酸价是食用油脂中游离脂肪酸含量的标志,是评价食用油质量的重要指标之一,也是油脂碱炼脱酸时计算用碱量的主要依据,在油脂加工过程中需要不断检测。传统的酸价检测方法是在实验室进行化学分析,检测过程受人为因素影响大,使用化学试剂造成环境污染,检测时间长,不利于生产和调控。近红外光谱分析技术具有检测速度快、绿色环保、无损等优点,近年来被广泛应用于食品质量快速检测。由于目前国内没有专用的油脂近红外光谱分析仪,而通用型光谱仪采集到的光谱数据包含了大量与被测组分无关的信息,波段冗余现象严重,随着波长变量的增加,不仅会提高模型传递的难度,而且会增加专用分析仪器的硬件成本。通过特定方法,在谱图中筛选对建模影响较大的特征波长变量,在简化模型的同时可以提高模型的稳健性。本文以大豆油脂酸价的近红外光谱检测为例,将多种智能信息处理方法与化学计量学方法相结合,从光谱数据处理、特征波段选择和特征波长点提取等方面研究近红外光谱分析技术在油脂酸价快速检测中的应用。首先利用一级大豆油为基料,通过添加一定量的油酸来调节酸价,调制出不同酸价样品53个,采用标准滴定法测得样品的化学值,利用傅里叶变换近红外光谱仪对样品进行透射光谱扫描,得到样品的原始光谱数据。根据预测值与实际值的偏差去掉异常样品2个,在剩余的51个样品中应用Kennard-Stone算法选出41个样品作为校正集用于建模,10个样品作为预测集,并用平滑方法对原始光谱进行了去噪,用于后续的波段选择。其次,应用多种区间偏最小二乘方法进行油脂酸价近红外光谱特征波段选择,初步筛选出4540-5346 cm-1和6807-7004 cm-1两个特征波段共计262个波长点,用该波段建立的回归模型决定系数R2和预测误差RMSEP分别为0.9753和0.1102,相对标准偏差RSD为6.56%,而利用全谱2075个波长变量建立的模型,其R2和RMSEP分别为0.8506和0.2092,RSD为12.45%,在提高模型预测精度的同时大大降低了模型的复杂度,在此基础上,作进一步的特征波长点提取。最后,分别采用遗传算法和连续投影算法进行油脂酸价特征波长变量优选,其中应用遗传算法选取出29个特征波长点,应用连续投影算法选取出11个特征波长点,然后综合两者的选择结果优选出10个最能反映油脂酸价吸收特性的波长变量,将其作为MLR模型的输入,建立固归模型,并对未知样品进行预测,R2和RMSEP分别为0.9890和0.0957,RSD为5.69%,证明在油脂酸价近红外光谱分析中进行特征波长优选能有效去除冗余信息,降低模型复杂度,提高模型的预测精度,为开发专用油脂近红外光谱分析仪器及实现在线监测奠定基础。