[发明专利]一种基于近红外光谱技术的山茶油掺伪的快速检测方法

摘要

本发明公开了一种基于近红外光谱技术的山茶油掺伪的快速检测方法，包括以下步骤：近红外光谱技术结合马氏距离聚类分析法，结合不同的波段选择、不同的光谱预处理方法建立五种食用植物油种类判别的模型；近红外光谱技术结合自组织竞争神经网络对五种食用植物油进行模式识别；在山茶油二元掺伪体系下，建立三种掺伪食用油的定性判别分析模型；采用统计学方法对掺伪样本进行奇异点分析，在山茶油二元掺伪体系下，结合偏最小二乘法(PLS)建立三种掺伪食用油的定量分析模型。该方法为山茶油生产企业现场控制产品质量提供技术支持；为监管机构实现大批量的山茶油品质检测提供一种快速、无损、准确、环保的新方法。 1

主权项

1.一种基于近红外光谱技术的山茶油掺伪的快速检测方法，其特征在于，包括不同食用油的定性判别模型和掺伪食用油的定性判别和掺伪量的定量分析模型；

所述不同食用油的定性判别模型的制定，包括以下步骤：

S1、采集一定数量的大豆油、玉米油、花生油、芝麻油和山茶油五种食用植物油样品，将所有样品分为校正集和预测集，准备近红外光谱仪和近红外光纤探头，使用软件为TQ Analyst分析软件，Matlab编程软件进行实验，通过实验，确定样品的近红外光谱最优采集条件，所述采集条件包括检测器，白光光源，增益，动镜速度，扫描范围，扫描次数，分辨率等指标；

S2、将步骤S1中采集的样品近红外光谱数据，通过一阶微分、二阶微分、Savitzky‑Golay滤波平滑、Norris Derivative滤波平滑、多元散射校正(MSC)以及矢量归一化(SNV)等方法，最终得到光谱预处理与波长范围的最优条件；

S3、将步骤S2中采集的所有样品的光谱转化为数据矩阵，采用主成分分析(PCA)法对所有光谱数据进行数据压缩，提取主成分的数目；

S4、在确定的波段范围内，采用步骤S2得到的光谱预处理方法和步骤S3得到的主成分数目，用马氏距离聚类分析方法建立食用油定性判别模型；

S5、将步骤S4中得到的食用油定性判别模型剔除奇异点，确定需要剔除奇异点的数目，逐步优化并确定PCA‑马氏距离聚类分析定性判别模型，提高模型的预测精度，可得到可靠准确的分析结果，采用一定数量的预测集样品对模型进行最终预测和结果输出；

S6、样品在提取主成分的基础上，确定学习速率和步数的最优指标，通过自组织竞争神经网络建立五种不同食用油的定性判别的识别模型；

所述掺伪食用油的定性判别和掺伪量的定量分析模型的制定包括以下步骤：

S7、采集一定数量的山茶油样品，以及掺有三种植物油的山茶油二元体系样品，将所有样品分为校正集和预测集，准备近红外光谱仪和近红外光纤探头，使用软件为TQ Analyst分析软件，Matlab编程软件，通过实验，确定样品的近红外光谱最优采集条件，所述采集条件包括检测器，白光光源，增益，动镜速度，扫描范围，扫描次数，分辨率等指标；

S8、将步骤S7中采集的样品近红外光谱数据，通过一阶微分、二阶微分、Savitzky‑Golay滤波平滑、Norris Derivative滤波平滑、多元散射校正(MSC)以及矢量归一化(SNV)等方法，最终得到光谱预处理与波长范围的最优条件；

S9、将步骤S8中采集的所有样品的光谱转化为数据矩阵，采用主成分分析(PCA)法对所有光谱数据进行数据压缩，提取主成分的数目；

S10、在确定的波段范围内，采用步骤S8得到的光谱预处理方法和步骤S9得到的主成分数目，用马氏距离聚类分析方法，以山茶油为对象，在山茶油二元掺伪体系下，建立三种掺伪食用油的定性判别模型。

S11、在确定的波段范围内，采用步骤S8得到的光谱预处理方法和选择的波长范围内，根据RMSECV值来确定最佳主因子数，用偏最小二乘法，以山茶油为对象，在山茶油二元掺伪体系下，建立三种掺伪食用油掺伪量的定量分析模型。