[发明专利]食用植物油品种的快速无损鉴别方法

说明书

技术领域

本发明涉及食用植物油品种的快速无损鉴别方法，属于食品科学与技术领域。

背景技术

食用植物油与人们生活密切相关，既是人体的重要能源和营养源，也是食品生产加工中重要的原料。随着人们健康生活意识的增强，食用植物油已经取代动物性油脂成为人们日常生活中最重要的食用油。不同种类的植物油营养价值不同，售价差异悬殊，导致出现以假乱真、以次充好等现象，使得植物油产品质量与食用安全情况堪忧。目前，色谱或色谱质谱联用法是植物油品质检测的主要方法，虽然鉴别准确度高，但是它需要样品前处理和大量的化学试剂，而且无法做到快速测试和在线分析。因此，对不同种类的食用植物油进行快速无损的品种鉴别显得尤为重要。

近红外光谱分析技术是结合了光谱测量技术、基础测试技术、化学计量学方法与计算机技术的一种间接分析技术，由于具备无需样品预处理、非破坏性检测、绿色环保、简单快速、可以实现多组分指标的同时检测及远程在线分析等优势，近年来越来越广泛地应用于石油、农业、医药、食品、烟草、纺织等行业。

也有报道利用近红外技术对植物油进行定性定量分析，但是目前报道的方法一般检测的食用植物油种类只有3-4种，而且针对不同的分析对象，建立的模型效果差别也比较大。

目前，尚没有能够实现菜籽油、茶籽油、大豆油、橄榄油、花生油、小麦胚芽油、玉米油这七种食用植物油的快速无损检测方法。

发明内容

为了解决上述问题，本发明提供了一种快速、无损的食用植物油的品种鉴别方法。

本发明的食用植物油品种鉴别方法，是先利用近红外光谱仪不同种类的多个食用植物油的近红外光谱，对光谱进行预处理后，测量其在波长范围1000-2500nm下的吸光度，然后采用簇类独立软模式识别法建立SIMCA分类识别模型或者采用偏最小二乘判别分析方法建立PLS-DA模型；当检测未知食用植物油样品时，先得到待测样品的近红外光谱，再将其在波长范围1000-2500nm下的吸光度代入到建立的SIMCA分类识别模型或者PLS-DA模型中，即能得到待测样品的种类信息。

在一种实施方式中，所述植物油为菜籽油、茶籽油、大豆油、橄榄油、花生油、小麦胚芽油、玉米油。

在一种实施方式中，所述方法是选择波段为1130-2200nm下的吸光度建立SIMCA分类识别模型。

在一种实施方式中，所述近红外光谱仪先预热30min，再开始采集光谱。

在一种实施方式中，所述对光谱进行预处理的方式为：基线校正和Savitzky-Goaly多项式9点平滑处理。

在一种实施方式中，所述方法包括以下步骤：

1)收集七种不同种类的纯食用植物油样品，采用傅里叶变换近红外光谱仪采样平台采集样品的近红外光谱，测量模式为吸光度，波长范围1000-2500nm；

2)运用the unscrambler X10.3软件，对样品光谱分别进行PCA主成分分析和优选PLS-DA因子数；

3)在最佳PCA结果下建立SIMCA分类识别模型或者在最佳因子数下建立PLS-DA模型；

4)利用SIMCA模型或者PLS-DA模型预测未知样品的类别。

在一种实施方式中，所述最佳因子数为12。

在一种实施方式中，所述的偏最小二乘判别分析方法中因子数的确定方法为不同因子数下可释方差的变化，当可释方差达到一个最大值时对应的因子数为最佳因子数。

本发明的优点和效果：

按照本发明的技术方案，该方法建立的SIMCA分类识别模型对七种植物油的识别率均能达到100％，拒绝率除茶籽油为83.3％外，其余六种植物油拒绝率均为100％。PLS-DA模型对七种植物油的预测正确率均为100％。模型效果良好，能用于多种食用植物油的品种鉴别分析。

附图说明

图1为七种食用植物油的近红外光谱图；

图2为校正集样品PCA主成分得分图；

图3为PLS-DA模型中虚拟变量的可释方差随因子数变化图。

具体实施方案

下面是对本发明进行具体描述。

实施例1

1)收集七种纯植物油(菜籽油、茶籽油、大豆油、橄榄油、花生油、小麦胚芽油、玉米油)样品共70个，用便携式近红外光谱采样平台对70个样品进行近红外光谱采集，测量模式为吸光度，波长范围1000-2500nm。得到的近红外光谱图如图1所示。将采集的样品谱图随机分为49个校正集，21个验证集。

2)基于PCA的SIMCA模型建立