同步-异步二维中红外相关谱检测掺假芝麻油

将同步-异步二维中红外相关谱和多维偏最小二乘判别法相结合定性分析掺假芝麻油。分别配置40个纯芝麻油和含有玉米油不同体积分数(3%~60%)的掺假芝麻油样品40个。室温下,分别采集所有样品的常规一维中红外光谱(650~4 000cm-1)。在研究纯芝麻油和掺假芝麻油的一维中红外光谱的基础上,以芝麻油中掺假的玉米油浓度为外扰,进行相关计算,得到同步和异步二维中红外相关谱矩阵,并对其进行标准化。分别提取标准化的同步和异步二维中红外相关谱主对角线上部分和下部分元素进行融合,得到同步-异步二维中红外相关谱矩阵。在此基础上,分别基于同步-异步二维中红外相关谱矩阵、同步二维中红外相关谱矩阵和异步二维中红外相关谱矩阵建立了三个定性分析掺假芝麻油的多维偏最小二乘判别模型对预测集未知样品进行预测,其识别正确率分别为100%,96.2%和96.2%。结果表明:相对于同步和异步二维中红外相关谱,同步-异步二维中红外相关谱不仅包含了完整的掺假油特征信息,而且剔除了冗余信息,因此能取得更好的判别结果。

二维近红外-中红外相关谱在掺假芝麻油判别中的应用

提出了基于二维近红外-中红外相关谱判别掺假芝麻油的方法。分别配制了40个纯芝麻油样品和40个掺假芝麻油(掺入的玉米油的体积分数在3%~60%之间)样品,并采集了所有样品的近红外光谱和中红外光谱。在4 540~6 000cm^(-1)对650~1 800cm^(-1)内进行同步二维近红外-中红外相关谱计算,建立了掺假芝麻油的多维偏最小二乘判别模型,并将其预测性能与二维近红外相关谱和二维中红外相关谱判别模型的预测性能进行了比较。结果表明:上述3个模型对预测集未知样品的判别正确率分别为96.3%,92.6%,96.3%。

基于特征脂肪酸的掺伪芝麻油快速鉴别模型建立

脂肪酸是植物油中的主要营养成分,不同种类的食用油中所含的脂肪酸含量也不相同,本研究据此对芝麻油掺入大豆油、花生油、棉籽油的油样应用近红外光谱技术建立测定4种脂肪酸含量的方法。以气相色谱法测定的脂肪酸含量作为化学值,校正集样品数为122,验证集样品数为38,结果表明:掺假芝麻油油样的亚麻酸(C18∶3)、花生酸(C20∶0)、木焦油酸(C24∶0)和肉豆蔻酸(C14∶0)对近红外有特异吸收。分别建立4种脂肪酸含量的模型,通过对模型进行优化,校正集样品的化学值与近红外的预测值的相关系数(R2)分别为R2(C18∶3)=0.989、R2(C20∶0)=0.995、R2(C24∶0)=0.993、R2(C14∶0)=0.996。验证集样品的化学值与近红外的预测值的R2分别为0.984、0.949、0.956、0.988。4种脂肪酸含量的预测平均相对误差依次为6.0%、5.6%、4.4%、4.8%。

近红外光谱法检测芝麻油中掺假大豆油

使用芝麻油和大豆油调和成不同比例的试验样品,在4 000~10 000cm-1的近红外光谱来采集样品,通过The Unscrambler 9.7软件对试验数据进行建模,建模集的Correlation和RMSEC分别为0.998 749和1.410 906,预测集的Correlation和RMSEP分别为0.837 732和20.375 10。为了选出最优波段进而利用MATLAB再次建模,分别采用IPLS和SIPLS对波长进行筛选,得到IPLS建模集的Correlation为0.998 465和RMSEC为1.562 843,预测集的Correlation为0.993 737和RMSEP为3.001 852;得到SIPLS建模集的Correlation为0.999 674和RMSEC为0.760 642,预测集的Correlation为0.998 937和RMSEP为1.076 967。研究结果表明,采用近红外光谱法可以对芝麻油中掺假大豆油做定量检测。

基于光谱技术的芝麻油掺假定性分析研究

为了实现对掺假芝麻油的快速鉴别,对24种不同品牌的纯正芝麻油和掺有芝麻香精的大豆油、菜籽油和玉米油进行鉴别分析。重点利用近红外光谱和中红外光谱技术结合极限学习机算法用于芝麻油掺假的定性鉴别。设定极限学习机算法相关网络参数,比较近红外光谱和中红外光谱的定性模型识别结果,研究光谱检测方法的可行性和分类识别的准确率,为实现基于光谱检测技术的假冒芝麻油快速辨别分析奠定理论和实践检验基础,有效地控制假芝麻油流入市场。