基于近红外光谱技术的食用油酸值和过氧化值定量分析研究

摘要:

目的 建立基于傅里叶近红外光谱技术的定量分析模型, 实现快速测定食用油中酸值和过氧化值含量, 保证食用油的品质安全以及跟踪食用油储藏期间的品质变化。方法 首先采用傅里叶近红外光谱仪采 集食用油样品漫反射光谱, 接着采用归一化(Normalize)和标准正态变换(standard normal variate, SNV)对光谱 数 据 进 行 预 处 理 , 降 低 原 始 光 谱 中 噪 声 的 影 响 ; 其 次 通 过 随 机 森 林 (random forest, RF)和 引 导 软 收 缩(bootstrapping soft shrinkage, BOSS)算法提取特征波长; 最后结合径向基函数(radial basis function, RBF)神经网络和极限学习机(extreme learning machine, ELM)建立食用油酸值和过氧化值的预测模型, 并与全波段的模型进行对比分析。结果 经过 BOSS 算法所提取的特征波段建立的模型预测效果优于 RF 算法以及全波段模型, 酸值模型的决定系数(determination coefficient, R2)达到 0.98, 均方根误差(root mean square error, RMSE)达到 0.08; 过氧化值模型的 R2 达到 0.96, RMSE 达到 0.63。 结论 BOSS 算法有效的提取了食用油酸值和过氧化值的特征波段, BOSS-RBF 模型能够适用于食用油中酸值和过氧化值含量的快速、无损检测。利用近红外光谱技术对食用油酸值和过氧化值进行定量分析是可行的, 可通过该方法实现对食用油品质的分析研究。

Abstract: