[发明专利]一种快速、无损的食用油鉴别方法

说明书

技术领域

本发明属于分析化学领域的无损分析技术，涉及食品品质监测领域。

背景技术

食用油是人类膳食的重要组成部分，市场上常见的植物油主要有橄榄油、芝麻油、花生油、葵花油、大豆油等。不同植物油的营养价值存在很大的差异，其价格也存在着很大差异。随着食用油价格的不断上涨，食用油掺假问题也愈发严重。一些不法商家为了谋取高额利润，用廉价植物油甚至地沟油与正常油品掺杂，以次充好，从中谋取暴利严重危害了人们的健康。因此，为了保护广大消费者利益，对食用植物油品种进行鉴别是非常必要的。

传统的食用油品种鉴别方法为感官评定，感官评定方法的检测结果因主观因素影响较大，不适合大批量样本的检测。目前已有气相色谱法、高效液相色谱法、薄层色谱法、质谱法、核磁共振法、紫外分光光度法、红外光谱法、近红外光谱法等分析方法用于食用油品种鉴别。其中气相色谱和液相色谱需要进行大量的预处理，而且实验周期较长，油脂类的组分很多，数据繁杂难以区分；紫外光谱的区分度不太高，而且产生特征峰的组分是可以添加的，而这些标志的指标是可以人为造假的；红外光谱需要对油品采用有机溶剂稀释或者涂膜才可以测试，过程繁琐。因此，有必要寻找一种更加简单、快速的食用油鉴别方法。近红外光谱分析技术是近年来一种新兴的光谱分析技术，该方法无需样品预处理，简单又不用破坏样品，有透射、反射、漫透射、漫反射等多种测量模式，对液体、固态等多种形式的样品都可直接测量，所以近红外光谱鉴别法可望成为一种简单快捷的食用油鉴别方法。

近红外光谱分析技术方法由三个缺一不可的因素组成，即校正模型，近红外光谱仪器和软件技术；近红外光谱技术需要通过建立校正模型来实现对未知样品的预测分析，包括定性与定量分析，其分析过程分为：一是收集有代表性的样品并通过近红外光谱仪器测量样品的近红外光谱；二是采用标准方法测定所关心的组分或性质；三是将组成或性质数据和样品的近红外光谱通过化学计量方法建立校正模型；四是根据所建校正模型预测未知样品的组分或性质。其分析过程主要包括采集样品的近红外光谱，测定所关心的组分或性质数据，建立校正模型和对未知样品组分或性质的测定。

化学计量学校正模型主要有定量(多元校正)和定性(化学模式识别)模型。化学模式识别是主要根据样本化学特征用计算机对样品进行分类或描述。目前常用的化学模式识别方法有无监督的主成分分析、系统聚类分析，有监督的偏最小二乘-判别分析、支持向量机、人工神经网络等。其中偏最小二乘-判别分析(PLS-DA)是一种常用的化学模式识别方法。

偏最小二乘-判别分析法处理所采集样品的近红外光谱时，首先将测量矩阵和浓度矩阵同时正交分解，并考虑矩阵之间的关系，提取主成分信息，去除无用数据，再运用判别分析找出样本属于哪个总体。判别分析则是一种判断样本归属的统计分析方法，该方法可以从各个样本中的信息，构造出一种判断准则，来判断新样品属于哪个总体。用研究对象的大量资料确定判别函数中的待定系数，并计算判别指标，据此即可确定某一样本属于何类。

综上，当前急需一种快速、无损的食用油鉴别方法，以保证食用油质量，保护人们身体健康。而本发明以近红外光谱分析技术为检测手段，结合偏最小二乘-判别分析法的方法计算，实现对食用油的快速、无损鉴别。

发明内容

本发明的目的是针对上述存在的问题，提供一种快速、无损的食用油鉴别方法，以分辨出植物油的细微不同进而可以区分出不同的植物油，为油脂的检验提供快速准确的方法。

为实现本发明所提供的技术方案包括以下步骤：

1)收集不同种类植物油样品，测量其近红外光谱图并保存。

2)固定PLS-DA模型的因子数，比较不同的分组方法对分类结果的影响，进而建立最优样品分组方法。

3)把因子数从1到10进行改变，并记录下每个因子数下PLS-DA预测成功率值，画出不同因子数对应的预测成功率值图，从中得到最佳因子数。

4)选用最佳分组方法以及因字数，进行PLS-DA建模。对于未知样品，扫描其近红外光谱，利用建立好的PLS-DA模型，预测其所属类别。

本发明中光谱的采集采用近红外光谱法直接测量得到，不加任何处理，为了获得较好的实验条件，我们进行了一些比较探索获得了相对较好的设置参数，并依此来进行实验设置。将测得的光谱直接保存在计算机上，利用PLS-DA的方法进行计算，可以很好的区分不同植物油。

附图说明

图1：19个样品的近红外光谱图

图2：预测正确率随因子数的变化图

具体实施方式