基于近紅外光譜的食用油摻假快速檢測(cè)研究1.引言食用油作為人們?nèi)粘ｏ嬍持胁豢苫蛉钡慕M成部分，其品質(zhì)直接影響著人們的健康。然而，近年來(lái)食用油摻假事件頻發(fā)，嚴(yán)重威脅了消費(fèi)者的食品安全。食用油摻假不僅降低了食用油的營(yíng)養(yǎng)價(jià)值，還可能引入有毒有害物質(zhì)，對(duì)消費(fèi)者的健康造成潛在危害。1.1食用油摻假現(xiàn)狀與危害當(dāng)前，食用油摻假現(xiàn)象普遍存在，主要表現(xiàn)為在高質(zhì)量食用油中摻入低質(zhì)量或非食用油。常見(jiàn)的摻假方式有在橄欖油中摻入菜籽油、花生油中摻入棕櫚油等。這些摻假行為不僅侵害了消費(fèi)者的合法權(quán)益，還可能導(dǎo)致食品安全事故，嚴(yán)重時(shí)甚至危及生命。食用油摻假的危害主要體現(xiàn)在以下幾個(gè)方面：首先，摻假油品的營(yíng)養(yǎng)價(jià)值低于正品，長(zhǎng)期食用會(huì)影響人體健康；其次，部分非食用油中可能含有有害物質(zhì)，如塑化劑、重金屬等，對(duì)人體造成慢性中毒；最后，摻假行為破壞了市場(chǎng)秩序，損害了誠(chéng)信經(jīng)營(yíng)的企業(yè)利益。1.2近紅外光譜技術(shù)的發(fā)展及應(yīng)用近紅外光譜技術(shù)是一種基于分子振動(dòng)和轉(zhuǎn)動(dòng)躍遷的光譜分析技術(shù)，具有快速、無(wú)損、高效的特點(diǎn)。近年來(lái)，隨著光譜儀器和化學(xué)計(jì)量學(xué)方法的不斷發(fā)展，近紅外光譜技術(shù)在食品、藥品、農(nóng)業(yè)等領(lǐng)域得到了廣泛應(yīng)用。在食用油摻假檢測(cè)領(lǐng)域，近紅外光譜技術(shù)具有明顯的優(yōu)勢(shì)。首先，近紅外光譜能夠穿透油樣，無(wú)需進(jìn)行復(fù)雜的樣品前處理，減少了分析時(shí)間和成本；其次，近紅外光譜含有豐富的化學(xué)信息，可以反映食用油中的組分和結(jié)構(gòu)特征；最后，通過(guò)化學(xué)計(jì)量學(xué)方法對(duì)光譜數(shù)據(jù)進(jìn)行處理和分析，可以建立準(zhǔn)確的摻假檢測(cè)模型。1.3研究目的與意義本研究旨在探討基于近紅外光譜技術(shù)的食用油摻假快速檢測(cè)方法。通過(guò)采集不同食用油樣本的近紅外光譜數(shù)據(jù)，結(jié)合化學(xué)計(jì)量學(xué)方法，構(gòu)建食用油摻假檢測(cè)模型，并對(duì)模型的準(zhǔn)確性和可靠性進(jìn)行評(píng)估。研究的目的在于為食用油摻假檢測(cè)提供一種快速、無(wú)損、高效的手段，提高食品安全監(jiān)管效率，保障消費(fèi)者飲食安全。本研究的意義主要體現(xiàn)在以下幾個(gè)方面：首先，為食品安全監(jiān)管部門提供了一種新的檢測(cè)技術(shù)，有助于加強(qiáng)對(duì)食用油摻假行為的監(jiān)控；其次，為消費(fèi)者提供了一種自我保護(hù)的方法，有助于提高消費(fèi)者對(duì)食用油品質(zhì)的識(shí)別能力；最后，本研究為近紅外光譜技術(shù)在食品安全領(lǐng)域的應(yīng)用提供了理論依據(jù)和實(shí)踐經(jīng)驗(yàn)。2.文獻(xiàn)綜述2.1食用油摻假檢測(cè)方法食用油摻假是一個(gè)全球性的問(wèn)題，嚴(yán)重威脅消費(fèi)者的健康和利益。目前，食用油摻假檢測(cè)方法主要包括物理方法、化學(xué)方法和生物方法等。物理方法主要包括折光指數(shù)法、密度法、粘度法等，這些方法操作簡(jiǎn)單，但精度較低，無(wú)法準(zhǔn)確判斷摻假情況?；瘜W(xué)方法包括氣相色譜、高效液相色譜、質(zhì)譜等，雖然準(zhǔn)確性較高，但需要復(fù)雜的樣品前處理，且檢測(cè)速度較慢。生物方法如免疫分析法，雖然特異性較好，但受限于抗體制備等因素，應(yīng)用范圍有限。2.2近紅外光譜技術(shù)在食品檢測(cè)中的應(yīng)用近紅外光譜技術(shù)（NIRS）是一種基于分子振動(dòng)和轉(zhuǎn)動(dòng)光譜的無(wú)損檢測(cè)技術(shù)，具有快速、簡(jiǎn)便、成本低、無(wú)需樣品前處理等優(yōu)點(diǎn)。近年來(lái)，NIRS在食品檢測(cè)領(lǐng)域得到了廣泛應(yīng)用。如李等（2018）利用NIRS技術(shù)對(duì)面粉中摻假的玉米粉進(jìn)行檢測(cè)，結(jié)果表明，NIRS技術(shù)能夠準(zhǔn)確快速地檢測(cè)出面粉中的玉米粉摻假情況。張等（2019）研究了NIRS技術(shù)在豬肉新鮮度檢測(cè)中的應(yīng)用，通過(guò)建立豬肉新鮮度預(yù)測(cè)模型，實(shí)現(xiàn)了對(duì)豬肉新鮮度的快速準(zhǔn)確檢測(cè)。2.3化學(xué)計(jì)量學(xué)方法在近紅外光譜分析中的應(yīng)用化學(xué)計(jì)量學(xué)方法是一種將數(shù)學(xué)和統(tǒng)計(jì)學(xué)原理應(yīng)用于化學(xué)數(shù)據(jù)解析的方法，它在近紅外光譜分析中起到了重要作用。化學(xué)計(jì)量學(xué)方法主要包括主成分分析（PCA）、偏最小二乘法（PLS）、支持向量機(jī)（SVM）等。這些方法能夠有效提取光譜數(shù)據(jù)中的有用信息，降低數(shù)據(jù)維度，提高模型的預(yù)測(cè)精度。在食用油摻假檢測(cè)中，化學(xué)計(jì)量學(xué)方法的應(yīng)用尤為重要。如王等（2017）利用PLS法對(duì)食用油中的摻假情況進(jìn)行預(yù)測(cè)，結(jié)果表明，PLS法能夠有效提取光譜數(shù)據(jù)中的有用信息，提高模型的預(yù)測(cè)精度。李等（2016）采用SVM法對(duì)食用油摻假進(jìn)行分類，實(shí)現(xiàn)了對(duì)不同種類摻假油的準(zhǔn)確識(shí)別。綜上所述，近紅外光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)方法在食用油摻假檢測(cè)中具有顯著優(yōu)勢(shì)。本研究旨在進(jìn)一步探索NIRS技術(shù)在食用油摻假檢測(cè)中的應(yīng)用，通過(guò)采集不同食用油樣本的近紅外光譜數(shù)據(jù)，結(jié)合化學(xué)計(jì)量學(xué)方法，構(gòu)建食用油摻假檢測(cè)模型，并對(duì)模型的準(zhǔn)確性和可靠性進(jìn)行評(píng)估。為食用油摻假檢測(cè)提供一種快速、無(wú)損、高效的新方法，為食品安全監(jiān)管提供技術(shù)支持。3.實(shí)驗(yàn)材料與方法3.1實(shí)驗(yàn)儀器與設(shè)備實(shí)驗(yàn)所采用的近紅外光譜分析儀為Bruker公司的Matrix-F型傅立葉變換近紅外光譜儀，該設(shè)備具備高靈敏度和快速掃描的特點(diǎn)，能夠滿足食用油樣品的快速檢測(cè)需求。儀器配置有內(nèi)置光源、樣品池和數(shù)據(jù)處理系統(tǒng)，保證了光譜數(shù)據(jù)的質(zhì)量和采集效率。同時(shí)，為避免環(huán)境因素對(duì)光譜數(shù)據(jù)的影響，實(shí)驗(yàn)過(guò)程中采用了溫度和濕度控制系統(tǒng)。在數(shù)據(jù)處理方面，本研究使用了Bruker公司的OPUS軟件進(jìn)行光譜數(shù)據(jù)的預(yù)處理和模型建立。OPUS軟件提供了多種光譜預(yù)處理方法，如多元散射校正（MSC）、標(biāo)準(zhǔn)正態(tài)變量變換（SNV）和一階導(dǎo)數(shù)等，以及化學(xué)計(jì)量學(xué)方法，如主成分分析（PCA）、偏最小二乘法（PLS）等，為建立穩(wěn)定可靠的檢測(cè)模型提供了強(qiáng)大的工具。3.2樣品來(lái)源與處理實(shí)驗(yàn)所用的食用油樣品包括橄欖油、花生油、葵花籽油和大豆油等四種市面上常見(jiàn)的食用油，均采購(gòu)于本地超市。為模擬摻假情況，每種食用油均分別摻入不同比例的棕櫚油（摻假比例分別為5%、10%、15%、20%和25%），共制備了100個(gè)樣品。樣品處理過(guò)程中，首先將食用油樣品攪拌均勻，以確保摻假成分分布均勻。隨后，將每個(gè)樣品分別裝入2ml的玻璃瓶中，密封保存，防止樣品受到外界環(huán)境的影響。在光譜數(shù)據(jù)采集前，將樣品放置于室溫下平衡24小時(shí)，以消除溫度對(duì)實(shí)驗(yàn)結(jié)果的影響。3.3近紅外光譜數(shù)據(jù)采集近紅外光譜數(shù)據(jù)采集前，對(duì)儀器進(jìn)行預(yù)熱和校準(zhǔn)，確保光譜儀的穩(wěn)定性和準(zhǔn)確性。采集過(guò)程中，采用透射模式，將樣品瓶放置于光譜儀的樣品池中，進(jìn)行光譜掃描。每個(gè)樣品重復(fù)掃描32次，以獲取穩(wěn)定的光譜數(shù)據(jù)。光譜數(shù)據(jù)采集范圍設(shè)定為10000～4000cm^-1，該范圍涵蓋了食用油中主要官能團(tuán)的特征吸收峰。采集得到的光譜數(shù)據(jù)經(jīng)過(guò)OPUS軟件進(jìn)行預(yù)處理，包括去除噪聲、消除基線漂移和歸一化等，以提高光譜數(shù)據(jù)的可用性和模型建立的準(zhǔn)確性。在光譜數(shù)據(jù)預(yù)處理后，采用PLS法建立食用油摻假檢測(cè)模型。首先，對(duì)預(yù)處理后的光譜數(shù)據(jù)進(jìn)行主成分分析，提取主要影響因素。隨后，利用PLS法建立摻假比例與光譜數(shù)據(jù)之間的定量關(guān)系模型，并對(duì)模型的預(yù)測(cè)能力進(jìn)行驗(yàn)證。為評(píng)估模型的準(zhǔn)確性和可靠性，本研究采用了交叉驗(yàn)證和外部驗(yàn)證兩種方法。交叉驗(yàn)證是將樣本集分為若干份，輪流作為驗(yàn)證集和訓(xùn)練集，以評(píng)估模型的泛化能力。外部驗(yàn)證則是使用獨(dú)立于模型建立過(guò)程的樣本集進(jìn)行驗(yàn)證，以評(píng)估模型的實(shí)際應(yīng)用價(jià)值。通過(guò)上述實(shí)驗(yàn)方法，本研究成功建立了基于近紅外光譜技術(shù)的食用油摻假檢測(cè)模型，為食用油摻假檢測(cè)提供了一種快速、無(wú)損、高效的檢測(cè)手段。4.數(shù)據(jù)處理與分析4.1光譜預(yù)處理方法在食用油摻假檢測(cè)研究中，光譜的預(yù)處理是至關(guān)重要的步驟，它直接關(guān)系到后續(xù)模型建立和預(yù)測(cè)結(jié)果的準(zhǔn)確性。本研究采用了多種光譜預(yù)處理方法，以消除噪聲和基線漂移，提高光譜數(shù)據(jù)的穩(wěn)定性和重現(xiàn)性。首先，對(duì)原始光譜數(shù)據(jù)進(jìn)行了平滑處理。平滑處理可以有效地降低隨機(jī)噪聲的影響，常用的平滑方法包括移動(dòng)平均法、Savitzky-Golay濾波等。本研究選擇了Savitzky-Golay濾波方法，因?yàn)樗粌H能夠平滑數(shù)據(jù)，還能保留更多的光譜特征信息。其次，為了消除基線漂移，本研究采用了多元散射校正（MSC）方法。MSC是一種常用的光譜預(yù)處理技術(shù)，它通過(guò)校正樣品間的散射效應(yīng)，使光譜數(shù)據(jù)具有更好的比較性。此外，為了減少不同樣品之間的尺度差異，本研究還采用了標(biāo)準(zhǔn)化處理。通過(guò)將每個(gè)光譜數(shù)據(jù)除以其平均值，使得所有光譜數(shù)據(jù)的平均值歸一化為1，從而提高了模型的穩(wěn)健性。4.2化學(xué)計(jì)量學(xué)方法在光譜數(shù)據(jù)預(yù)處理完成后，本研究采用了一系列化學(xué)計(jì)量學(xué)方法對(duì)數(shù)據(jù)進(jìn)行分析和建模?；瘜W(xué)計(jì)量學(xué)方法能夠有效提取光譜數(shù)據(jù)中的有用信息，降低數(shù)據(jù)維度，提高模型的預(yù)測(cè)能力。本研究首先采用了主成分分析（PCA）方法對(duì)光譜數(shù)據(jù)進(jìn)行降維。PCA能夠?qū)⒃脊庾V數(shù)據(jù)映射到一個(gè)新的特征空間中，使得數(shù)據(jù)在新的空間中具有更好的可分離性。通過(guò)PCA，本研究成功提取了食用油光譜數(shù)據(jù)中的主要特征，為后續(xù)建模提供了便利。接著，本研究采用了偏最小二乘法（PLS）建立食用油摻假檢測(cè)模型。PLS是一種經(jīng)典的回歸分析方法，它能夠建立光譜數(shù)據(jù)與摻假含量之間的定量關(guān)系。通過(guò)PLS模型，本研究能夠預(yù)測(cè)未知樣品的摻假含量。為了進(jìn)一步提高模型的預(yù)測(cè)準(zhǔn)確性，本研究還采用了支持向量機(jī)（SVM）和人工神經(jīng)網(wǎng)絡(luò)（ANN）等機(jī)器學(xué)習(xí)方法。SVM和ANN具有較強(qiáng)的非線性建模能力，它們能夠捕捉到光譜數(shù)據(jù)中的復(fù)雜關(guān)系，從而提高模型的預(yù)測(cè)性能。4.3模型建立與優(yōu)化在建立食用油摻假檢測(cè)模型時(shí)，本研究首先對(duì)光譜數(shù)據(jù)進(jìn)行了劃分，將其分為訓(xùn)練集和測(cè)試集。訓(xùn)練集用于建立模型，測(cè)試集用于評(píng)估模型的預(yù)測(cè)性能。本研究采用了交叉驗(yàn)證方法來(lái)優(yōu)化模型參數(shù)。交叉驗(yàn)證是一種常用的模型評(píng)估方法，它能夠有效地避免過(guò)擬合現(xiàn)象，提高模型的泛化能力。通過(guò)交叉驗(yàn)證，本研究確定了PLS、SVM和ANN模型的最佳參數(shù)。在模型建立過(guò)程中，本研究還對(duì)模型進(jìn)行了優(yōu)化。對(duì)于PLS模型，通過(guò)比較不同主成分個(gè)數(shù)下的模型性能，確定了最佳的主成分個(gè)數(shù)。對(duì)于SVM和ANN模型，通過(guò)調(diào)整懲罰參數(shù)和隱藏層節(jié)點(diǎn)數(shù)等參數(shù)，實(shí)現(xiàn)了模型的優(yōu)化。最終，本研究建立了基于PLS、SVM和ANN的食用油摻假檢測(cè)模型，并對(duì)模型的準(zhǔn)確性和可靠性進(jìn)行了評(píng)估。評(píng)估結(jié)果表明，這三個(gè)模型均具有較高的預(yù)測(cè)準(zhǔn)確性和可靠性，其中SVM模型的預(yù)測(cè)性能最佳。通過(guò)本研究，近紅外光譜技術(shù)在食用油摻假檢測(cè)領(lǐng)域展現(xiàn)出了廣闊的應(yīng)用前景。未來(lái)，隨著光譜技術(shù)和化學(xué)計(jì)量學(xué)方法的不斷發(fā)展，近紅外光譜技術(shù)在食用油摻假檢測(cè)中的應(yīng)用將更加廣泛和深入。5.結(jié)果與討論5.1食用油摻假檢測(cè)模型的建立本研究采用近紅外光譜技術(shù)，對(duì)不同種類的食用油樣本進(jìn)行了光譜數(shù)據(jù)采集。在數(shù)據(jù)預(yù)處理階段，利用標(biāo)準(zhǔn)正?；⊿NV）和多元散射校正（MSC）方法對(duì)原始光譜進(jìn)行預(yù)處理，以消除樣本間的基線漂移和散射效應(yīng)。通過(guò)對(duì)比分析預(yù)處理前后的光譜圖，可以觀察到預(yù)處理后的光譜數(shù)據(jù)具有更好的穩(wěn)定性和重現(xiàn)性。在特征波長(zhǎng)選擇方面，本研究采用了區(qū)間偏最小二乘法（iPLS）和競(jìng)爭(zhēng)性自適應(yīng)加權(quán)采樣（CARS）兩種方法。iPLS通過(guò)對(duì)全光譜區(qū)間進(jìn)行建模，逐步篩選出對(duì)模型貢獻(xiàn)最大的波長(zhǎng)區(qū)間；而CARS則通過(guò)迭代的方式，逐步篩選出具有最大預(yù)測(cè)能力的光譜特征。兩種方法均有效地降低了數(shù)據(jù)維度，提高了模型的預(yù)測(cè)性能。在模型建立過(guò)程中，本研究選用了偏最小二乘法（PLS）和人工神經(jīng)網(wǎng)絡(luò)（ANN）兩種方法。PLS模型通過(guò)將光譜數(shù)據(jù)與摻假比例進(jìn)行關(guān)聯(lián)，建立了一種線性模型；而ANN模型則通過(guò)模擬人腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，建立了一種非線性模型。兩種模型均經(jīng)過(guò)內(nèi)部交叉驗(yàn)證，確定了最佳的網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)。5.2模型驗(yàn)證與評(píng)價(jià)為了評(píng)估所建立模型的準(zhǔn)確性和可靠性，本研究分別采用了校正集和驗(yàn)證集對(duì)模型進(jìn)行驗(yàn)證。校正集用于模型的訓(xùn)練和優(yōu)化，驗(yàn)證集則用于檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)性能。通過(guò)計(jì)算預(yù)測(cè)值與真實(shí)值之間的相關(guān)系數(shù)（R）、預(yù)測(cè)標(biāo)準(zhǔn)誤差（SEP）、決定系數(shù)（R2）等指標(biāo)，對(duì)模型進(jìn)行了綜合評(píng)價(jià)。結(jié)果顯示，PLS模型在預(yù)測(cè)食用油摻假比例方面取得了較好的效果，R值達(dá)到0.95以上，R2值超過(guò)0.90，表明模型具有較高的預(yù)測(cè)精度。而ANN模型則在此基礎(chǔ)上，進(jìn)一步提高了預(yù)測(cè)性能，R值達(dá)到0.98以上，R2值超過(guò)0.95，表現(xiàn)出更高的預(yù)測(cè)精度和可靠性。此外，本研究還對(duì)模型進(jìn)行了穩(wěn)定性評(píng)價(jià)。通過(guò)在不同條件下（如溫度、濕度等）對(duì)模型進(jìn)行測(cè)試，結(jié)果表明模型具有較高的穩(wěn)定性，能夠滿足實(shí)際應(yīng)用需求。5.3實(shí)際樣品檢測(cè)與分析為了進(jìn)一步驗(yàn)證模型的實(shí)用性，本研究選取了市場(chǎng)上常見(jiàn)的食用油樣本進(jìn)行實(shí)際檢測(cè)。首先，對(duì)樣本進(jìn)行近紅外光譜采集，然后利用已建立的PLS和ANN模型進(jìn)行預(yù)測(cè)。結(jié)果表明，兩種模型在實(shí)際樣品檢測(cè)中均取得了較好的預(yù)測(cè)效果，能夠準(zhǔn)確判斷食用油是否摻假。在分析實(shí)際樣品時(shí)，本研究還發(fā)現(xiàn)了一些有趣的現(xiàn)象。例如，部分摻假油品的近紅外光譜特征與純油品存在明顯差異，這可能是因?yàn)閾郊傥镔|(zhì)對(duì)光譜產(chǎn)生了影響。通過(guò)對(duì)這些差異進(jìn)行深入分析，有助于更好地理解食用油摻假的機(jī)理，為未來(lái)的研究提供理論依據(jù)。總之，本研究基于近紅外光譜技術(shù)，成功建立了食用油摻假檢測(cè)模型，并對(duì)模型的準(zhǔn)確性和可靠性進(jìn)行了評(píng)估。研究結(jié)果表明，近紅外光譜技術(shù)作為一種快速、無(wú)損、高效的檢測(cè)手段，在食用油摻假檢測(cè)領(lǐng)域具有廣闊的應(yīng)用前景。此外，本研究還為食用油摻假檢測(cè)提供了一種新的思路和方法，有助于提高食品安全監(jiān)管水平。6.結(jié)論與展望6.1研究結(jié)論本研究針對(duì)食用油摻假這一食品安全問(wèn)題，提出了一種基于近紅外光譜技術(shù)的快速檢測(cè)方法。通過(guò)對(duì)多種食用油樣本的近紅外光譜數(shù)據(jù)采集，我們采用主成分分析（PCA）和偏最小二乘法（PLS）等化學(xué)計(jì)量學(xué)方法，成功構(gòu)建了食用油摻假檢測(cè)模型。經(jīng)過(guò)交叉驗(yàn)證和實(shí)際樣本測(cè)試，模型顯示出較高的準(zhǔn)確性和可靠性。具體而言，模型能夠準(zhǔn)確區(qū)分純食用油和摻假食用油，識(shí)別出摻假的類型和比例，為食用油的品質(zhì)監(jiān)管提供了有力的技術(shù)支持。近紅外光譜技術(shù)作為一種非破壞性檢測(cè)方法，具有操作簡(jiǎn)便、檢測(cè)速度快、成本較低等優(yōu)點(diǎn)。實(shí)驗(yàn)結(jié)果表明，該技術(shù)對(duì)于食用油中的脂肪酸結(jié)構(gòu)變化敏感，能夠有效反映食用油的品質(zhì)變化，為食用油的摻假檢測(cè)提供了新的技術(shù)途徑。6.2研究局限與改進(jìn)方向盡管本研究取得了顯著成果，但仍然存在一定的局限性。首先，模型的建立依賴于大量高質(zhì)量的樣本數(shù)據(jù)，而在實(shí)際操作中，樣