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