[发明专利]一种菜籽油品质的近红外检测方法及应用

说明书

技术领域

本发明属于油脂分析技术领域，具体涉及一种菜籽油品质的近红外检测方法及应用。

背景技术

菜籽油是世界第三大植物油，对其品质的科学评价及监控一直都是热门课题，但目前菜籽油品质指标的检测存在操作复杂、费时、劳动强度大等缺点。近红外光谱分析技术基于其具有无损、绿色、高效、便捷等优点，已应用于检测油脂的脂肪酸组成、酸价、过氧化值、碘价等指标。在国外，RaoYL等采用偏最小二乘法构建菜籽油酸价的近红外定量模型，校正集相关系数达到0.972，验证集相关系数达到0.938，均取得了满意的效果；LiH采用偏最小二乘法构建了高碘价油脂的碘价近红外预测模型，相关系数达到0.99；在国内，崔晓君等同样采用偏最小二乘法构建了花生油过氧化值的近红外定量模型，校正集及验证集的相关系数均达到0.991，模型拟合精度非常高。申请号200910071567.7文献公布了一种基于近红外光谱分析的食用油脂酸价检测方法，采用的是在780～2500nm近红外全谱区的吸光信息，用逐步回归算法找特征波长，再用多元线性回归算法构建校正模型；申请号200910071566文献公布了一种基于近红外光谱技术快速检测食用油脂中反式脂肪酸含量的方法，同样采用的是多元线性回归的方法建立模型。

但这些研究尚存在光谱沉余信息较多，针对每种指标的近红外特征波长不明确，模型不清晰，同时对食用油色泽、黏度的近红外定量模型报道较少等问题。

发明内容

本发明的目的是克服现有的技术缺陷，提供一种菜籽油品质的近红外检测方法及应用，为菜籽油多项品质指标的检测提供一种快速、无损、环保、简便的方法。

一种菜籽油品质的近红外检测方法，所述方法包括以下步骤：

1)收集菜籽油样品；

2)对所述步骤1)收集的菜籽油样品进行理化指标测试，得到理化指标测试值，记为y_mj，其中：m是第m个指标，m＝1,2,3，…，13；当m＝1时记为棕榈酸含量，m＝2时记为亚油酸含量，m＝3时记为油酸含量，m＝4时记为亚麻酸含量，m＝5时记为硬脂酸含量，m＝6时记为花生一烯酸含量，m＝7时记为芥酸含量，m＝8时记为酸价，m＝9时记为过氧化值，m＝10时记为碘价，m＝11时记为色泽黄值，m＝12时记为色泽红值，m＝13时记为黏度；j为第j个样品，共n个样品，n≥90；

3)对所述步骤1)收集的菜籽油样品进行近红外扫描，得到吸光值为X_ij，其中i表示波长数值；

4)异常样本剔除和样品集划分：对所述步骤2)得到的菜籽油理化指标测试值y_mj和所述步骤3)得到的吸光值x_ij，采用学生残差法检测异常样本，剔除异常样本后的样品集采用Kennard-Stone法将全部样品集划分为校正集和验证集；

5)吸光值预处理：对所述步骤4)校正集吸光值进行预处理，得到校正集预处理吸光值A_ij；

6)筛选近红外光谱特征波长：采用逐步回归法对步骤2)得到的理化指标y_mj和步骤5)得到的校正集预处理吸光值A_ij进行分析，筛选得到菜籽油品质的近红外光谱特征波长；

7)建立菜籽油品质预测模型：采用多元线性回归法对步骤2)得到的理化指标y_mj和步骤5)得到的近红外光谱特征波长的预处理吸光值A_ij进行分析，建立菜籽油品质的预测模型为Z_m＝b_m+∑a_miX_i，其中Z_m为菜籽油品质的近红外检测值，X_i为A_ij中第j个样品的吸光值，b_m、a_mi为回归系数；

8)预测模型的验证：将所述步骤4)划分出的样品验证集按照所述步骤5)方法进行预处理，得到验证集预处理吸光值，代入所述步骤7)的预测模型，得到菜籽油品质指标预测值，与所述步骤2)该样品理化指标测试值进行比对，得到模型预测的精确度；

9)近红外指纹波长的确定：

完成菜籽油品质的检测。

所述步骤3)的近红外扫描温度为20-40℃，光程为3-6mm。所述步骤3)的菜籽油样品进行近红外扫描波长为：波长i＝1000nm，1001nm，1002nm，…，1799nm。