基于近红外光谱的油脂中TFAs含量检测方法研究.pdf

摘 要 油脂对人体来说必不可少，其质量安全尤为重要，近年来，对油脂中反式 脂肪酸（TFAs ）含量超标问题的关注度持续增高。油脂中的 TFAs 往往是在脱 臭过程中产生的，但现有的 TFAs 检测方法存在检测速度慢、前期处理比较复 杂等问题，无法达到快速现场检测的要求。近红外光谱技术便捷高效的特点适 用于生产过程中的品质监控，因此，针对油脂脱臭过程中 TFAs 控制问题，本 文提出一种基于近红外光谱分析的油脂中 TFAs 含量快速检测方法。 制备 100 个不同 TFAs 含量的大豆油样本，利用气相色谱法测定样本 TFAs 含量作为标准值，近红外光谱仪扫描大豆油样本获得其谱图，然后用不同方法 对光谱数据进行降噪处理，经过对比分析发现多元散射校正的去噪效果最佳； 为了探讨 TFAs 在近红外区域的吸收特性，采用多种 iPLS 方法对光谱数据进行 特征波段选择，优选出 TFAs 的特征吸收波段 7258-7443/6502-6691/6120- 6309cm-1 ，在此基础上再利用 Kalman 滤波算法进行特征波长变量的选择，优选 出的27 个 TFAs 的特征波长变量。 采用深度信念网络（DBN ）建立校正模型，通过多次对比发现，当迭代次 30 3 50-35-90 DBN 数设置为 、隐含层层数为 、隐含层节点数设为 时， 模型性能 最佳。最后将 DBN 模型与 PLS 方法建立的反式脂肪酸含量回归模型进行对比 分析，结果表明：对降噪后的全谱进行建模，DBN 模型的预测效果优于 PLS ， DBN 模型预测集 R 2 为 0.8794 、RMSEP 为 0.0603 、相对标准偏差 RSD 为 2.18 PLS DBN ％；对选择出的特征波段进行建模， 模型的预测效果比 模型好； 对优选出来的 27 个的特征波长变量进行建模，DBN 模型的预测效果较好，其 决定系数R 2 为 0.9584、预测误差均方根RMSEP 为 0.0350、相对标准偏差RSD 为 1.31％，说明 DBN 模型的泛化能力更好，并且可以利用少量的波长变量达 到较好的预测效果，能够满足实际检测需求，为实现油脂加工过程中 TFAs 含 / TFAs 量的在线检测和调控，生产低 零 油脂产品提供技术支撑。 关键词 油脂；反式脂肪酸；近红外光谱；卡尔曼滤波；深度信念网络 I Abstract Oil is essential to human body, and its quality and safety are particularly important. In recent years, the concern about this problem that TFAs conte