近红外光谱和化学计量学方法用于橄榄油品质分析与掺杂量检测

基于橄榄油的近红外光谱数据,用判别分析(Discriminant analysis)方法把20个样品成功地分为特级初榨橄榄油和普通橄榄油两类,正确率为100％。同时测定了纯橄榄油中分别掺入菜籽油、玉米油、花生油、山茶油、葵花籽油、罂粟油的混合油的近红外光谱,掺杂油体积百分数范围为0～100%。选择最佳的光谱波段组合用偏最小二乘(PLS)法分别建立定量分析模型,预测相对误差范围在-5.67%～5.61%之间。研究结果表明,基于化学计量学方法和近红外光谱数据可为橄榄油的品质鉴定和掺杂量检测提供了一种简便、快捷、准确的方法。     

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。     

PCA-SVR联用算法在近红外光谱分析烟草成分中的应用

由50份烟草样品的近红外漫反射光谱组成的光谱矩阵经过主成分分析降维,采用基于支持向量机回归(SVR)算法,以常规化学分析方法测定的总糖、还原糖、总氮、烟碱的含量为参考值,建立了烟草中主要成分近红外光谱定量分析定标模型,并采用留一法交叉验证(LOOCV)对模型进行验证。以内部交叉验证预测的RMSE值为判据,从核函数类型、惩罚因子C和不敏感函数ε取值等方面对定标模型进行优化,获得不同成分定标模型的优化参数。烟草总糖、还原糖、总氮、烟碱优化定标模型的RMSE值分别为1.581,1.412,0.117和0.313。同时建立了烟草以上成分的偏最小二乘回归(PLS)、多元线性回归(MLR)以及误差反向传播人工神经网络(BP-ANN)定标模型,通过内部交叉验证的RMSE值与SVR定标模型进行比较,结果表明SVR模型具有更好的预测效果。     

透反射近红外光谱法快速测定大豆油中的脂肪酸

应用透反射技术在1 100~2 500 nm波谱段采集大豆油近红外光谱,采用改进的偏最小二乘法算法,建立了近红外光谱快速测定大豆油中五种主要脂肪酸含量的方法。以气相色谱法测定的158个大豆油样品中棕榈酸(C16∶0)、硬脂酸(C18∶0)、油酸(C18∶1)、亚油酸(C18∶2)和亚麻酸(C18∶3)含量作为其化学值,建模集样品数为138,检验集样品数为10,盲样验证集样品数为10;通过对定标模型的优化,五种脂肪酸的交互定标决定系数(1-VR)分别为0.883 9,0.583 0,0.900 1,0.977 6,0.959 6,交互定标标准误差(SECV)分别为0.42,0.29,0.83,0.46,0.21;盲样验证集样品五种脂肪酸的近红外预测值与化学值的相对标准误差均小于5.50%。结果表明,近红外预测值与化学值之间存在较好的线性关系,所建立的方法快速、方便、可靠,可用于大豆油的掺伪鉴别。     

激光诱导荧光初榨橄榄油掺杂定量分析

利用激光诱导荧光技术开展了初榨橄榄油掺杂定量分析的研究。利用波长为450nm的激光激发不同掺杂浓度的掺杂橄榄油样品产生荧光并进行荧光光谱采集。将采集到的光谱利用线性判别法(linear discriminant analysis,LDA)结合k-近邻方法(k-Nearest Neighbor,kNN)建立掺杂橄榄油掺杂浓度预测的模型。通过交叉验证,该模型预测的橄榄油掺杂浓度的均方根误差为3.74%。按照掺杂浓度的不同将样品分为4组进行分类识别,分类正确率达88%。结果表明,利用激光诱导荧光原理结合LDA-kNN能够实现掺杂橄榄油掺杂浓度的定量分析,该方法可以用于掺杂橄榄油快速初筛。     

葡萄浆果糖度可见/近红外光谱检测的研究

针对可见/近红外光谱与水果糖度存在非线性相关的特点,利用漫反射光谱测定方法获取了葡萄浆果的可见/近红外光谱,提出了应用偏最小二乘（PLS）结合人工神经网络（ANN）建立葡萄浆果糖度的预测模型,利用偏最小二乘法（PLS）对原始光谱数据进行处理,得出交叉检验的最佳主因子数为3,并将3个主因子的得分作为三层BP神经网络的输入。通过定标集样本对BP神经网络进行训练,用优化的BP神经网络模型对预测集样本进行预测。PLS-ANN模型对样本的预测模型检验参数r2为0.908,RMSEP为0.112,Bias为0.013,好于只使用PLS模型的预测模型检验参数r2为0.863,RMSEP为0.171, Bias为0.024。结果表明,利用近红外光谱技术无损检测葡萄浆果糖度等内部品质是可行的,为今后进一步分析建立浆果内部品质预测模型奠定了基础。     

近红外光谱技术快速无损测定带鱼糜及其制品中磷酸盐含量

通过拟合带鱼糜及其鱼糕制品的近红外漫反射光谱与建立近红外的定量模型,用于带鱼糜及其鱼糕制品中磷酸盐含量的快速无损检测。以定标集和验证集的相关系数(r_C, r_V)及标准误差(SEC, SEP)作为评价模型优劣的根据。结果表明,采用偏最小二乘法(PLS)所建立的模型效果最佳,带鱼糜及其鱼糕制品的定标模型的相关系数分别为0.983和0.960,预测标准误差分别为0.032和0.101;验证集的相关系数分别为0.951和0.954,预测标准误差分别为0.058和0.097。利用近红外光谱技术快速无损测定带鱼糜及其鱼糕制品中的磷酸盐含量是可行的。     

近红外光谱分析测定鱼丸中的水分和淀粉含量

用近红外光谱技术分析了草鱼鱼丸中水分和淀粉的含量,并建立了数学模型.以定标集和验证集的相关系数(rc,rv)及预测标准误差(SEC,SEP)作为模型优劣的判定依据.结果表明,采用偏最小二乘法(PLS)建立的数学模型效果最佳,具有较高的相关系数和较低的预测标准误差.水分和淀粉模型中,定标集样本的相关系数rc分别为0.9834,0.9634;预测标准误差分别为0.6293,0.8875;验证集样本的相关系数rv为0.9841,0.9699;预测标准误差分别为0.6358,0.8850.该研究说明利用近红外光谱分析技术测定鱼丸中水分和淀粉的含量是可行的.     

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。     

近红外光谱结合人工神经网络分析蔗汁的锤度和旋光度

应用中波近红外(NIR)光谱结合误差反传人工神经网络(BP-ANN)方法,建立蔗汁锤度、旋光度的定量分析模型。光谱范围为1 000～1 800 nm,采用2 mm光程透射方式获得蔗汁吸光度光谱。对蔗汁的吸光度光谱进行Savitzky-Golay求导和均值中心化处理,然后通过相关系数法结合样品特征吸收优化建模波长范围,再采用PLS降维获取主成分并输入BP-ANN建立校正模型,用验证样品对校正模型进行验证。结果显示,BP-ANN法建立的锤度和旋光度的预测相关系数(R2)分别为0.982,0.979,预测标准偏差(SEP)分别为0.159和0.137,均优于偏最小二乘(PLS)建模方法结果,可较好地用于蔗汁锤度、旋光度的快速测定。     

可见和近红外透射光谱结合区间偏最小二乘法(iPLS)用于橄榄油中掺杂煎炸老油的定量分析

为探寻一种快速可靠的分析方法用于橄榄油中掺杂煎炸老油含量的测定,实验采用可见和近红外透射光谱分析技术结合区间偏最小二乘法(interval partial least squares, iPLS)、联合区间偏最小二乘法(synergy interval partial least squares, SiPLS)和反向区间偏最小二乘法(backward interval partial least squares, BiPLS),对掺杂不同含量煎炸老油的橄榄油建模分析,并对不同模型比较优选。采集样品400~2500 nm范围内的光谱,对光谱数据进行Savitzky-Golay(SG)平滑去噪。剔除奇异样本后,采用sample set partitioning based on joint X-Y distance(SPXY)法划分样本集,以不同的iPLS优选建模区域,建立煎炸老油含量预测模型。结果表明：对掺杂不同含量煎炸大豆油的橄榄油,采用划分20个区间,选择2个子区间[4, 16]建立的SiPLS模型预测效果最好,相关系数(R_p)达0.998 9,预测均方根误差(RMSEP)为0.019 2。对掺杂不同含量煎炸花生油的橄榄油,采用划分20个区间,选择2个子区间[2, 16]组合建立的SiPLS和BiPLS模型具有相同的预测效果,预测均方根误差(RMSEP)为0.0120,均优于iPLS模型。此外,与SiPLS模型相比,BiPLS模型运算量少,速度快。由此可见,基于掺杂油样品的可见和近红外透射光谱,分别采用组合区间偏最小二乘法(SiPLS)和反向区间偏最小二乘法(BiPLS)优选建模光谱区域,可以对橄榄油中掺杂煎炸大豆油和煎炸花生油含量进行准确测定。而且,实验过程无需对掺杂油样品进行预处理,无环境污染,操作简单,快速无损。     

基于近红外光谱法的多组分复杂溢油源定量建模分析

研究利用近红外光谱分析方法进行模拟复杂混合溢油源的定量分析问题。选取汽油、柴油、煤油三种轻质石油类产品,按照不同浓度比例配置成40个模拟混合溢油样本,利用傅里叶变换近红外光谱仪采集其在4 000～12 000 cm-1谱区范围内的近红外光谱;采用不同预处理方法,利用偏最小二乘算法建立混合溢油样本三组分各自的浓度定量模型。汽油、柴油和煤油的最优预处理方法均为二阶导数方法,分别在8 501.3～7 999.8 cm-1,6 102.1～4 597.8 cm-1,6 549.5～4 597.8 cm-1,7 999.8～7 498.4 cm-1和6 102.1～4 597.8 cm-1谱区范围内,预测模型的决定系数R2分别为0.998 2,0.990 2和0.993 6;RMSEP值分别为0.474 7,0.936 1和1.013 1;RPD值分别为25.126 9,10.517 3和13.072 0。实验结果表明：利用近红外光谱分析技术结合化学计量学方法能够定量确定模拟混合溢油样本中各组分的浓度,为海洋复杂溢油源的定量检测与分析提供有效手段。     

Visible Raman spectroscopy for the discrimination of olive oils from different vegetable oils and the detection of adulteration

We have investigated the potential of Raman spectroscopy with excitation in the visible spectral range (VIS Raman) as a tool for the classification of different vegetable oils and the quantification of adulteration of virgin olive oil as an example. For the classification, principal component analysis (PCA) was applied, where 96% of the spectral variation was characterized by the first two components. A significant similarity between sunflower oil and extra‐virgin olive oil was found using this approach. Therefore, sunflower oil is a potential candidate for adulteration in most commercially available olive oils. Beside the classification of the different vegetable oils, we have successfully applied Raman spectroscopy in combination with partial least‐squares (PLS) regression analysis for very fast monitoring of adulteration of extra‐virgin olive oil with sunflower oil. Different mixtures of extra‐virgin olive oil with three different sunflower oil types were prepared between 5 and 100% (v/v) in 5% increments of sunflower oil. While in the present context the adulteration usually refers to the addition of reasonable amounts of the adulterant (given the similarity with the basic product), we show that the technique proposed can also be used for trace analysis of the adulterant. Without using techniques like surface‐enhanced Raman scattering (SERS), a quantitative detection limit down to 500 ppm (0.05%) could be achieved, a limit irrelevant for adulteration in commercial terms but significant for trace analysis. The qualitative detection limit even was at considerably lower concentration values. Based on PCA, a clear discrimination between pure extra‐virgin olive oil and olive oil adulterated with sunflower oil was achieved. The adulterant content was successfully determined using PLS regression with a high correlation coefficient and small root mean‐square error for both prediction and validation. Copyright © 2009 John Wiley & Sons, Ltd.     

近红外光谱分析技术在宝石研究中的应用

运用傅里叶变换红外光谱仪对常见宝石、玉石、有机宝石的近红外光谱进行分析研究以及谱峰归属。宝石的近红外光谱表明,宝石矿物中广泛存在不同类型水的合频、倍频吸收峰,也可出现能量较低的电子跃迁吸收峰,其中水分子组合频吸收峰位于5 200 cm-1±,OH的倍频吸收峰位于7 000 cm-1±,以5 898 cm-1±和7 849 cm-1±为中心的强宽吸收谱带为能量较低的电子跃迁吸收峰,并且当只有7 000 cm-1±出现时表明水以—OH的形式存在于宝石中,当5 200和7 000 cm-1±吸收峰同时存在则表明宝石矿物中水的存在形式既有水分子也有—OH。而有机宝石近红外光谱以7 000 cm-1± NH伸缩振动的一级倍频和5 200 cm-1± NH伸缩振动与酰胺Ⅱ的组合频为特征。但是,近红外光谱吸收峰的峰位、峰型、相对强度因有机宝石的品种不同而有所区别。苯环中CH的伸缩振动与弯曲振动组合频吸收峰(4 061和4 179 cm-1±)、CH伸缩振动与苯环骨架振动的组合频吸收峰(4 621和4 683 cm-1±)为经过有机物充填处理的宝玉石的特征谱峰,其中,与苯环有关的吸收峰,表示样品经过充填处理,指示样品中环氧树脂的存在。     

基于植物油可见吸收光谱的相关系数鉴别特级初榨橄榄油

目前市场上的橄榄油品牌很多,质量参差不齐,亟需完善橄榄油的等级分类检测和特级初榨橄榄油的鉴别方法。可见吸收光谱光谱法可在不直接接触样品的情况下对样品进行无添加试剂的探测,因此为实现特级初榨橄榄油的鉴别,采用可见吸收光谱法对不同种类植物油进行了光谱测量。实验结果发现特级初榨橄榄油在500~780 nm波段内具有4个明显的吸收峰,而其他种类植物油在此波段内吸光度较弱或无吸收峰,且同种植物油不同品牌之间的光谱特征极其相似。采用相关系数比对不同种类植物油可见吸收光谱,分别计算了四个不同波长范围内植物油的可见吸收光谱的相关系数,实验发现不同波长范围内的植物油可见光谱相关系数差别较大。在520～700 nm范围内,特级初榨橄榄油间的光谱相关系数在0.999 6以上,特级初榨橄榄油与其他种类植物油的光谱相关系数均低于0.267 8,特级初榨橄榄油与其他等级橄榄油的光谱相关系数在0.194 6～0.835 8之间。研究结果表明可见吸收光谱相关系数法是一种快速非接触式鉴别特级初榨橄榄油的可行性方法。建立了一种特级初榨橄榄油快速鉴别方法,即可见吸收光谱相关系数法。该方法在特级初榨橄榄油的实际鉴别中具有一定的应用价值。     

水热法合成红色绿柱石的光谱特征研究及应用

采用常规宝石学测试方法,配合紫外可见光谱技术（UV-Vis）及傅里叶变换红外光谱技术（FTIR）,对美国犹他州天然红色绿柱石及俄罗斯水热法合成红色绿柱石的宝石学特征、紫外可见吸收光谱特征、中红外光谱（MIR）特征及近红外光谱（NIR）特征进行了综合对比研究。结果表明,常规宝石学测试方法很难将上述两类宝石区别开来;紫外可见光吸收光谱对鉴定天然和合成红色绿柱石的能力很有限;同时这两种宝石的中红外吸收光谱（MIR）没有明显的特征差异,其吸收位置和吸收强度基本一致。但在2 000~9 000 cm-1红外波段,天然红色绿柱石与水热法合成红色绿柱石的吸收频率差异明显,因此具有独特的鉴别特征。进一步研究表明,天然红色绿柱石在3 500~4 000 cm-1之间没有强吸收峰,几乎不含结构水,但在3 300~3 600 cm-1之间有非常弱的吸收带（峰值为3 418 cm-1）,因此有可能有其他形式的水。水热法合成红色绿柱石样品的近红外光谱特征表明,其在3 500~4 000 cm-1之间及5 000~5 800 cm-1之间均显示有强烈的水的振动吸收：其在5 000~5 800 cm-1有弱的Ⅰ型水吸收峰和强Ⅱ型水吸收峰,可以归属为分子水的弯曲和伸缩的合频振动;其在7 000~7 500 cm-1之间显示的弱Ⅰ型水的吸收峰和强的Ⅱ型水的吸收峰可以归属为水的倍频振动。因此,水热法合成红色绿柱石中的结构水归属Ⅰ型水与Ⅱ型水的混合型,其在3 500~4 000及5 000~5 800 cm-1范围水的近红外吸收光谱特征可作为区别天然和水热法合成红色绿柱石的依据。通过紫外可见光光谱、中红外光谱以及近红外光谱等光谱分析手段可以初步判断红色绿柱石中是否含水、水的赋存状态、以及不同类型水的相对强度和频率,为区分天然与水热法合成红色绿柱石提供诊断性证据。     

棉籽油分含量近红外无损检测分析模型与应用

棉花是一种重要的油料作物。建立快速、无损检测棉花种子含油量的方法,对于棉花油分育种工作中的材料鉴定、筛选具有重要意义。利用近红外光谱仪采集118份不同油分含量棉花种籽的近红外漫反射光谱,结合化学方法测定验证,建立了棉籽油分含量快速无损检测的近红外模型。光谱预处理方法采用一阶导数＋多元散射校正(MSC),光谱范围5 446～8 848 cm-1,主成分维数为5,以基本覆盖陆地棉棉籽含油量范围的106份试验材料为校正样品集,利用偏最小二乘法(PLS)建立了棉籽仁油分含量近红外反射光谱(NIR)校正模型。校正模型决定系数R2=0.975,校正标准差SEC=0.67。用外部验证样品集进行外部验证,对所建模型的实际预测能力进行检验。结果表明,油分含量预测值与化学值相关系数r=0.978,预测结果误差范围0.1%～1.7%,建立的模型具有很好的预测性。利用建立的模型对784份育种材料进行了油分含量预测,结果显示,该模型应用可以加快棉花育种材料的油分鉴定。     

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.     

Quantitative analysis of essential oils from rosemary in virgin olive oil using Raman spectroscopy and chemometrics

In this work, virgin olive oil mixed with essential oils from rosemary has been analyzed by means of Raman spectroscopy. First of all, experimental design has been employed in order to define the Raman spectroscopy's parameters, final measuring conditions were: acquisition time of 30 s, five accumulations, and the intensity of the laser power at 75 mW. The Raman spectra were initially measured at full range (150–3000 cm⁻¹), but a narrower window assured faster accumulations and more accurate predictions. The calibration solutions of eucalyptol and camphor in olive oil were prepared following a central composite design and different spectra pre‐processing algorithms were evaluated. To conclude, essential oils obtained by means of Supercritical Fluid Extraction, Ultrasounds, and hydrodistillation were mixed with virgin olive oil and quantified with Raman spectroscopy. Predicted concentrations of the olive oil mixtures were compared with concentrations obtained for the same samples by a Comprehensive Two‐Dimensional Gas Chromatographic (GC × GC) method. Copyright © 2011 John Wiley & Sons, Ltd.