基于傅里叶变换中红外光谱识别正常食用植物油和精炼潲水油模型分析

潲水油回流餐桌等食品安全问题越来越受到社会关注，探寻准确、快速、高效的潲水油鉴别新方法成为食用油安全性检测的新要求。用傅里叶变换中红外光谱技术（Fourier transform mid-infrared spectroscopy, FT-MIR）对精炼潲水油（refining hogwash oils, RHOs）和4种不同正常食用植物油（菜籽油、大豆油、花生油和玉米油）进行快速检测，结合偏最小二乘判别法（PLS．DA）建立了RHOs和4种不同正常食用植物油的判别模型。结果表明，在全光谱范围（4000-450cm^-1）内，经二阶求导（Savitzky—Golay，5点）后，RHOs和4种不同正常食用植物油FT—MIR有显著差异。PLS-DA模型对22个未知样品预测发现，判别模型的整体正确判别率均为100％。此结果表明FT-MIR结合化学计量学方法可以作为RHOs和4种不同正常食用植物油（菜籽油、大豆油、花生油和玉米油）区分的一种有效技术手段。

FT-MIR法鉴别植物油和精炼潲水油的影响因素分析

采用傅里叶变换中红外光谱（FT-MIR）和偏最小二乘判别法分析技术,对正常食用植物油（EOs）和精炼潲水油（RHOs）的鉴别分析模型的影响因素进行系统分析研究。通过FT-MIR采集4种EOs（菜籽油、大豆油、花生油和玉米油）和RHOs的光谱数据,研究光谱波段范围、光谱数据预处理方法和主成分数选择等因素对判别分析模型的影响。结果表明,筛选出建模光谱波段为4000～450cm-1,光谱数据预处理方法为二阶求导（Savitzky-Golay,5点）,最适主成分数为7;在优化条件下,所建立的基于FT-MIR的偏最小二乘判别法效果最好。