[发明专利]近红外光谱法快速鉴别食用油种类的方法

摘要

本发明公开了一种近红外光谱法快速鉴别食用油种类的方法，包括如下步骤：选取待鉴别的未知种类的食用油样品；采集食用油样品的近红外光谱图；对食用油样品的近红外光谱图进行预处理，得到食用油样品的预处理光谱图；根据食用油样品的预处理光谱图，依次采用棕榈酸定量模型、油酸定量模型、亚油酸定量模型分别预测食用油样品的棕榈酸含量、油酸含量、亚油酸含量；根据得到的食用油样品的棕榈酸含量、油酸含量、亚油酸含量，采用优化定性模型对食用油样品进行种类鉴别。本发明提供的近红外光谱法快速鉴别食用油种类的方法安全快速、检测便捷，鉴别准确率高，具有较强的实用价值和推广价值。

主权项

1.一种近红外光谱法快速鉴别食用油种类的方法，其特征在于，包括如下步骤：步骤一、样品选取：选取待鉴别的未知种类的食用油样品；步骤二、光谱采集：采集步骤一中选取的未知种类的食用油样品的近红外光谱图；步骤三、光谱预处理：对步骤二中采集的未知种类的食用油样品的近红外光谱图进行预处理，得到未知种类的食用油样品的预处理光谱图；步骤四、含量预测：根据步骤三中得到的未知种类的食用油样品的预处理光谱图，依次采用棕榈酸定量模型、油酸定量模型、亚油酸定量模型分别预测所述未知种类的食用油样品的棕榈酸含量、油酸含量、亚油酸含量；所述棕榈酸定量模型、油酸定量模型、亚油酸定量模型的建立方法如下：收集若干不同已知种类的食用油样品，所述不同已知种类的食用油样品包括：茶籽油、葵花油、大豆油、菜籽油和花生油；采集若干不同已知种类的食用油样品的近红外光谱图，光谱采集方法如步骤二中所述，并对若干不同已知种类的食用油样品的近红外光谱图依次进行标准正态变量变化和去趋势技术联用算法预处理，得到若干不同已知种类的食用油样品的预处理光谱图；实验测定若干不同已知种类的食用油样品的棕榈酸含量、油酸含量、亚油酸含量，方法如下：按照国家标准GB/T 17376‑2008规定的甲酯化方法对已知种类的食用油样品进行预处理，预处理后静置24小时，并取出已处理已知种类的食用油样品的上层清液1μL移至气相色谱仪中，待运行65～75分钟后得到气相色谱图，最终根据气相色谱图计算得到不同已知种类的食用油样品的棕榈酸含量、油酸含量、亚油酸含量；采用偏最小二乘回归方法分别建立不同已知种类的食用油样品的预处理光谱图与其棕榈酸含量、油酸含量、亚油酸含量的定量模型，得到棕榈酸定量模型、油酸定量模型、亚油酸定量模型；其中，要求棕榈酸定量模型、油酸定量模型和亚油酸定量模型的均方根误差均≤10%，相关系数均≥95%；步骤五、种类鉴别：根据步骤四中得到的所述未知种类的食用油样品的棕榈酸含量、油酸含量、亚油酸含量，采用优化定性模型对所述未知种类的食用油样品进行种类鉴别；优化定性模型的建立方法如下：收集若干不同已知种类的食用油样品，所述不同已知种类的食用油样品包括：茶籽油、葵花油、大豆油、菜籽油和花生油；实验测定若干不同已知种类的食用油样品的棕榈酸含量、油酸含量、亚油酸含量；将若干不同已知种类的食用油样品中的棕榈酸含量、油酸含量、亚油酸含量作为定性模型的输入变量，通过支持向量机分类方法建立不同已知种类的食用油样品的定性模型，并采用粒子群优化算法对定性模型中的惩罚因子C和核函数参数g进行优化，得到优化定性模型。