭代MC算法的PLSR模型可以有效预测羊肉冷藏过程中硬度特性变化趋势,为羊肉品质无损检测相关研究提供参考。     

基于蚁群-遗传算法的光谱选择方法与应用

脂肪作为牛奶中的重要营养成分,是评价牛奶质量的一项重要指标。高光谱图像技术能够提供几十到数千波长的数据,能够反映牛奶中不同组成成分细微的光谱差异;另一方面,相邻波段之间往往具有很强的相关性,不仅增加了计算量,而且容易造成维数灾难等问题,因此对高光谱数据进行波段选择非常重要。工作中提出了PLS-ACO特征波段选择方法,并与遗传算法结合,组合成了PLS-ACO-GA的特征波段选择新方法。提出的两种方法以蚁群算法为基础,PLS回归模型回归系数的绝对值作为评价波长重要性的主要依据,以此作为蚁群算法的启发式信息,利用蚁群算法进行智能搜索,结合遗传算法,产生更多优秀的特征波段组合,避免PLS-ACO算法得到的只是局部最优解,得到的最优波段组合能够更好的反映牛奶中脂肪成分的信息;通过计算波长贡献率,筛选出最优波段组合,并与遗传算法,CARS算法和基本蚁群算法光谱特征选择方法比较,最后比较不同特征选择方法下的PLS回归模型预测效果。PLS-ACO, PLS-ACO-GA, CARS, GA和ACO分别筛选了牛奶样品光谱中的18,16,40,43和42个特征波段。其中PLS-ACO-GA筛选波段后的PLS预测模型效果最好,预测集R2_p和RMSEP分别为0.997 6和0.062 2,PLS-ACO次之,预测集R2_p和RMSEP分别为0.997 0和0.077 8。PLS-ACO和PLS-ACO-GA不仅减少了特征波段数量,而且提高了模型的精度。对PLS-ACO-GA进行特征波段选择后的数据,建立MLR,RFR和PLS回归预测模型。MLR预测模型的R2_p和RMSEP分别为0.997 6和0.062 3。RFR回归模型R2_p和RMSEP分别为0.999 9和0.003 0,PLS回归模型的R2_p和RMSEP分别为0.997 6和0.062 2。RFR模型在三种回归预测模型中表现最好。研究结果表明PLS-ACO和PLS-ACO-GA这两种方法可以实现光谱数据特征波段选择,高光谱技术可以实现牛奶中脂肪含量的检测,为牛奶脂肪含量检测提供了一种新的、快速无损的方法。     

植物油的1H NMR和13C NMR的测定

油酸和亚油酸,是人体必需的营养成份,具有抗癌,防止动脉硬化,降脂减压等作用,因而它们在治疗一些癌症及减肥降血脂等方面取得了较好的疗效^[1-3]。通常油酸,亚油酸和其他脂肪酸以甘油酯的形式,大量地存在于植物油中。本文用¹H NMR测定了5种植物油各组峰面积积分,按文献[4]扣除法,整理了各组峰的积分值,计算出油脂中每摩尔所含各功能团的个数,不饱和度,酯化度等数据。此外,还记了豆油和茶油的¹³C NMR谱,从这两种谱图相关谱线积分值推算出各功能团与甲基基团的比率与¹H NMR谱所得结果接近。并计算出,上述两种油中所含脂肪酸甘油酯和各种不饱和脂肪酸甘油酯的克分子百分数。对测得CCH₂C基团质子自旋晶格弛豫时间T₁进行分析后,给出一经验公式来予以拟合,计算结果与测定值吻合。这一事实说明,油脂中各种组分克分子百分数的计算是可以信赖的。