基于近-中红外相关谱融合判定掺伪芝麻油

为充分提取复杂掺伪食用油的特征信息,提出并建立一种掺伪芝麻油的判别方法.采集40个纯芝麻油和40个掺入不同浓度玉米油的芝麻油的常规一维近红外透射光谱和中红外衰减全反射光谱.对两样本采用二维相关谱技术进行相关计算,得到每一样品的同步和异步二维近红外相关谱和中红外相关谱,并进行预处理,得到其对应的同步-异步二维近红外相关谱和中红外相关谱.采用多维主成分分析法提取其特征,并将其得分矩阵进行融合.基于融合的得分矩阵,以及单一近红外、中红外相关谱得分矩阵分别建立纯芝麻油和掺伪芝麻油偏最小二乘判别分析模型,三个模型对预测集样品的判别正确率分别为100%、96.2%和96.2%.研究结果表明,所提出的方法可提取更多的特征信息,提供更好的分析结果.     

二维相关近红外谱结合NPLS-DA判别掺杂牛奶的研究

将二维相关近红外谱与多维偏最小二乘判别分析方法结合起来,建立了掺杂牛奶与纯牛奶的判别模型.分别配置掺杂尿素牛奶(1～20 g/L)和掺杂三聚氰胺牛奶(0.01～3 g/L)样品各40个,采集纯牛奶及掺杂牛奶样品的近红外光谱.在量化二维相关近红外同步谱的基础上,采用多维偏最小二乘判别分析法分别建立了掺杂尿素、掺杂三聚氰胺及两种掺杂牛奶与纯牛奶的判别模型对未知样品进行判别,其判别正确率分别为95％、90％和92.5％,并与偏最小二乘判别和隐变量正交投影判别建模方法进行了比较.结果表明:多维偏最小二乘判别分析法具有更强的预测能力可推广到其它食品的掺杂检测中.     

基于异谱二维NIR-IR相关判别掺杂牛奶

为更快、更准确的判别掺杂牛奶和纯牛奶,将二维异谱NIR-IR相关谱与多维偏最小二乘判别(NPLS-DA)相结合,建立了掺杂牛奶与纯牛奶NPLS-DA模型。首先,准备并配置纯牛奶和浓度范围为0.01~1g·L-1掺杂淀粉牛奶样品各36个,并在室温的条件下采集所有样品的一维近红外透射光谱和中红外衰减全反射光谱。接着,计算了所有样品在4 200~4 800和900~1 700cm-1范围的同步二维NIR-IR相关谱,研究了其二维相关谱特性,并指出虽然该技术可提供更多的信息,但由于掺杂物微量,仍旧无法根据相关图谱直接对比判定牛奶是否掺杂,需要借助模式识别的方法进行判别。最后,将同步二维NIR-IR相关谱与NPLS-DA结合建立掺杂牛奶与纯牛奶的判别模型,该模型对校正集内部样品和预测集外部样品的判别正确率分别为95.8%和100%。此外,为了比较,分别建立了基于二维NIR和IR相关光谱的NPLS-DA模型,两模型对未知样品的判别正确率均为95.8%。研究结果表明:采用NIR-IR相关谱的NPLS-DA模型能提供更好判别结果。该方法可有效提取食品中掺杂物的特征信息,为检测掺杂食品提供了一个新的方法。     

二维相关近红外光谱检测牛奶中的三聚氰胺

配置合格的纯牛奶样本及含有三聚氰胺质量浓度范围为0.01g/L～3g/L的掺杂牛奶样本各20个,并采集其近红外光谱。以牛奶中掺杂三聚氰胺浓度为外扰,构建二维相关同步谱,研究其相关谱特性。在此基础上,结合偏最小二乘判别分析法(PLS-DA)建立定性模型,可以实现纯牛奶与掺伪牛奶的定性鉴别,正确识别率达100%。同时,将二维相关近红外同步谱矩阵与偏最小二乘法(PLS)结合起来,建立定量分析牛奶中掺杂三聚氰胺的数学模型。对未知样品的预测相关系数R达到0.98,预测均方根误差(RM-SEP)为0.18g/L,说明基于同步相关谱矩阵建立定量分析的数学模型是可行的。该方法无需样品处理,成本低,为快速检测掺伪牛奶提供了一种新的途径。     

基于二维红外相关谱欧氏距离判别掺杂牛奶

基于纯牛奶、掺杂牛奶样品间二维红外相关谱欧氏距离,依据未知样品与校正集中“极值样品”欧氏距离平均值、组内、组间样品欧氏距离平均值,提出了一种掺杂牛奶判别的新方法。分别配置掺杂尿素牛奶(0.01～0.3 g·L-1)和掺杂三聚氰胺牛奶(0.01～0.3 g·L-1)样品各16个,采集纯牛奶及掺杂牛奶样品的红外光谱。以牛奶中掺杂物浓度为外扰,构建纯牛奶与掺杂牛奶的同步二维红外相关谱,并计算了各样品相关谱矩阵间的欧氏距离。在此基础上,分别建立掺杂尿素牛奶、掺杂三聚氰胺牛奶与纯牛奶的判别模型,确定模型中的“极值样品”,组内、组间样品欧氏距离平均值。利用所建模型,计算未知样品与“极值样品”的欧式距离,并依据判别规则,对未知样品进行判别。研究结果表明： 基于样品红外相关谱矩阵间欧氏距离可实现掺杂牛奶的判别,其判别正确率为100%,验证了该方法的有效性。该研究为掺杂牛奶的检测提供了一种新的可能方法。     

基于近红外自相关谱检测奶粉中的三聚氰胺

发展了一种基于近红外自相关谱定性定量分析掺三聚氰胺奶粉的检测方法。分别配置40个纯奶粉样品和40个不同质量百分比浓度的掺三聚氰胺奶粉(10-4%～40%, w/w)样品,采集了所有样品的一维近红外漫反射光谱,以奶粉中掺入的三聚氰胺浓度为外扰进行相关计算,选择随浓度变化敏感的7 000～4 200 cm-1为建模区间。在提取自相关谱信息的基础上,建立了定性定量分析掺三聚氰胺奶粉的偏最小二乘模型,并与常规一维近红外谱模型的预测结果进行了比较。所建立的方法对未知样品的识别正确率为100%,预测均方根误差(RMSEP)为0.63%;而一维近红外谱的识别正确率为96.2%,RMSEP为0.84%。研究结果表明：相对于常规一维近红外谱,所建立的方法能提供更好的预测结果,其原因可能是自相关谱能提取更多的特征信息。     

二维相关谱在食品品质检测中的研究进展

近年来,食品质量与安全问题越来越严重,需要快速便捷的检测技术以确定食品的品质。二维相关谱技术由于其高光谱分辨率、高选择性和高图谱解析能力,可有效解决常规一维谱在数据分析过程中所遇到的三个困难：①光谱选择性低;②特征信息提取难;③图谱解析难,特别适合于那些传统一维光谱方法难以满足的相似样品的判别分析。综述了二维相关谱方法的发展历程、获取谱图的实验方法、以及数学原理和谱图性质。同时,也指出根据同步二维相关谱交叉峰的正负以及异步二维相关谱交叉峰的有无,可实现被覆盖的或被淹没的弱峰之间相互指认和验证,确认其来源。详细介绍了二维中红外、近红外、紫外、荧光和拉曼相关谱在乳制品、酒类、食用油、肉类、蜂蜜、大米等食品品质检测中的应用,分析了目前二维相关谱方法存在的问题,展望了二维相关谱的发展前景。     

中药掺伪的二维相关红外光谱法分析

旨在建立基于二维相关红外光谱(2D IR spectra)的分析技术,以进行中药中是否掺杂化学药物的判别。以减肥药盐酸芬氟拉明(fenfluramine hydrochloride, FH)、盐酸西布曲明(sibutramine hydrochloride, SH)为待检化合物,确定二者同步相关谱中的特征相关峰。首先通过比较掺杂中药与盐酸芬氟拉明的同步谱中特征相关峰的相似性,初步对掺杂化合物盐酸芬氟拉明进行判定,而后利用掺杂中药异步谱能确认相关峰来源的特性,进一步确证盐酸芬氟拉明的存在;此外,根据掺杂中药同步谱中未出现与盐酸西布曲明同步谱相似的特征相关峰,可以直接判别其中未掺杂盐酸西布曲明。实验所建立的方法无需样品分离,速度快,成本低,为快速简便地进行复杂体系中是否存在化学药物的判别提供了一种新的可能的方法。     

红外光谱结合最小二乘支持向量机掺杂牛奶判别方法研究

基于红外光谱和最小二乘支持向量机建立掺杂牛奶与纯牛奶的判别模型。分别配置含有葡萄糖牛奶(0.01~0.3gL-1)和三聚氰胺牛奶(0.01~0.3gL-1)样品各36个,采集纯牛奶及掺杂牛奶样品的红外光谱。采用最小二乘支持向量机分别建立掺杂葡萄糖、掺杂三聚氰胺、两种掺杂牛奶与纯牛奶的判别模型,并利用这些模型对未知样品进行判别,其判别正确率都为95.8%。研究结果表明:与线性的偏最小二乘判别建模方法相比,最小二乘支持向量机方法具有更强的预测能力。     

近红外二维相关光谱的掺和大米判别

随着经济水平的提升人们对大米品质要求越来越高,由于不同大米品种之间价格差异也较大,致使不少商贩以劣充优谋取利益,有的掺和比例高达30%以上,这种行为严重损害了消费者利益。大米作为一种碳水化合物直接通过一维近红外光谱信息不易区分掺和米,目前诸多研究集中在基于一维光谱的化学计量学判别模型建立。二维相关光谱具有高分辨率、解析峰的归属等优点,可以挖掘出掺和米在一维光谱中隐藏的有效信息。以五常大米作为研究对象,选取难以用肉眼分辨的六种大米为掺入米,分别制备5%～50%的不同掺和比例大米样品140个。以五常大米近红外光谱的平均光谱作为参考谱,掺和比例作为外部扰动因数,将掺和米光谱和五常米光谱分别与参考谱进行二维相关运算,通过解析不同掺和比例大米二维相关同步谱特性发现自相关谱1 420和1 920 nm两处自动峰值与同步谱(1 420, 1 920) nm和(1 920, 1 420) nm处交叉峰值强度均随掺和比例增加呈递增趋势,其中1 920 nm自动峰值对掺和比例响应最显著。通过对自相关谱1 420和1 920 nm两处自动峰产生机制的追溯并分析对应官能团归属,发现大米中直链淀粉对掺和比例响应程度高于蛋白质及其他碳水化合物。分别以五常大米同步谱中1 420和1 920 nm处自动峰值和(1 920, 1 420)nm处交叉峰值的最大值作为判别阈值,对140个大米样品进行了判别试验。结果显示,基于1 920 nm自动峰值的判别效果最佳正确率达93.3%,掺和比例20%及以上掺和米样品判别正确率为100%,随着掺和比例降低判别正确率也逐渐下降,掺和比例15%, 10%和5%样品判别正确率分别为91.7%, 66%和75%。综上所述,以掺和比例作为外部干扰因数解析不同掺和比例的大米二维同步谱特性,通过特征峰值的差异可以简单有效区分掺和米,与以往近红外判别模式相比不需要准备大量样品来训练模型,为快速鉴别掺和大米提供一种新思路。     

Adulteration of sesame oil with corn oil detected by use of two-dimensional infrared correlation spectroscopy and multivariate calibration

An innovative methodology was developed to detect adulteration of sesame oil with corn oil based on two-dimensional mid-infrared correlation spectroscopy with multivariate calibration. Forty pure sesame oils and 40 adulterated sesame oils with corn oil were prepared and the infrared absorption spectra were measured at room temperature, respectively. The synchronous two-dimensional mid-infrared correlation spectra were calculated to develop multivariate calibration models for adulteration of sesame oil with corn oil. The results showed the higher classification accuracy of 96.3% for the prediction set using two-dimensional mid-infrared correlation spectra and N-way partial least square discriminant analysis, versus 88.9% using traditional one-dimensional mid-infrared spectra and partial least squares discriminant analysis. Also, the multivariate calibration models were developed for quantitative analysis of sesame oil adulteration with corn oil. The root mean square error of prediction was 0.98% v/v using two-dimensional mid-infrared correlation spectra and N-PLS, and 1.15% v/v using traditional one-dimensional mid-infrared spectra and PLS. The results of our analyses indicated that the proposed method could provide better predictive results than traditional one-dimensional mid-infrared spectra and multivariate calibration.     

基于FTIR的芝麻油真伪鉴别和掺伪定量分析模型

把低价油掺入到高价油是食用油脂中的常见掺伪现象,芝麻油由于品质好价格高,市场上时有假冒伪劣产品,因此应用FTIR并结合化学计量学,建立了芝麻油的真伪和掺伪的快速分析方法。首先分析了芝麻油与大豆油、葵花籽油在4 000～650 cm-1范围的FTIR谱图,由于食用植物油都是不同脂肪酸甘油三酯的混合物,其谱图极为相似,很难发现芝麻油与其他油脂的明显差异。但是不同食用油的脂肪酸组成不同,其1 800～650 cm-1红外指纹特征区也有所不同,因此可以选择该区域,对红外光谱数据用化学计量学方法进行分类识别。通过建立主成分分析(PCA)和簇类独立软模式识别(SIMCA)模型,进行了芝麻油的真伪鉴别,该模型聚类效果较为理想,识别正确率达到了100％;采用标准正态化校正(SNV)和偏最小二乘法(PLS),经过PCA分析计算,芝麻油中掺入大豆油、葵花籽油的掺伪检测限均为10%;利用FTIR和PLS,建立了芝麻油掺的定量分析模型,该模型预测值与实际值有着良好的对应关系,预测相对误差为-6.87％～8.07％之间,说明定量模型可行。本方法能够实现芝麻油的快速真伪鉴别和掺伪定量分析,其优点是模型一旦建立,分析简便、快速,可以满足大量样品的日常监测。     

Quantitative detection of adulterated olive oil by Raman spectroscopy and chemometrics

Commercially available extra virgin olive oils are often adulterated with some other cheaper edible oils with similar chemical compositions. A set of extra virgin olive oil samples adulterated with soybean oil, corn oil and sunflower seed oil were characterized by Raman spectra in the region 1000–1800 cm⁻¹. Based on the intensity of the Raman spectra with vibrational bands normalized by the band at 1441 cm⁻¹ (CH₂), external standard method (ESM) was employed for the quantitative analysis, which was compared with the results achieved by support vector machine (SVM) methods. By plotting the adulterant content of extra virgin olive oil versus its corresponding band intensity in the Raman spectrum at 1265 cm⁻¹, the calibration curve was obtained. Coefficient of determination (R²) of each curve was 0.9956, 0.9915 and 0.9905 for extra virgin olive oil samples adulterated with soybean oil, corn oil and sunflower seed oil, respectively. The mean absolute relative errors were calculated as 7.41, 7.78 and 9.45%, respectively, with ESM, while they were 5.10, 6.96 and 4.55, in the SVM model, respectively. The prediction accuracy shows that the ESM based on Raman spectroscopy is a promising technique for the authentication of extra virgin olive oil. The method also has the advantages of simplicity, time savings and non‐requirement of sample preprocessing; especially, a portable Raman system is suitable for on‐site testing and quality control in field applications. Copyright © 2011 John Wiley & Sons, Ltd.     

基于拉曼光谱和最小二乘支持向量机的橄榄油掺伪检测方法研究

为实现橄榄油中掺伪油类型的识别和掺伪量预测,对掺入葵花籽油、大豆油、玉米油的橄榄油共117个样品进行拉曼光谱检测,并用基于多重迭代优化的最小二乘支持向量机模型对掺入油的类型进行识别,综合识别率为97%。同时分别采用最小二乘支持向量机、人工神经网络模型、偏最小二乘回归建立橄榄油中葵花籽油、大豆油、玉米油含量的拉曼光谱定标模型,结果显示最小二乘支持向量机具有最优的预测效果,其预测均方根误差(RMSEP)在0.007 4～0.014 2之间。拉曼光谱结合最小二乘支持向量机可为橄榄油掺伪检测提供一种精确、快速、简便、无损的方法。     

二组分食用混合油的线性混合模型研究与应用

基于二组分混和食用油的吸收系数是各自组分吸收系数按照掺杂比例的线性组合的假设以及朗伯-比尔吸收机理,提出并推导了二组分食用混合油的线性混合数学模型。该数学模型可根据相同厚度的两种原料油和其二组分混合油对相同光源的吸收光强变化计算出混合油的组分比例。根据误差理论,利用全微分公式分析了组分比例计算值的误差,表明通过选择使两种原料油的透射光强和吸光度差值的乘积较大的波长位置,可以优选出检测波长。搭建了可见-近红外光谱检测系统,利用花生油掺杂玉米油、花生油掺杂大豆油和玉米油掺杂大豆油三种混合油对模型进行了验证。结果表明,该模型对掺杂10%以上的混合油的成分比例计算值和实际值的相对误差在5%以内,相关系数分别达到0.999 4,0.999 7和0.999 3,标准误差分别为0.006 9,0.005 1和0.007 6,并证实本研究的波长选取方法是合理的。此外,对3种按同样比例组合的、未混合的分立油样本进行了检测,计算组合比的相对误差也可控制在10%以内,同时揭示入射光源的平行度和待测装置的垂直度对检测精度有一定影响。试验证明,不同于传统的光谱结合化学计量学的检测方法,本方法可以仅通过检测原料油和混合油在选定波长上的吸收光强即可准确计算得到掺杂比例。     

基于荧光光谱及矩阵分析的植物油鉴别技术

利用FS920荧光光谱仪测量42个油样(包括36个纯植物油样,3个调和油样和3个混合油样)的荧光光谱,并对其数据矩阵(EEMs)进行归一化处理,确定了植物油特征激发波长及矩阵分析模型。综合分析植物油在特定范围内(激发波长为250～550 nm,发射波长为260～750 nm)的等高线光谱图和特征发射谱线图,将植物油划分为三类;将矩阵分析模型应用于纯植物油鉴别,分类正确率100%;为验证矩阵分析的定量判别能力,对三种混合油样进行分析,得到接近实际配比的分析结果;对市售三种调和油样本进行分析,得出调和油以大豆和菜籽油为基底的结论。通过对植物油荧光光谱的图谱特征和其矩阵模型的分析,证实荧光光谱技术和矩阵分析法对植物油进行分析和种类鉴别的有效性。     

反射光谱结合光谱基二维卷积回归网络快速检测食用油中饱和脂肪酸

人们日常膳食中常见的食用油含有丰富的饱和脂肪酸,饱和脂肪酸能为人体提供能量和必须营养物质,但过量摄入会导致多种心血管疾病。结合反射率光谱和深度学习方法发展一种食用油中饱和脂肪酸含量的分析方法。首先,测量了菜籽油、大豆油、葵花籽油、玉米油、橄榄油、芝麻油及花生油等7种食用植物油350～2 500 nm范围的反射光谱,并通过气相色谱-质谱分析法获得其软脂酸、花生酸及山嵛酸等饱和脂肪酸的含量。使用中心化、多元散射校正、标准正态变量变换及标准化等算法做光谱预处理消除光谱噪声。然后,构建了一种新型的二维光谱卷积回归网络（S2DCRN）用于脂肪酸分析,而全卷积网络（FCN）、偏最小二乘回归（PLSR）、支持向量回归（SVR）及随机森林（RF）用于与S2DCRN模型相对比。最后,采用序列前向选择（SFS）、随机蛙跳（RFrog）及遗传算法选取光谱特征的重要波长,进而构建更为简单稳健的分析模型。实验结果表明,对食用油的全光谱预处理后,S2DCRN模型性能最优,其模型对预测集的决定系数（R2_P）达到0.987 9,均方根误差（RMSE_P）为0.510 0。基于重要波长的S2DCRN模型,RFrog-SFS为S2DCRN提供了最佳的预测结果R2_P=0.967 9,RMSE_P=0.462 7。虽然变量选择后所取得的分析效果略差,但光谱波长数目不足全光谱的1%,节省了光谱数据采集工作并大幅降低了模型复杂度,有助于后续便携式简化检测装置的研发。为进一步探究S2DCRN模型的通用性能,S2DCRN被用于食用油中花生酸和山嵛酸含量分析。其中,S2DCRN对花生酸的预测结果较好R2_P=0.950 1,RMSE_P=0.152 9。所提出的S2DCRN可实现反射率光谱对食用油中多种脂肪酸的准确快速分析。