GC和LF-NMR结合化学计量学方法检测掺假油茶籽油

为了对油茶籽油品质控制及评价提供支撑,以纯油茶籽油和掺假油茶籽油(分别掺入菜籽油、花生油、棕榈油和高油酸花生油)为试验材料,采用气相色谱法(GC)分析其脂肪酸组成,采用低场核磁共振技术(LF-NMR)测定其横向弛豫特性数据,结合主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)和偏最小二乘分析(PLS)等化学计量学方法建立油茶籽油掺假的定性和定量分析模型。结果表明：5种植物油的脂肪酸组成和LF-NMR横向弛豫特性数据存在显著区别;油茶籽油和其他4种植物油在PCA得分图上可清晰区分;PLS-DA模型可有效区分油茶籽油和掺假油茶籽油,判别正确率均可达100%;建立的油茶籽油中掺入菜籽油、花生油、棕榈油、高油酸花生油的PLS定量预测模型,真实值与预测值的相关系数(R²)分别为0.994 1、0.998 6、0.997 6、0.978 1。综上,GC和LF-NMR结合PCA、PLS-DA以及PLS等化学计量学方法可用于油茶籽油掺假类别判定及掺假量分析。     

基于挥发性成分定性判别风味油茶籽油掺伪浸出油茶籽油PCA模型和逻辑回归模型的对比分析

为了解决风味(原香和烤香)油茶籽油掺伪浸出油茶籽油的定性判别问题,设计高、低两个掺伪梯度,基于挥发性成分构建并对比分析了定性判别风味油茶籽油掺伪浸出油茶籽油的主成分分析(PCA)模型和逻辑回归模型。结果表明：逻辑回归模型定性判别风味油茶籽油掺伪浸出油茶籽油的能力较强,优于PCA模型;高掺伪梯度下定性判别原香和烤香油茶籽油掺伪浸出油茶籽油,PCA模型的最低检出限分别为20%和60%,而逻辑回归模型的最低检出限均为10%;低掺伪梯度下定性判别原香和烤香油茶籽油掺伪浸出油茶籽油,PCA模型的判别不准确,而逻辑回归模型的最低检出限均为4%。逻辑回归模型能很好地定性判别风味油茶籽油掺伪浸出油茶籽油。     

电子鼻在芝麻油掺芝麻油香精识别中的应用

采用电子鼻对芝麻油中掺入芝麻油香精进行识别.通过对所获得的数据进行主成分分析(Principal Component Analysis,PCA)、判别因子分析(Discriminant Factor Analysis,DFA)、偏最小二乘回归分析(Partial Least-squares Analysis,PLS)和统计质量控制分析(Statistical Quality Control,SQC).结果表明:不同样品在电子鼻传感器上有不同的特征性响应图谱,电子鼻能够有效识别不同掺入比例的芝麻油样品;DFA方法的区分效果比PCA方法更好;SQC模型对于掺入芝麻油香精超过50％的芝麻油能明显区分;采用PLS对数据进行处理,电子鼻响应信号和芝麻油香精掺入比例之间有很好的相关性(相关系数为0.992 1),PLS方法能有效识别掺入比例为0％～ 100％的试验样品.试验证明电子鼻可用于芝麻油掺假的识别.     

气相色谱结合化学计量在核桃油、菜籽油掺伪混合物含量判别分析中的应用

目的：识别核桃油中同时掺入多种其他植物油的多元掺伪。方法：采用气相色谱技术分析核桃油、菜籽油掺伪混合物中脂肪酸含量,结合化学计量方法对气相色谱数据进行建模,并对不同比例核桃油、菜籽油混合物进行判别分析。结果：主成分分析法（PCA）能快速鉴别出纯核桃油和掺伪核桃油,并在一定程度上反映样本的掺伪比例;Bayes判别分析将83.33%的样品归入正确的分类;偏最小二乘判别分析法（PLS-DA）的判别准确率达87.50%;基于BP神经网络模型的判别分析,其训练集的正确率为84.21%,测试集的正确率为80.00%;基于遗传算法优化支持向量机（SVM-ga）的判别分析,其训练集和测试集的正确率均为100%。结论：多种分析模型均能不同程度地识别核桃油、菜籽油掺伪比例,其中SVM-ga模型的预测精度最佳。     

基于介电谱法的油茶籽油掺伪检测方法研究

为检测油茶籽油的掺伪程度,对5种食用油及两组油茶籽油掺杂混合油进行了介电谱测量.运用主成分分析法(PCA)开展了5种食用油的区分分析,结果表明PCA法不仅能够显著区分单不饱和脂肪酸(MUFA)型和多不饱和脂肪酸(PUFA)型食用油,对于同一类型的不同油品也具有良好的区分度.运用基于交叉验证的偏最小二乘法(PLS),对两种油茶籽油掺杂混合油的介电谱数据建立定量分析模型,经外部验证集验证,混合油的预测均方根误差(RMSEP)小于2.10％,决定系数(R2)大于0.998 9.最后进行了油茶籽油介电谱的温度特性测试,给出了温度补偿的相应算法.试验结果表明,介电谱法为食用油的掺伪鉴别和纯度检测提供了一种快捷、准确的方法.     

混合油脂肪酸组成数学方程式在食用油模拟掺混检测中的验证

各种纯食用植物油都有其特定的脂肪酸组成,掺混后混合油与纯油的脂肪酸组成存在配比加和关系。对市场上常见的食用植物油花生油、大豆油、玉米油和油茶籽油中脂肪酸组成进行文献查询和统计分析,统计均值与食用植物油国标数据比较显示统计均值有很好的适用性,使用统计均值建立脂肪酸组成的数学方程式,通过模拟二元混合油和三元混合油体系进行验证,显示均有良好的相关性。该法可定量计算花生油、油茶籽油等混合其他低价食用植物油的添加比例,可作为一种判断掺伪油的定性和定量检测方法。     

基于脂肪酸和生育酚组成的油茶籽油掺假判别可行性分析

从脂肪酸和生育酚的组成分析以及所得色谱数据的系统聚类分析(HCA)和主成分分析(PCA)方面考察了10种植物油的异同点。气相色谱分析10种植物油的脂肪酸组成,鉴别得到12种脂肪酸。对脂肪酸组成数据的HCA分析结果表明,油茶籽油与橄榄油和菜籽油具有相似的脂肪酸组成,而与其他植物油的脂肪酸组成差异显著;而PCA分析结果可以进一步区分油茶籽油与橄榄油和菜籽油。高效液相色谱分析10种植物油的生育酚组成,测得4种异构体的相对含量。对生育酚组成数据的HCA、PCA分析结果表明,油茶籽油和菜籽油的生育酚组成差异显著。因此,基于脂肪酸和生育酚组成分析可以作为油茶籽油掺假判别的依据。     

最小二乘支持向量机和脂肪酸融合信息应用于花生油掺伪玉米油检测

将最小二乘支持向量机用于气相色谱分析实现对花生油掺伪玉米油的鉴别,基于油脂的全样和Sn-2位脂肪酸组成的不同,采用主成分分析消除融合数据中信息重叠的部分,利用粒子群优化最小二乘支持向量机的参数,对花生油的掺伪进行鉴别,识别率为100%;分别采用最小二乘支持向量机、偏最小二乘法和主成分回归对花生油中掺入玉米油含量进行预测,结果表明基于脂肪酸融合信息的最小二乘支持向量机的预测均方根误差和相关系数R2分别为3.452 1%和0.986 6,与偏最小二乘法和主成分回归法相比,最小二乘支持向量机具有更好的稳定性和预测精度,同时也为食用油的真伪鉴别及掺伪情况确定提供一种新方法。     

基于特征脂肪酸和不同等价碳数甘油三酯的油茶籽油掺伪鉴别模型的建立

基于特征脂肪酸,棕榈酸/硬脂酸、油酸/硬脂酸、亚油酸/油酸以及不同等价碳数甘油三酯的含量等14个指标,运用主成分分析和Fisher判别分析方法,建立油茶籽油掺伪棕榈油、葵花籽油、米糠油、大豆油、花生油和棉籽油的掺伪鉴别模型。结果表明:所建模型都能完全准确识别掺伪20%及以上的掺伪油脂的掺伪量和种类,判别准确率为96. 22%。研究表明基于植物油在特征脂肪酸和不同等价碳数甘油三酯的含量的差异,运用PCA建立的掺伪鉴别模型具有一定的可行性。     

紫外光谱法对油茶籽油掺伪的检测

利用油茶籽油及其他植物油在紫外波长200~360 nm间吸收光谱的差异性,通过判别分析和回归分析,对掺伪油茶籽油实现定性和定量检测。结果表明:通过判别分析建立的判别函数可以对掺伪油茶籽油的掺伪种类进行鉴别,准确率为100%;通过回归分析可对掺伪油茶籽油进行掺伪量的定量检测,掺杂菜籽油、大豆油和米糠油掺伪量的最佳检测范围为12%~100%,掺杂玉米油和棕榈油掺伪量的最佳检测范围为15%~100%。     

茶油掺伪的数学回归模型研究

以纯茶油中掺伪不同比例大豆油、花生油和菜籽油中任意两种植物油脂来建立茶油掺伪模型,通过气质联用技术测得各样品脂肪酸的含量,并通过相关性、显著性分析来筛选出合适的标志性脂肪酸建立茶油掺伪的多元回归方程模型。结果表明:某些脂肪酸含量在茶油掺伪模型中变化显著,且与茶油掺伪模型间具有高的相关性,选取该部分脂肪酸建立的相应回归模型方程的相关系数(R~2值)均较高,说明本实验获得的回归方程模型真实、可靠。研究结果可以为茶油的产品质量监控和掺假检测提供借鉴。     

基于脂肪酸谱法分析山茶油掺伪

为了更好的检测市售山茶油中的掺混,本研究基于气相色谱-质谱联用技术(GC-MS)建立了一种检测山茶油中掺入其他低值植物油的方法。实验采用GC-MS检测了市售山茶油、芝麻油、花生油以及玉米油的脂肪酸组成,并对其脂肪酸成分进行比较,建立鉴别山茶油中掺混这几种植物油的方法以及掺假比例的预测与验证。结果表明,GC-MS检测出上述几种植物油的脂肪酸组成,其中主要的脂肪酸为棕榈酸、硬脂酸、油酸与亚油酸,其中山茶油的油酸含量高达78.8058%,实验检测山茶油中掺入低值油比例为10%、20%、30%、45%的掺假油,且根据特定的油酸的含量建立的回归方程的相关系数均大于0.98。因此根据该方法可以用于山茶油中掺入一种低值植物油的检测,最低检测掺入量为10%,且方法快速方便、且方法的准确率高于97%,较为灵敏。     

核磁共振氢谱结合化学计量学快速检测掺假茶油

摘 要：以纯茶油和掺假茶油（掺入大豆油、玉米油）作为核磁共振氢谱检测对象,结合化学计量学方法分析处理核磁数据,建立一种能快速预测茶油掺假的方法。结果表明：纯茶油和掺假茶油在主成分分析得分图上有较好地区分,且掺假样品随掺假比例在图中呈规律性分布,但少部分低体积分数的掺假油与纯茶油重叠。而采用偏最小二乘判别（partial least squares discriminant analysis,PLS-DA）法可以得到更好的分离效果,在该模型中,纯茶油的判别准确率为100%。进一步采用PLS可实现对茶油掺假水平的准确定量测定。该方法可简单、快速地用于茶油的掺假鉴别,在茶油品质控制及评价方面具有很大的应用潜力。     

茶油掺伪定性鉴别模型的对比分析

为了解决茶油掺伪其他植物油的掺伪量定量预测问题,本研究基于14个特征性脂肪酸和甘油三酯指标,设置高/低两种不同掺伪梯度,运用Python语言构建并对比分析了偏最小二乘回归(PLSR)模型和多元线性回归(MLR)模型用于掺伪茶油掺伪量的定量预测的效果。研究表明,PLSR模型对掺伪茶油的定量预测效果不理想,高掺伪梯度下PLSR模型的平均RMSE值高达1.99,低掺伪梯度下PLSR模型的平均R²值(0.8888)较低,平均RMSE值(0.906 6)较高。除了对棕榈油掺伪量的定量预测效果较差外,在高/低掺伪梯度下MLR模型定量预测能力较强,平均R²值达到了0.999 873/0.993 572,平均RMSE值为0.146/0.136。结果表明MLR模型可用于不同掺伪质量分数和梯度下茶油掺伪不同食用植物油的掺伪量定量预测问题,效果较好。     

气相离子迁移谱对山茶油掺假的检测

以掺假山茶油样为气相离子迁移谱（gas chromatography-ion mobility spectrometry,GC-IMS）检测对象,利用多维主成分分析（multi-way principal component analysis,MPCA）法和偏最小二乘（partial least squares,PLS）回归分析处理二维谱图数据,探索并建立一种山茶油纯度检测方法。对配制的不同比例3 种食用植物油的掺假油样进行GC-IMS检测,采用MPCA压缩并提取矩阵中的得分矩阵进行主成分分析,将提取的得分矩阵进行PLS分析,建立掺假量的定量预测模型。结果表明,MPCA处理后的主成分图可以明显区分山茶油样和掺入不同种类食用油的掺假山茶油样,且不同掺入比例组有其明显的归属区域;采用PLS对MPCA的得分矩阵进行回归分析,可实现对山茶油掺假比例的准确定量测定。该方法具有快速、准确、无损的特点,可应用推广到其他联用仪器的数据分析处理中,在食用油品质控制与评价方法中具有很大的应用前景。     

基于电子鼻山茶油芝麻油掺假的检测研究

本文采用电子鼻系统对山茶油、芝麻油的掺假（大豆油）作了检测.通过对传感器信号进行方差分析可知,三种油脂的传感器响应有显著差异.主成分分析（PCA）对山茶油与大豆油及其混合物检测效果较差,对芝麻油、大豆油及两者混合物取得了较好的检测效果;而线性判别式分析（LDA）对山茶油和芝麻油的掺假都有较好的检测效果,并优于PCA方法.运用BP神经网络拟对混合油脂进行定量预测,对山茶油掺假的定量预测效果较差,对芝麻油掺假的预测效果略好于山茶油,但最大绝对误差已达0.134,还不能取得较为准确的结果.     

基于特征性脂肪酸和甘油三酯指标的油茶籽油掺伪定性鉴别模型对比分析

为解决油茶籽油掺伪其他植物油的定性鉴别问题,在油茶籽油中分别掺入大豆油、花生油、葵花籽油、棉籽油、葡萄籽油、菜籽油、棕榈油和米糠油,设置高和低两种不同掺伪梯度,基于14个特征性脂肪酸和甘油三酯指标,运用Python语言构建并对比分析了二分类决策树模型、多分类决策树模型和多层感知机人工神经网络(MLP-ANN)模型用于油茶籽油掺伪定性鉴别的效果。结果表明：高和低掺伪梯度下,二分类决策树模型对油茶籽油掺伪其他植物油的定性鉴别的准确率均达到0.95以上;多分类决策树模型的精确率和准确率在高掺伪梯度下均达到了0.95,但在低掺伪梯度下仅为0.90;在高和低掺伪梯度下,MLP-ANN模型对油茶籽油掺伪定性鉴别的平均精确率均达到0.98,准确率分别达到0.97和0.98。相比于决策树模型,MLP-ANN模型能很好地实现油茶籽油掺伪定性鉴别。     

基于稳定碳同位素示踪技术的商品植物油掺杂鉴别研究

本文旨在运用所建立的纯植物油的脂肪酸组成及其稳定碳同位素比值判别标志对广州市售商品植物油是否掺杂进行判识。先在广州某大型超市购得18种商品植物油(包括3种茶籽油、5种花生油、2种葵花油、2种玉米油和6种橄榄油);然后采用气相色谱-质谱联用仪(GC-MS)、气相色谱-同位素比值质谱仪(GC-IRMS)和元素分析-同位素比值质谱仪(EA-IRMS)对这18种商品油的脂肪酸组成和全油及其脂肪酸的稳定碳同位素比值进行测定;最后将本次检测所获得的数据与作者之前建立的判别标志进行对比分析。对比结果表明,本批商品植物油的品质总体较好,但其中50%的植物油商品存在掺杂。因此,将植物油脂肪酸组成数据与其稳定碳同位素比值数据相结合,可灵敏地确定待检植物油是否存在掺杂。