会员登陆: 用户名:  密码: 验证码:
首页 杂志概况 投稿须知 在线投稿 在线阅读 征订启事 广告服务 行业资讯 企业动态 资料中心  专访报道 会展信息 ENGLISH

在线审稿投稿系统

在线阅读

搜索结果

基于近红外光谱的食用植物油中反式脂肪酸含量快速定量检测及模型优化研究
莫欣欣 , 孙通 , 刘木华 , 叶振南
doi:  10.11895/j.issn.0253-3820.170329
利用近红外光谱技术对食用植物油中反式脂肪酸(Trans fatty acids,TFA)含量进行快速定量检测,并通过波段选择、预处理方法、变量筛选及建模方法对TFA含量预测模型进行优化。采用Antaris Ⅱ傅里叶变换近红外光谱仪在4000~10000 cm-1光谱范围采集98个食用植物油样本的近红外透射光谱,然后采用气相色谱法测定TFA的真实含量。首先,对样本原始光谱进行波段、预处理方法优选;在此基础上,采用竞争自适应重加权法(Competitive adaptive reweighted sampling,CARS)筛选TFA相关的重要变量,最后应用主成分回归、偏最小二乘和最小二乘支持向量机方法分别建立食用植物油中TFA含量的预测模型。研究结果表明,近红外光谱技术检测食用植物油中的TFA含量是可行的,优化后的最佳预测模型的校正集和预测集R2分别为0.992和0.989,RMSEC和RMSEP分别为0.071%和0.075%。最佳预测模型所用的变量仅26个,占全波段变量的0.854%。此外,与全波段偏最小二乘预测模型相比,其预测集R2由0.904上升为0.989,RMSEP由0.230%下降为0.075%。由此表明,模型优化非常必要,CARS能有效筛选TFA相关的重要变量,极大减少建模变量数,从而简化预测模型,并较大提高预测模型的精度和稳定性。
关键词: 食用植物油, 近红外光谱, 模型优化, 竞争自适应重加权法变量筛选, 定量检测