傅里叶变换红外光谱结合化学计量学用于山茶油中掺杂大豆油的鉴别

建立快速定性鉴别山茶油与大豆油、菜籽油和玉米油,以及定量检测山茶油中掺杂大豆油的傅里叶变换红外光谱(Fourier transform infrared spectroscopy,FTIR)检测方法。采用FTIR光谱技术,对比山茶油与大豆油、玉米油、菜籽油红外光谱中2个特征峰(1 122 cm~(-1)与1 096 cm~(-1))的峰高差异,可快速定性区分山茶油与其他3种食用油,并能鉴别掺入大豆油含量(质量分数)在30%及以上的山茶油;利用4种食用油的1 464～722 cm~(-1)范围内的指纹光谱,结合PCA算法,建立的定性判别模型可区分山茶油及其他3种食用油,并结合PLSR算法,构建了检测山茶油中掺入大豆油的定量模型,其中校正集的RMSECV值为0.032 0,验证集的RMSEP值为0.029 7,校正集和验证集的R~2值均能达到0.99,最低检测限达1%(质量分数)。结果表明,所建立的山茶油中掺杂大豆油的FTIR光谱检测方法简便、灵敏、准确,为市场筛查掺假山茶油的快速鉴别提供了技术参考。     

西式快餐条件下煎炸油氧化稳定性及其不饱和脂肪酸氧化动力学研究

为了解煎炸油在煎炸过程中的氧化动力学规律,考察了5种常见煎炸油在西式快餐条件下的氧化稳定性,并对煎炸油中主要不饱和脂肪酸（亚麻酸、亚油酸及油酸）的氧化动力学进行研究。结果表明,煎炸过程中,棕榈油的茴香胺值、全氧化值的生成速率及碘值降低幅度最小,相比其他4种煎炸油具有更好的氧化稳定性。大豆油和菜籽油中亚麻酸的反应规律均同时符合0级和1级反应动力学模型;棕榈油、菜籽油、葵花籽油及稻米油中亚油酸的反应规律均同时符合0级和1级反应动力学模型,大豆油中亚油酸符合1级反应动力学模型;棕榈油、大豆油、菜籽油及葵花籽油中油酸的反应规律均同时符合0级和1级反应动力学模型;模型相应的决定系数R2在0.886~0.987之间,均大于0.85,模型拟合程度均较好。表明所构建煎炸油不饱和脂肪酸氧化动力学模型是可行的。     

基于可见—近红外光谱的花生油二元掺伪体系鉴别研究

为了建立一种简便有效的花生油掺伪的定性和定量鉴别方法,采集花生油中分别掺伪0~90%大豆油、棕榈油和棉籽油样品的可见—近红外光谱图,结合主成分分析、判别分析、改进偏最小二乘法,建立花生油掺伪的定性鉴别和定量预测模型。结果表明,在定性鉴别中,对花生油中分别掺入大豆油、棕榈油和棉籽油的整体正确判别率分别达到了100%、96.1%和85.3%。在定量分析中,对MPLS法建立的花生油二元掺伪定标模型进行验证,结果表明,掺入大豆油、棉籽油和棕榈油的预测相关系数R_p~2分别为0.998、0.997和0.995,相对标准差RSD分别为2.33%、3.04%和3.83%,相对分析误差RPD分别为3.542、2.642和2.581,说明这三种掺假花生油所建立的最优定标模型的预测精度高,其中花生油中掺入大豆油的预测精度最高,检测花生油中掺入棉籽油与棕榈油的最低掺假量为3%。为花生油二元掺伪模式提供了一种简便、快速、有效的分析方法。     

磷脂含量对煎炸油烟点、耐寒性、氧化稳定性 和煎炸稳定性的影响

通过添加大豆卵磷脂,使大豆油、菜籽油和棕榈油中磷脂含量分别为本底值、10、20、30、40、50 mg/kg,测定不同磷脂含量的3种煎炸油的烟点、耐寒性、氧化诱导时间,同时检测3种煎炸油在170℃下煎炸不同食材过程中的感官品质、酸价、过氧化值和极性组分含量的变化,以评价其煎炸稳定性。结果表明:随着磷脂含量的增加,大豆油、菜籽油、棕榈油烟点呈下降趋势,其中棕榈油烟点下降受磷脂影响最大;耐寒性随着磷脂含量增加整体呈下降趋势;氧化诱导时间随磷脂含量的增加呈波动变化趋势;在本试验范围内,磷脂含量对煎炸油煎炸稳定性影响的规律尚不明显。     

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。     

应用近红外光谱分析判别芝麻油掺伪的研究

研究了应用近红外光谱分析技术快速、准确判别芝麻油有无掺伪的方法。主要利用近红外光谱和主成分分析结合BP人工神经网络法进行了纯芝麻油、纯大豆油、掺有大豆油的掺伪芝麻油的判别研究。试验结果表明,利用BP人工神经网络法将83个校正集样品的10个主成分数据作为BP网络输入变量,建立的三层BP人工神经网络判别模型对26个测试集样品的判别率为96.15%,表明近红外光谱分析方法对纯芝麻油、纯大豆油、掺伪芝麻油具有很好的判别分类作用,该方法能有效判别芝麻油有无掺伪大豆油。     

基于近红外光谱对淀粉种类的定性鉴别及定量分析

淀粉在调味品生产中应用广泛,同时其本身也作为调味品具有勾芡等用途。不同种类淀粉分子结构不同导致性质用途不同,文章基于近红外漫反射技术,建立了不同种类淀粉快速无损定性及定量检测方法。通过对73份不同种类的淀粉进行光谱采集,结合主成分分析法(PCA),建立了不同种类淀粉的定性判别模型;基于淀粉种类判别结果,以不同比例的马铃薯和小麦淀粉的混合物为检测对象,采集光谱信息,基于偏最小二乘法(PLS)建立近红外定量分析模型,并对该模型进行了验证,校正模型和预测模型的决定系数分别为0.9988和0.9982,均方根误差分别为0.385和0.347,预测相对分析误差(RPD)为14.3。结果表明,近红外光谱技术可用于淀粉的定量预测以及不同种类淀粉的快速定性识别。     

气相色谱结合判别分析检测稻米油掺伪

为了对掺伪稻米油进行准确快速定性检测,采用毛细管气相色谱法分析了稻米油、棕榈油、菜籽油、棉籽油、大豆油等的脂肪酸种类和含量,对稻米油进行模拟掺伪,测定不同掺伪率下的脂肪酸含量变化,采用判别分析检测掺伪油脂种类。结果表明,纯植物油的判别准确率为100%,掺伪油判别准确率为91.7%;稻米油中掺棕榈油9%以上、掺菜籽油2%以上、掺棉籽油20%以上、掺大豆油6%以上均能正确判别。     

近红外光谱定性定量检测牛肉汉堡饼中猪肉掺假

利用近红外光谱技术结合化学计量学方法,对不同肥肉占比的解冻牛肉汉堡饼中的猪肉掺假进行定性判别建模,并建立猪肉掺假比例的定量检测模型。结果表明：对不同掺假比例样品的判别,应用偏最小二乘判别分析方法效果优于主成分分析-支持向量机方法,最优模型校正集和验证集判别正确率均为100%。应用偏最小二乘方回归法定量检测不同肥瘦比解冻牛肉汉堡饼中的猪肉掺假比例,模型校正集和验证集的相关系数Rc和Rp、验证集均方根误差分别为0.968 9、0.861 1、7.221%。因此,应用近红外光谱技术可以实现对不同肥肉占比的解冻牛肉汉堡饼中的猪肉掺假进行定性判别和定量检测。     

近红外光谱结合模式识别技术快速鉴别煎炸油质量

采用近红外透反射光谱结合模式识别技术建立煎炸油质量的快速鉴别方法。采用国标方法测定79个煎炸油样本的酸价与羰基值,通过羰基价确定样本真实属性。利用Kennard-stone算法选取训练集和预测集。探讨样本NIR光谱预处理方法,以平滑、一阶导数和均值中心化处理的全光谱作为数据输入,采用偏最小二乘识别分析(PLS-DA)方法建立煎炸油质量的定性分类模型,并对模型进行验证。模型训练集与预测集的正确识别率分别达94.5%与100%。比较主成分识别分析(PCA-DA)、K最近邻法(KNN)与分类回归树(CART)3种建模方法。结果表明PLS-DA预测能力优于其它方法,NIR光谱结合PLS-DA可作为快速鉴别煎炸油质量的一种新方法。     

近红外光谱技术鉴别核桃油中掺入菜籽油、大豆油及玉米油的研究

采用近红外光谱技术与偏最小二乘法(PLS)相结合的方式对核桃油中菜籽油、大豆油的现象进行定量分析。结果显示,当核桃油中菜籽油时,采用最小-最大归一化进行光谱预处理,菜籽油定量模型校正相关系数RC及校正标准误差RMSEC和交叉验证模型的相关系数RCV和交叉均方根RMSECV分别为99.97%,0.532%和99.96%,0.562%;当核桃油中大豆油时,采用一阶导数+矢量归一化进行光谱预处理,大豆油定量模型RC及RMSEC和RCV及RMSECV分别为99.99%,0.336%和99.99%,0.352%;当核桃油中2种油(菜籽油和大豆油)时,采用二阶导数进行光谱预处理,菜籽油定量模型的RC及RMSEC和RCV和RMSECV为99.99%,0.220%和99.98%,0.313%,大豆油定量模型的RC及RMSEC和RCV和RMSECV为99.99%,0.210%和99.97%,0.386%;当核桃油中菜籽油、大豆油和玉米油时,分别以菜籽油、大豆油和玉米油为研究对象,同时分别用一阶导数+多元散射校正、二阶导数、一阶导数方法进行光谱预处理,可以得到菜籽油定量模型的RC及RMSEC和RCV和RMSECV为99.93%,0.347%和99.90%,0.401%,大豆油定量模型的RC及RMSEC和RCV和RMSECV为99.87%,0.524%和99.80%,0.615%,玉米油定量模型的RC及RMSEC和RCV和RMSECV为99.94%,0.371%和99.89%,0.451%。经过重复性试验和外部试验验证可知,近红外光谱分析技术可以快速准确地检测核桃油中掺入1种油、2种油和3种油的含量。     

气相色谱法鉴别掺假山茶油定性及定量研究

用气相色谱法分析测定山茶油、棕榈油、菜籽油、大豆油、棉籽油脂肪酸组成及含量,获得其脂肪酸组成和含量的正常值。测定模拟掺入棕榈油、菜籽油、大豆油、棉籽油的山茶油脂肪酸组成和含量,根据其特征脂肪酸组成和含量变化,对山茶油中掺入棕榈油、菜籽油、大豆油、棉籽油可作定性及定量分析。     

猪配合饲料多品质近红外光谱关键变量筛选与模型建立

目的基于饲料近红外光谱数据筛选影响猪配合饲料主要品质指标的关键波长变量,从而建立饲料品质无损快速定量校正模型,进而提高饲料品质无损快速检测效率。方法采集饲料样品近红外光谱数据并获取水分、粗蛋白、粗脂肪、粗纤维参考值数据;剔除异常值后采用基于联合X-Y距离样本集划分法(sample set partitioning based on joint X-Y distance, SPXY)划分校正集和外部验证集;基于校正集数据采用蒙特卡罗-无信息变量消除-连续投影算法分别针对4个品质指标筛选25、20、15、10、5个关键变量,分别建立校正模型并对外部验证集进行预测。结果针对饲料水分、粗蛋白、粗脂肪、粗纤维所选关键变量个数分别为15、25、15、15,模型维数分别为9、11、10、9,测定系数分别为0.8288、0.8605、0.9338、0.8327,校正均方根误差分别为0.17、0.81、0.31、0.22,交互验证均方根误差分别为0.19、0.93、0.34、0.23,相对预测性能分别为2.79、2.38、4.01、2.89。结论通过变量筛选结合外部验证结果表明,在保证模型准确度的前提下,所选关键变量数明显少于全谱变量数,可为提高饲料多品质无损快速定量检测工作效率提供一定的参考。     

基于近红外光谱的纯花生油掺伪快速鉴别方法研究

针对目前国内缺乏快速鉴别花生油掺伪鉴别技术的现状,提出基于近红外光谱的纯花生油掺伪快速鉴别方法.实验分别配制了掺入大豆油、菜籽油、棕榈油和调和油的4类掺伪花生油样品共40个,纯花生油样品5个,采集样品近红外全谱,通过支持向量机技术建立纯花生油掺伪鉴别模型.结果表明,选取径向基函数为支持向量机核函数,通过网格搜索和k折校...     

基于近红外光谱技术对小麦中毒死蜱农药残留测定方法的研究

研究了基于近红外光谱技术结合化学计量法建立小麦中毒死蜱农药残留鉴定模型.采用喷洒法制备具有不同毒死蜱残留量的小麦样品,采集样品的近红外漫反射光谱,并建立因子化法、欧氏距离法的定性预测模型和偏最小二乘法的定量预测模型.结果 表明:因子化法较欧氏距离法的定性判别率更高,构建条件的特征波段为5543.68～4643.72、7...     

基于原位电离-高分辨质谱技术结合特征脂肪酸含量鉴别菜籽油掺假的研究

建立了1种原位电离-高分辨质谱技术快速鉴定菜籽油是否掺假及气相色谱测定特征脂肪酸预测掺假比例的方法。通过收集不同品种油样和建立模型，建立实时鉴别菜籽油是否掺假大豆油、棉籽油或棕榈油的检测方法，并通过测定掺假菜籽油的特征脂肪酸，进一步确定掺假油品种及预测掺假比例。结果表明：原位电离技术鉴别纯品或掺假菜籽油准确度分别为89.1%和100%。根据棕榈酸、亚油酸、油酸等特征脂肪酸含量可准确定性掺假油品种，掺假大豆油、棉籽油和棕榈油的比例预测偏差分别为0～33%、2%～18%和4%～11%。     

基于高光谱技术的马铃薯外部品质检测

为了快速无损检测马铃薯外部品质,研究采用高光谱成像技术对马铃薯外部品质分级。选取合格、发芽、绿皮、孔洞4种马铃薯外部特征,获取光谱数据,采用不同预处理方法对光谱数据进行处理,并分别建立偏最小二乘判别模型,结果显示采用标准正态变量变换法(SNV)获得的模型效果最优。对预处理后的光谱数据利用连续投影算法(SPA)及加权权重法(WWM)分别优选出了13个和9个特征波段,对两种不同方法得出的特征波段分别建立了支持向量机判别模型,结果显示两种方法对预测集的判别准确率均达到了100%,WWM-SVM判别模型对校正集的交叉验证率为99.5%,高于SPA-SVM判别模型的交叉验证率。利用高光谱成像技术结合SPA-SVM和WWM-SVM对马铃薯外部品质进行分级具有可行性。     

西式快餐用煎炸油质量近红外快速检测模型的建立

为对西式快餐用煎炸油质量进行快速监测,选用近红外光谱法（NIRS）联合偏最小二乘法（PLS）,分别建立酸价和极性组分两个煎炸油质量指标的定量模型。结果表明,酸价和极性组分的定标模型校正决定系数（R2）均为0.9974,校正标准差均方根（RMSEC）分别为0.111和0.359,预测标准差均方根（RMSEP）分别为0.171和0.562。盲样验证、精密度及准确度分析结果显示,酸价和极性组分的NIR预测值同真实值的相关方程的相关系数分别为0.9944、0.9761,应用所建模型预测同一煎炸油样品的酸价和极性组分的相对标准偏差（RSD）分别为0.934%和1.278%,表明所建模型对煎炸油样品的酸价和极性组分预测能力较好,且有较好的重现性。因此,基于近红外光谱定量模型,可以对西式快餐用煎炸油质量进行快速、准确地监测。     

微型近红外光谱技术在白芍快速检验方面的应用

目的建立一种微型近红外光谱技术快速判别白芍药材品质合格与否的方法。方法对106批次白芍药材样品采用HPLC法测定芍药苷的含量,同时采用微型近红外光谱仪采集样品光谱,根据药材芍药苷含量大于或小于1.2%,将药材区分为合格与不合格两类,采用偏最小二乘法判别分析(PLSDA)建立合格与不合格药材判别模型,并采用训练集样本对模型预测能力进行外部验证,以识别率和拒绝率为模型评价参数。结果模型验证集、校正集及训练集的识别率和拒绝率均达100%。结论微型近红外光谱技术能准确、快速判别白芍药材的质量。本研究对快速鉴别药材质量具有指导意义。     

基于近红外光谱的掺伪花生油鉴别模型优化

为实现掺伪花生油的快速鉴别,基于近红外光谱技术,利用偏最小二乘法(PLS法)建立掺伪花生油鉴别模型,并采用不同预处理方法进行模型优化。研究结果表明:利用PLS法建立的模型,对于花生油中掺入大豆油样品的鉴别,在漫反射方式下、采用二阶导数谱、Norris平滑方法、附加散射矫正光程方式、因子数为6时最为理想,其预测集相关系数为0.967 9;对于花生油中掺入菜籽油样品的鉴别,在漫反射方式下、采用二阶导数谱、S-G平滑方法、光程不矫正、因子数为5时最为理想,其预测集相关系数为0.994 8。该分析模型可以为花生油品质监控和快速定量鉴别掺伪提供参考。