CN101504362A - 基于近红外光谱技术快速检测食用油脂中反式脂肪酸含量 - Google Patents

Abstract

本发明公开了一种基于近红外光谱技术快速检测食用油脂中反式脂肪酸含量的方法。选择近红外光谱分析技术对食用油脂中反式脂肪酸含量进行检测，是为了解决在实际生产中，传统的气相色谱法(GC)检测油脂需要甲酯化，色谱分离所需时间长，定性定量分析所需的标准品数量多且价格昂贵等问题。用近红外光谱分析技术检测油脂中反式脂肪酸含量通过以下步骤来实现：一、校正集样本光谱的建立；二、光谱数据的预处理；三、基础数据的测定；四、校正模型的建立；五、校正模型的验证；六、待测样本的分析。用本发明方法对食用油脂中反式脂肪酸含量进行检测，可有效缩短检测周期，且整个过程在计算机的控制下，实现数据的采集、存储、显示和处理功能。

Description

基于近红外光谱技术快速检测食用油脂中反式脂肪酸含量

技术领域

本发明涉及一种基于近红外光谱技术的食用油脂中反式脂肪酸含量的检测方法。

背景技术

食物中反式脂肪酸(Trans Fatty Acids，TFA)是不饱和脂肪酸(Unsaturated FattyAcids)，包含至少一个双键在反式结构上，根据碳原子数目分为16碳反式脂肪酸、18碳反式脂肪酸、20碳反式脂肪酸等；根据双键数目分为反式单烯酸、反式双烯酸等。食物中反式脂肪酸大部分来源于食品工业中部分加工过的氢化油及其制品，以trans 9-ElaidicAcid(t9-C_18:1)为主；少部分存在于自然界反刍动物体内，主要是trans 11-VaccenicAcid(t11-C_18:1)。TFA能增加心脏病和肥胖病的发生几率，可能导致肿瘤(乳腺癌等)，还能经胎盘转运给胎儿，通过干扰必需脂肪酸的代谢、抑制必需脂肪酸的功能等而影响婴儿的生长发育。由于TFA对人体多方面的负面作用，世界上一些发达国家已对油脂及油脂食品中的TFA的标示做出了相应的规定。目前常用的TFA分析方法多数采用气相色谱法(GC)。GC法检测低限较低，但油脂需要甲酯化，色谱分离所需时间长，定性定量所需的标准品数量多且价格昂贵，而采用近红外光谱分析技术，通过建立校正模型即可实现对未知样品中反式脂肪酸的定性或定量分析，克服GC法需繁琐的前处理等缺点，实现食用油脂中反式脂肪酸含量的快速检测。

发明内容

为了简单、快速、非破坏、实时地检测食用油脂中反式脂肪酸含量，本发明提供了一种基于近红外光谱技术快速检测食用油脂中反式脂肪酸含量的方法。

本发明采用的技术方案步骤如下：

1)校正集样本光谱的建立：首先要针对不同品质、不同生产工艺、有代表性的食用油脂产品选择校正样本集：然后利用近红外光谱仪扫描得到校正样本集标准光谱；同一样品需多次重复测量，以平均光谱近似作为该样品标准光谱；

2)校正集光谱的预处理：获得样本光谱后需对样本集光谱进行预处理，这里采用平滑、微分、求导或小波去噪等方法，以抵消背景干扰，提高光谱的分辨率；

3)基础数据的测定：采用气相色谱法对校正集样本的反式脂肪酸含量进行测定；

4)校正模型建立：对预处理后的光谱数据和校正样品集的标准反式脂肪酸含量测定值通过多元回归算法建立校正模型，多元回归算法包括多元线性回归算法和多元非线性回归算法，两者使用的场合不同，可根据需要选择适合的方法；同时，选择特征波段很重要，常用逐步回归法寻找特征波段；

5)校正模型的验证：取已知TFA含量的油脂作为验证集，在相同条件下用光谱仪扫描得到光谱，根据已建立的模型计算TFA含量，经验证每个验证集样本误差均小于10％后，可确定该校正模型适用；若某些验证样本误差大于10％，则对校正参数重新进行回归运算，如此反复，直至得到满意的定量模型；

6)待测样品的分析：用光谱仪扫描得到待分析油脂的光谱，进行预处理后将光谱数据输入模型即可测定出油脂中反式脂肪酸含量(待测样品的扫描过程和预处理条件应同校正样本集保持一致，以消除误差)。

所以本发明只要在有代表性的油脂样本的基础上建立了校正模型，就可以实现对未知油脂中反式脂肪酸含量的快速、无损检测。

附图说明

附图是基于近红外光谱分析技术快速检测食用油脂中反式脂肪酸含量的原理框图

具体实施方式

本发明的整个实施过程如附图所示：

具体实施方式

本实施方式中利用近红外光谱分析技术检测食用油脂中反式脂肪酸含量通过以下步骤实现：

1)校正集样本光谱的建立：首先要针对不同品质、不同生产工艺、有代表性的食用油脂产品选择校正样本集；然后利用近红外光谱仪扫描得到校正样本集标准光谱；同一样品需多次重复测量，以平均光谱近似作为该样品标准光谱；

2)校正集光谱的预处理：获得样本光谱后需对样本集光谱进行预处理，这里采用平滑、微分、求导或小波去噪等方法，以抵消背景干扰，提高光谱的分辨率；

3)基础数据的测定：采用气相色谱法对校正集样本的反式脂肪酸含量进行测定；

4)校正模型建立：对预处理后的光谱数据和校正样品集的标准反式脂肪酸含量测定值通过多元回归算法建立校正模型，多元回归算法包括多元线性回归算法和多元非线性回归算法，两者使用的场合不同，可根据需要选择适合的方法；同时，选择特征波段很重要，常用逐步回归法寻找特征波段；

5)校正模型的验证：取已知TFA含量的油脂作为验证集，在相同条件下用光谱仪扫描得到光谱，根据已建立的模型计算TFA含量，经验证每个验证集样本误差均小于10％后，可确定该校正模型适用；若某些验证样本误差大于10％，则对校正参数重新进行回归运算，如此反复，直至得到满意的定量模型；

6)待测样品的分析：用光谱仪扫描得到待分析油脂的光谱，进行预处理后将光谱数据输入模型即可测定出油脂中反式脂肪酸含量(待测样品的扫描过程和预处理条件应同校正样本集保持一致，以消除误差)。

Claims (1)

1、一种基于近红外光谱技术快速检测食用油脂中反式脂肪酸含量的方法，其特征在于用近红外光谱分析技术测定食用油脂中反式脂肪酸含量通过以下步骤实现：

1)校正集样本光谱的建立：首先要针对不同品质、不同生产工艺、有代表性的食用油脂产品选择校正样本集；然后利用近红外光谱仪扫描得到校正样本集标准光谱；同一样品需多次重复测量，以平均光谱近似作为该样品标准光谱；

2)校正集光谱的预处理：获得样本光谱后需对样本集光谱进行预处理，这里采用平滑、微分、求导或小波去噪等方法，以抵消背景干扰，提高光谱的分辨率；

3)基础数据的测定：采用气相色谱法对校正集样本的反式脂肪酸含量进行测定；

4)校正模型建立：对预处理后的光谱数据和校正样品集的标准反式脂肪酸含量测定值通过多元回归算法建立校正模型，多元回归算法包括多元线性回归算法和多元非线性回归算法，两者使用的场合不同，可根据需要选择适合的方法；同时，选择特征波段很重要，常用逐步回归法寻找特征波段；

5)校正模型的验证：取已知TFA含量的油脂作为验证集，在相同条件下用光谱仪扫描得到光谱，根据已建立的模型计算TFA含量，经验证每个验证集样本误差均小于10％后，可确定该校正模型适用；若某些验证样本误差大于10％，则对校正参数重新进行回归运算，如此反复，直至得到满意的定量模型；

6)待测样品的分析：用光谱仪扫描得到待分析油脂的光谱，进行预处理后将光谱数据输入模型即可测定出油脂中反式脂肪酸含量(待测样品的扫描过程和预处理条件应同校正样本集保持一致，以消除误差)。