基于激光近红外的稻米油掺伪定性-定量分析

• 作者: 亓培实 何东平 宋志强 尹成 曾路路 涂斌 郑晓
• 来源期刊: 光谱学与光谱分析
• 学科: 化学
• 关键词: 稻米油 近红外光谱技术 定性-定量 特征波长 偏最小二乘法 支持向量机
• 年，卷（期）: 2015,（6）
• 页码范围: 1539-1545
• 页数: 7页
• 分类号: O657.3
• 字数: 6293字
• 语种: 中文
• DOI: 10.3964/j.issn.1000-0593(2015)06-1539-07

摘要

该文主要研究激光近红外光谱分析技术结合化学计量学方法对稻米油掺伪进行定性‐定量分析。分别将大豆油、玉米油、菜籽油、餐饮废弃油掺入稻米油中，按照不同质量比配置189个掺伪油样，利用激光近红外光谱仪采集光谱；对采集的稻米油掺伪图谱数据进行多元散射校正（M SC ）、正交信号校正（OSC ）、标准正态变量变换和去趋势技术联用算法（SNV＿DT ）三种不同预处理并与原始数据进行比较。采用连续投影算法（SPA ）对经过预处理的光谱数据进行特征波长提取，应用支持向量机分类（SVC ）方法建立稻米油掺伪样品的定性分类校正模型，选择网格搜索算法对模型参数组合（C ， g）进行寻优，确定最优参数组合。另采用后向间隔偏最小二乘法（BiPLS）和SPA对预处理后的光谱数据进行特征波长提取，分别应用偏最小二乘法（PLS）和支持向量机回归（SVR）建立掺伪油含量的定量校正模型，并选用网格搜索算法对SVR模型参数组合（C ， g）进行寻优，建立最优参数模型。研究表明，建立的SVC模型预测集和校正集的准确率分别达到了95％和100％；对比SVR和PLS方法建立的数学模型对稻米油中掺杂油脂的含量的预测，两种方法均能够实现含量预测，SVR模型的预测能力更好，相关系数 R高于0.99，均方根误差（MSE）低于5.55×10－4，预测精度高。结果表明，采用激光近红外光谱分析技术可以实现稻米油掺伪的定性‐定量分析，同时为其他油脂的掺伪分析提供了方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何东平	武汉轻工大学食品科学与工程学院	132	385	9.0	12.0
2	涂斌	武汉轻工大学机械工程学院	9	35	3.0	5.0
3	宋志强	武汉轻工大学机械工程学院	10	49	4.0	6.0
4	郑晓	武汉轻工大学机械工程学院	13	47	4.0	6.0
5	曾路路	武汉轻工大学机械工程学院	4	22	3.0	4.0
6	尹成	武汉轻工大学机械工程学院	4	22	3.0	4.0
7	亓培实		4	27	3.0	4.0