基于多尺度二維相關(guān)拉曼光譜的食用油摻雜檢測新方法.pdf

1、食用油摻假是我國當前食品安全的突出矛盾之一，特別是近年來層出不窮的“地溝油”事件，引起全社會的高度關(guān)注。食用油摻假不僅影響自身品質(zhì)，還可能嚴重損害消費者身體健康。然而，傳統(tǒng)食用油摻假檢測方法主要依賴于理化檢測手段，往往需要繁瑣的前處理過程，費時、費力且費用高，難以適應(yīng)我國當前嚴峻的食用油安全形勢。因此，發(fā)展新型、高效的食用油摻假檢測方法迫在眉睫。
　　在各項檢測技術(shù)中，拉曼光譜以其簡便、快速、高通量等顯著優(yōu)點，在食用油檢測中嶄露頭

2、角。鑒于傳統(tǒng)的拉曼光譜尚存在分辨率低、譜峰重疊嚴重等缺點，本文提出一種多尺度二維相關(guān)拉曼光譜新方法用于拉曼光譜檢測分辨率，并將其應(yīng)用于食用油的摻雜檢測。該方法有機結(jié)合多維偏最小二乘方法(N-way Partial Least Square，NPLS)與多尺度建模方法(Multi-scale modeling，MM)，在顯著提升拉曼光譜分辨率的同時，從復(fù)雜、變動的二維相關(guān)光譜準確提取食用油相關(guān)定性定量信息。該算法巧妙地以權(quán)重的方式對二維光

3、譜的時頻雙域信息進行精細劃分，在有效避免信息丟失的同時，有效提高了建模的可靠性和穩(wěn)定性，進而顯著提升了橄欖油摻假識別能力。論文的研究內(nèi)容主要包括以下幾個部分。
　　1.以橄欖油摻雜檢測為研究對象，探討了常規(guī)拉曼光譜、二維相關(guān)光譜檢測技術(shù)的優(yōu)缺點。在此基礎(chǔ)之上，引入多尺度建模思想，提出了二維相關(guān)光譜結(jié)合多尺度建模思想實現(xiàn)預(yù)處理和多元校正一體化運算新方法，實現(xiàn)優(yōu)勢互補。
　　2.深入探討二維相關(guān)光譜的識別規(guī)則和判別方法。嘗試依據(jù)

4、時頻成分運用多尺度建模思想分離二維相關(guān)光譜中的背景、信號和噪聲信息，建立多尺度二維相關(guān)拉曼模型。在不同尺度信息上建立子模型并依據(jù)最佳融合權(quán)重融合最后預(yù)測結(jié)果，在抑制噪聲信息的同時，增大了對建模有用信息的貢獻，提高了模型預(yù)測的精確度。
　　3.嘗試運用不同種類的定性識別方法對橄欖油摻雜大豆油和葵花籽油兩類樣品進行分類。多尺度二維相關(guān)拉曼建模方法充分利用了二維相關(guān)光譜中的特征信息，在不同尺度上對摻雜橄欖油樣本進行分類，并以決策數(shù)據(jù)融合

5、方式計算出最終結(jié)果。相對于其他定性分析方法，多尺度二維相關(guān)拉曼建模方法將鑒別正確率從96.25％提升到100%，標簽誤差值從0.3756降低到0.0607，使得分類結(jié)果更加準確、穩(wěn)健。
　　4.深入探討以橄欖油的二維相關(guān)光譜建立穩(wěn)定、可靠的橄欖油摻雜定量分析模型，嘗試運用不同種類的定量分析方法對橄欖油摻雜大豆油和葵花籽油兩類樣品進行定量分析，并與其他定量分析方法如偏最小二乘、多維偏最小二乘等作出對比。多尺度二維相關(guān)拉曼建模方法對橄

6、欖油摻雜大豆油體系定量分析誤差從0.003640降低到了0.001278，平均絕對偏差降低10%左右。對于橄欖油摻雜葵花籽油體系定量分析誤差從0.012257降低到了0.004569，平均絕對偏差降低15%左右。
　　結(jié)果表明，多尺度二維相關(guān)拉曼算法(MM-2DCOS-NPLS)在保留二維相關(guān)譜分析方法的高分辨能力的基礎(chǔ)上，不僅挖掘出了摻雜橄欖油光譜中表征新信息，而且有效克服噪聲和基線帶來的干擾。該算法具有良好的自適應(yīng)性，使得拉曼