基于拉曼光谱的油茶籽油掺伪检测方法技术

本发明专利技术公开了一种基于拉曼光谱的油茶籽油掺伪检测方法，包括：向油茶籽油样中掺入一定量的菜籽油，得到掺伪油样，并采用拉曼光谱仪采集所述掺伪油样的拉曼光谱图；对所述掺伪油样的拉曼光谱图进行预处理，得到掺伪油样的预处理光谱图；采用后向间隔偏最小二乘法对所述掺伪油样的预处理光谱图进行一次特征变量提取，得到掺伪油样的一次光谱图特征变量；采用稀疏字典学习对所述掺伪油样的一次光谱图特征变量进行二次特征变量提取，得到掺伪油样的光谱图特征变量；根据所述掺伪油样的光谱图特征变量，采用掺伪定量模型预测所述掺伪油样的掺伪量。该基于拉曼光谱的油茶籽油掺伪检测方法，安全快速、检测便捷，鉴别准确率高。

Detection of adulteration of camellia seed oil based on Raman spectroscopy

The invention discloses a method for adulteration of oil tea seed oil based on Raman spectrum, including adding a certain amount of rapeseed oil into the oil sample of Camellia oleifera seed oil, obtaining adulterant oil samples, and collecting the Raman spectra of the adulterated oil samples by Raman spectrometer, and preprocessing the Raman spectrogram of the adulterant oil sample, and getting adulteration. The pretreated spectrum of the oil samples was extracted by the backward interval partial least square method, and a characteristic variable was extracted from the pretreated spectrogram of the adulterated oil sample, and the characteristic variables of the first spectrogram of the adulterated oil sample were obtained. Two characteristic variables were extracted by the sparse dictionary learning to the characteristic variables of the first spectral map of the adulterant oil sample. According to the characteristic variables of the pseudo oil sample, the adulteration quantitative model is used to predict the adulteration of the adulterated oil samples. The detection method based on Raman spectroscopy for adulteration of camellia seed oil is safe, fast, convenient and accurate.

【技术实现步骤摘要】
基于拉曼光谱的油茶籽油掺伪检测方法
本专利技术涉及油脂快速检测
，尤其涉及基于拉曼光谱的油茶籽油掺伪检测方法。
技术介绍
油茶籽油拥有合理的脂肪酸组成，丰富的营养成分和明显的保健功能等优势逐渐被人们所认识。长期食用油茶籽油不仅可以预防心血管疾病，并且还有一定的治疗作用。由于油茶籽油市场价格较高，很多不法商贩在其中掺入价格较低的其他植物油以次充好谋取暴利。目前食用油市场鱼龙混杂现象屡有发生，油茶籽油中掺入成本低廉的菜籽油，甚至是对人体有害的棉籽油、桐油等，严重影响了消费者的健康和利益，为维护消费者利益，保护消费者健康，建立一种可靠的茶籽油掺杂测定方法非常必要。
技术实现思路
针对上述技术中存在的不足之处，本专利技术提供了一种安全快速、检测便捷，鉴别准确率高的基于拉曼光谱的油茶籽油掺伪检测方法。本专利技术解决其技术问题所采用的技术方案是：基于拉曼光谱的油茶籽油掺伪检测方法，包括：步骤一、光谱采集：向油茶籽油样中掺入一定量的菜籽油，得到掺伪油样，并采用拉曼光谱仪采集所述掺伪油样的拉曼光谱图；步骤二、光谱预处理：对所述掺伪油样的拉曼光谱图进行预处理，得到掺伪油样的预处理光谱图；步骤三、一次特征变量提取：采用稀疏字典学习对所述掺伪油样的预处理光谱图进行一次特征变量提取，得到掺伪油样的一次光谱图特征变量；步骤四、二次特征变量提取：采用后向间隔偏最小二乘法对所述掺伪油样的一次光谱图特征变量进行二次特征变量提取，得到掺伪油样的光谱图特征变量；步骤五、掺伪量预测：根据所述掺伪油样的光谱图特征变量，采用掺伪定量模型预测所述掺伪油样的掺伪量。优选的，所述步骤一中菜籽油向油茶籽油样中的掺入质量比范围为0％～100％。优选的，所述步骤一中光谱采集的过程如下：将待采集的掺伪油样置于样品池中，设置拉曼光谱仪的测定范围为780～1780cm-1，第一阶段，将掺伪油样加热至温度为20℃，采集得到第一拉曼光谱图；第二阶段，将掺伪油样加热至温度为40℃，采集得到第二拉曼光谱图；第三阶段，将掺伪油样加热至温度为60℃，采集得到第三拉曼光谱图；最终将所述第一拉曼光谱图、第二拉曼光谱图与第三拉曼光谱图的平均值作为所述掺伪油样的拉曼光谱图。优选的，所述步骤一中光谱采集的第一阶段中：设置拉曼光谱仪的积分时间为10秒，激光功率为220MW，采用光程为5mm的光程插片置于样品池中。优选的，所述步骤一中光谱采集的第二阶段中：设置拉曼光谱仪的积分时间为30秒，激光功率为320MW，采用光程为15mm的光程插片置于样品池中。优选的，所述步骤一中光谱采集的第三阶段中：设置拉曼光谱仪的积分时间为20秒，激光功率为270MW，采用光程为10mm的光程插片置于样品池中。优选的，所述步骤二中光谱预处理的过程如下：对所述掺伪油样的拉曼光谱图依次进行Savitzky-Golay滤波9点平滑消除光谱噪声、并以1445cm-1处的特征峰强度为基准进行归一化处理，得到掺伪油样的预处理光谱图。优选的，所述步骤三中一次特征变量提取的过程如下：采用稀疏字典学习对所述掺伪油样的预处理光谱图进行一次特征变量提取，设置冗余字典参数k＝16×16×3，设置平衡误差参数设置权重参数λ＝30/σ，依次采用正交匹配追踪法和K-奇异值分解方法进行迭代优化，设置迭代次数为2～20次，得到掺伪油样的一次光谱图特征变量。优选的，所述步骤四中二次特征变量提取的过程如下：采用后向间隔偏最小二乘法对所述掺伪油样的一次光谱图特征变量进行二次特征变量提取，以交互验证均方差为标准，选取交互验证均方差值最小时的模型区间为最佳区间，将此时最佳区间中的特征变量作为掺伪油样的光谱图特征变量。优选的，所述步骤五中掺伪定量模型的建立方法如下：在若干份等质量的油茶籽油样中依次按不同质量比掺入菜籽油，得到若干份掺伪油样，采集所述若干份掺伪油样的拉曼光谱图，光谱采集方法如步骤一中所述；对所述若干份掺伪油样的拉曼光谱图进行预处理，得到若干份掺伪油样的预处理光谱图，光谱预处理方法如步骤二中所述；采用稀疏字典学习对所述若干份掺伪油样的预处理光谱图进行一次特征变量提取，得到若干份掺伪油样的一次光谱图特征变量，一次特征变量提取方法如步骤三中所述：采用后向间隔偏最小二乘法对所述若干份掺伪油样的一次光谱图特征变量进行二次特征变量提取，得到若干份掺伪油样的光谱图特征变量，二次特征变量提取方法如步骤四中所述；通过支持向量机回归方法建立掺伪油样的光谱图特征变量与掺伪量之间的掺伪定量模型，采用交互验证算法对所述掺伪定量模型中的惩罚因子C和核函数参数g进行优化，优化时设置惩罚因子C和核函数参数g的范围均为2-20～220，设置交互验证参数V的范围为2～20。本专利技术与现有技术相比，其有益效果是：本专利技术提供的基于拉曼光谱的油茶籽油掺伪检测方法，通过采用分阶段光谱采集，可有效消除温度、光程及拉曼光谱仪自身性能对拉曼光谱图的影响；通过依次采用稀疏字典学习和后向间隔偏最小二乘法进行特征变量提取，可有效压缩拉曼光谱图中的无用变量及干扰信息；通过建立的掺伪定量模型可实现对掺伪油样中的掺伪量进行快速预测。附图说明图1是本专利技术所述基于拉曼光谱的油茶籽油掺伪检测方法的流程图；图2是本专利技术所述若干份掺伪油样的拉曼光谱图。具体实施方式下面结合附图对本专利技术做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。如图1所示，本专利技术提供了基于拉曼光谱的油茶籽油掺伪检测方法，包括如下步骤：步骤一、光谱采集：向油茶籽油样中掺入一定量的菜籽油，菜籽油向油茶籽油样中的掺入质量比范围为0％～100％，得到掺伪油样，并采用拉曼光谱仪采集所述掺伪油样的拉曼光谱图；其中，光谱采集的过程如下：将待采集的掺伪油样置于样品池中，设置拉曼光谱仪的测定范围为780～1780cm-1，第一阶段，设置拉曼光谱仪的积分时间为10秒，激光功率为220MW，采用光程为5mm的光程插片置于样品池中，将掺伪油样加热至温度为20℃，采集得到第一拉曼光谱图；第二阶段，设置拉曼光谱仪的积分时间为30秒，激光功率为320MW，采用光程为15mm的光程插片置于样品池中，将掺伪油样加热至温度为40℃，采集得到第二拉曼光谱图；第三阶段，设置拉曼光谱仪的积分时间为20秒，激光功率为270MW，采用光程为10mm的光程插片置于样品池中，将掺伪油样加热至温度为60℃，采集得到第三拉曼光谱图；最终将所述第一拉曼光谱图、第二拉曼光谱图与第三拉曼光谱图的平均值作为所述掺伪油样的拉曼光谱图。步骤二、光谱预处理：对所述掺伪油样的拉曼光谱图依次进行Savitzky-Golay滤波9点平滑消除光谱噪声、并以1445cm-1处的特征峰强度为基准进行归一化处理，得到掺伪油样的预处理光谱图。步骤三、一次特征变量提取：采用稀疏字典学习对所述掺伪油样的预处理光谱图进行一次特征变量提取，设置冗余字典参数k＝16×16×3，设置平衡误差参数设置权重参数λ＝30/σ，依次采用正交匹配追踪法和K-奇异值分解方法进行迭代优化，设置迭代次数为2～20次，得到掺伪油样的一次光谱图特征变量。步骤四、二次特征变量提取：采用后向间隔偏最小二乘法对所述掺伪油样的一次光谱图特征变量进行二次特征变量提取，以交互验证均方差为标准，选取交互验证均方差值最小时的模型区间为最佳区间，将此时本文档来自技高网...

【技术保护点】
1.基于拉曼光谱的油茶籽油掺伪检测方法，其特征在于，包括：步骤一、光谱采集：向油茶籽油样中掺入一定量的菜籽油，得到掺伪油样，并采用拉曼光谱仪采集所述掺伪油样的拉曼光谱图；步骤二、光谱预处理：对所述掺伪油样的拉曼光谱图进行预处理，得到掺伪油样的预处理光谱图；步骤三、一次特征变量提取：采用稀疏字典学习对所述掺伪油样的预处理光谱图进行一次特征变量提取，得到掺伪油样的一次光谱图特征变量；步骤四、二次特征变量提取：采用后向间隔偏最小二乘法对所述掺伪油样的一次光谱图特征变量进行二次特征变量提取，得到掺伪油样的光谱图特征变量；步骤五、掺伪量预测：根据所述掺伪油样的光谱图特征变量，采用掺伪定量模型预测所述掺伪油样的掺伪量。

【技术特征摘要】
1.基于拉曼光谱的油茶籽油掺伪检测方法，其特征在于，包括：步骤一、光谱采集：向油茶籽油样中掺入一定量的菜籽油，得到掺伪油样，并采用拉曼光谱仪采集所述掺伪油样的拉曼光谱图；步骤二、光谱预处理：对所述掺伪油样的拉曼光谱图进行预处理，得到掺伪油样的预处理光谱图；步骤三、一次特征变量提取：采用稀疏字典学习对所述掺伪油样的预处理光谱图进行一次特征变量提取，得到掺伪油样的一次光谱图特征变量；步骤四、二次特征变量提取：采用后向间隔偏最小二乘法对所述掺伪油样的一次光谱图特征变量进行二次特征变量提取，得到掺伪油样的光谱图特征变量；步骤五、掺伪量预测：根据所述掺伪油样的光谱图特征变量，采用掺伪定量模型预测所述掺伪油样的掺伪量。2.如权利要求1所述的基于拉曼光谱的油茶籽油掺伪检测方法，其特征在于，所述步骤一中菜籽油向油茶籽油样中的掺入质量比范围为0％～100％。3.如权利要求1所述的基于拉曼光谱的油茶籽油掺伪检测方法，其特征在于，所述步骤一中光谱采集的过程如下：将待采集的掺伪油样置于样品池中，设置拉曼光谱仪的测定范围为780～1780cm-1，第一阶段，将掺伪油样加热至温度为20℃，采集得到第一拉曼光谱图；第二阶段，将掺伪油样加热至温度为40℃，采集得到第二拉曼光谱图；第三阶段，将掺伪油样加热至温度为60℃，采集得到第三拉曼光谱图；最终将所述第一拉曼光谱图、第二拉曼光谱图与第三拉曼光谱图的平均值作为所述掺伪油样的拉曼光谱图。4.如权利要求3所述的基于拉曼光谱的油茶籽油掺伪检测方法，其特征在于，所述步骤一中光谱采集的第一阶段中：设置拉曼光谱仪的积分时间为10秒，激光功率为220MW，采用光程为5mm的光程插片置于样品池中。5.如权利要求3所述的基于拉曼光谱的油茶籽油掺伪检测方法，其特征在于，所述步骤一中光谱采集的第二阶段中：设置拉曼光谱仪的积分时间为30秒，激光功率为320MW，采用光程为15mm的光程插片置于样品池中。6.如权利要求3所述的基于拉曼光谱的油茶籽油掺伪检测方法，其特征在于，所述步骤一中光谱采集的第三阶段中：设置拉曼光谱仪的积分时间为20秒，激光功率为270MW，采用光程为10mm的光程插片置于样品池中。7.如权利要求1所述的基于...

【专利技术属性】
技术研发人员：俞雅茹，郑晓，吴双，
申请(专利权)人：武汉轻工大学，
类型：发明
国别省市：湖北,42