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。     

基于特征脂肪酸变化对花生油掺伪快速鉴别方法研究

该实验采用近红外光谱与气相色谱相结合,通过对特征脂肪酸的含量变化,开展快速鉴别花生油掺伪的研究。以花生油中掺入不同比例菜籽油、棉籽油及大豆油作为掺伪样品,气相色谱法测得掺伪油样棕榈酸、硬脂酸、油酸、亚油酸和花生酸5种特征脂肪酸含量,使用近红外光谱测定其R—H基团在1 170、1 205、1 395、1 415 nm特征峰波长的变化,利用Unscrambler 10.4软件通过偏最小二乘判别法对脂肪酸含量与近红外光谱图峰位相拟合,建立一元回归线性方程。结果表明,掺伪花生油5种特征脂肪酸均有响应,棕榈酸对应的近红外光谱模型较好,校正集相关系数为0.997,校正均方根误差为0.014、交叉验证均方根误差为0.018。通过多种花生油进行验证,预测模型准确,对快速无损检测花生油具有重要意义。     

近红外光谱结合区间偏最小二乘法应用于花生油酸价的测定

采用近红外光谱法结合不同区间偏最小二乘波长筛选法建立花生油酸价的定量分析模型。采用酸碱滴定法测定花生油样本的酸价同时采集近红外光谱数据;采用区间偏最小二乘法(iPLS)、向后区间偏最小二乘法(BiPLS)、移动窗口偏最小二乘法(mwPLS)优选光谱特征区间;采用偏最小二乘法(PLS)对优选出来的谱段建立酸价的定量模型。结果表明,采用mwPLS选择的谱段建立的模型预测效果最佳,RMSECV和RMSEP分别为0.247 76和0.131 5,校正相关系数和预测相关系数分别为0.993 2和0.996 9。因此,近红外光谱结合移动窗口偏最小二乘法可以快速准确测定花生油的酸价。     

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。     

近红外光谱技术在牛油生产过程中的应用

目的利用便携式近红外(near infrared,NIR)光谱仪无损快速鉴别不同种类、不同部位的牛油原料及判别牛油熬制加工过程脱水程度。方法利用NIR对不同种类、不同部位以及熬制过程不同时相点的牛油进行反射光谱采集,通过光谱预处理、偏最小二乘法(partial least squares method,PLS)和支持向量机(support vector machine,SVM)探究鉴别牛油的不同种类和不同部位的预测模型和快速判别牛油熬制脱水程度。结果利用PLS分析方法对不同种类、不同部位的牛油原料预测的正确率为75%;利用SVM分析方法对牛油加工熬制过程中水分含量的预测正确率为78.6%。结论使用便携式近红外光谱仪对不同种类、不同部位的牛油原料和牛油熬制加工过程中水分含量的无损检测方式在工业上作为大通量检测相关质控环节指标具有可行性。     

基于支持向量机的食醋总酸近红外光谱建模

为了得到稳定可靠的食醋总酸光谱模型,以不同产地、不同种类的95个食醋样品为研究对象,应用基于统计学原理的最小二乘支持向量机(LS-SVM)对食醋总酸含量进行光谱分析.对预处理后的光谱进行主成分分析(PCA),以主成分信号作为输入变量建立食醋总酸含量的近红外光谱模型,并与偏最小二乘法(PLS)和向后区间偏最小二乘法(biPLS)模型进行比较.结果表明,LS-SVM模型中的校正集中的相关系数(rc)和交互验证均方根误差(RMSECV)分别达到0.9614和0.2192,预测集相关系数(rp)和预测均方根误差(RMSEP)分别达到和0.919和0.3226,均优于PLS和biPLS模型.研究表明,近红外光谱与食醋总酸含量呈非线性关系,采用LS-SVM建立的模型预测性能更好,精度更高.     

基于多源光谱特征融合技术的花生油掺伪检测

以拉曼、近红外2种光谱特征融合结合化学计量学方法对花生油掺伪进行了定量分析。分别用激光拉曼、激光近红外光谱仪采集134个掺伪油样本的光谱数据,采用SPXY算法对样本集进行划分。拉曼光谱(Ram)和近红外光谱(near infrared spectroscopy,NIR)数据进行预处理后,采用后向间隔偏最小二乘法(BiPLS)和联合间隔偏最小二乘法(synergy interval partial least squares,Si PLS)分别提取2种光谱的特征波长;将提取的特征波长融合,结合支持向量机回归(SVR)建立数学模型,采用网格搜索算法(CV)对SVR模型的参数组合(C,g)值寻优,建立最优参数模型。研究表明:建立的Ram-NIR-SVR模型能够实现花生油中掺杂油脂含量的快速准确预测,预测集和校正集的相关系数R分别达到0.98和0.99,均方根误差(MSE)低于2.38E-3;对比不同特征波长提取方法,并与单光谱分析技术比较,可以看出,数据融合技术能够增强模型预测能力,减小模型参数,有利于模型的实际应用,体现了2种光谱很好的互补性。表明光谱分析结合数据融合技术对食用油真实性综合鉴别具有重要意义。     

基于近红外光谱的海藻糖浆组分快速定量检测

研究采用近红外光谱(near infrared spectroscopy,NIRS)快速检测单酶法生产海藻糖浆(海藻糖、麦芽糖及葡萄糖)组成的方法。取65个海藻糖浆作为样本,扫描得到近红外光谱图,分为48个样本校正集,17个样本预测集,计算分析结果表明:一阶微分(first derivative,1D)与S-G平滑(savitzky-golay filter)组合处理为最优预处理方法;运用TQ analyst建模软件中主成分回归(principal component regression,PCR)算法和偏最小二乘法(partial least squares,PLS)算法分别对海藻糖浆建模,发现采用偏最小二乘法(partial least squares,PLS)的海藻糖浆组分模型稳定性和预测能力更好;运用PLS、1D、S-G平滑组合预处理海藻糖浆组分模型,不仅降低光谱的背景噪声,同时还提高模型的稳定性。海藻糖浆各组分模型的交叉验证均方差(RMSEC)、交叉验证决定系数(Rc)、预测均方差(RMSEP)、预测决定系数(RP)依次为:海藻糖模型分别为0.188,0.995,0.089,0.989;麦芽糖模型分别为0.143,0.997,0.131,0.969;葡萄糖模型分别为0.147,0.997,0.094,0.999。NIRS检测快速、无损便捷,可用于检测单酶法生产海藻糖浆的组分。     

近红外光谱技术在花生品质分析中的应用

采用近红外光谱分析技术对不同地区、不同品种的101份花生样品进行图谱分析,研究了花生水分、脂肪和蛋白含量的快速测定方法。结果表明:花生水分湿基含量分布为4.01%~10.93%,脂肪湿基含量为40.84%~62.81%,蛋白质湿基含量为22.47%~29.67%,分布梯度广,具有很好的代表性。建立了定标模型,为花生整粒的快速评价建立便捷的方法。     

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。     

近红外光谱结合化学计量学研究芝麻油的真伪与掺伪

应用傅里叶变换近红外光谱(FTNIR)结合化学计量学分别建立了芝麻油的真伪鉴别与掺伪定量的快速分析方法。真伪鉴别分别采用FTNIR结合主成分分析-簇类软独立模式识别(PCA-SIMCA)和偏最小二乘法-人工神经网络(PLS-ANN),建立了芝麻油、大豆油、花生油、葵花籽油的分类模型。经过验证,两种分类模型的准确识别率均达到了100%。芝麻油中掺伪油的定量分析采用FTNIR结合PLS。通过采集不同比例的芝麻油-大豆油与芝麻油-葵花籽油二元系统的FTNIR谱图,应用PLS分别建立二元系统定量分析模型并通过验证集检验其可靠性,研究结果表明该模型可以准确预测芝麻油中10%~100%的掺假油,其预测值与实际值的相对标准偏差(SEP)分别为1.027(大豆油)和0.9660(葵花籽油)。     

基于近红外透射光谱的食用油氧化定性分析

为建立食用油氧化的快速鉴别方法,以食用油为材料,根据国家标准对酸价和过氧化值的限量规定将不同氧化程度的样品分为未氧化油和已氧化油两类,通过近红外光谱透射技术结合距离判别分析,建立未氧化油和已氧化油的定性判别模型。结果表明：在波数范围为5450～4650cm-1,采用多元散射校正、一阶求导和Norris导数平滑光谱处理,校正集模型识别率为99%,验证集模型识别率为97.8%,模型预测效果良好,利用近红外透射光谱食用油氧化定性分析可行。     

基于近红外光谱技术的花生酸败特性检测研究

酸价、过氧化值是衡量花生贮藏过程中氧化酸败的重要指标,基于近红外光谱分析技术,结合化学计量分析,利用偏最小二乘法建立花生酸价、过氧化值的近红外预测模型,并对平滑、导数、多元散射校正、归一化等多种预处理方法对建模准确性的影响进行比较.结果表明:对原始光谱数据采用一阶微分处理的方法建立的模型其预测效果最佳,酸价模型的主成分维数为10,决定系数为0.955,均方根误差为0.080;过氧化值模型的主成分维数10,决定系数为0.940,均方根误差为0.459.研究表明,近红外光谱分析技术可用于花生酸价、过氧化值的快速无损检测.     

基于近红外光谱定量分析花生牛奶可行性

模拟花生牛奶生产工艺制备不同含量的花生牛奶,使用近红外光谱仪扫描建立定量分析模型,探索近红外光谱应用于花生奶定量分析的可行性。结果表明,花生牛奶使用PLS建模方法可以有效地对光散射、花生与奶粉之间的干扰做出补偿,适合用于花生牛奶复杂成分体系的分析;花生定量分析模型校正均方差(root-mean-square error of calibration,RMSEC)、预测均方差(root-mean-square error of predication,RMSEP)、相关系数R分别为0.573%、3.73%、0.999 7;奶粉定量分析模型RMSEC、RMSEP、R分别为0.066、0.183 g/L、0.955 7。近红外光谱可以应用于花生牛奶的定量分析,可以为花生牛奶提供产品质量控制和快速定量检测,为植物蛋白饮料提供一种新的检测思路。模型优化改进有待进一步研究。     

Glucose Adulteration in Saudi Honey with Visible and Near Infrared Spectroscopy

This article reports on the implementation of visible and near infrared spectroscopy for the detection of glucose concentration in a mixture of Saudi and imported honey samples adulterated by glucose syrup of five concentrations: 0, 5, 12, 19, and 33 g/100 g. Honey samples were scanned in trans-reflectance mode with an AgroSpec mobile, fibre type, visible and near infrared spectrophotometer (tec5 Technology for Spectroscopy, Germany), with a measurement range of 305–2200 nm. The entire data set of 345 spectra was randomly divided into calibration (70%) and prediction (30%) sets. The first group was subjected to a partial least squares regression analysis with a leave-one-out cross-validation to establish a calibration model for the prediction of glucose concentration, whereas the second group was used to validate the partial least squares model. For the cross-validation, the values for root mean square error of prediction, coefficient of determination, and ratio of prediction deviation, which is the standard deviation divided by root mean square error of prediction were 4.52 g/100 g, 0.85, and 2.53, respectively. A slightly lower range of accuracy was obtained in the prediction set, with root mean square error of prediction, coefficient of determination, and ratio of prediction deviation values of 5.56 g/100 g, 0.78 and 2.06, respectively. The results achieved suggest that the visible and near infrared spectroscopy is a powerful technique for the quantification of glucose adulteration in Saudi honey.     

近红外光谱的煎炸油羰基值检测及监控研究

为实现煎炸油煎炸过程中羰基值的快速检测和实时监控,采集不同混合比例、不同氧化程度的混合油及不同煎炸时间的煎炸油共108个样品的近红外光谱,分别采用一阶求导、二阶求导、Norris平滑、标准正交变换(SNV)及多元散射校正(MSC)对光谱进行预处理,偏最小二乘法(PLS)建立模型,对模型进行验证及利用模型对煎炸油煎炸过程中的羰基值进行监控。结果表明:在9 739~6 274 cm-1波数范围内采用SNV和二阶求导进行光谱预处理后PLS建模,其模型校正集和验证集的相关系数分别为0.984 4和0.979 0,模型可用;利用模型与传统方法同时测定煎炸油煎炸过程的羰基值,2种方法测定结果线性相关性良好(R2=0.995 2),模型可用于煎炸过程中羰基值的监控分析。     

基于近红外光谱的煎炸油极性组分定量分析模型构建

为了建立煎炸油中极性组分的快速检测方法,通过热处理和模拟煎炸方式,采集氧化程度不同的油样并用 国标法分析样品极性组分,采集样品近红外透射光谱,经光谱预处理,利用偏最小二乘法建立煎炸油极性组分定量 分析模型并对模型进行验证。结果表明：在波长范围为4 963～4 616、5 2 22～5 037 cm－1和5 688～5 499 cm－1,采 用一阶求导和Savitzky-Golay（7,5）平滑光谱处理,校正集相关系数为0.996 5,校正均方根差为1.84%,验证集R为 0.993 6,验证均方根差为1.92%,模型预测效果良好,利用近红外透射光谱测定煎炸油极性组分可行。