等
)8 个。
食用油脂肪酸定量分析样品
:59 个样品及其 4 种主要脂肪酸含量(棕榈酸、硬脂酸、油酸)
均由中国农业大学提供。实验样品是由不同品牌、不同批次的食用植物油样品组成
,包括花生
油、玉米油、棕榈油、橄榄油、大豆油、调和油等。三种脂肪酸含量按国标
(气相色谱法)测定。
1.2 植物油近红外光谱采集方法
实验采用
VERTEX70 红外光谱仪(德国 Bruker 公司)采集近红外全谱。光谱波数范
围
:4000cm-1~12500cm-1。分辨率:8cm-1。每个样品重复扫描次数:32 次.采样点:1102 个。使用
液体光纤探头采样
,光程:2mm。全部样品未经任何化学处理,将光纤探头插入装有样品的小瓶
中
,逐一扫描样品,每次测量前均用石油醚清洗探头,避免样品间交叉污染。
4 试验结果及讨论
4.1 食用油种类的定性识别
食用油因其种类不同
,营养价值不同而价格差异很大.一些不法商家为追求利润,常以低
价位的植物油掺兑到高价位的植物油中来降低生产成本
,从中牟取暴利。掺假食用油不仅影
响卫生品质和营养成分
,而且严重危害消费者健康,本实验重点研究基于近红外光谱的食用
油种类
(橄榄油、花生油和芝麻油)的定性识别。
实验研究的定性分类是基于样品的近红外光谱特征的。近红外光谱能反映被测样品的组
成和结构性质
,相同或近似的样品有着相同或接近的光谱;反之,则其近红外光谱存在较大的
差异,聚类分析属于模式识别方法中的无管理方法之一。
它可以根据
“物以类聚”的道理,在没有先验知识的情况下,能合理地按样品各自的特性来
进行合理的分类。实验将样品的近红外光谱与系统聚类法相结合
,来建立橄榄-芝麻-花生油定
性识别模型。
其中
,hs01~hs06 为纯花生油样品,gl01~gl08 为纯橄榄油样品,zm0~zm05 为纯芝麻油
样品。光谱预处理采用
FirstDerivate(9pts)+VectorNormalize。系统聚类方法较多,本实验采用
OPUS
软
件
提
供
的
7
种
不
同
的
聚
类
方
法
:singllinkage,averagelinkage,weightedAvLinkage,medianalgorithm,centroidalgorithm
和
Ward,salgorithm。。
从预测集样品的预测结果可以得出
,当聚类模型类间距确定在 0.062~0.076 之间,则纯芝
麻油
(zm06)、纯花生油(hs07)、均能被正确识别和归类,所有样品的预测率达到 100%。
因此综合建模和预测两者的结果
,可将聚类模型的类间距在 0.062~0.076 之间,则模型的
识别率和预测率均可达
100%。
因此基于近红外光谱的纯橄榄
-芝麻-花生油聚类模型的建立可以为定性识别植物油的
类别提供一个快速简便的检测方法。
4.2.食用油脂肪酸的定量分析
随着营养学研究发展
,人们对植物油中脂肪酸认识不断增加.中国营养学会也推荐膳食中
必需脂肪酸摄入理想比值
,市场上也出现大量调和油,为了评估食用植物油营养价值,研究分
析常用食用植物油中脂肪酸组成是很有必要的。本实验重点研究基于近红外光谱的食用油脂
肪酸
(棕榈酸、硬脂酸和油酸)含量的定量分析。
近红外光谱分析技术中定标建模样品的选择是
,定标样品的选取直接影响所建模型的适
用性和准确性。实验采用基于样品近红外光谱差异的
duplex 法划分定标集和预测集.按照定
标集和预测集样品个数的比例为
3:1 划分,则定标集样品 45 个,预测集样品 14 个。
定标集样品的浓度范围涵盖了预测集样品的浓度范围。实验采用偏最小二乘法分别建立
了三种脂肪酸含量和其近红外光谱相关的近红外定量分析模型。每种脂肪酸含量的近红外模
型的建立均经过模型优化
,包括谱区的选择以及光谱预处理方法比较等,采用最佳主成分数
nf,交叉校验定标标准差 RMSECV