目的 利用中红外光谱技术实现对煎炸油极性组分的快速检测。方法 根据光谱-理化值共生距离分类法对煎炸油中红外光谱数据进行样本划分, 从而得到校正集和预测集。采用卷积(Savitzy-Golay, S-G)平滑+ 一阶导数预处理手段, 利用竞争自适应重加权算法(competitive adaptive reweighted sampling, CARS)进行特征提取, 建立煎炸油极性组分含量的偏最小二乘回归(partial least squares regression, PLSR)预测模型, 并利用 BP神经网络算法对模型进行优化。 结果 BP 神经网络算法建立的模型校正集决定系数为 0.9032, 校正集均方根误差(root mean square error of calibration, RMSEC)为 0.1264, 预测集决定系数为 0.8569, 预测集均方根误差(root mean square error of prediction, RMSEP)为 0.0625。经 BP 神经网络算法优化后, 均方根误差明显减小, 提高了预测模型的准确性。结论 结合 BP 神经网络算法的中红外光谱技术是一种检测煎炸油极性组分的有效方法, 为食用油品质的快速检测提供理论指导和技术支撑。
靳佳蕊 , 孙晓荣 * , 郑冬钰 , 刘翠玲 , 张善哲 , 赵沐天 .基于中红外光谱法检测煎炸油极性组分[J].科研仪器案例成果数据库,2024,(0).
