基于色谱和光谱数据融合的不同植物源食用油判别方法与模型
发布时间：2021-08-11 13:49
利用气相色谱和近红外光谱技术对不同植物源的4种食用油（葵花籽油、大豆油、玉米油和花生油）进行表征分析,基于表征数据分别建立了偏最小二乘判别分析（PLS-DA）模型,并在此基础上探究了数据级数据融合方法,构建了基于色谱和光谱数据融合的不同植物源食用油判别方法与模型。主成分分析（PCA）结果显示,气相色谱判别分析主要是依据脂肪酸组成信息,近红外光谱主要是基于样本中含氢化学键的表征进行分类。数据融合模型的灵敏度和特异度均为1.000,分类误差为0.000,降低了交互验证的平均分类误差,模型具有良好的稳健性。与基于单一数据的模型结果相比,数据融合分析策略提高了模型的分类精度和鲁棒性。
【文章来源】：分析测试学报. 2020,39(11)北大核心CSCD
【文章页数】：6 页
【部分图文】：
基于脂肪酸组成的不同植物油Biplot图
图2为4种植物油的近红外平均光谱,4种植物油样本的近红外吸收峰相似;吸收强度上,花生油与其余3种植物油间的差异较大。主要的差异区域大致分为5个部分:区域1主要为羧酸中O—H与其他基团组合频的吸收;区域2主要为羧酸单体O—H键伸缩振动的一级倍频吸收;区域3的肩峰主要是CH3的一级倍频吸收;区域4主要是水O—H键伸缩振动的倍频吸收;区域5主要是顺式不饱和脂肪酸中和C—H键的合频吸收峰[21]。2.4 食用油植物源近红外光谱主成分分析
进一步对气相色谱和近红外光谱数据进行PLS-DA判别分析,结果如表2所示,气相色谱和近红外光谱均可对食用油植物源进行判别分析,模型交互验证集的灵敏度和特异度均不低于0.929,分类误差不大于0.061;花生油PLS-DA判别分析的灵敏度和特异度均为1.000,分类误差为0.000,这一结果与主成分分析中花生油的区分良好有关;近红外光谱对其余3种植物油的PLS-DA判别分析结果较气相色谱差。与现有文献中基于近红外光谱判别分析食用油植物源100%正确判别率的结果相比,该结论的偏差可能是样本范围扩大导致:植物油的收集包含了不同原料品种、产地、生产工艺和存储时间的样本。采用数据级数据融合方法,融合气相色谱和近红外光谱数据进行建模,结果表明,食用油植物源判别分析的灵敏度和特异度均为1.000,分类误差为0.000;说明数据融合的方法具有提高模型精度的能力,并且数据融合模型对于复杂来源样本的包容性更好。表2 食用油植物源PLS-DA判别分析结果Table 2 PLS-DA discriminant analysis results of vegetable oils type Data(数据源) Parameters(评价指标) Peanut oil(花生油) Sunflower oil(葵花籽油) Corn oil(玉米油) Soybean oil(大豆油) GC(气相色谱) Sensitivity(CV) 1.000 0.964 1.000 1.000 Specificity(CV) 1.000 1.000 1.000 1.000 Classification error(CV) 0.000 0.000 0.018 0.000 NIR(近红外光谱) Sensitivity(CV) 1.000 1.000 0.964 0.929 Specificity(CV) 1.000 0.989 0.977 0.949 Classification error(CV) 0.000 0.006 0.029 0.061 Data fusion(数据融合) Sensitivity(CV) 1.000 1.000 1.000 1.000 Specificity(CV) 1.000 1.000 1.000 1.000 Classification error(CV) 0.000 0.000 0.000 0.000
【参考文献】：
期刊论文
[1]光谱数据融合技术在食品检测中的应用研究进展[J]. 杨巧玲,邓晓军,孙晓东,钮冰,古淑青,陈沁. 食品工业科技. 2020(18)
[2]常见光谱技术在植物油品质检测中的应用[J]. 许林楠,林泓,钮冰,邓晓军. 分析测试学报. 2019(11)
[3]红外光谱的陆生动物油脂中反刍动物成分鉴别分析[J]. 刘贤,徐凌芝,高冰,韩鲁佳. 光谱学与光谱分析. 2019(10)
[4]利用近红外及中红外融合技术对小麦产地和烘干程度的同时鉴别[J]. 邹小波,封韬,郑开逸,石吉勇,黄晓玮,孙悦. 光谱学与光谱分析. 2019(05)
[5]基于在线近红外光谱的堆肥全过程关键参数快速检测[J]. 杨增玲,黄圆萍,沈广辉,梅佳琪,韩鲁佳. 农业机械学报. 2019(05)
[6]FTIR、ATR-FTIR和UV多光谱鉴别不同产地重楼[J]. 裴艺菲,左智天,赵艳丽,张庆芝,王元忠. 分析测试学报. 2019(01)
[7]基于光谱和图像信息融合的玉米霉变程度在线检测[J]. 沈飞,黄怡,周曰春,刘琴,裴斐,李彭,方勇,刘兴泉. 食品科学. 2019(16)
[8]近红外光谱结合区间偏最小二乘法应用于花生油酸价的测定[J]. 周小华,张玫,相秉仁. 粮油食品科技. 2017(02)
[9]气相色谱结合化学计量学用于6种食用植物油的分类[J]. 张方圆,吴凌涛,林晨,蔡大川,王李平,方丽,林泽鹏. 分析试验室. 2016(11)
[10]近红外漫反射聚类法无损快速测定淀粉品质[J]. 孙晓荣,刘翠玲,吴静珠,方平,李慧. 北京工商大学学报(自然科学版). 2010(06)
本文编号：3336271
【文章来源】：分析测试学报. 2020,39(11)北大核心CSCD
【文章页数】：6 页
【部分图文】：
基于脂肪酸组成的不同植物油Biplot图
图2为4种植物油的近红外平均光谱,4种植物油样本的近红外吸收峰相似;吸收强度上,花生油与其余3种植物油间的差异较大。主要的差异区域大致分为5个部分:区域1主要为羧酸中O—H与其他基团组合频的吸收;区域2主要为羧酸单体O—H键伸缩振动的一级倍频吸收;区域3的肩峰主要是CH3的一级倍频吸收;区域4主要是水O—H键伸缩振动的倍频吸收;区域5主要是顺式不饱和脂肪酸中和C—H键的合频吸收峰[21]。2.4 食用油植物源近红外光谱主成分分析
进一步对气相色谱和近红外光谱数据进行PLS-DA判别分析,结果如表2所示,气相色谱和近红外光谱均可对食用油植物源进行判别分析,模型交互验证集的灵敏度和特异度均不低于0.929,分类误差不大于0.061;花生油PLS-DA判别分析的灵敏度和特异度均为1.000,分类误差为0.000,这一结果与主成分分析中花生油的区分良好有关;近红外光谱对其余3种植物油的PLS-DA判别分析结果较气相色谱差。与现有文献中基于近红外光谱判别分析食用油植物源100%正确判别率的结果相比,该结论的偏差可能是样本范围扩大导致:植物油的收集包含了不同原料品种、产地、生产工艺和存储时间的样本。采用数据级数据融合方法,融合气相色谱和近红外光谱数据进行建模,结果表明,食用油植物源判别分析的灵敏度和特异度均为1.000,分类误差为0.000;说明数据融合的方法具有提高模型精度的能力,并且数据融合模型对于复杂来源样本的包容性更好。表2 食用油植物源PLS-DA判别分析结果Table 2 PLS-DA discriminant analysis results of vegetable oils type Data(数据源) Parameters(评价指标) Peanut oil(花生油) Sunflower oil(葵花籽油) Corn oil(玉米油) Soybean oil(大豆油) GC(气相色谱) Sensitivity(CV) 1.000 0.964 1.000 1.000 Specificity(CV) 1.000 1.000 1.000 1.000 Classification error(CV) 0.000 0.000 0.018 0.000 NIR(近红外光谱) Sensitivity(CV) 1.000 1.000 0.964 0.929 Specificity(CV) 1.000 0.989 0.977 0.949 Classification error(CV) 0.000 0.006 0.029 0.061 Data fusion(数据融合) Sensitivity(CV) 1.000 1.000 1.000 1.000 Specificity(CV) 1.000 1.000 1.000 1.000 Classification error(CV) 0.000 0.000 0.000 0.000
【参考文献】：
期刊论文
[1]光谱数据融合技术在食品检测中的应用研究进展[J]. 杨巧玲,邓晓军,孙晓东,钮冰,古淑青,陈沁. 食品工业科技. 2020(18)
[2]常见光谱技术在植物油品质检测中的应用[J]. 许林楠,林泓,钮冰,邓晓军. 分析测试学报. 2019(11)
[3]红外光谱的陆生动物油脂中反刍动物成分鉴别分析[J]. 刘贤,徐凌芝,高冰,韩鲁佳. 光谱学与光谱分析. 2019(10)
[4]利用近红外及中红外融合技术对小麦产地和烘干程度的同时鉴别[J]. 邹小波,封韬,郑开逸,石吉勇,黄晓玮,孙悦. 光谱学与光谱分析. 2019(05)
[5]基于在线近红外光谱的堆肥全过程关键参数快速检测[J]. 杨增玲,黄圆萍,沈广辉,梅佳琪,韩鲁佳. 农业机械学报. 2019(05)
[6]FTIR、ATR-FTIR和UV多光谱鉴别不同产地重楼[J]. 裴艺菲,左智天,赵艳丽,张庆芝,王元忠. 分析测试学报. 2019(01)
[7]基于光谱和图像信息融合的玉米霉变程度在线检测[J]. 沈飞,黄怡,周曰春,刘琴,裴斐,李彭,方勇,刘兴泉. 食品科学. 2019(16)
[8]近红外光谱结合区间偏最小二乘法应用于花生油酸价的测定[J]. 周小华,张玫,相秉仁. 粮油食品科技. 2017(02)
[9]气相色谱结合化学计量学用于6种食用植物油的分类[J]. 张方圆,吴凌涛,林晨,蔡大川,王李平,方丽,林泽鹏. 分析试验室. 2016(11)
[10]近红外漫反射聚类法无损快速测定淀粉品质[J]. 孙晓荣,刘翠玲,吴静珠,方平,李慧. 北京工商大学学报(自然科学版). 2010(06)
本文编号：3336271
本文链接：https://www.wllwen.com/wenshubaike/jieribaike/3336271.html
