基于近红外光谱技术的芝麻油品质检测方法技术

本发明专利技术公布了一种芝麻油品质的检测方法，对待测芝麻油样品进行近红外光谱检测，得到待测芝麻油样品的近红外光谱；将得到的近红外光谱进行预处理，得到待测芝麻油样品的预处理数谱图；利用得到的待测芝麻油样品的预处理数谱图采用偏最小二乘法方法建立定量模型，得到芝麻油样品中各组分的含量，实现准确地定量预测芝麻油的酸值和过氧化值；再通过采用预设的定性模型掺伪样本检测，准确区分纯正芝麻油和掺伪芝麻油，正确率为90％以上，提高结果预测性，适用于定性分析芝麻油掺伪。

【技术实现步骤摘要】
基于近红外光谱技术的芝麻油品质检测方法
本专利技术涉及分析化学
，尤其涉及一种基于近红外光谱技术的芝麻油品质检测方法。
技术介绍
十九世纪初赫歇尔在太阳光谱的能量测定中，发现了近红外光谱(NearInfraredSpectroscopy，NIR)，这是可见光和红外光从770到2500纳米的波长范围之间的电磁辐射形式，频率范围是13000到4000cm-1。NIR的第一次应用是在20世纪初。直到20世纪60年代，诺里斯博士用NIR提出定量分析技术的多波长线性回归的方法，因此，NIR进入全新的发展时期。但是到了60年代中后期，随着IR技术的活跃，人们忽视了NIR技术的发展。一直到了1980年，NIR与化学计量学方法相结合，运用红外光谱积攒起来的丰富经验，NIR迅速地得到了应用推广。经过半个多世纪的研究和演变，芝麻油品质分析技术日趋多样化、便捷化、低成本化和快速化。目前研究中的检测技术多达几十种，检测原理遍及各个学科。依据我国的芝麻种植和销售状态，我国芝麻油品质的检测体系主要分为市场和实验室两步检测。不同食用油品质的检测方法适用于不同的步骤。显色法和光谱技术等适用于市场的检测，而条件较好的实验室则常用色谱法、质谱法、核磁共振、电子鼻技术等。近红外光谱分析方法具有快速、高效、无污染、无需前处理、无损分析、在线检测及多组分同时测定等优点，可以用于食用油的品质快速检测与鉴别中。近红外技术是世纪年代后发展起来的一种新的快速定性定量分析技术，近红外光谱包含有丰富的物质信息，其谱图与物质本身的组成及含量密切相关，通过对光谱特征的分析，可以获得有关物质结构与组成的信息。基于近红外光谱检测技术，可结合不同的化学计量学方法建立的模型对芝麻油品质进行预测。目前，针对芝麻油品质检测，尚缺乏较好的检测模型。
技术实现思路
为了克服上述现有技术的不足，本专利技术提供一种芝麻油品质的检测方法，对待测样品进行近红外光谱检测，再建立定量模型和定性模型，可准确地定量预测食用油的酸值和过氧化值；并且可以准确的区分纯正芝麻油和掺伪芝麻油样本，适用于定性分析芝麻油掺伪。本专利技术提供的技术方案是：一种芝麻油品质的近红外光谱检测方法，对待测芝麻油样品进行近红外光谱检测，得到待测芝麻油样品的近红外光谱；将得到的近红外光谱进行预处理，得到待测芝麻油样品的预处理数谱图；利用得到的待测芝麻油样品的预处理数谱图建立定量模型，得到芝麻油样品中各组分的含量，实现定量预测芝麻油的酸值和过氧化值；再通过采用预设的定性模型掺伪样本检测，准确区分纯正芝麻油和掺伪芝麻油，提高结果预测性；具体包括以下步骤：a)对待测芝麻油样品进行近红外光谱扫描检测，得到待测芝麻油样品的近红外光谱；b)将步骤a)得到的近红外光谱分别进行光谱预处理，得到待测样品的预处理数谱图；c)预设定量模型真值，预设的定量真值包括芝麻油样本的酸值和过氧化值，采用偏最小二乘法方法建立定量模型，得到样品中各组分的含量；所述建立定量模型包括如下步骤：第一步，按照式1与式2分解光谱矩阵X和浓度矩阵Y：X＝TP+E(式1)Y＝UQ+F(式2)其中，T和U分别为X和Y的得分矩阵；P和Q分别为X和Y的载荷矩阵；E和F分别为X和Y的PLS的拟合残差矩阵；第二步，按照式3和式4进行T和U矩阵的线性回归:U＝TB(式3)B＝(TTT)-1TTY(式4)在对预测样本作定量分析时，根据式1中矩阵P求出待测样本的光谱矩阵Y未知的得分矩阵T未知，从而根据公式5得到组分浓度的预测值:Y未知＝T未知BQ(式5)由此实现定量预测芝麻油的酸值和过氧化值；d)通过采用预设的定性模型掺伪样本检测来区分纯正芝麻油和掺伪芝麻油；具体包括以下步骤：d1)将芝麻油中分别掺入大豆油和菜籽油的样品作为待测样品，对待测样品进行近红外光谱的检测，得到待测样品的近红外光谱，进一步得到待测样品的数谱图；d2)将步骤d1)得到的待测样品的数谱图转为光谱数据表；再通过极限学习机算法分别针对芝麻油掺入大豆油和芝麻油掺入菜籽油建立定性模型；d3)采用芝麻油掺入大豆油定性模型或芝麻油掺入菜籽油定性模型，对待区分的样品进行区分检测，得到区分结果为是纯正芝麻油或者是掺伪芝麻油。针对上述检测方法，进一步地，通过极限学习机算法，针对掺伪芝麻油建立定性模型区分芝麻油样品是纯正还是掺伪的过程具体是：将90个芝麻油掺伪样本和40个纯芝麻油样本的近红外光谱图转为光谱数据表，形成130个实验样本的数据表；设定隐层节点个数为45个；激活函数选择S函数时定性结果最佳；随机分配90个样本作为训练集样本，40个样本作为测试集样本；输出样本为130实验样本的数据表；设置类别1表示纯正芝麻油的类别，类别2表示芝麻油中掺伪的类别；再通过极限学习机算法输出结果。针对上述检测方法，进一步地，将所述待测样品的数谱图转为光谱数据表，具体将得到的光谱图的格式转换为.CLV格式，通过数据格式的转换将待测样品的数谱图转为光谱数据表。针对上述检测方法，进一步地，所述极限学习机算法包括如下过程：给定N个不同的样本(xj，tj)∈Rn×Rm，g(x)代表激活函数，表示隐层节点数量，表示单隐层前馈神经网络的数学模型表达式为式6：式中，ωi、bi表示随机生成的隐层各节点的参数，βi是连接隐层第i个节点的权重值，j＝1,2，…，N；当网络的实际输出跟期望输出相等时表示为式7，简写成式8：Hβ＝T(式8)其中，隐层输出矩阵矩阵的行表示此行对应的训练样本对隐层全部节点的输出，列表示全部训练样本与对应此列的隐层节点的输出；采用所述极限学习机算法建立芝麻油掺伪定性模型，再对待区分的样品进行区分检测，得到区分结果为是纯正芝麻油或者是掺伪芝麻油。针对上述检测方法，进一步地，步骤b)采用一阶导数+减去一条直线的方法和消除常数偏移量方法对光谱进行预处理。针对上述检测方法，进一步地，步骤a)近红外光谱扫描为点扫描；近红外参数为：光阑为6mm；估计分辨率为8cm-1；样品扫描次数为32次；背景扫描次数为32次；光谱采集范围为12000cm-1-4000cm-1；光栅为400lines/mm；扫描速度为10kHz。针对上述检测方法，进一步地，优选的，所述步骤a)之后、步骤b)之前还包括对步骤a)光谱范围的选择，光谱选择范围分别为6051.8～4597.7cm-1；9403.7～5446.3cm-1。针对上述检测方法，进一步地，优选的，在所述步骤d1)之后、步骤d2)之前，对近红外光谱检测得到的谱图进行特征峰提取。所述特征峰提取的方法包括基线校正、平滑处理和选取特定波段标峰处理方法中的一种或几种。所述特征峰提取选取的波段为6000～4000cm-1。针对芝麻油检测选取上述光谱范围和特征峰，由于芝麻油在此波段范围，含有的化学信息丰富。再通过剔除无用信息，可提高模型的预测能力。与现有技术相比，本专利技术的有益效果是：本专利技术提供了一种芝麻油品质的检测方法，对待测样品进行近红外光谱检测，得到待测样品的近红外光谱；将得到的近红外光谱进行预处理，得到待测样品的预处理光谱图；分别将得到的待测样品的预处理数谱图结合预设的定量模型真值，并采用偏最小二乘法方法建立定量模型，得到样品中各组分的含量；对实验室配置好的芝麻油中掺入大豆油和菜籽油的样品进行近红外光谱的检测，得到待测样本文档来自技高网...

【技术保护点】
一种芝麻油品质的检测方法，对待测芝麻油样品进行近红外光谱检测，得到待测芝麻油样品的近红外光谱；将得到的近红外光谱进行预处理，得到待测芝麻油样品的预处理数谱图；利用得到的待测芝麻油样品的预处理数谱图建立定量模型，得到芝麻油样品中各组分的含量，实现定量预测芝麻油的酸值和过氧化值；再通过采用预设的定性模型掺伪样本检测，准确区分纯正芝麻油和掺伪芝麻油，提高结果预测性；具体包括以下步骤：a)对待测芝麻油样品进行近红外光谱扫描检测，得到待测芝麻油样品的近红外光谱；b)将步骤a)得到的近红外光谱分别进行光谱预处理，得到待测样品的预处理数谱图；c)预设定量模型真值，预设的定量真值包括芝麻油样本的酸值和过氧化值，采用偏最小二乘法方法建立定量模型，得到样品中各组分的含量；所述建立定量模型包括如下步骤：第一步，按照式1与式2分解光谱矩阵X和浓度矩阵Y：X＝TP+E   (式1)Y＝UQ+F   (式2)其中，T和U分别为X和Y的得分矩阵；P和Q分别为X和Y的载荷矩阵；E和F分别为X和Y的PLS的拟合残差矩阵；第二步，按照式3和式4进行T和U矩阵的线性回归:U＝TB   (式3)B＝(T

【技术特征摘要】
2016.11.02 CN 20161095218021.一种芝麻油品质的检测方法，对待测芝麻油样品进行近红外光谱检测，得到待测芝麻油样品的近红外光谱；将得到的近红外光谱进行预处理，得到待测芝麻油样品的预处理数谱图；利用得到的待测芝麻油样品的预处理数谱图建立定量模型，得到芝麻油样品中各组分的含量，实现定量预测芝麻油的酸值和过氧化值；再通过采用预设的定性模型掺伪样本检测，准确区分纯正芝麻油和掺伪芝麻油，提高结果预测性；具体包括以下步骤：a)对待测芝麻油样品进行近红外光谱扫描检测，得到待测芝麻油样品的近红外光谱；b)将步骤a)得到的近红外光谱分别进行光谱预处理，得到待测样品的预处理数谱图；c)预设定量模型真值，预设的定量真值包括芝麻油样本的酸值和过氧化值，采用偏最小二乘法方法建立定量模型，得到样品中各组分的含量；所述建立定量模型包括如下步骤：第一步，按照式1与式2分解光谱矩阵X和浓度矩阵Y：X＝TP+E(式1)Y＝UQ+F(式2)其中，T和U分别为X和Y的得分矩阵；P和Q分别为X和Y的载荷矩阵；E和F分别为X和Y的PLS的拟合残差矩阵；第二步，按照式3和式4进行T和U矩阵的线性回归:U＝TB(式3)B＝(TTT)-1TTY(式4)在对预测样本作定量分析时，根据式1中矩阵P求出待测样本的光谱矩阵Y未知的得分矩阵T未知，从而根据公式5得到组分浓度的预测值:Y未知＝T未知BQ(式5)由此实现定量预测芝麻油的酸值和过氧化值；d)通过采用预设的定性模型掺伪样本检测来区分纯正芝麻油和掺伪芝麻油；具体包括以下步骤：d1)将芝麻油中分别掺入大豆油和菜籽油的样品作为待测样品，对待测样品进行近红外光谱的检测，得到待测样品的近红外光谱，进一步得到待测样品的数谱图；d2)将步骤d1)得到的待测样品的数谱图转为光谱数据表；再通过极限学习机算法分别针对芝麻油掺入大豆油和芝麻油掺入菜籽油建立定性模型；d3)采用芝麻油掺入大豆油定性模型或芝麻油掺入菜籽油定性模型，对待区分的样品进行区分检测，得到区分结果为是纯正芝麻油或者是掺伪芝麻油。2.如权利要求1所述检测方法，其特征是，通过极限学习机算法，针对掺伪芝麻油建立定性模型区分芝麻油样品是纯正还是掺伪的过程具体是：将90个芝麻油掺伪样本和40个纯芝麻油样本的近红外光谱图转为光谱...

【专利技术属性】
技术研发人员：刘翠玲，张亦婷，赵薇，
申请(专利权)人：北京工商大学，
类型：发明
国别省市：北京,11