论文部分内容阅读
近年来,越来越多对反式脂肪酸（TFA）的研究结果表明,食入TFA可能对人体健康造成潜在危害。食用植物油是人们日常生活中食用最广泛的食用油脂之一,随着加工工艺的改进以及越来越多氢化植物油的出现,食用植物油中TFA的含量可能存在超标等现象。因此,为了消费者的身体健康,研究一种快速检测食用植物油中TFA含量的方法显得尤为重要。近红外（NIR）以及拉曼（Raman）光谱技术是一种绿色、快速、无损的检测方法。本文采用NIR以及Raman光谱技术结合化学计量学方法对食用植物油中TFA含量进行了快速、无损定量检测研究并对模型进行了优化。其主要研究内容有以下方面:采用NIR光谱技术对食用植物油中TFA含量进行了检测。采集食用植物油样本在400010000 cm-1波数范围内的NIR光谱,并进行波段选择、预处理方法选择、变量筛选以及建模方法选择等优化,最后建立食用植物油中TFA含量的NIR模型。模型结果表明,最优预测模型的校正集和预测集R2分别为0.992和0.989,校正集均方根误差（RMSEC）和预测集均方根误差（RMSEP）分别为0.071%和0.075%。对比优化前的模型结果,最优预测模型所用变量数仅占全波段变量数的1.215%,而最优预测模型的R2由0.904上升为0.989,RMSEP由0.230%下降为0.075%。应用Raman光谱技术对食用植物油中TFA含量进行了快速检测研究。采集食用植物油样本在279.082301.1 cm-1波数范围内的Raman光谱,并对Ramna光谱数据进行背景扣除、归一化预处理、波段选择和变量选择等优化,再建立食用植物油中TFA含量的偏最小二乘回归（PLS）模型。最优模型对比优化前的模型结果,其Rc2和Rp2分别由0.9431,0.8634提高为0.9716,0.9130;RMSEC和RMSEP分别由0.1843%,0.2875%下降为0.1302%,0.1926%,且最优模型建模所用变量数仅占优化前模型所用变量数的7.03%。因此,上述研究表明,应用NIR和Raman光谱技术可对食用植物油中TFA含量进行快速、无损检测,模型优化非常必要,能较大地简化模型,提高模型的精度以及预测能力。