CN104297201A - 一种快速、准确定量调和油中各种油份比例的检测方法 - Google Patents
一种快速、准确定量调和油中各种油份比例的检测方法 Download PDFInfo
- Publication number
- CN104297201A CN104297201A CN201410616248.0A CN201410616248A CN104297201A CN 104297201 A CN104297201 A CN 104297201A CN 201410616248 A CN201410616248 A CN 201410616248A CN 104297201 A CN104297201 A CN 104297201A
- Authority
- CN
- China
- Prior art keywords
- oil
- blend
- blending stock
- accurately
- quickly
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种可以快速准确定量调和油中各种油份比例的方法。具体以食用油作为研究对象,应用近红外光谱法以及化学计量学的方法,对于调和油成分含量做一个初步的分析和研究,以期找到一个快速区分调和油成分的方法,来判断某一调和油是否与标签一致,并判断其好坏。实验并收集若干调和油,并模拟配置不同配比的调和油,利用近红外光谱仪扫描纯油的光谱及配比油的光谱,应用偏最小二乘(PLS)的方法建立定量分析调和油中大豆油、花生油、葵花油含量的模型。最终选用S-G平滑的预处理方法,选用合适的因子数建立PLS预测模型,所建模型可以使三种油的相关系数达到最高达到0.9874,0.9371,0.9456,可以较准确地预测出调和油中3种组分油的含量。因此,近红外光谱结合化学计量学方法可以对食用植物油品质进行快速定量分析。
Description
技术领域
本发明属于分析化学领域,涉及食用植物油品质的检测问题。
背景技术
食用油是人们日常生活中的重要必需品之一,随着生活水平的提高和对健康的日益重视,营养均衡和价格低廉的调和油越来越受到消费者的青睐。调和油是由两种或两种以上植物油掺和而成的。调和油中主要含有:橄榄油、芝麻油、花生油、胡麻油、葵花籽油、大豆油、玉米油、菜籽油、棕榈油等。然而它的具体成分及价格都没有一个具体标准,对其含量又难以判断,对于调和油难以有一个行之有效判断的方法,传统的检验方法也难以对调和油做出一个准确快速的判断,特别对其中某一种油的比重更是难以分析。进而造成市场混乱,随意给调和油冠名,却不见得含有冠名的油份,或者含量不足,误导消费者。所以我们需要对调和油成分组成做一个研究分析,寻找一种有效的方法能定量分析调和油组分的含量。
目前对于调和油含量分析的主要常见方法有气相色谱法,高效液相色谱法,薄层色谱法,紫外分光光度法,红外光谱法,近红外光谱法,气质联用,核磁共振等。以上的方法也能取得较好的结果,但是都或多或少的存在一些限制。气象色谱和液相色谱需要进行大量的预处理,而且实验周期较长,油脂类的组分很多,数据繁杂难以区分;紫外光谱的区分度不太高,而且产生特征峰的组分是可以添加的。相比较于红外光谱法近红外光谱法则更为简单,近红外光谱作为今年来新开发出来的技术,它获取的谱图更简单,操作更简单,可以直接测量,可以实现在线检测。应用近红外光谱法以及化学计量学的方法,对于调和油成分含量做一个初步的分析和研究,以期找到一个快速区分调和油成分的方法,来判断某一调和油是否与标签一致,并判断其好坏。
化学计量学是一门化学、统计学、数学、计算机科学等学科的交叉学科。化学计量学既可以进行定性分析又可以进行定量分析,涉及的方法也不尽相同。主要方法包括主成分分析、聚类分析、偏最小二乘-判别分析、SIMCA、支持向量机以及人工神经网络等。
综上所述,开发快速、准确的调和油检测方法是提高食品安全的有效途径。而本发明以近红外光谱作为检测手段,结合化学计量方法,实现调和油中各种油的比例定量。
发明内容
本发明的目的是针对上述存在的问题,提供一种快速、准确定量调和油中各种油份比例的检测方法,对调和油质量的改善具有重要意义。
为实现本发明所提供的技术方案包括以下步骤:
1)收集有代表性的样品并通过近红外光谱仪器测量样品的近红外光谱,采用标准方法测定所关心的组分或性质。
2)将组成或性质数据和样品的近红外光谱通过建立校正模型。首先考察不同的预处理方法对预测结果的影响,其次通过交叉验证均方根(RMSECV)随着因子数(LV)的变化确定3种组分的因子数,最后对每种组分建立偏最小二乘回归(PLS)模型。
3)根据所建校正模型预测未知样品的组分或性质。
其分析过程主要包括采集样品的近红外光谱,测定所关心的组分或性质数据,建立校正模型和对未知样品组分或性质的测定。
本发明采用近红外光谱仪作为样品检测手段,近红外光谱测量方式有透射、反射和漫反射多种形式,适合测量液体、固体和浆状等形式的样品,因此,用途很广。最大的优点就是无须对样品进行任何预处理,如植物油可直接倒入比色皿中或将光纤探头直接***植物油中进行测量,操作非常方便,几秒钟内完成光谱扫描。
附图说明
图1:120个样品的近红外光谱图
图2:交叉验证均方根(RMSECV)随着因子数(LV)的变化图,其中a)、b)、c)分别对应花生油、葵花油和大豆油
图3:预测集样本组分浓度参考值和PLS预测值的相关图,其中a)、b)、c)分别对应花生油、葵花油和大豆油
具体实施方式
为更好理解本发明,下面结合实施例对本发明做进一步地详细说明,但是本发明要求保护的范围并不局限于实施例表示的范围。
实施例:
1)调和油近红外光谱收集。选用葵花油,大豆油,花生油作为基础油模拟配比调和油。根据样品池的大小,选用10g作为总重。用分析天平,按比例添加三种油。理论上欲配置花生油含量范围为1%-40%,大豆油和葵花油则随机不重复添加。运行控制软件,设置好测量参数和空白背景,扫描基线。将放入近红外仪器中采集光谱,每个样品扫描三次。以txt格式保存光谱数据。波长范围800-2500nm采用透射模式,透过率,波长范围选用1nm的间隔,较快的测量速度(1.0nm),光谱宽度选用正常,扫描方式选用重复扫描。图1为120个样品的近红外光谱图。从图中可以看出,各个样品之间差距极小,基本重合,无法直接根据峰高度获取含量信息,需要借助化学计量学进行定量分析。
2)采用S-G平滑、标准正态变量(SNV)、多元散射校正(MSC)、一阶导数、二阶导数、连续小波变换(CWT)等六种预处理方法对光谱进行预处理。交叉验证均方根误差显示S-G平滑预处理效果最好。在建立PLS模型之间,需要确定因子数,图2为交叉验证均方根(RMSECV)随着因子数(LV)的变化图,其中a)、b)、c)分别对应花生油、葵花油和大豆油。从图中可以看出,RMSECV随着因子数的增加逐渐下降,取最小RMSECV对应的因子数为该组分的因子数,三种组分因子数分别确定为17、19、20。
3)将预测集的光谱代入优化好的PLS模型,预测调和油中各种油的比例。图3a)、b)、c)分别为调和油中大豆油、花生油、葵花油三种组分实际值与预测值的相关图。从图中可以看出,三种组分的实际值与预测值线性关系较好,相关系数(R)分别达到0.9874,0.9371和0.9456。
Claims (3)
1.一种快速、准确定量调和油中各种油份比例的检测方法,其特征在于:它利用近红外光谱仪扫描调和油的光谱,采用不取平均值的方法直接建立PLS模型,结合最佳因子数建立了预测模型来定量分析调和油中各种油含量。
2.根据权利要求1所述的调和油中各油份快速、准确的检测方法,其特征在于:所述化学计量学方法先采用SG平滑对光谱进行预处理,确定因子数后,采用偏最小二乘回归方法建立校正模型。
3.根据权利要求1所述的调和油中各油份快速、准确的检测方法,其特征在于:对于调和油中各油份的配比没有限制,特别对其中对的某一种油都可以同时准确检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410616248.0A CN104297201A (zh) | 2014-11-03 | 2014-11-03 | 一种快速、准确定量调和油中各种油份比例的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410616248.0A CN104297201A (zh) | 2014-11-03 | 2014-11-03 | 一种快速、准确定量调和油中各种油份比例的检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104297201A true CN104297201A (zh) | 2015-01-21 |
Family
ID=52317025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410616248.0A Pending CN104297201A (zh) | 2014-11-03 | 2014-11-03 | 一种快速、准确定量调和油中各种油份比例的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104297201A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105548027A (zh) * | 2015-12-09 | 2016-05-04 | 湖南省农产品加工研究所 | 基于近红外光谱测定调和油中茶油含量的分析模型及方法 |
CN106483095A (zh) * | 2016-10-13 | 2017-03-08 | 天津工业大学 | 一种快速、准确定量四元调和油中各组分油含量的方法 |
CN106525760A (zh) * | 2016-10-27 | 2017-03-22 | 天津工业大学 | 一种用于六元调和油定量分析的方法 |
CN107036999A (zh) * | 2016-11-15 | 2017-08-11 | 天津工业大学 | 一种基于近红外光谱及化学计量学的五元调和油定量分析方法 |
CN107727591A (zh) * | 2017-09-27 | 2018-02-23 | 天津工业大学 | 一种基于积分球漫反射紫外可见光谱的三元掺伪三七定量分析方法 |
CN110987862A (zh) * | 2019-11-06 | 2020-04-10 | 汉谷云智(武汉)科技有限公司 | 一种柴油在线调和方法 |
-
2014
- 2014-11-03 CN CN201410616248.0A patent/CN104297201A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105548027A (zh) * | 2015-12-09 | 2016-05-04 | 湖南省农产品加工研究所 | 基于近红外光谱测定调和油中茶油含量的分析模型及方法 |
CN106483095A (zh) * | 2016-10-13 | 2017-03-08 | 天津工业大学 | 一种快速、准确定量四元调和油中各组分油含量的方法 |
CN106525760A (zh) * | 2016-10-27 | 2017-03-22 | 天津工业大学 | 一种用于六元调和油定量分析的方法 |
CN107036999A (zh) * | 2016-11-15 | 2017-08-11 | 天津工业大学 | 一种基于近红外光谱及化学计量学的五元调和油定量分析方法 |
CN107727591A (zh) * | 2017-09-27 | 2018-02-23 | 天津工业大学 | 一种基于积分球漫反射紫外可见光谱的三元掺伪三七定量分析方法 |
CN110987862A (zh) * | 2019-11-06 | 2020-04-10 | 汉谷云智(武汉)科技有限公司 | 一种柴油在线调和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104297201A (zh) | 一种快速、准确定量调和油中各种油份比例的检测方法 | |
CN103575689B (zh) | 近红外光谱和可见光分析仪快速检测稻米中直链淀粉含量的方法 | |
CN107817223A (zh) | 快速无损实时预测原油性质模型的构建方法及其应用 | |
CN102735642B (zh) | 一种快速无损鉴别初榨橄榄油和油橄榄果渣油的方法 | |
CN102590129B (zh) | 近红外检测花生中氨基酸含量的方法 | |
CN102818777A (zh) | 一种基于光谱和颜色测量的水果成熟度评价方法 | |
CN101413885A (zh) | 一种快速定量蜂蜜品质的近红外光谱方法 | |
CN101059426A (zh) | 基于近红外光谱技术无损测量茶叶中茶多酚含量的方法 | |
CN102323267A (zh) | 一种快速评价生鲜肉品新鲜度的***及方法 | |
CN102636454A (zh) | 近红外光谱快速测定食用油中低碳数脂肪酸含量的方法 | |
CN106841083A (zh) | 基于近红外光谱技术的芝麻油品质检测方法 | |
CN102879353A (zh) | 近红外检测花生中蛋白质组分含量的方法 | |
CN104990895B (zh) | 一种基于局部区域的近红外光谱信号标准正态校正方法 | |
CN109211829A (zh) | 一种基于SiPLS的近红外光谱法测定大米中水分含量的方法 | |
Li et al. | Nondestructive detection of frying times for soybean oil by NIR-spectroscopy technology with Adaboost-SVM (RBF) | |
CN105044025A (zh) | 一种近红外快速识别芝麻油及芝麻油中掺杂大豆油的方法 | |
CN106198446A (zh) | 近红外光谱快速测定艾纳香叶粉中左旋龙脑含量的方法 | |
CN106950192A (zh) | 一种基于近红外光谱分析技术的植物蛋白饮料中主要成分含量快速检测的方法 | |
CN102221533A (zh) | 一种基于紫外光谱花生油掺伪定量检测的方法 | |
CN104764699A (zh) | 一种测定食用油酸价的方法 | |
CN103411895B (zh) | 珍珠粉掺伪的近红外光谱鉴别方法 | |
CN105548027A (zh) | 基于近红外光谱测定调和油中茶油含量的分析模型及方法 | |
CN110672578A (zh) | 针对煎炸油极性组分检测的模型通用性及稳定性验证方法 | |
CN110210005A (zh) | 一种无参考值的光谱波数选择方法 | |
CN110231302A (zh) | 一种快速测定奇亚籽粗脂肪含量的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150121 |
|
WD01 | Invention patent application deemed withdrawn after publication |