食用植物油品种的快速无损鉴别方法技术

本发明专利技术公开了食用植物油品种的快速无损鉴别方法，属于食品科学与技术领域。本发明专利技术方法是先利用近红外光谱仪不同种类的多个食用植物油的近红外光谱，对光谱进行预处理后，测量其在波长范围1000‑2500nm下的吸光度，然后采用簇类独立软模式识别法建立SIMCA分类识别模型或者采用偏最小二乘判别分析方法建立PLS‑DA模型；当检测未知食用植物油样品时，先得到待测样品的近红外光谱，再将其在波长范围1000‑2500nm下的吸光度代入到建立的SIMCA分类识别模型或者PLS‑DA模型中，即能得到待测样品的种类信息。本发明专利技术建立的PLS‑DA模型对七种植物油的预测正确率均为100％。模型效果良好，能用于多种食用植物油的品种鉴别分析。

Rapid nondestructive identification method of edible vegetable oil varieties

The invention discloses a fast nondestructive identification method for edible vegetable oil varieties, belonging to the field of food science and technology. The method of the invention is a plurality of edible vegetable oil by near infrared spectroscopy using near infrared spectroscopy of different types, the spectra were pretreated, measured in the wavelength range of 1000 under 2500nm absorbance, and then established the SIMCA classification model or using partial least squares discriminant analysis method PLS DA model was established by cluster independent soft pattern recognition method; when detecting unknown samples of edible vegetable oil, first by near infrared spectroscopy of the sample, and then in the wavelength range of 1000 2500nm absorbance into the establishment of the SIMCA classification model or PLS DA model, which can get the sample type information. The correct rate of PLS DA model established by the method of prediction of seven kinds of vegetable oils were 100%. The model has good effect and can be used for variety identification of edible vegetable oil.

【技术实现步骤摘要】
食用植物油品种的快速无损鉴别方法
本专利技术涉及食用植物油品种的快速无损鉴别方法，属于食品科学与

技术介绍
食用植物油与人们生活密切相关，既是人体的重要能源和营养源，也是食品生产加工中重要的原料。随着人们健康生活意识的增强，食用植物油已经取代动物性油脂成为人们日常生活中最重要的食用油。不同种类的植物油营养价值不同，售价差异悬殊，导致出现以假乱真、以次充好等现象，使得植物油产品质量与食用安全情况堪忧。目前，色谱或色谱质谱联用法是植物油品质检测的主要方法，虽然鉴别准确度高，但是它需要样品前处理和大量的化学试剂，而且无法做到快速测试和在线分析。因此，对不同种类的食用植物油进行快速无损的品种鉴别显得尤为重要。近红外光谱分析技术是结合了光谱测量技术、基础测试技术、化学计量学方法与计算机技术的一种间接分析技术，由于具备无需样品预处理、非破坏性检测、绿色环保、简单快速、可以实现多组分指标的同时检测及远程在线分析等优势，近年来越来越广泛地应用于石油、农业、医药、食品、烟草、纺织等行业。也有报道利用近红外技术对植物油进行定性定量分析，但是目前报道的方法一般检测的食用植物油种类只有3-4种，而且针对不同的分析对象，建立的模型效果差别也比较大。目前，尚没有能够实现菜籽油、茶籽油、大豆油、橄榄油、花生油、小麦胚芽油、玉米油这七种食用植物油的快速无损检测方法。
技术实现思路
为了解决上述问题，本专利技术提供了一种快速、无损的食用植物油的品种鉴别方法。本专利技术的食用植物油品种鉴别方法，是先利用近红外光谱仪不同种类的多个食用植物油的近红外光谱，对光谱进行预处理后，测量其在波长范围1000-2500nm下的吸光度，然后采用簇类独立软模式识别法建立SIMCA分类识别模型或者采用偏最小二乘判别分析方法建立PLS-DA模型；当检测未知食用植物油样品时，先得到待测样品的近红外光谱，再将其在波长范围1000-2500nm下的吸光度代入到建立的SIMCA分类识别模型或者PLS-DA模型中，即能得到待测样品的种类信息。在一种实施方式中，所述植物油为菜籽油、茶籽油、大豆油、橄榄油、花生油、小麦胚芽油、玉米油。在一种实施方式中，所述方法是选择波段为1130-2200nm下的吸光度建立SIMCA分类识别模型。在一种实施方式中，所述近红外光谱仪先预热30min，再开始采集光谱。在一种实施方式中，所述对光谱进行预处理的方式为：基线校正和Savitzky-Goaly多项式9点平滑处理。在一种实施方式中，所述方法包括以下步骤：1)收集七种不同种类的纯食用植物油样品，采用傅里叶变换近红外光谱仪采样平台采集样品的近红外光谱，测量模式为吸光度，波长范围1000-2500nm；2)运用theunscramblerX10.3软件，对样品光谱分别进行PCA主成分分析和优选PLS-DA因子数；3)在最佳PCA结果下建立SIMCA分类识别模型或者在最佳因子数下建立PLS-DA模型；4)利用SIMCA模型或者PLS-DA模型预测未知样品的类别。在一种实施方式中，所述最佳因子数为12。在一种实施方式中，所述的偏最小二乘判别分析方法中因子数的确定方法为不同因子数下可释方差的变化，当可释方差达到一个最大值时对应的因子数为最佳因子数。本专利技术的优点和效果：按照本专利技术的技术方案，该方法建立的SIMCA分类识别模型对七种植物油的识别率均能达到100％，拒绝率除茶籽油为83.3％外，其余六种植物油拒绝率均为100％。PLS-DA模型对七种植物油的预测正确率均为100％。模型效果良好，能用于多种食用植物油的品种鉴别分析。附图说明图1为七种食用植物油的近红外光谱图；图2为校正集样品PCA主成分得分图；图3为PLS-DA模型中虚拟变量的可释方差随因子数变化图。具体实施方案下面是对本专利技术进行具体描述。实施例11)收集七种纯植物油(菜籽油、茶籽油、大豆油、橄榄油、花生油、小麦胚芽油、玉米油)样品共70个，用便携式近红外光谱采样平台对70个样品进行近红外光谱采集，测量模式为吸光度，波长范围1000-2500nm。得到的近红外光谱图如图1所示。将采集的样品谱图随机分为49个校正集，21个验证集。2)基于PCA的SIMCA模型建立优选光谱区域(1130-2200nm)经过(基线校正+Savitzky-Goaly多项式9点平滑，先将原光谱进行基线校正，之后继续进行Savitzky-Goaly多项式9点平滑，即基线校正和Savitzky-Goaly多项式9点平滑同时使用)处理后，进行PCA主成分分析，得到主成分三维得分图如图2所示，可以看到七类油样各自聚堆，相互区分，说明通过光谱处理对模型的识别效果起到优化作用。3)SIMCA模型对验证集样品的预测运用所建立的SIMCA模型对验证集样品进行预测，同时检验该模型的分类识别效果。通过计算得到模型对验证集样品的识别效果列于表1。表1数据显示，在5％显著性水平下，模型对七种纯植物油识别效果良好。对于其中六种纯油(菜籽油、大豆油、橄榄油、花生油、小麦胚芽油、玉米油)的识别率和拒绝率均为100％，对于茶籽油的识别率为100％，拒绝率为83.3％，均在80％以上，说明建立的SIMCA模型对于七种纯食用植物油具有良好的品种鉴别效果。表1验证集样品的识别率和拒绝率4)PLS-DA模型的建立首先将49个校正集样品原始光谱进行PLS-DA法建模，最佳因子数为12，建立PLS-DA模型。虚拟变量的可释方差随因子数变化图见图3。在最佳因子数12下建立PLS-DA模型。5)PLS-DA模型对验证集样品的预测利用建立的PLS-DA模型对21个验证集样品进行品种预测，该模型对七种纯植物油的预测正确率均为100％。对照例1：不同近红外光谱预处理对模型有效性的影响在1000-2500nm全光谱范围内，采用不同预处理方法进行光谱预处理后建立SIMCA模型分析。其他方法或者步骤与实施例1一致。结果如表2所示。表2不同近红外光谱预处理对SIMCA模型有效性的影响对照例2：选择不同波段数据对模型有效性的影响发现全光谱范围内不同预处理方法下，各模型效果都一般，达不到应用要求。专利技术人分析了不同波段范围内进行基线校正+S-G9点平滑。对模型的影响。表3了列出各光谱范围的基线校正+S-G9点平滑处理后SIMCA模型的识别率和拒绝率。表3不同光谱范围下SIMCA模型的识别率和拒绝率虽然本专利技术已以较佳实施例公开如上，但其并非用以限定本专利技术，任何熟悉此技术的人，在不脱离本专利技术的精神和范围内，都可做各种的改动与修饰，因此本专利技术的保护范围应该以权利要求书所界定的为准。本文档来自技高网...

【技术保护点】
一种鉴别食用植物油品种的方法，其特征在于，所述方法是先利用近红外光谱仪不同种类的多个食用植物油的近红外光谱，对光谱进行预处理后，测量其在波长范围1000‑2500nm下的吸光度，然后采用簇类独立软模式识别法建立SIMCA分类识别模型或者采用偏最小二乘判别分析方法建立PLS‑DA模型；当检测未知食用植物油样品时，先得到待测样品的近红外光谱，再将其在波长范围1000‑2500nm下的吸光度代入到建立的SIMCA分类识别模型或者PLS‑DA模型中，即能得到待测样品的品种信息。

【技术特征摘要】
1.一种鉴别食用植物油品种的方法，其特征在于，所述方法是先利用近红外光谱仪不同种类的多个食用植物油的近红外光谱，对光谱进行预处理后，测量其在波长范围1000-2500nm下的吸光度，然后采用簇类独立软模式识别法建立SIMCA分类识别模型或者采用偏最小二乘判别分析方法建立PLS-DA模型；当检测未知食用植物油样品时，先得到待测样品的近红外光谱，再将其在波长范围1000-2500nm下的吸光度代入到建立的SIMCA分类识别模型或者PLS-DA模型中，即能得到待测样品的品种信息。2.根据权利要求1所述的方法，其特征在于，所述植物油为菜籽油、茶籽油、大豆油、橄榄油、花生油、小麦胚芽油、玉米油。3.根据权利要求1所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：沈晓芳，严丽霞，庞月红，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32