红外、近红外光谱-簇类的独立软模式方法识别植物调和油脂

用IR,NIR光谱法结合簇类的独立软模式(SIMCA)识别方法对植物油脂进行分类识别,建立了识别二元、三元植物调和油脂的测定方法。应用NIRCal5.2软件的SIMCA技术,分别为所制备的植物调和油脂建立了IR和NIR识别模型,并讨论了光谱处理和数据处理方法来提高模型的分类识别效果。分别以各种植物调和油脂的IR和NIR光谱为变量,随机抽取2/3的样本作训练集,建立了各个调和油的主成分分析(Princi-pal component analysis,PCA)模型;1/3作验证集,对所建模型进行验证识别。用聚类分析-主成分分析(CLU-PCA)方法考察调和油的IR,NIR光谱信息与其纯油的主成分分布。结果显示,在4000～10000cm-1光谱范围内,SIMCA可以对15种二元调和油和2种三元调和油的NIR光谱分别聚类并识别;并对10种二元调和油和2种三元调和油的IR光谱分别聚类并识别。IR以4个波数1099,1119,1746与2855cm-1的吸收值作为分析基础,选择不同的主成分数及数据预处理方法。各种油脂的SIMCA分析的分类精度均为100%,调和油的验证识别准确率100%,最低识别比例为1%,且IR识别灵敏度高于NIR。     

你真的了解每天吃的油吗?

价格跌到爆先别着急乐自从进入夏季以来,食用油市场进入一年中的消费淡季,受到国际上的原料期货行情影响,今年的价格趋势或许会一路下滑。"食用油价格下降的主要原因,一是今年菜籽油进口量同比大增;二是国际食用油价格跌势未止,国内食用油期货市场行情也持续下行。"国家统计局的相关负责人表示,在食用油现货供给增加、夏季为油脂需求淡季等因素的影响下,入秋后的食用油价格也将明显下降。     

从1:1:1看整合营销传播

我们从金龙鱼第二代调和油在整合营销传播方面的得失获得了一些启示。一、营销就是传播，传播就是营销，而这一传播又是指双向传播；二、注意营销组合从4Ps向4Cs转换。三、整合是整合营销传播的关键。     

GC-MS联用鉴别植物油中的特征脂肪酸

采用氢氧化钾—甲醇衍生化体系，以正庚烷为提取剂，用气相色谱—质谱联用仪对棕榈油、调和油、花生油和豆油中的特征脂肪酸进行了鉴别。     

高锰酸钾-甲醛-荧光素-没食子酸丙酯化学发光体系的研究

高锰酸钾-甲醛-荧光素-没食子酸丙酯在酸性介质中有较好的发光特性,在最佳实验条件下,当没食子酸丙酯溶液浓度在8.0×10-6～2.0×10-3g/L范围内与化学发光强度有良好的线性关系(r=0.9960),对1.0×10-3g/L的没食子酸丙酯溶液平行测定11次,RSD为1.9%,检出限为5.6×10-6g/L。该法用于食用调和油中没食子酸丙酯的测定,结果令人满意。     

激光共聚焦显微拉曼快速测定食用调和油脂肪酸

目的:采用激光共聚焦显微拉曼光谱技术快速测定食用调和油饱和脂肪酸(Saturated fatty acids,SFA)、单不饱和脂肪酸(Monounsaturated fatty acids,MUFA)和多不饱和脂肪酸(Polyunsaturated fatty acids,PUFA)含量及比例。方法:通过导数预处理净化拉曼光谱信息,采用偏最小二乘法建立优化后的SFA、MUFA、PUFA的拉曼定量预测模型,为计算脂肪酸比例提供准确的数据基础。结果:SFA、MUFA和PUFA定量分析模型的决定系数R2均大于0.99,相对分析误差RPD均大于3,表明模型具有较高的稳定性和良好的预测能力。结论:激光拉曼光谱法结合化学计量学方法可以快速、准确地测定食用调和油SFA、MUFA、PUFA含量及比例,为快速检测食用调和油品质提供切实可行的检测手段。     

基于QPSO-MLSSVM算法的拉曼光谱检测四组分调和油含量

提出了一种运用量子粒子群(quantum-behaved particle swarm optimization,QPSO)算法优化多输出最小二乘支持向量机(multi-output least squares support vector machine,MLSSVM)的新混合优化算法。该算法结合激光拉曼光谱技术可实现对四组分食用调和油中花生油、芝麻油、葵花油和大豆油的快速定量鉴别。采用基线校正去除背景荧光,结合Savitzky-Golay Filters光谱平滑法对原始拉曼光谱进行预处理。构建基于QPSO-MLSSVM混合优化算法的定量分析模型,并采用20个组分组成的预测集对其进行模型校验。实验结果表明,基于QPSO-MLSSVM混合优化算法的定量分析模型对于四组分调和油的预测效果良好,均方差(mean square error, MSE)为0.0241,低于0.05,各油分预测相关系数均高于98%。研究结果充分表明, 应用激光拉曼光谱技术结合QPSO-MLSSVM算法,对四组分调和油中各油分进行快速定量检测可行,具备较强的自适应能力和良好的预测精度,可以满足多组分调和油的成分鉴别。     

基于特征峰值积分法的调和油组分含量的测量

目前食用调和油市场混乱,存在混淆概念、随意冠名、以次充好等问题,特别是调和油成分和配比标准模糊不清。国家食用调和油标准历经八年仍未能如期出台,其根本原因在于缺乏对调和油中植物油定性及定量检测的有效方法。食用调和油是由不同的植物油按一定比例混合而成,含有丰富的营养成分,在日常生活中经常使用。不同的植物油含有特定的组成成分,将各种植物油进行混合可以充分利用其中的营养物质,使调和油中营养成分更加均衡,有利于人的身体健康。因此准确测定调和油中单一植物油的含量可以有效对调和油市场进行监管。同时由于调和油中植物油种类是确定的,仅需对其含量进行准确测定。利用三维荧光光谱对调和油中植物油含量进行测定,提出一种新的数据处理方法,采用拟蒙特卡洛原理对选定的特征区域进行特征峰积分,结合神经网络方法求解非线性方程组,得出调和油中各单一植物油含量。选用花生油,大豆油,葵花油为研究对象,用不同比例单一植物油调和成食用调和油,不考虑每种单一植物油的具体组分,仅将其作为整体研究。通过测定10组不同调和比例的调和油的回收率,验证特征峰积分法的有效性,为高灵敏度检测混合物复杂组分含量提供一种有效方法,与常用的解线性方程组测定混合物组分浓度的方法进行比较,回收率的准确度提高,可以用于食品质量检测人员对食用调和油中所用植物油种类及含量进行检测,为国家标准的出台提供一种有效参考。     

近红外光谱结合化学计量学对五元调和油中单组分油的定量分析

有关调和油快速准确定量检测的研究对于调和油质量控制具有重要意义。以往对调和油定量分析的研究大多集中于二元、三元和四元调和油,对更高元数调和油的研究很少,难以满足调和油检测需求。该研究的目的是探讨近红外光谱结合化学计量学对五元调和油中各单组分油进行定量分析的可行性。由玉米油、大豆油、稻米油、葵花油和芝麻油配制成51个五元调和油样品,并采集各样品12 000～4 000 cm-1范围内的近红外透射光谱。首先,采用光谱-理化值共生距离（SPXY）算法将调和油样品划分为38个校正集和13个预测集样品。其次,考察了主成分回归（PCR）、偏最小二乘（PLS）、支持向量回归（SVR）、人工神经网络（ANN）、极限学习机（ELM）等五种多元校正方法对五元调和油各组分定量分析的建模效果。然后,在最佳建模方法的基础上比较了SG平滑、标准正态变量（SNV）、多元散射校正（MSC）、一阶导数（1st Der）、二阶导数（2nd Der）和连续小波变换（CWT）六种光谱预处理方法,并讨论了预处理方法有效地原因。最后,在最佳预处理方法的基础上进一步利用竞争自适应重加权采样（CARS）和蒙特卡罗无信息变量消除法（MCUVE）筛选与预测组分相关的变量。结果显示,在五种建模方法中,PLS是最佳的建模方法,对玉米油、大豆油、稻米油、葵花油和芝麻油五种组分的预测均方根误差（RMSEP）分别为5.564 4,5.559 2,3.592 6,7.421 8和4.193 0。经过光谱预处理-变量选择,再建立PLS模型,对五种组分的RMSEP分别降低至1.955 3,0.562 4,1.145 0,1.619 0和1.067 1,预测相关系数（R_p）均高于0.98,表明采用合适的光谱预处理和变量选择方法,可以明显提高五元调和油中各单组分油定量分析的预测准确度。该研究为多组分调和油的快速无损定量检测提供了一种参考。     

棉籽油及其调和油的热值测定与分析

为探究棉籽油调和比例对调和油燃烧热值影响的规律,实现对特定调和比例的调和油热值的预测,本文采用ZR-15恒温式量热计测定了棉籽油及其调和油的恒容燃烧热,并采用统计软件对调和油热值进行了回归分析,得出调和油燃烧热值与棉籽油调和比例之间的二次曲线回归方程。结果表明：调和油的热值伴随棉籽油调和比例的增加而下降,且下降趋势逐渐变缓;棉籽油调和比例与调和油热值之间更符合二次曲线回归,该回归方程可用于调和油热值的预测。以上结果可为棉籽油的工程化应用研究提供参考。