基于拉曼光谱的食用植物油品质快速检测方法研究.pdfVIP

摘要

食用植物油品质关乎人民的身体健康，因此需要对食用植物油品质进行快速

检测以保护消费者的合法利益。目前常规食用植物油检测方法存在检测成本高、

时间长等缺点，无法很好的满足现场快速检测的需求。因此本研究以市面上常见

食用植物油即玉米橄榄油和花生橄榄油为例作为检测对象，以拉曼光谱技术为基

础，并结合化学计量学等技术手段，开展了高精度定量检测与快速定性分类食用

植物油品质方法的研究。主要研究内容如下：

首先提出了一种快速定量检测食用植物油中特级初榨橄榄油（extravirgin

oliveoil,EVOO）含量的方法，首先，制备具有不同含量EVOO的花生橄榄油样

品（peanutextravirginoliveoil,PO-EVOO），并使用拉曼光谱仪采集食用植物油样

本的拉曼光谱；其次，提出了新型的特征波长子区间筛选-建模算法，即基于移动

窗口策略粒子群灰狼优化算法（particleswarm-graywolfalgorithmbasedonmoving

combinationwindow,PSOGWO-CMW）；然后，基于拉曼光谱技术并结合偏最小二

乘算法（partialleastsquaresmethod,PLS）、基于移动窗口策略粒子群优化算法

（particleswarmalgorithmbasedonmovingcombinationwindow,PSO-CMW）、基于

移动窗口策略灰狼优化算法（graywolfalgorithmbasedonmovingcombination

window,GWO-CMW）和PSOGWO-CMW对食用植物油中EVOO进行定量检测；

最后结果显示PSOGWO-CMW模型的校正集均方根误差（rootmeansquarederror

ofcalibrationset,RMSEC）和校正集决定系数（coefficientofdeterminationof

calibrationset,R2）分别为0.0018和0.9996，预测集均方根误差（rootmean

C

squarederrorofpredictionset,RMSEP）和预测集决定系数（coefficientof

determinationofpredictionset,R2）分别为0.0132和0.9762，表明PSOGWO-CMW

P

模型具有最优的预测性能。该研究表明，基于拉曼光谱技术和PSOGWO-CMW定

量检测食用植物油中EVOO含量的思路是切实可行的。

其次提出了一种快速分类食用植物油中EVOO含量等级的方法，首先，制备

具有不同含量EVOO的花生橄榄油样品（peanutextravirginoliveoil,PO-EVOO）

和玉米橄榄油样品（cornextravirginoliveblendoil,CO-EVOO），并使用拉曼光谱

仪采集食用植物油样本的拉曼光谱；其次，提出一种改进的具有Inception结构的

一维卷积神经网络（improved1DInception-CNN）用于构建快速分类模型；然后，

将支持向量机（supportvectormachine,SVM）、随机森林（randomforest,RF）、一

维卷积神经网络（one-dimensionalconvolutionneuralnetwork,1DCNN）、具有

Inception结构的一维卷积神经网络（1DInception-CNN）和improved1DInception-

CNN分别用于快速分类高含量EVOO、中含量EVOO、低含量EVOO食用植物

油；最后结果显示CO-EVOO样本的分类结果中准确率（accuracy,ACC）、宏平均

精确率（macroaveragingprecision,PREmacro）、宏平均召回率（macroaveraging

recall,REC）和Kappa系数四个指标均为99.9%，PO-EVOO样本的分类结果

ma