论文部分内容阅读
食用油是人类膳食的重要组成部分,是人类三大营养素之一。其质量状况将影响食品工业发展、消费者健康安全和社会和谐稳定。色泽的深浅是大豆油脂的重要质量指标之一,常要求具有较浅的颜色。所以,测定大豆油脂色泽,可以了解油脂的纯净程度、精炼程度以及判断其是否变质,对改善油脂加工工艺条件和评定油脂品质具有重要意义。传统的检测方法是在实验室进行化学分析,受人为因素影响大,具有检测速度慢,所需化学试剂多,需要复杂的样品前处理等问题。利用近红外光谱分析技术快速检测大豆油脂色泽,可以克服传统方法的诸多弊端,易于实现自动化,对于提高油脂产品质量、实现油脂加工过程动态监控具有重要现实意义。本文以大豆油脂色泽检测为研究对象,结合化学计量学及其模式识别方法,在MATLAB环境下,主要从光谱数据预处理和校正模型建立等方面探讨了近红外光谱分析技术在快速检测大豆油脂色泽中的应用。本研究共收集93个各级大豆油脂样本,在分类中,以72个样本做为训练集,21个样本做为预测集。首先采用C-SVM对三种不同罗维朋黄值的油脂进行分类,对比原谱与小波预处理的谱图数据,从核函数的选取及核参数的优化等方面进行了对比分析,最终设计出适合油脂色泽近红外光谱识别的SVM分类器,实现了不同级别油脂100%的预测识别正确率。在此基础上,对不同黄值的油脂分别利用PLS和ε-SVM对近红外光谱数据和罗维朋红值进行了回归,并对经过各种预处理手段的模型进行对比,其中经过小波-平滑-归一化-基线-SNV预处理后的数据得到最佳建模及预测分析效果,结果表明,相对于传统的PLS建模方法,SVM建模方法更具有优势。黄20,黄35和黄70预测集决定系数R2分别为0.999516,0.91037和0.9104,相对标准偏差为0.123917%,,1.47954%和1.47965%,均超出了预期的目标。以上研究,为近红外光谱分析技术在食用油脂色泽定性和定量检测中的应用提供了理论依据,也为进一步实现大豆油脂色泽的实时在线检测和调控奠定了基础。