CN102252972B - 基于近红外光谱快速鉴别油茶籽油真实属性的检测方法 - Google Patents
基于近红外光谱快速鉴别油茶籽油真实属性的检测方法 Download PDFInfo
- Publication number
- CN102252972B CN102252972B CN201110099012A CN201110099012A CN102252972B CN 102252972 B CN102252972 B CN 102252972B CN 201110099012 A CN201110099012 A CN 201110099012A CN 201110099012 A CN201110099012 A CN 201110099012A CN 102252972 B CN102252972 B CN 102252972B
- Authority
- CN
- China
- Prior art keywords
- seed oil
- sample
- camellia seed
- spectroscopic data
- near infrared
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Abstract
本发明公开了一种基于近红外光谱快速鉴别油茶籽油真实属性的检测方法，包括以下步骤：首先利用近红外光谱仪对待测油茶籽油样品的光谱数据进行采集，采集过程中控制近红外光谱扫描波数、近红外光谱扫描次数和分辨率；然后在采集的标准光谱中选择谱带在5750～6000cm-1范围内的数据进行平滑、一阶导数和自归一化处理；最后输入到油茶籽油鉴别分析模型中，利用马氏距离判别法判断样本点是否落在该油茶籽油鉴别分析模型中划定的真样本区域内，并据此判断待测样品真假。本发明的检测方法操作简单、检测迅速、安全环保、检测精度高。
Description
技术领域
本发明涉及一种茶油的检测方法，尤其涉及一种纯油茶籽油真实属性的检测方法。
背景技术
油茶树系山茶科山茶属植物，是我国特有的油料树种，我国油茶林的种植面积约400万hm2，主要分布在南方的湖南、江西、广西、浙江、福建、安徽和贵州等省区，占全国木本油料植物种植面积的80%以上，年产油茶籽超过60万吨。
目前，市场上的茶油品种包括100%野山茶油、100%茶籽油、茶籽（菜籽）调和油等，为了促进茶油质量的提高和防止掺假，对于100%纯油茶油，《GB 11765-2003油茶籽油》中规定采用国标纯茶油的定性试验（《GB/T 5539-2008 粮油检验 油脂定性检验方法》）和油茶籽油的特征指标脂肪酸组成作为100%纯茶油品质及真实属性的主要检测方法和判定依据。然而，化学定性分析方法有时也不能准确判断茶油的纯正性，可能还需要同时采用色谱分析方法测定油脂的脂肪酸组成，该测定过程操作烦琐、检测时间长、试剂用量多且成本高。这些缺点限制了对大批量样品脂肪酸的测定，有必要寻找简单、快速、高精度的鉴别油茶籽油真实属性的定性方法来保证茶油品质。
近红外光谱技术是近年来在检测应用领域兴起的一项新技术，其在谷物的品质检测、酒的品质及酒龄检测、食用油脂中反式脂肪酸含量的检测等领域均有应用，然而，上述应用的领域、检测的对象、检测的项目及检测分析的具体方法都存在较大差异，而且迄今仍未有人提出将近红外光谱技术应用于100%纯茶油品质的检测，这不仅是因为茶油检测方法复杂，而且本领域技术人员很少会将茶油属性检测与近红外光谱技术的应用联系起来。
发明内容
本发明要解决的技术问题是克服现有技术的不足，提供一种操作简单、检测迅速、安全环保、检测精度高的基于近红外光谱快速鉴别油茶籽油真实属性的检测方法。
为解决上述技术问题，本发明提出的技术方案为一种基于近红外光谱快速鉴别油茶籽油真实属性的检测方法，包括以下步骤：
（1）采集待测油茶籽油光谱数据：利用近红外光谱仪对待测油茶籽油样品的光谱数据进行采集，以采集到的所述样品的平均光谱作为该样品的标准光谱；采集过程中，所述近红外光谱仪的参数控制如下：
近红外光谱扫描波数为10000 cm-1～4000 cm-1，
近红外光谱扫描次数为16～64次，
分辨率为4 cm-1～16 cm-1；
（2）光谱数据的处理：在步骤（1）采集的标准光谱中，选择谱带在5750 cm-1～6000 cm-1范围内的光谱数据作为处理对象，然后对所述处理对象先进行平滑处理，对平滑处理后的光谱数据再进行一阶导数处理，对一阶导数处理后的光谱数据再进行自归一化处理；
（3）分析模型的判定：将步骤（2）中自归一化处理后的光谱数据输入到已建立好的油茶籽油鉴别分析模型中，利用马氏距离判别法测得该光谱数据在所述油茶籽油鉴别分析模型中的横坐标和纵坐标，并在该油茶籽油鉴别分析模型中得到待测油茶籽油样品的样本点；判断所述样本点是否落在该油茶籽油鉴别分析模型中划定的真样本区域内；如果该样本点落在所述真样本区域内，则待测油茶籽油样品为纯油茶籽油，反之为假；
所述真样本区域在该油茶籽油鉴别分析模型中的范围为：横坐标取值为0.3739～1.3515，纵坐标取值为1.7642～2.7653。
在上述的基于近红外光谱快速鉴别油茶籽油真实属性的检测方法中，所述油茶籽油鉴别分析模型优选是通过以下方法步骤建立：
（a）样本选取及其真实属性的确定：随机选择足够数量的不同油茶籽油样本，并采用气相色谱法测定各个油茶籽油样本中脂肪酸组成及相对百分含量，根据测定的结果确定出各个油茶籽油样本的真实属性，并将真茶油判定值设为0，假茶油判定值设为1；
（b）样本光谱数据的采集：采用近红外光谱仪对所述的各个油茶籽油样本进行光谱采集，并将采集到的所有油茶籽油样本光谱数据随机分为训练集和预测集两部分；本步骤中近红外光谱仪的参数控制与所述步骤（1）中近红外光谱仪的参数控制相同；
（c）样本光谱数据的选择：以上述步骤（b）中训练集的光谱数据作为选择来源对象，选择谱带在5750-1 cm-1～6000cm-1范围内的共计66个变量的光谱数据作为建模用光谱数据；
（d）样本光谱数据的处理：对步骤（c）中选择的建模用光谱数据进行数据处理，即对所述建模用光谱数据先进行平滑处理，对平滑处理后的光谱数据再进行一阶导数处理，对一阶导数处理后的光谱数据再进行自归一化处理；
（e）初步分析模型的确立：根据步骤（d）中经自归一化处理后的光谱数据测定出所述训练集中各个油茶籽油样本的马氏距离，同时结合步骤（a）中测定的所述训练集中各个油茶籽油样本的判定值，建立起划设有所述真样本区域的初步分析模型；
（f）初步分析模型的验证：以上述步骤（b）中预测集的光谱数据作为选择来源对象，选择谱带在5750-1cm-1～6000cm-1范围内的共计66个变量的光谱数据作为验证用光谱数据；对该验证用光谱数据进行上述步骤（d）的数据处理，然后据此测定出所述预测集中各个油茶籽油样本的马氏距离，并结合所述初步分析模型进行验证，确定出最终的油茶籽油鉴别分析模型。
上述技术方案主要基于以下原理：在采用化学方法鉴别所选择大量样本的真实属性基础上，采集样本的近红外透反射光谱，结合判别分析，建立基于近红外光谱技术和化学计量学方法的油茶籽油真伪鉴别模型，模型的准确率达到98.8%以上。由于纯油茶籽油的脂肪酸组成包括饱和脂肪酸（棕榈酸、硬脂酸）和不饱和脂肪酸（油酸、亚油酸），两者相对百分含量有显著区别，本发明的检测方法除了考虑到脂肪酸主要基团的响应波段，更准确地选取了校正集变量，还使用了平滑、微分、自归一化相结合的处理方法，消除了量纲和数量级的限制，提高了检测的准确性和稳定性。同时，本发明校正后的鉴别分析模型还考虑到了菜籽油、大豆油、芝麻油和花生油等常见油脂的掺假，以达到鉴别茶籽油真实性的目的。
与现有技术相比，本发明的优点在于：本发明克服了现有纯油茶籽油色谱分析检测方法中操作烦琐、检测时间长、化学试剂用量多、成本高的缺点，本发明的检测方法操作非常简单，只需将样品油倒入透反射杯中就可进行光谱采集；检测过程时间短，采集样品油的近红外光谱后就可进行预测和属性判定，整个检测过程仅需2～3分钟，便于控制。此外，本发明的检测方法不需要加入有机试剂，对待测样品没有任何损坏，也不会损害检测人员的健康；更不会发生因使用化学试剂所导致的环境污染问题。本发明适宜于油茶籽油工业化大生产原料、成品的品质在线监控及市场监督抽样的快速检测。可见，本发明的检测方法具有良好的研究与应用前景，有望成为今后鉴别纯油茶籽油真实属性的快速、高效、环保的检测方法。
附图说明
图1为本发明实施例中其中一个油样用气相色谱法检测得到的脂肪酸组成色谱图。
图2为本发明实施例中选取的具有代表性样本的近红外光谱图，其中实线1表示真样品，虚线2表示假样品。
图3为本发明实施例中某一个样本光谱数据经平滑与一阶导数处理后的近红外光谱图。
图4为本发明实施例中所有样本光谱数据经平滑、一阶导数和自归一化处理后的主成分得分图，其中的方形样本点表示属性为真的样本，三角形样本点表示属性为假的样本（PC1是主成分1，表示变换后矩阵中含有原矩阵中信息量最大的一个；PC2是主成分2，表示变换后矩阵中含有信息量第二大的一个，纵、横坐标的数字表示主成分所能解释的方差占所有主成分方差的百分数）。
图5为本发明实施例中建立的油茶籽油鉴别分析模型判定分类示意图（其中纵坐标Distance to 0表示各样本点距离真样本中心的距离，Distance to 1表示各样本点距离假样本中心的距离）。
具体实施方式
实施例：
一种本发明的基于近红外光谱快速鉴别油茶籽油真实属性的检测方法，具体包括以下步骤：
1. 建立油茶籽油鉴别分析模型
1.1样本选取及其真实属性的确定：随机选择163个的不同油茶籽油样本，并采用气相色谱法测定各个油茶籽油样本中脂肪酸组成及相对百分含量，本实施例中采用的气相色谱法根据《GB/T 17376-2008 动植物油脂脂肪酸甲脂准备》进行操作，具体是指：称取各个样本油样60 mg至10mL具塞试管中，用移液管移取4mL异辛烷溶解油样，再用微量移液管加入200μL氢氧化钾甲醇溶液（2 mol/L），盖上玻璃塞剧烈振摇30秒后静置至澄清；然后向溶液中加入约1g硫酸氢钠，剧烈振摇，中和氢氧化钾，待盐沉淀后，将上层甲酯溶液倒入进样瓶中上GC分析，得到各个油茶籽油样本的脂肪酸组成色谱图（图1为其中一个油样的色谱图）。根据得到的色谱图中显示的各油样脂肪酸组成相对百分含量，再对照《GB 11765-2003油茶籽油》中饱和酸7%～11%、油酸74%～87%、亚油酸7%～14%的要求，确定出各个油茶籽油样本的真实属性，并将真茶油的判定值定为0，假茶油的判定值为1。
1.2样本光谱数据的采集：以美国Thermo公司的Nicolet Antaris Ⅱ傅里叶变换近红外光谱仪作为采样设备，其配有FOSS公司金反射板的样品杯，在样品杯中倒入3mL的油样，然后用金反射板小心盖压在样品杯中，以消除气泡对光程的影响；近红外光谱仪采用透反射检测系统对所述的各个油茶籽油样本进行光谱采集，条件参数为如下：近红外（NIR）光谱扫描波数10000 cm-1～4000 cm-1，扫描次数为32次，分辨率设为8 cm-1，以内置背景为参照。每个油茶籽油样本进行4次平行实验，取其平均光谱作为该样品的标准光谱。将采集到的所有油茶籽油样本光谱数据随机分为训练集（训练集样本数122个）和预测集（预测集样本数41个）两部分。
1.3样本光谱数据的选择：以上述步骤1.2中训练集的光谱数据作为选择来源对象，选择波长范围在5750-1cm-1～6000cm-1内的共计66个变量的光谱数据作为建模用光谱数据。前述波长范围的选取并不是随意的，而是根据我们的反复实验和理论论证确立的，我们选择了如图2所示的具有代表性样本的近红外光谱，由图2可见，扫描波数10000cm-1～4000 cm-1中的5750 cm-1～6000 cm-1谱带的归属是CH2、CH3以及C=CH伸缩振动的一级倍频，而真茶油与假茶油之间近红外光谱的主要差异正是由于亚油酸与油酸含量的不同所造成，而亚油酸与油酸的结构中均含有前述三种基团，据此，我们选择了5750 cm-1～6000 cm-1范围内的共计66个变量作为建模的输入变量，通过对波长范围的筛选和优化，减少了不需要的变量对模型稳定性的影响。
1.4样本光谱数据的处理：运用TQ Analyst v 6.2.1分析软件对上述步骤1.3中选择的建模用光谱数据进行数据处理（利用仪器所集成的TQ Analyst v6.2.1提取了各个建模用光谱的前10个主成分，其前10个主成分的累计贡献率为100%）。在5750 cm-1～6000 cm-1区域内，我们通过反复实验及测算，先拟定了以下的八种数据预处理组合方法：
方法1：采用平滑（smoothing） + 一阶导数（first derivative）；
方法2：采用平滑（smoothing） + 二阶导数（second derivative）；
方法3：采用平滑（smoothing） + 自归一化（autoscaling）；
方法4：采用一阶导数（first derivative） + 自归一化（autoscaling）；
方法5：采用一阶导数（first derivative） + 中心化（centering）；
方法6：采用二阶导数（second derivative） + 自归一化（autoscaling）；
方法7：采用二阶导数（second derivative） + 中心化（centering）；
方法8：采用平滑（smoothing） + 一阶导数（first derivative） + 自归一化（autoscaling）；
我们再通过反复测试，确定了最终的数据预处理组合方法为上述的方法8，即对所述建模用光谱数据先进行平滑处理，对平滑处理后的光谱数据再进行一阶导数处理，采用平滑与一阶导数处理后样本的近红外光谱如图3所示，最后对一阶导数处理后的光谱数据再进行自归一化处理，经自归一化处理后得到的主成分得分图如图4所示。通过对数据预处理组合方法进行选择和优化，采用方法8的平滑+一阶导数+自归一化结合法进行处理可以有效地抵消背景干扰，较大程度地提高光谱的分辨率。
1.5初步分析模型的确立：根据步骤1.4中经自归一化处理后的光谱数据测定出上述训练集中各个油茶籽油样本的马氏距离，同时结合步骤1.1中测定的训练集中各个油茶籽油样本的判定值，通过判别分析对真茶油与假茶油进行分类，而测定的马氏距离可以反映各样本点与该类的聚集程度，样本点距哪一类中心的距离最近，则归为哪一类，由此建立起划设有真样本区域和假样本区域的初步分析模型。
1.6初步分析模型的验证：以上述步骤1.2中预测集的光谱数据作为选择来源对象，选择谱带在5750-1 cm-1～6000 cm-1范围内的共计66个变量的光谱数据作为验证用光谱数据；对该验证用光谱数据进行上述步骤1.4的数据处理，然后据此测定出预测集中各个油茶籽油样本的马氏距离，并结合步骤1.5中建立的初步分析模型进行验证，确定出如图5所示的最终的油茶籽油鉴别分析模型。图5中所示各样本点为各个油茶籽油样本在该主成分下的马氏距离，样本点之间距离越近则说明该油茶籽油样本中脂肪酸含量及种类越相近，越远则差异越大。由图5可以看出，真茶油、假茶油两类样本经处理后，分类效果良好，正确识别率能够达到98.8%。图5中左上角的椭圆圈区域（横坐标Distance to 1：0.3739～1.3515，纵坐标Distance to 0：1.7642～2.7653）内的小方框表示真茶油，右下角椭圆圈区域（横坐标Distance to 1：2.0336～3.3497，纵坐标Distance to 0：0.8114～1.4397）内的小三角形代表假茶油。
2. 采集待测油茶籽油光谱数据：利用近红外光谱仪对20个市售的待测油茶籽油样品的光谱数据进行采集，采集方法与上述步骤1.2相同，以采集到的各样品的平均光谱作为该样品的标准光谱（有代表性的样本光谱图与图1类似）；采集过程中，所述近红外光谱仪的参数控制如下：
近红外光谱扫描波数为10000 cm-1～4000 cm-1，
近红外光谱扫描次数为32次，
分辨率为8 cm-1；
3. 光谱数据的处理：在步骤2采集的20个待测油茶籽油样品的标准光谱中，选择谱带在5750 cm-1～6000 cm-1范围内的光谱数据作为处理对象，然后将步骤1中已建立好的油茶籽油鉴别分析模型方法文件打开，按照保存路径分别选取前述处理对象，对处理对象先进行平滑处理，对平滑处理后的光谱数据再进行一阶导数处理，对一阶导数处理后的光谱数据再进行自归一化处理；
4. 分析模型的判定：经自归一化处理后的光谱数据自动输入到已建立好的油茶籽油鉴别分析模型中，利用马氏距离判别法测得该光谱数据在该油茶籽油鉴别分析模型中的横坐标和纵坐标，并在该油茶籽油鉴别分析模型中得到待测油茶籽油样品的样本点；分析模型自动判断各样本点是否落在该油茶籽油鉴别分析模型中划定的真样本区域内；如果该样本点落在真样本区域内，则判定值显示为0，待测油茶籽油样品为纯油茶籽油，如果该样本点落在真样本区域外，则判定值显示为1，待测油茶籽油样品为非纯油茶籽油。本实施例中，待测的20个油茶籽油样品模型判别结果显示其中的18个判定值为0，属真茶油样品，2个判定值为1，属假茶油样品。
5. 检测结果的检验
采用步骤1.1中《GB/T 17376-2008 动植物油脂脂肪酸甲脂准备》及仪器上机条件测定待测的20个油茶籽油样品的脂肪酸组成。将所测脂肪酸组成按照《GB 11765-2003油茶籽油》中油茶籽油的脂肪酸组成进行判定，上述检测方法鉴别的18个真茶油的脂肪酸组成都符合饱和酸7%～11%、油酸74%～87%、亚油酸7%～14%的基本要求，而上述检测方法鉴别的两个假茶油样本，油酸分别为53.1%、27.3%，亚油酸含量分别为27.5%、49.9%，不符合国标的基本要求。可见，本发明的检测方法与现有气相色谱法的检测结果完全一致，本实施例中20个待测样品的检测精度达到100%。
由上述实施例可见，现有脂肪酸组成测定色谱分析操作烦琐、检测时间长，检测20个待测油脂样本需要进行试剂配制、样品前处理、上色谱分析（采用自动进样）、数据处理等操作过程，需要耗时两天才能完成，化学试剂用量较多，检测过程的运行成本高。而采用本发明的检测方法不仅操作简单，只需将样品油倒入透反射杯中就可进行光谱采集，而且检测过程迅速，每个待测样品仅需2min～3min，20个待测样品只需60 min就有鉴定结果。检测过程对样品没有损坏，在检测过程中不消耗有机试剂，不会损害检测人员健康，不会发生使用化学试剂而使环境遭受污染的后果，准确率高达98.8%以上。
Claims (1)
1.一种基于近红外光谱快速鉴别油茶籽油真实属性的检测方法，包括以下步骤：
（1）采集待测油茶籽油光谱数据：利用近红外光谱仪对待测油茶籽油样品的光谱数据进行采集，以采集到的所述样品的平均光谱作为该样品的标准光谱；采集过程中，所述近红外光谱仪的参数控制如下：
近红外光谱扫描波数为10000 cm-1～4000 cm-1，
近红外光谱扫描次数为16～64次，
分辨率为4 cm-1～16 cm-1；
（2）光谱数据的处理：在步骤（1）采集的标准光谱中，选择谱带在5750 cm-1～6000 cm-1范围内的光谱数据作为处理对象，然后对所述处理对象先进行平滑处理，对平滑处理后的光谱数据再进行一阶导数处理，对一阶导数处理后的光谱数据再进行自归一化处理；
（3）分析模型的判定：将步骤（2）中自归一化处理后的光谱数据输入到已建立好的油茶籽油鉴别分析模型中，利用马氏距离判别法测得该光谱数据在所述油茶籽油鉴别分析模型中的横坐标和纵坐标，并在该油茶籽油鉴别分析模型中得到待测油茶籽油样品的样本点；判断所述样本点是否落在该油茶籽油鉴别分析模型中划定的真样本区域内；如果该样本点落在所述真样本区域内，则待测油茶籽油样品为纯油茶籽油，反之为假；
所述真样本区域在该油茶籽油鉴别分析模型中的范围为：横坐标取值为0.3739～1.3515，纵坐标取值为1.7642～2.7653；
所述油茶籽油鉴别分析模型是通过以下方法步骤建立：
（a）样本选取及其真实属性的确定：随机选择足够数量的不同油茶籽油样本，并采用气相色谱法测定各个油茶籽油样本中脂肪酸组成及相对百分含量，根据测定的结果确定出各个油茶籽油样本的真实属性，并将真茶油判定值设为0，假茶油判定值设为1；
（b）样本光谱数据的采集：采用近红外光谱仪对所述的各个油茶籽油样本进行光谱采集，并将采集到的所有油茶籽油样本光谱数据随机分为训练集和预测集两部分；本步骤中近红外光谱仪的参数控制与所述步骤（1）中近红外光谱仪的参数控制相同；
（c）样本光谱数据的选择：以上述步骤（b）中训练集的光谱数据作为选择来源对象，选择谱带在5750-1～6000cm-1范围内的共计66个变量的光谱数据作为建模用光谱数据；
（d）样本光谱数据的处理：对步骤（c）中选择的建模用光谱数据进行数据处理，即对所述建模用光谱数据先进行平滑处理，对平滑处理后的光谱数据再进行一阶导数处理，对一阶导数处理后的光谱数据再进行自归一化处理；
（e）初步分析模型的确立：根据步骤（d）中经自归一化处理后的光谱数据测定出所述训练集中各个油茶籽油样本的马氏距离，同时结合步骤（a）中测定的所述训练集中各个油茶籽油样本的判定值，建立起划设有所述真样本区域的初步分析模型；
（f）初步分析模型的验证：以上述步骤（b）中预测集的光谱数据作为选择来源对象，选择谱带在5750cm-1～6000cm-1范围内的共计66个变量的光谱数据作为验证用光谱数据；对该验证用光谱数据进行上述步骤（d）的数据处理，然后据此测定出所述预测集中各个油茶籽油样本的马氏距离，并结合所述初步分析模型进行验证，确定出最终的油茶籽油鉴别分析模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110099012A CN102252972B (zh) | 2011-04-20 | 2011-04-20 | 基于近红外光谱快速鉴别油茶籽油真实属性的检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110099012A CN102252972B (zh) | 2011-04-20 | 2011-04-20 | 基于近红外光谱快速鉴别油茶籽油真实属性的检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102252972A CN102252972A (zh) | 2011-11-23 |
| CN102252972B true CN102252972B (zh) | 2012-10-10 |
Family
ID=44980362
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201110099012A Active CN102252972B (zh) | 2011-04-20 | 2011-04-20 | 基于近红外光谱快速鉴别油茶籽油真实属性的检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102252972B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102636454B (zh) * | 2012-05-15 | 2015-08-12 | 武汉轻工大学 | 近红外光谱快速测定食用油中低碳数脂肪酸含量的方法 |
| CN103344602B (zh) * | 2013-07-04 | 2016-07-27 | 中国科学院合肥物质科学研究院 | 一种基于近红外光谱的水稻种质真伪无损检测方法 |
| CN103940774B (zh) * | 2014-05-08 | 2017-09-29 | 贵州黔香园油脂有限公司 | 食用油检测装置和方法 |
| CN104155245B (zh) * | 2014-07-31 | 2016-06-29 | 中国科学院自动化研究所 | 一种基于模式识别与谱图映射的油品多类性质的检测方法 |
| CN104142313B (zh) * | 2014-07-31 | 2016-08-17 | 中国科学院自动化研究所 | 一种对油品样本做致密化的处理方法 |
| CN104807775B (zh) * | 2015-01-29 | 2019-11-12 | 湖南省农产品加工研究所 | 一种用于鉴别煎炸油质量的nir光谱分析模型及方法 |
| CN106323903A (zh) * | 2015-06-26 | 2017-01-11 | 云南天士力帝泊洱生物茶集团有限公司 | 一种普洱茶提取物中红外光谱指纹图谱的建立及检测方法 |
| CN105548027A (zh) * | 2015-12-09 | 2016-05-04 | 湖南省农产品加工研究所 | 基于近红外光谱测定调和油中茶油含量的分析模型及方法 |
| CN108181260B (zh) * | 2018-02-09 | 2020-02-21 | 华南农业大学 | 一种鉴别压榨茶油与浸出茶油的方法 |
| CN108169169A (zh) * | 2018-02-12 | 2018-06-15 | 北京理工大学珠海学院 | 一种基于近红外光谱技术的山茶油掺伪的快速检测方法 |
| CN109684717B (zh) * | 2018-12-23 | 2023-04-07 | 贵州大学 | 基于量纲分析的油炒烹饪中表面换热系数的预测方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101027434B1 (ko) * | 2009-01-22 | 2011-04-25 | 대한민국 | 근적외광을 이용한 들깨의 지방산 조성을 정량하는 방법 |
| CN101504362A (zh) * | 2009-03-18 | 2009-08-12 | 哈尔滨商业大学 | 基于近红外光谱技术快速检测食用油脂中反式脂肪酸含量 |
| CN101887018B (zh) * | 2009-05-13 | 2012-01-25 | 山东省花生研究所 | 一种非破坏性测定花生种子主要脂肪酸含量的方法 |
| CN101995392A (zh) * | 2010-11-15 | 2011-03-30 | 中华人民共和国上海出入境检验检疫局 | 快速检测橄榄油掺伪的方法 |
-
2011
- 2011-04-20 CN CN201110099012A patent/CN102252972B/zh active Active
Non-Patent Citations (9)
| Title |
|---|
| ber optic diff |
| ectance MIR and fi |
| ectance NIR.《Food Chemistry》.2006,第95卷529-536. |
| use refl |
| Ying He etc..Feasibility study of quantifying and discriminating soybean oil adulteration in camellia oils by attenuated total refl |
| Ying He etc..Feasibility study of quantifying and discriminating soybean oil adulteration in camellia oils by attenuated total reflectance MIR and fiber optic diffuse reflectance NIR.《Food Chemistry》.2006,第95卷529-536. * |
| 冯利辉 等.芝麻油中掺入菜籽油的近红外光谱研究.《食品科学》.2009,第30卷(第18期),296-299. * |
| 原姣姣 等.近红外透射光谱分析油茶籽油掺入豆油的研究.《中国粮油学报》.2012,第27卷(第3期),110-114. * |
| 张菊华 等.近红外光谱结合偏最小二乘法用于纯茶油中掺杂菜籽油和大豆油的定量分析.《食品工业科技》.2012,第33卷(第3期),334-336. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102252972A (zh) | 2011-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102252972B (zh) | 基于近红外光谱快速鉴别油茶籽油真实属性的检测方法 | |
| CN102179375B (zh) | 一种基于近红外作物单籽粒成分无损检测筛选方法 | |
| CN101887018B (zh) | 一种非破坏性测定花生种子主要脂肪酸含量的方法 | |
| CN101308086B (zh) | 基于近红外光谱技术的水果内部品质在线检测装置 | |
| CN107748146A (zh) | 一种基于近红外光谱检测的原油属性快速预测方法 | |
| CN104807775B (zh) | 一种用于鉴别煎炸油质量的nir光谱分析模型及方法 | |
| CN105548027A (zh) | 基于近红外光谱测定调和油中茶油含量的分析模型及方法 | |
| CN102692388B (zh) | 数字成像系统及其快速检测果蔬中有机磷农药残留的方法 | |
| US20090316139A1 (en) | Biodiesel/diesel blend level detection using absorbance | |
| CN102879340A (zh) | 基于近红外光谱快速检测块根/茎类作物营养品质的方法 | |
| CN101419166A (zh) | 基于近红外光谱和机器视觉技术的茶叶品质无损检测方法及装置 | |
| CN103398970A (zh) | 一种定性和定量分析食用油并进而检测地沟油的方法 | |
| CN102735642B (zh) | 一种快速无损鉴别初榨橄榄油和油橄榄果渣油的方法 | |
| CN102221533B (zh) | 一种基于紫外光谱花生油掺伪定量检测的方法 | |
| CN103439266A (zh) | 一种珠宝玉石及岩石矿物的鉴定分析系统 | |
| CN102384896A (zh) | 近红外光谱测定复方苦参注射液渗漉过程多种成分含量的方法 | |
| CN107703097A (zh) | 利用衰减全反射探头与近红外光谱仪构建快速预测原油性质的模型的方法及其应用 | |
| CN105044025A (zh) | 一种近红外快速识别芝麻油及芝麻油中掺杂大豆油的方法 | |
| CN102841069B (zh) | 一种由中红外光谱识别原油种类的方法 | |
| CN103528986A (zh) | 基于指纹图谱技术的地沟油鉴别方法 | |
| CN106018321A (zh) | 玉米单粒种子蛋白质检测模型的构建方法及其应用 | |
| CN100419409C (zh) | 一种非破坏性测定花生单粒种子含油量的方法 | |
| CN103592256A (zh) | 基于傅里叶变换中红外光谱识别正常食用植物油和精炼潲水油的方法 | |
| CN101140225B (zh) | 一种利用声光可调滤光器近红外光谱仪检测香料中铅的方法 | |
| CN102759515A (zh) | 基于水平atr的中红外光谱快速测定农产品含油率的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |