论文部分内容阅读
山茶油中的脂肪酸含量、比例和产自西方的橄榄油不相上下,被誉为“东方橄榄油”,具有很高的营养价值,有些指标甚至还要优于橄榄油,因此受到广大消费者的热衷。现有市场山茶油品种繁多,各种物种品质各异,而且因其营养价值和价格昂贵的原因,掺假现象时常出现。而GB/T5539—2008《油脂定性试验》检验油脂品质的标准只能定性的判断掺假与否并没有从掺假种类和含量上来检测山茶油,而且检测时间较长、步骤冗余。这就需要对山茶油的含量以及特性来进行研究,来寻求一种快速准确的检测方法。本论文就以山茶油为研究对象,在光谱范围350nm~1800nm内研究了山茶油的本质特性和山茶油中掺杂大豆油、菜籽油、花生油的二元体系;掺杂大豆油与菜籽油、大豆油与花生油、菜籽油与花生油的三元体系;掺杂了大豆油、花生油、菜籽油的四元体系的特征谱图。运用可见/近红外光谱初步建立山茶油快速鉴别模型,为之后设计便携装置并能快速检测提供理论数据。得到结果表明:1、不同体系以及相同体系掺杂不同的油样有不同的较优预处理范围。2、运用鉴别分析方法,基于近红外技术结合Linear Discriminant Analysis(LDA)线性判别分析、support vector machine classification(C-SVM)支持向量机类别分析对实验样本进行定性分析,发现各个体系判别效果非常好,预测正确率均在97%以上。对掺假量在5%~50%范围内的山茶油辨别率达到100%,但是在低于5%的范围内,区分效果还不够理想。3、为了快速实现对掺假山茶油检测研究,本课题将各个体系的不同油样进行检测研究,选择不同的最优波段范围、预处理方法和建模分析方法,并对模型进行验证,结果如下:二元体系:对于掺入不同梯度(0%~50%)大豆油的二元体系掺假山茶油模型,其模型校正相关系数(rc)、校正集均方根误差(RMSEC)、交互验证相关系数(rcv)和交互验证标准误差(RMSECV)分别为0.9748、0.02414、0.9655和0.02812。预测集预测均方根误差(RMSEP)为0.02649,预测集相关系数(rp)为0.96599。对于掺入不同梯度(0%~50%)菜籽油的二元体系掺假山茶油模型,其rc、RMSEC、rcv和RMSECV分别为0.9706、0.02587、0.9603和0.0309。预测集RMSEP为0.02241,rp为0.9765,R2为0.97682。对于掺入不同梯度(0%~50%)花生油的二元体系掺假山茶油模型,其rc、RMSEC、rcv和RMSECV分别为0.9899、0.01553、0.9749和0.02494。,预测集RMSEP为0.03330,rp为0.9472,R2为0.96041。三元体系:对于掺入不同梯度(0%~50%)大豆油和花生油的三元体系掺假山茶油模型,其rc、RMSEC、rcv和RMSECV分别为0.9705、0.02613、0.9503和0.03538。预测集RMSEP为0.04459,rp为0.9070,R2为0.9167。对于掺入不同梯度(0%~50%)大豆油和菜籽油的三元体系掺假山茶油模型,其rc、RMSEC、rcv和RMSECV分别为0.9756、0.02360、0.9686和0.02744。预测集RMSEP为0.02924,rp为0.9594,R2为0.9839。对于掺入不同梯度(0%~50%)花生油和菜籽油的三元体系掺假山茶油模型,其rc、RMSEC、rcv和RMSECV分别为0.9813、0.02067、0.9381和0.03794。预测集RMSEP为0.03295,rp为0.9484,R2为0.9728。四元体系:对于掺入不同梯度(0%~50%)大豆油、花生油和菜籽油的四元体系掺假山茶油模型,其rc、RMSEC、rcv和RMSECV分别为0.9851、0.01844、0.9742和0.02529。RMSEP为0.0455,rp为0.9016,R2为0.9618。