2种分析方法对花生油掺伪的研究初探

与一般食用油脂相比,花生油含有6%~7%的长碳链饱和脂肪酸(20:0、22:0、24:0),具有不溶于冷乙醇的特殊性质,是定性鉴别花生油的基础.对4种花生油进行测定,结果表明:不同品种花生油的长碳链饱和脂肪酸在70%乙醇中的混浊度有所不同,不同量其他食用油脂的掺伪不成比例地降低花生油的混浊温度;这种方法鉴别花生油纯度不够精确;采用气相色谱法测定花生油脂肪酸组成的变化,与纯品对照,可以在一定程度上确定掺伪油脂的种类和含量.     

近红外光谱结合模式识别方法用于食盐溯源研究

应用近红外光谱分析技术,结合偏最小二乘辨别分析(PLS-DA)和支持向量机(SVM)两种模式识别方法用于5种食盐的品种追溯识别研究.将5种食盐250个样品分别在波长范围400~1 198 nm光谱条件下扫描并获取数据.从得到的每种食盐的光谱数据中随机选取34个样品利用SVM建立模型,用模型对其余16个样本进行预测,用网格寻优的方法选择最优参数,然后进行分类预测,5种食盐的准确识别率分别达到100%、93.8%、87.5%、100%和93.8%.通过PLSDA方法构建模型时采用二阶求导对近红外光谱数据进行预处理,并用留一法交互检验确定PLS模型的隐变量数,该模型对5种食盐的预测准确率分别达到93.75%、100%、100%、100%和100%,结果表明PLS-DA预测效果较SVM稍好.该研究为实现不同品种食盐的鉴定以及成品食盐的品种溯源提供了一种参考方法.     

基于近红外光谱和机器学习的无创血糖浓度回归研究

无创血糖浓度预测是目前的热点研究问题,其预测精度容易受到各种不同因素干扰。针对基于近红外光谱的无创血糖浓度回归问题,重点分析了指端相邻位置光谱散射对回归精度的影响。OGTT实验是无创血糖浓度预测问题中的采集数据的经典方法,通过OGTT实验采集了指端区域近红外光谱及对应的血糖浓度数据,并利用支持向量机回归算法预测血糖浓度。总共设计了3组实验,实验结果表明,多区域数据的采集和平均能有效降低指端相邻位置对光谱不同散射带来的回归误差。     

结合PLS-DA与SVM的近红外光谱软测量方法

为了提高近红外光谱分析精度,提出结合偏最小二乘判别分析（PLS-DA）与支持向量机（SVM）的软测量方法（PLS-DA-SVM）.该方法利用一组由不同类别组成的训练样本,引入二叉树进行多重分类,节点分类器由PLS-DA方法建立;利用偏最小二乘支持向量机（PLS-SVM）建立每类样本的定量模型.预测时,用PLS-DA分类树对待测样本进行分类,选择相应的PLS-SVM模型进行定量分析.实验利用PLS-DA-SVM方法和近红外光谱数据建立汽油的研究法辛烷值软测量模型,针对2个批次共计57个成品汽油样本进行蒙特卡洛交叉检验.结果表明,对汽油牌号进行识别,平均分类错误率为0.07%,低于其他常用分类方法;对研究法辛烷值进行预测,均方误差达到0.243,复相关系数达到0.991,较PLS、LS-SVM等方法有显著提高.     

花生油中掺入大豆油的鉴别研究

利用气相色谱法(GC)结合化学计量学技术建立了花生油中掺入大豆油的鉴别模型以及掺伪定量分析模型.分别采用气相色谱法、主成分分析(PCA)、聚类分析(CA)和最小二乘支持向量机(LS-SVM)对脂肪酸色谱数据进行处理.结果显示,利用LS-SVM构建的花生油掺大豆油的鉴别模型准确率最高,达100%;运用偏最小二乘法(PLS)建立花生油掺伪定量模型,并通过交互验证考察所建模型的可靠性,PLS模型的相关系数(R2)、交叉验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.996、1.59%和2.08%,优于经典的多元线性回归(MLR)和主成分回归(PCR).这表明应用化学计量学技术能够快速、准确地鉴别花生油的真伪和检测花生油中大豆油的含量,对其他油脂掺伪检测也具有一定的参考价值.     

基于连续小波变换参数选择的小麦近红外光谱模型优化方法研究

为了提高模型预测精度,结合连续小波变换（CWT）的最优参数选择,优化小麦蛋白质光谱模型。对原始光谱进行CWT,利用主成分分析（PCA）选出5种小波db1、sym2、sym5、sym7、coif1;在不同尺度参数下利用偏最小二乘法（PLS）建模,确定尺度参数为15;在此基础上,利用CWT结合多元散射校正（MSC）及支持向量机（SVM）建模确定最优小波db1;在最优参数下用CWT结合无信息变量消除算法（UVE）和连续投影算法（SPA）及SVM建立预测模型,预测均方根误差为0.3930,优于CWT-UVEPLS-SVM的0.4558和CWT-SPA-SVM的0.4415,研究结果表明,CWT参数选择可有效优化近红外光谱模型。     

近红外光谱结合SVM识别4种茶叶

用近红外光谱仪对绿茶毛峰、粗信阳毛尖、铁观音、峨眉雪芽等4种茶叶,120个样品进行扫描,获得近红外光谱数据.先随机选取2/3样品数据为模型集,其余为验证集,用支持向量机(SVM)将模型集构建模型,经验证集验证,最终获得了97.5%的识别率.又用主成分分析(PCA)的方法对数据降维,用前两个主成分画出4种茶叶分类图,并与SVM结果比较,表明SVM的方法更佳.     

基于近红外光谱无损快速检测面粉品质的研究

提出一种基于近红外光谱技术结合偏最小二乘法对面粉品质进行无损快速检测的方法．配制含滑石粉的面粉样品30个,采集样品在12500～4000cm^-1范围内的近红外漫反射光谱,选择最优的光谱预处理方法和光谱范围,采用偏最小二乘法（PLS）建立定量分析模型．结果表明所建定量分析模型的相关性能比较高,预测相关系数和预测均方根误差均符合要求．研究发现,近红外光谱技术用于快速无损检测面粉掺假是可行的．     

基于近红外光谱的汽油辛烷值神经网络模型研究

根据汽油组分的辛烷值与近红外光谱分析数据,用人工神经网络（ANN）的反向传播算法建立了汽油组分辛烷值神经网络预测模型,检验表明,ANN方法能准确地关联近红外光谱分析数据与汽油组分辛烷值的关系.马达法辛烷值预测平均误差为0.20;研究法辛烷值预测平均误差为0.18.     

应用同步荧光光谱研究冷榨花生油的特征

基于不同油脂的同步荧光光谱的差异性,研究冷榨花生油荧光光谱特征。收集几十种花生油、玉米油和棕榈油样品,设置激发光波长范围和发射波长范围分别为220~350 nm和230~750nm,波长差设为10 nm的间隔并连续变化,狭缝宽度为10 nm,试样以1∶19(V∶V)溶于乙酸乙酯中,扫描油脂三维同步荧光光谱。结果显示,3种油脂的同步荧光光谱有着部分相同的光谱区,但荧光峰的波长差、波长分布范围、峰的数量、峰的强度和峰的形状有着明显的差异,荧光强度最强的是棕榈油,花生油的最弱,此现象说明3种油脂中可能具有相同的荧光物质或结构类似的荧光物质,但种类分布和含量存在较大差异;同是花生油但加工方式不同,其同步荧光光谱也存在一定的差异。针对冷榨花生油的同步荧光光谱比较弱的现象,研究添加玉米油和棕榈油后荧光光谱的改变情况,试验结果显示,其荧光强度在322 nm和348 nm处,随添加玉米油和棕榈油量的不同,同步荧光光谱发生一定规律性改变。     

核桃油中掺大豆油的同步荧光光谱快速鉴别

展示了同步荧光光谱法在核桃油掺大豆油鉴别以及同步荧光法结合多元分析对掺假核桃油进行评价方面的应用潜力.获得同步荧光光谱的激发波长范围为250~700nm,波长间隔范围为10~100nm.核桃油和大豆油的等值同步荧光光谱相比较,发现在激发波长低于275nm范围内,核桃油具有特殊的荧光谱图.研究过程使用了51个以不同比例大豆油掺假的核桃油混合样品,采用偏最小二乘法分别对波长间隔为20、40、80nm的同步荧光谱图数据进行回归,实现对核桃油掺假情况的定量分析.本研究可以在2.5min内实现对核桃油掺大豆油比例在0.6%以上的样品进行快速检测     

基于SVM和GA-SVM的NIR光谱柑橘产地鉴别模型研究

为了建立更准确、高效的柑橘产地鉴别模型,提出了基于支持向量机(Support Vector Machine,SVM)的遗传算法(Genetic Algorithm,GA)SVM(GA-SVM)。该算法结合基因优化选择,对SVM算法进行了改进,实验结果显示,采用GA-SVM对16个地区柑橘样本开展NIR的产地鉴别,能得到比SVM更高的识别率。     

芝麻油掺伪检测方法研究进展

论述了显色法、紫外分光光度法、色谱法等的原理及其在芝麻油掺伪检验中的应用,对比分析了这些检测方法的优缺点,指出应用简便、灵敏、快速、准确的芝麻油掺伪现场检测方法的重要性和必要性.     

近红外光谱分析技术在油品质量分析中的应用

分析了近红外光谱在油品质量分析中应用的工作原理，介绍了常用的几种近红外光谱定量、定性分析方法．定量分析方法主要有多元线性回归(MLR)、主成分回归(PCR)、偏最小二乘法(PLS)与人工神经网络法(ANN)等；定性分析方法包括峰位鉴别法、模式识别法等，并对这几种方法进行了比较．进一步介绍了近红外光谱技术在柴油、汽油等油品质量分析中的应用成果．结果表明，近红外光谱分析技术是分析油品质量的一种有效而便利的方法，具有相当的工业应用价值．     

温度测量型近红外光谱分析仪的研究

本文对现有近红外光谱分析仪的样品仓进行改进,在采集样品的吸光度同时,测量样品仓的温度,作为样品温度.并以40个小麦粉末样品为实验材料,在样品温度为4.7℃～22.2℃范围,使用不同温度下样品的200组光谱数据,建立了测定小麦蛋白质含量的温度修正模型和温度不敏感模型.分析结果表明:温度修正模型的交叉校验预测标准差(SEP)为0.335,而温度不敏感模型的SEP=0.377.因此测量样品光谱的同时测量样品温度,结合温度修正模型可以有效地提高近红外光谱定量分析精度.     

基于近红外光谱技术的辛伐他汀片剂生产过程多参数的质量监控

利用近红外光谱（NIR）技术,并结合化学计量学方法,建立了辛伐他汀片剂制备过程水分含量、制片压力、片剂硬度、主药含量四参数的近红外定量分析模型。采用偏最小二乘法（PLS）建立校正模型,以相关系数（R）、校正均方差（RMSEC）、预测均方差（RMSEP）和内部交叉验证均方差（RMSECV）为模型性能评价参数。其中水分含量校正模型的RMSEC为0.682,R为0.99030,内部预测集的RMSEP为0.672,R为0.9906,模型的RMSECV为0.99050;制片压力校正模型的RMSEC为0.181,R为0.98540,内部预测集的RMSEP为0.165,R为0.9763,模型的RMSECV为0.46900;片剂硬度校正模型的RMSEC为0.158,R为0.99130,内部预测集的RMSEP为0.176,R为0.9894,模型的RMSECV为0.34000;主药含量校正模型的RMSEC为0.322,R为0.98878,内部预测集的RMSEP为0.473,R为0.9802,模型的RMSECV为0.55100。结果表明,所建模型具有良好的预测能力,能有效地应用于辛伐他汀固体制剂生产过程中上述各参数的监控。所建方法,对药物固体制剂生产过程的质量监测与控制具有指导意义。     

近红外光谱法快速定量分析那格列奈

采用近红外漫反射光谱分析技术和化学计量学的方法对那格列奈进行快速无损的定量分析.采集41份不同浓度系列的那格列奈样品测量近红外漫反射光谱,用多元散射校正结合一阶导数的光谱预处理方法,结合偏最小二乘法(PLS)建立那格列奈的定量分析模型.结果表明:交叉验证均方根误差(RMSECV)为0.448 5,决定系数R2为0.999 8;预测均方根误差(RMSEP)为0.196 0.方法精密度RSD为1.1%(n=6),加标回收率为95.55%.结果表明,用近红外光谱分析技术对那格列奈进行定量分析结果准确可靠,方法简便快速,可推广用于此类样品的工业在线分析.     

利用近红外光谱进行羊绒与羊毛的鉴别技术研究

利用近红外光谱技术,以不同产地的羊绒、羊毛纤维为研究对象,结合主成分分析法和多元线性回归方法分别建立了羊绒、羊毛定性分析模型和羊绒-羊毛混纺纤维的定量分析模型.对模型的验证结果表明:定性分析模型能够准确地鉴别出羊绒与羊毛纤维;定量分析模型的相关系数和预测标准偏差分别达到了0.998 1和1.206 1,能够对羊绒-羊毛混纺纤维的含量进行准确的预测;近红外光谱技术用于羊绒、羊毛定性及定量分析具有可行性.     

响应面优化超临界CO_2萃取花生油工艺研究

为了获得CO2流体萃取花生油的较佳工艺条件,通过单因素实验及响应面优化试验研究了萃取压力、萃取温度、CO2流量、萃取时间和花生仁粒度等因素对花生油萃取率的影响,确定了超临界CO2萃取花生油的较佳工艺参数为,萃取压力24 MPa,萃取温度43℃,花生仁粒度20目,CO2流量20 L/h,萃取时间110 min,在该工艺条件下花生油萃取率达到96.16%.对SFE-CO2流体萃取的花生油脂肪酸成分进行分析,结果显示,SFE-CO2流体萃取的花生油不饱和脂肪酸（主要是亚油酸和油酸）含量高达78%以上,符合一级花生油的标准（GB 1534—2003）.