CN104914068B - 一种油脂中反式脂肪酸含量的光谱快速检测方法 - Google Patents
一种油脂中反式脂肪酸含量的光谱快速检测方法 Download PDFInfo
- Publication number
- CN104914068B CN104914068B CN201510136583.5A CN201510136583A CN104914068B CN 104914068 B CN104914068 B CN 104914068B CN 201510136583 A CN201510136583 A CN 201510136583A CN 104914068 B CN104914068 B CN 104914068B
- Authority
- CN
- China
- Prior art keywords
- sample
- content
- training set
- fatty acids
- spectrum
- 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
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种油脂中反式脂肪酸含量的光谱快速检测方法,采用THz光谱结合BP神经网络对反式脂肪酸快速检测的技术。包括如下步骤:一、收集具有代表性的食用油脂样品作为训练集;二、测定所述训练集样品的THz光谱;三、测定所述训练集样品的反式脂肪酸含量的化学值;四、所述训练集样品的THz波段光学特性的分析,建立吸收系数与反式脂肪酸含量化学值的BP神经网络模型;五、模型的验证;六、待测样品的分析。该方法可通过THz光谱鱼BP神经网络结合,快速测定食用油脂中反式脂肪酸的含量。分析速度快,操作简便,大大提高食用油脂监控能力。
Description
技术领域
本发明涉及一种油脂中反式脂肪酸含量的光谱快速检测方法,具体涉及一种THz光谱结合BP神经网络的反式脂肪酸快速检测技术。
背景技术:
反式脂肪酸(Trans fatty acid,TFA)是最少含有一个非共轭反式双键的不饱和脂肪酸,普遍存在于反雏动物乳制品、油脂及油脂食品中。多年以来有关反式脂肪酸潜在危害的研究表明,增加反式脂肪酸的摄入量,不仅对人体有害的低密度脂蛋白胆固醇(LDL-C)浓度上升,也会降低血清中对人体有益的高密度脂蛋白胆固醇(HDL-C)的浓度,使致动脉硬化的α-脂蛋白浓度升高,明显增加了患心血管疾病危险性。2003年7月,美国FDA公布,自2006年1月1日起,食品营养标签中必须标注产品中反式脂肪酸的含量;2005年12月,加拿大开始强制实施食品营养标签的标示,要求在营养标签中单独一行标示反式脂肪酸含量。因此,探索反式脂肪酸的检测技术成为了食用油脂产业中的一个热门。目前最常用的检测反式脂肪酸的技术为气相色谱法,但其分析方法复杂,耗用时间较长,故寻找快速、无损检测反式脂肪酸含量的方法尤为重要。
太赫兹(Terahertz,即THz)波是一个处于微波与红外光之间的特定波段的电磁辐射,频率在0.1~10THz(1THz=1012Hz,波长为3mm~30μm),具有相当宽范围的电磁辐射区域。同时,样本得到的时域信号通过傅立叶变换即可得到频域信号,通过对频域信号进行分析和处理即可获得被测样品的吸收系数、消光系数、折射率等相关参数。利用太赫兹光谱分析技术快速准确测量食用油脂中反式脂肪酸的含量,可以克服传统方法中的诸多弊端,易于实现油脂加工过程中的动态监控,也可以进一步提高油脂企业优化各项工艺指标的技术水平,进一步提升我国油脂加工企业的国际市场竞争力。
发明内容
本发明是针对实际生产中,传统的气相色谱法(GC)检测油脂过程复杂,耗时长,定性定量分析所需的标准品数量多且价格昂贵等问题,而提出的一种油脂中反式脂肪酸含量的光谱快速检测方法,通过以下步骤实现:一、收集具有代表性的食用油脂样品作为训练集;二、测定所述训练集样品的THz光谱;三、测定所述训练集样品的反式脂肪酸含量的化学值;四、所述训练集样品的THz波段光学特性的分析,建立吸收系数与反式脂肪酸含量化学值的BP神经网络模型;五、模型的验证;六、待测样品的分析。
一种油脂中反式脂肪酸含量的光谱快速检测方法,THz频段与分子整体和分子间振动模式对应,这些振动模式对外界环境更为敏感;测量的准确性和效率高;稳定性好;所需的能量更低,实用性更强,基于以上特性建立的BP神经网络模型,不仅能够对复杂的非线性系统进行处理,也能够对不含明确的数学表达式的体系进行处理,模型的准确度好,抗干扰能力强。
具体实施方式
具体实施方式一:一种油脂中反式脂肪酸含量的光谱快速检测方法通过以下步骤实现:
一、收集具有代表性的食用油脂样品作为训练集:首先要针对不同品质、不同生产工艺、有代表性的食用油脂产品进行收集,作为训练集;然后利用THz光谱仪扫描得到样本集标准光谱;
二、测定所述训练集样品的THz光谱:将训练集样品分别放入1mm和5mm的比色皿中,测定所需的光谱,并收集所需的光谱数据;
三、测定所述训练集样品的反式脂肪酸含量的化学值:采用气相色谱法对训练集样品的反式脂肪酸含量进行测定;
四、所述训练集样品的THz波段光学特性的分析,建立吸收系数与反式脂肪酸含量化学值的BP神经网络模型:
(1)将优选出来的训练集样品的光谱数据进行收集,将THz波透过介质后得到参考及样品的THz脉冲时域电场波形Er(ω)和Es(ω),进行傅里叶变换,从而得到各自的频域谱Er(ε)和Es(ε),THz电场的透射系数T(ω)=Es(ω)/Er(ω),复折射率N(ω)=n(ω)+jk(ω),他们存在如下函数关系:
其中,n(ω)为样品的实折射率,k(ω)为样品的消光系数,为样品和参考信号的振幅模的比值,A(ω)为样品和参考信号的相位差,ω为频率;
(2)由于k(ω)<<n(ω),可得出样品的吸收系数:
其中,c为真空中光速,d为样品的厚度。通过吸收系数的不同可对样品进行识别;
(3)将所收集的52个训练集样本中的10个作为验证集,剩下的42个作为预测集,进行非线性建模,并将预测集用于建立吸收系数与反式脂肪酸含量化学值的BP神经网络模型;
五、模型的验证:取已知TFA含量的油脂作为验证集,在相同条件下用光谱仪扫描得到光谱,根据已建立的模型计算TFA含量,经验证每个验证集样本误差均小于10%后,可确定该已建立的模型适用;若某些验证样本误差大于10%,则对校正参数重新进行回归运算,如此反复,直至得到满意的定量模型;
六、待测样品的分析:用光谱仪扫描得到待分析油脂的光谱,进行预处理后将光谱数据输入模型即可测定出油脂中反式脂肪酸含量(待测样品的扫描过程和预处理条件应同校正样本集保持一致,以消除误差)。
具体实施方式二:本实施方式与具体实施方式一的不同点在于步骤二中将训练集样品放入1mm比色皿中,测定并收集光谱数据。其它步骤与具体实施方式一相同。
具体实施方式三:本实施方式与具体实施方式一的不同点在于步骤四中将所收集的训练集数据根据化学值进行排序后进行分集处理,并且,保证化学值的最大值和最小值作为预测集,并将建立的BP神经网络模型的动量因子,学习率,学习次数进行训练。其它步骤与具体实施方式一相同。
具体实施方式四:本实施方式与具体实施方式一的不同点在于步骤五中验证集决定系数R2达到0.9793、验证集均方根误差RMSEP为0.3686、相对标准偏差达到4.507%。其它步骤与具体实施方式一相同。
Claims (4)
1.一种油脂中反式脂肪酸含量的光谱快速检测方法,其特征在于用THz光谱结合BP神经网络的反式脂肪酸快速检测方法通过以下步骤实现:
一、收集具有代表性的食用油脂样品作为训练集:首先要针对不同品质、不同生产工艺、有代表性的食用油脂产品进行收集,作为训练集;然后利用THz光谱仪扫描得到样本集标准光谱;
二、测定所述训练集样品的THz光谱:将训练集样品分别放入1mm和5mm的比色皿中,测定所需的光谱,并收集所需的光谱数据;
三、测定所述训练集样品的反式脂肪酸含量的化学值:采用气相色谱法对训练集样品的反式脂肪酸含量进行测定;
四、所述训练集样品的THz波段光学特性的分析,建立吸收系数与反式脂肪酸含量化学值的BP神经网络模型:
(1)将优选出来的训练集样品的光谱数据进行收集,将THz波透过介质后得到参考及样品的THz脉冲时域电场波形Er(ω)和Es(ω),进行傅里叶变换,从而得到各自的频域谱Er(ε)和Es(ε),THz电场的透射系数T(ω)=Es(ω)/Er(ω),复折射率N(ω)=n(ω)+jk(ω),他们存在如下函数关系:
其中,n(ω)为样品的实折射率,k(ω)为样品的消光系数,为样品和参考信号的振幅模的比值,A(ω)为样品和参考信号的相位差,ω为频率;
(2)由于k(ω)<<n(ω),可得出样品的吸收系数:
其中,c为真空中光速,d为样品的厚度;通过吸收系数的不同可对样品进行识别;
(3)将所收集的52个训练集样本中的10个作为验证集,剩下的42个作为预测集,进行非线性建模,并将预测集用于建立吸收系数与反式脂肪酸含量化学值的BP神经网络模型;
五、模型的验证:取已知TFA含量的油脂作为验证集,在相同条件下用光谱仪扫描得到光谱,根据已建立的模型计算TFA含量,经验证每个验证集样本误差均小于10%后,可确定该已建立的模型适用;若某些验证样本误差大于10%,则对校正参数重新进行回归运算,如此反复,直至得到满意的定量模型;
六、待测样品的分析:用光谱仪扫描得到待分析油脂的光谱,进行预处理后将光谱数据输入模型即可测定出油脂中反式脂肪酸含量;待测样品的扫描过程和预处理条件同校正样本集保持一致,以消除误差。
2.根据权利要求1所述的一种油脂中反式脂肪酸含量的光谱快速检测方法,其特征在于步骤二将训练集样品放入1mm比色皿中,测定并收集光谱数据。
3.根据权利要求1所述的一种油脂中反式脂肪酸含量的光谱快速检测方法,其特征在于步骤四中将所收集的训练集数据根据化学值进行排序后进行分集处理,并且,保证化学值的最大值和最小值作为预测集,并将建立的BP神经网络模型的动量因子,学习率,学习次数进行训练。
4.根据权利要求1所述的一种油脂中反式脂肪酸含量的光谱快速检测方法,其特征在于步骤五中验证集决定系数R2达到0.9793、验证集均方根误差RMSEP为0.3686、相对标准偏差达到4.507%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510136583.5A CN104914068B (zh) | 2015-03-19 | 2015-03-19 | 一种油脂中反式脂肪酸含量的光谱快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510136583.5A CN104914068B (zh) | 2015-03-19 | 2015-03-19 | 一种油脂中反式脂肪酸含量的光谱快速检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104914068A CN104914068A (zh) | 2015-09-16 |
CN104914068B true CN104914068B (zh) | 2019-02-19 |
Family
ID=54083323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510136583.5A Active CN104914068B (zh) | 2015-03-19 | 2015-03-19 | 一种油脂中反式脂肪酸含量的光谱快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104914068B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105628639A (zh) * | 2015-12-31 | 2016-06-01 | 深圳市芭田生态工程股份有限公司 | 一种利用光谱法测定农产品中植物油脂的方法 |
CN106290665B (zh) * | 2016-11-02 | 2018-08-31 | 百奥森(江苏)食品安全科技有限公司 | 一种食品中反式脂肪酸的检测方法 |
CN110057756A (zh) * | 2019-05-20 | 2019-07-26 | 南京农业大学 | 一种小麦面粉品质的红外光声光谱检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1317051A (zh) * | 1998-06-30 | 2001-10-10 | 辛根塔参与股份公司 | 拟南芥hmp-p激酶和tmp-pp酶及其在除草剂筛选中的用途 |
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 |
EP2105726A2 (en) * | 2008-03-26 | 2009-09-30 | Jasco Corporation | Automatic and continuous quantitative analysis method and apparatus for multiple components |
CN102283243A (zh) * | 2011-06-29 | 2011-12-21 | 中国计量学院 | 一种杀菌剂固体农药分类方法 |
-
2015
- 2015-03-19 CN CN201510136583.5A patent/CN104914068B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1317051A (zh) * | 1998-06-30 | 2001-10-10 | 辛根塔参与股份公司 | 拟南芥hmp-p激酶和tmp-pp酶及其在除草剂筛选中的用途 |
EP2105726A2 (en) * | 2008-03-26 | 2009-09-30 | Jasco Corporation | Automatic and continuous quantitative analysis method and apparatus for multiple components |
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 |
CN102283243A (zh) * | 2011-06-29 | 2011-12-21 | 中国计量学院 | 一种杀菌剂固体农药分类方法 |
Non-Patent Citations (1)
Title |
---|
中草药的太赫兹光谱识别;张平;《中国优秀硕士学位论文全文数据库 基础科学辑》;20090315;第15-17、35-39页 |
Also Published As
Publication number | Publication date |
---|---|
CN104914068A (zh) | 2015-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Karoui et al. | Mid-infrared spectroscopy coupled with chemometrics: a tool for the analysis of intact food systems and the exploration of their molecular structure− quality relationships− a review | |
Xie et al. | Prediction of titratable acidity, malic acid, and citric acid in bayberry fruit by near-infrared spectroscopy | |
Li et al. | Evaluating the performance of a consumer scale SCiO™ molecular sensor to predict quality of horticultural products | |
CN102879353B (zh) | 近红外检测花生中蛋白质组分含量的方法 | |
Nenadis et al. | Perspective of vibrational spectroscopy analytical methods in on‐field/official control of olives and virgin olive oil | |
CN102590129B (zh) | 近红外检测花生中氨基酸含量的方法 | |
CN105548062B (zh) | 生鲜牛肉多指标的快速无损同步检测方法 | |
Pan et al. | a simple and portable screening method for adulterated olive oils using the hand‐held FTIR spectrometer and chemometrics tools | |
CN106841083A (zh) | 基于近红外光谱技术的芝麻油品质检测方法 | |
Gori et al. | A rapid method to discriminate season of production and feeding regimen of butters based on infrared spectroscopy and artificial neural networks | |
CN107219184A (zh) | 一种应用于产地溯源的肉类鉴别方法及装置 | |
Toledo-Martín et al. | Quantification of total phenolic and carotenoid content in blackberries (Rubus Fructicosus L.) using near infrared spectroscopy (NIRS) and multivariate analysis | |
CN105044024A (zh) | 一种基于近红外光谱技术对葡萄果实进行无损检测的方法 | |
CN104914068B (zh) | 一种油脂中反式脂肪酸含量的光谱快速检测方法 | |
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 | |
CN110487746A (zh) | 一种基于近红外光谱检测娃娃菜品质的方法 | |
CN106950192A (zh) | 一种基于近红外光谱分析技术的植物蛋白饮料中主要成分含量快速检测的方法 | |
CN113310930A (zh) | 高温灭菌奶、巴氏杀菌奶和掺加高温灭菌奶的巴氏杀菌奶的光谱鉴定方法 | |
Wang et al. | Development of near‐infrared online grading device for long jujube | |
Ndisya et al. | Vis-NIR hyperspectral imaging for online quality evaluation during food processing: A case study of hot air drying of purple-speckled cocoyam (Colocasia esculenta (L.) schott) | |
Si et al. | Quality assessment of fruits and vegetables based on spatially resolved spectroscopy: A review | |
Wold et al. | Optimization of Instrument Design for In-Line Monitoring of Dry Matter Content in Single Potatoes by NIR Interaction Spectroscopy | |
CN106338488A (zh) | 一种转基因豆奶粉的快速无损鉴别方法 | |
CN110231302A (zh) | 一种快速测定奇亚籽粗脂肪含量的方法 | |
CN106198423B (zh) | 一种基于可见-近红外光谱分析技术鉴别火腿肠等级的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220914 Address after: No.1, East haping Road, development zone, Harbin, Heilongjiang Province Patentee after: Jiusan Food Co.,Ltd. Address before: 150028 School of computer and information engineering, Harbin University of Commerce, No. 1 Xuehai street, Songbei District, Harbin City, Heilongjiang Province Patentee before: HARBIN University OF COMMERCE |