红外光谱快速测定油茶籽油脂肪酸组成的模型建立北大核心CSCD

通过气相色谱和傅里叶红外光谱仪测定86个油茶籽油样本的脂肪酸组成和红外光谱图,采用支持向量机(SVM)和BP人工神经网络(ANN)的非线性建模方法,构建油茶籽油中主要脂肪酸的定量回归模型。结果表明:ANN建立的油酸和棕榈酸定量回归模型精确度比SVM高,校正集的相关系数(R)分别为0.9987和0.9451,预测集的相关系数分别为0.9557和0.9262,相对标准偏差分别小于1%和5%;SVM和ANN建立的亚油酸定量分析模型精确度都非常高,相对标准偏差均小于1%。说明红外光谱用于油茶籽油中主要脂肪酸的快速检测是完全可行的。     

基于红外光谱快速鉴别压榨油茶籽油与浸出油茶籽油的研究

为规范油茶籽油市场、维护消费者权益,建立了快速、准确鉴别压榨油茶籽油和浸出油茶籽油的方法。通过傅里叶变换红外光谱仪对大量压榨油茶籽油和浸出油茶籽油样品进行扫描,提取特征波段数据,运用Savitzky-Golay平滑(SG)、多元散射校正(MSC)、标准正态变量变换(SNV)、一阶导数(FD)和二阶导数(SD)方法进行预处理,然后结合偏最小二乘法(PLS)、支持向量机(SVM)和BP人工神经网络(BPANN)建立鉴别模型。结果表明,偏最小二乘法和BP人工神经网络建模时,SG平滑预处理方法最好,得到的SG-PLS和SG-BPANN两模型的验证集相关系数、验证集均方根误差、鉴别准确率分别为0. 767 9和0. 921 2、0. 322 6和0. 205 9、88. 46%和100%;支持向量机建模宜采用SNV预处理,建立的SNV-SVM模型验证集相关系数、验证集均方根误差和鉴别准确率分别为0. 761 4、0. 882 1、88. 46%。因此,红外光谱技术用于鉴别压榨油茶籽油和浸出油茶籽油是可行的。     

微波和红外处理油茶籽对压榨油茶籽油中VE 含量的影响

以油茶籽为原料,研究微波和红外处理对压榨油茶籽油V_E中4种生育酚异构体含量的影响。结果表明:油茶籽毛油中α-生育酚含量较高(0.24～0.41 mg/g),β-、γ-、δ-生育酚含量低于检测限;油茶籽仁和油茶籽压榨毛油中α-生育酚初始含量存在一定差异;最佳处理条件为微波功率560 W,红外温度130℃;两种处理方式均加速了油茶籽中V_E的溶出和转化;微波处理比红外处理对α-生育酚影响更大。     

红外光谱快速测定油茶籽油中主要功能活性成分含量的模型建立与评价

以从企业采集的50个油茶籽油样品为试验材料,通过扫描获取红外光谱并筛选特征波段,利用偏最小二乘法(PLS)建立油茶籽油中甾醇、维生素E和类胡萝卜素含量的预测模型,并通过系列参数对模型进行评价。结果表明:在400~1 850 cm~(-1)波数范围内,甾醇、维生素E和类胡萝卜素校正集相关系数(R_C)分别为0.978 9、0.980 1和0.949 9,交叉验证均方根误差(RMSECV)分别为42.38、25.64、0.84 mg/kg,经对模型进行验证,上述3种成分预测集相关系数(R_P)分别为0.993 4、0.997 4和0.959 0,预测均方根误差(RMSEP)分别为13.31、6.24、0.18 mg/kg,RPD分别为7.742、12.696和2.889。可见,模型的预测效果较好,说明红外光谱法可应用于油茶籽油中甾醇、维生素E和类胡萝卜素等功能活性成分含量的快速检测。     

基于不同贮藏温度下油茶籽油氧化模型的建立

研究贮藏过程中油茶籽油品质指标变化及预测模型,为油茶籽油的安全贮藏及品质预测提供参考,探讨不同温度下(20、40、60℃)油茶籽油酸价和过氧化值随储藏时间的变化趋势,采用动力学和人工神经网络模型进行拟合,并采用25℃贮藏条件下油茶籽油的酸价和过氧化值对模型进行校验。结果表明:酸价和过氧化值的变化随储藏时间的增加而增加,而且温度越高变化越快;酸价的动力学和神经网络模型的相关系数分别为0.995 9和0.998 0;过氧化值动力学和神经网络模型的相关系数分别为0.933 9和0.991 3;模型拟合效果极好;模型校正过程,酸价和过氧化值动力学模型预测值和实测值之间的平均相对误差分别为:6.66%、42.17%;而酸价和过氧化值对应的神经网络模型预测效果更好,预测值和实测值之间的平均相对误差分别为:2.34%、6.38%;表明神经网络模型较之动力学模型,泛化能力更好,误差更小,能更加准确预测油茶籽油在储藏过程中酸值和过氧化值的变化趋势。     

基于中红外光谱结合化学计量法快速检测油炸食品用油品质

目的：保障食品工业化生产过程中最终油炸食品的安全。方法：以某大学食堂油炸食品用油为研究对象,以国标法为依据,测定油样酸价、过氧化值、羰基价,通过配备多点衰减全反射的傅里叶变换红外光谱仪获取其红外谱图,并采用偏最小二乘回归法分别建立控制油样、随机油样及所有油样的数学模型。结果：模型对油样酸价的测定均有很好的预测性,但对过氧化值的预测能力较弱。此外,控制油样模型比随机油样模型的预测性更强。结论：采用衰减全反射附件的傅里叶变换中红外光谱结合化学计量法有望实现快速、同时检测油炸食品工业化生产过程中油炸用油的酸价、过氧化值和羰基价。     

红外光谱结合偏最小二乘法快速检测油茶籽油脂肪酸组成的模型建立与评价北大核心CSCD

为建立快速检测油茶籽油中脂肪酸组成的方法,利用傅里叶红外光谱仪扫描86个油茶籽油样品,红外光谱数据分别通过Savitzky-Golay平滑(SG)、多元散射校正(MSC)、标准正态变换(SNV)、一阶导数(FD)和二阶导数(SD)等5种方法进行降噪处理,然后以气相色谱测定的脂肪酸组成作为标准值,采用全波长偏最小二乘法(PLS)、区间偏最小二乘法(iPLS)和联合区间偏最小二乘法(siPLS)分别构建油茶籽油中主要脂肪酸(油酸、棕榈酸、亚油酸)的定量回归模型。结果表明:油酸、棕榈酸、亚油酸的红外光谱数据预处理分别以SG、SNV、SD较好;siPLS通过有效波段的选择可去掉更多的噪声,比PLS和iPLS建立的模型精确度高,油酸、棕榈酸、亚油酸的校正集和预测集的相关系数(R)分别为0.9479和0.8539、0.9008和0.9101、0.9793和0.9505。红外光谱结合siPLS更适用于油茶籽油脂肪酸组成的快速测定。     

基于拉曼光谱-聚类分析快速鉴别掺伪油茶籽油

在532 nm激光光源的扩展拉曼光谱及一阶导数光谱中,油茶籽油与低价植物油及精炼地沟油光谱形态的差异显著,谱峰得到有效分离。基于全波段光谱信息和形态建立的多步聚类分析模型既可准确鉴定油茶籽油,还可准确鉴定各种类型的掺伪油茶籽油。对26份不同油茶籽油、105份不同低价植物油、75份5%及以上的掺杂油茶籽油和38份不同精炼地沟油的判别正确率均为100%,对5%及以上的180份掺假油茶籽油和72份掺杂植物油的判别正确率达92%以上。样品测量时无需制备样品及消耗化学试剂,测量和分析1份样品仅耗时5 min左右,可实现对掺伪油茶籽油的快速、无损和准确鉴别。     

应用同步荧光光谱和支持向量机快速鉴别油茶籽油真伪

为快速鉴别油茶籽油真伪,采用同步荧光光谱和支持向量机建立油茶籽油真伪鉴别模型。结果表明,原始同步荧光光谱通过标准归一化(SNV)预处理,经过主成分分析提取5个主成分,选用径向基函数(RBF)作为核函数,采用经网格搜索和交叉验证优化得到的两个建模参数惩罚因子C=0.5和核参数γ=0.0313,建立的模型最佳。该模型对训练集和预测集的判别率均可达到100%。说明采用同步荧光光谱结合支持向量机可以快速、准确地鉴别油茶籽油真伪。      

应用同步荧光光谱和支持向量机快速鉴别油茶籽油真伪

为快速鉴别油茶籽油真伪,采用同步荧光光谱和支持向量机建立油茶籽油真伪鉴别模型。结果表明,原始同步荧光光谱通过标准归一化(SNV)预处理,经过主成分分析提取5个主成分,选用径向基函数(RBF)作为核函数,采用经网格搜索和交叉验证优化得到的两个建模参数惩罚因子C=0.5和核参数γ=0.0313,建立的模型最佳。该模型对训练集和预测集的判别率均可达到100%。说明采用同步荧光光谱结合支持向量机可以快速、准确地鉴别油茶籽油真伪。     

基于近红外光谱的橄榄油理化指标快速检测模型研究

为实现橄榄油理化指标的快速检测,在选择最优波段和光谱数据处理方法的基础上,利用近红外光谱结合偏最小二乘分析(Partial Least Squares,PLS)分别建立橄榄油酸价、过氧化值、ΔK值的定量分析模型。结果表明:酸价、过氧化值、ΔK值定量模型的校正相关系数分别为:0.9945、0.9939、0.9923,预测相关系数分别为:0.9965、0.9910、0.9902。盲样验证相关系数接近于1,R~2均大于0.99,说明近红外定量模型有较好的预测能力。对样本预测值与真实值做配对方差t检验,结果表明光谱法与标准中的方法无显著差异。因此,基于近红外光谱定量模型,可实现对橄榄油理化值的快速、准确检测。      

近红外光谱结合偏最小二乘法用于纯茶油中掺杂菜籽油和大豆油的定量分析

采用偏最小二乘法(PLS)建立了油茶籽油中掺杂菜籽油和大豆油的近红外光谱定量检测模型。配制不同比例(0～100%)的油茶籽油和菜籽油、油茶籽油和大豆油混合样品共256个,采集样品在10000～4000cm-1范围内的近红外透反射光谱,模型采用交互验证和外部检验来考察所建立模型的可靠性,不需进行任何光谱预处理,所建立的PLS模型相关系数为0.9997,训练集的交叉验证均方根误差(RMSECV)为0.504,预测集的预测均方根误差(RMSEP)为0.66。应用建立的模型对未知样品进行预测,并对预测值和真实值进行比较,在掺杂油含量为2.5%～100%之间范围内准确可靠,研究结果表明,采用近红外光谱技术可以实现纯茶油中菜籽油和大豆油掺杂量检测。     

Authentication of pure camellia oil by using near infrared spectroscopy and pattern recognition techniques

Abstract: Total of 4 pattern recognition methods for the authentication of pure camellia oil applying near infrared (NIR) spectroscopy were evaluated in this study. Total of 115 samples were collected and their authenticities were confirmed by gas chromatography (GC) in according to China Natl. Standard (GB). A preliminary study of NIR spectral data was analyzed by unsupervised methods including principal component analysis (PCA) and hierarchical cluster analysis (HCA). Total of 2 supervised classification techniques based on discriminant analysis (DA) and radical basis function neural network (RBFNN) were utilized to build calibration model and predict unknown samples. In the wavenumber range of 6000 to 5750 cm^?1, correct classification rate of both supervised and unsupervised solutions all can reach 98.3% when smoothing, first derivative, and autoscaling were used. The good performance showed that NIR spectroscopy with multivariate calibration models could be successfully used as a rapid, simple, and nondestructive method to discriminate pure camellia oil.     

近红外光谱结合偏最小二乘法快速检测米糠油过氧化值和酸价

研究旨在建立近红外光谱法快速测定米糠油中过氧化值和酸价的方法。以化学滴定法测定米糠油中过氧化值和酸价为参比方法,采用近红外分析技术结合偏最小二乘法,建立了米糠油中过氧化值和酸价的近红外定量分析模型。过氧化值和酸价定量分析模型的决定系数分别为99.11%和99.72%,预测标准差分别为0.436 7%和0.044 78%,交叉验证标准差分别为0.452 2%和0.046 69%。利用78个验证集样品对定标模型进行外部独立验证,过氧化值及酸价的绝对误差分别在–0.78%～0.82%和–0.142%～0.139%之间,相对误差分别在–13.21%～14.44%和–14.85%～12.46%之间。表明所建立的定量分析模型及方法可对米糠油中过氧化值和酸价进行简便、快速测定。     

不同条件对油茶籽油储藏稳定性的影响

研究了不同加工工艺(压榨毛油、压榨精炼油、浸出精炼油)、不同容器(铁罐、无色玻璃瓶和塑料瓶)及不同光照条件(光照、避光)下油茶籽油的储藏稳定性.结果显示:不同加工工艺油茶籽油样品中浸出精炼油和压榨精炼油储藏稳定性较好,压榨毛油最差;光照是影响油茶籽油储藏稳定性的关键因素,油茶籽油包装及储藏要尽量采用不透光材料或避光储藏;3种容器材料中,铁罐储藏效果最好,玻璃瓶次之,塑料瓶最差.     

基于近红外光谱技术的茶籽油掺伪定性鉴别和定量分析

茶籽油是我国特有的高级食用油。近年来茶籽油掺伪现象层出不穷,本研究利用傅里叶近红外(FT-NIR)光谱与化学计量学相结合,获得一种快速对不同掺假类型（低芥酸菜籽油、大豆油、二元混合油）和不同掺假度（0%-100%）的茶籽油进行定性和定量检测的方法。基于近红外差异光谱进行判别分析（discriminant analysis,DA）,DA成功识别了不同掺假度的二元与三元混合茶籽油。通过对手动与自动筛选的不同波段结合不同预处理方法建立偏最小二乘法（Partial least squares,PLS）定量分析模型,最佳模型对掺假水平具有良好的预测性能,决定系数(R2)均大于0.91。校正均方根误差(RMSEC)和预测均方根误差(RMSEP)均接近于0。通过交叉验证,最佳模型的交叉验证相关系数均大于0.98,交叉验证均方根误差均小于0.05,表明筛选的最佳模型均具有良好的稳定性。通过外部验证,最佳模型对不同掺假类型的中、高掺假度（≥10%）的样品识别率高达100%。研究表明,利用近红外光谱技术结合化学计量学能够实现茶籽油掺假的快速、无损鉴定。     

食用植物油碘值快速测定方法的研究

为建立一种快速测定食用植物油碘值的检测方法,采用布鲁克公司生产的MPA型傅里叶变换近红外光谱仪获取了482个食用植物油样品的光谱信息,利用GB/T 5532—2008方法测得了碘值的化学参考值,运用OPUS 7.0软件建立了模型,并采用交叉检验确定了最优建模参数。结果表明:交叉检验标准偏差(RMSECV)为0.824,相关系数(R2)为0.998 9,样品集预测偏差平均值(MVPD)为0.65%,相对分析误差(RPD)为29.7,偏移为0.004 34,最佳谱区范围为9 403.8~7 498.4cm-1。该模型用于快速测定食用植物油碘值是可行的。