CN105044025A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN105044025A CN105044025A CN201510568021.8A CN201510568021A CN105044025A CN 105044025 A CN105044025 A CN 105044025A CN 201510568021 A CN201510568021 A CN 201510568021A CN 105044025 A CN105044025 A CN 105044025A
- Authority
- CN
- China
- Prior art keywords
- sesame oil
- near infrared
- oil
- fast
- sample
- 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.)
- Pending
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
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,具体步骤如下:(1)使用近红外光谱仪对样品进行透射扫描并得到近红外光谱数据;(2)采用KS分组方式划分为训练集和预测集;(3)采用偏最小二乘判别分析(PLS-DA)模型对数据进行建模;(4)预测未知样品类别。结果表明,本发明所采用的近红外光谱结合偏最小二乘-判别分析方法可以对掺伪芝麻油的鉴别达到100%的预测正确率。因此,近红外光谱技术结合化学模式识别方法可以对掺伪芝麻油实现快速、无损、准确的鉴别。
Description
技术领域
本发明属于芝麻油质量监测技术领域,具体涉及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。
背景技术
芝麻油(Sesameoil)是一种具有极高营养价值且不含有其它任何有害物质的天然植物油,其市场价格远高于花生油、玉米油、大豆油等食用油。由于芝麻油的生产成本比较高,工艺相对复杂,一般的小作坊若用纯芝麻生产纯芝麻油便会导致亏损,加之市场缺乏对芝麻油生产厂家的约束和管制,一部分不良商家便生产掺假、掺伪芝麻油,以次充好来牟取利益。
市场上常见的掺假芝麻油主要是在低价植物油(如大豆油、色拉油甚至地沟油等)中加入纯芝麻油或者是芝麻香精。掺假芝麻油和纯正的芝麻油在其物理性质上几乎没有区别,普通消费者很难将二者区分开。因为芝麻油的质量好坏直接关系到人们的身体健康,因而发展了很多芝麻油鉴别方法。
目前,鉴别芝麻油的方法主要有物理鉴别方法和仪器分析方法。其中,物理鉴别方法主要是观察芝麻油的色泽、透明度、与水结合的状态、加热时芝麻油的状态以及显色法。这些方法具有一定的主观性,不适合大范围推广。现阶段,人们更多的是使用仪器分析方法来对芝麻油进行鉴别分析。一般的仪器分析方法有气相色谱法、液相色谱法、电子鼻法、红外光谱法等。气相色谱法和液相色谱法在实验前需要比较复杂的样品预处理。电子鼻可以在几小时、几天甚至数月的时间内连续地、实时地监测特定位置的气味状况,但这种方法实验成本也比较高,而且还不成熟。红外光谱信号强度大,植物油样品需要使用有机溶剂稀释到一定浓度才可以测量,既费时,对样品也造成了污染。因此,迫切需要发展快速、无损的芝麻油鉴别方法。
与传统技术相比,近红外光谱分析技术具有快速、无损、不需要样品预处理的优点,在石油、中药、食品和环境等领域迅速发展。但是近红外光谱信号较弱,谱峰重叠严重,需要借助化学计量学才可以完成定性定量分析。采用化学模式识别技术,建立近红外光谱与类别信息之间的数学模型,未知样品直接测量其光谱,代入模型即可完成类别预测,其中偏最小二乘-判别分析(PLS-DA)是一种广泛应用的化学模式识别技术。
发明内容
本发明的目的是针对上述存在问题,提供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,提高芝麻油品质,对于快速、准确、无损检测掺伪芝麻油具有重要意义。
(1)实验数据采集:收集一定数目的纯芝麻油和纯芝麻油中掺杂大豆油的样品,设置近红外光谱参数,采样间隔为1nm,光谱带宽设置为较宽,光谱采集的范围在800-2500nm之间,采集这些芝麻油样品的近红外光谱。
(2)数据集划分:按照一定的分组方式将数据集划分为训练集和预测集,其中训练集数目为总样本数的三分之二,预测集为余下的三分之一。
(3)PLS-DA模型的建立:根据模型预测正确率随因子数的变化,选取预测正确率第一次达到最大值时对应的因子数为最佳因子数,利用最佳因子数建立PLS-DA模型。
(4)未知样品预测:对于未知样品,扫描其近红外光谱,利用建立好的PLS-DA模型,预测其所属类别。
附图说明
图1是90个芝麻油样本的近红外光谱图。
图2是PLS-DA模型预测正确率随因子数的变化图。
具体实施方式
为更好理解本发明,下面结合实施例对本发明做进一步地详细说明,但是本发明要求保护的范围并不局限于实施例表示的范围。
实施例:
(1)实验数据的采集:纯香油样品:从不同超市购买鲁花、福临门、太太乐、金龙鱼、思盼、树江、古币、李锦记、李耳、朝生10个品牌各4个批次的芝麻油,共40个纯香油样品。大豆油掺假香油样品的配制:分别使用上述10个品牌的芝麻油与大豆油按照4∶1、2∶1、1∶1、1∶2、1∶4五种水平进行掺假,共配制50个掺假香油样品。采用TJ270-60双光束近红外分光光度计测量样品的近红外光谱,模式设置为透过率,连续快速扫描,采样间隔设置为1nm,光谱带宽设置为较宽,光谱采集范围为800-2500nm,共1701个波长点,选用5mm的玻璃比色皿进行实验。每个样品测量3次取平均值作为该样品的近红外光谱。90个芝麻油样本的近红外光谱图如图1所示。
(2)数据集划分:对90个样品采用KS分组方式划分为训练集和预测集,其中训练集数目为60个,预测集为余下的30个。
(3)PLS-DA模型的建立:首先确定模型的因子数,图2显示了模型的预测正确率随因子数的变化。从图中可以看出,预测正确率值随因子数的增加先变大继而趋于平稳,在模型因子数为3时预测正确率达到100%,且以后不再改变。因此,最佳因子数确定为3。选用因子数为3,建立PLS-DA模型。
(4)未知样品预测:采用PLS-DA模型,对于30个未知样本进行类别预测,预测正确率为100%。结果表明,在无需任何预处理的条件下,近红外结合PLS-DA就可以达到100%的预测正确率。
Claims (3)
1.一种近红外快速识别芝麻油及芝麻油中掺杂大豆油的方法,其特征在于包含以下步骤:
1)收集一定数目的纯芝麻油和掺假芝麻油样品,设置近红外光谱参数,采样间隔设置为1nm,光谱带宽设置为较宽,光谱采集的范围800-2500nm,每个样品测量3次取平均值作为该样品的近红外光谱;
2)将数据集按照一定的分组方式划分为训练集和预测集,其中训练集数目为总样本数的三分之二,预测集为余下的三分之一;
3)根据模型预测正确率随因子数的变化,选取预测正确率值第一次达到最大值时对应的因子数为最佳因子数,利用最佳因子数建立PLS-DA模型;
4)对于未知样品,扫描其近红外光谱,利用建立好的PLS-DA模型,预测其所属类别。
2.根据权利要求1所述的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,其特征在于:将数据集按照KS分组方式划分为训练集和预测集。
3.根据权利要求1所述的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,其特征在于:对掺假芝麻油品牌无限制,不同品牌芝麻油与大豆油掺假均可以鉴别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510568021.8A CN105044025A (zh) | 2015-09-07 | 2015-09-07 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510568021.8A CN105044025A (zh) | 2015-09-07 | 2015-09-07 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105044025A true CN105044025A (zh) | 2015-11-11 |
Family
ID=54450743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510568021.8A Pending CN105044025A (zh) | 2015-09-07 | 2015-09-07 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105044025A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106053380A (zh) * | 2016-05-24 | 2016-10-26 | 中国林业科学研究院林产化学工业研究所 | 利用近红外光谱技术快速分析混合制浆木材树种比例的方法 |
CN106841083A (zh) * | 2016-11-02 | 2017-06-13 | 北京工商大学 | 基于近红外光谱技术的芝麻油品质检测方法 |
CN106932358A (zh) * | 2017-01-26 | 2017-07-07 | 浙江工业大学 | 一种基于pls‑da快速无损识别云芝提取物掺假的方法 |
CN107121406A (zh) * | 2017-05-24 | 2017-09-01 | 福州大学 | 一种基于近红外光谱的葡萄籽油掺假鉴别方法 |
CN108106924A (zh) * | 2017-12-27 | 2018-06-01 | 广东美味鲜调味食品有限公司 | 一种检测食用机榨香油色泽稳定性的方法 |
CN113324987A (zh) * | 2021-07-06 | 2021-08-31 | 中南民族大学 | 一种检测芝麻油掺假的方法 |
CN114076745A (zh) * | 2020-08-20 | 2022-02-22 | 成都市食品药品检验研究院 | 一种基于云端-互联便携式近红外技术的西红花鉴别方法及其掺伪品定量预测方法 |
-
2015
- 2015-09-07 CN CN201510568021.8A patent/CN105044025A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106053380A (zh) * | 2016-05-24 | 2016-10-26 | 中国林业科学研究院林产化学工业研究所 | 利用近红外光谱技术快速分析混合制浆木材树种比例的方法 |
CN106841083A (zh) * | 2016-11-02 | 2017-06-13 | 北京工商大学 | 基于近红外光谱技术的芝麻油品质检测方法 |
CN106932358A (zh) * | 2017-01-26 | 2017-07-07 | 浙江工业大学 | 一种基于pls‑da快速无损识别云芝提取物掺假的方法 |
CN107121406A (zh) * | 2017-05-24 | 2017-09-01 | 福州大学 | 一种基于近红外光谱的葡萄籽油掺假鉴别方法 |
CN108106924A (zh) * | 2017-12-27 | 2018-06-01 | 广东美味鲜调味食品有限公司 | 一种检测食用机榨香油色泽稳定性的方法 |
CN114076745A (zh) * | 2020-08-20 | 2022-02-22 | 成都市食品药品检验研究院 | 一种基于云端-互联便携式近红外技术的西红花鉴别方法及其掺伪品定量预测方法 |
CN113324987A (zh) * | 2021-07-06 | 2021-08-31 | 中南民族大学 | 一种检测芝麻油掺假的方法 |
CN113324987B (zh) * | 2021-07-06 | 2022-08-05 | 中南民族大学 | 一种检测芝麻油掺假的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Potdar et al. | Determination of soil nutrients (NPK) using optical methods: a mini review | |
Zeng et al. | Quantitative visualization of photosynthetic pigments in tea leaves based on Raman spectroscopy and calibration model transfer | |
Ren et al. | Multi-variable selection strategy based on near-infrared spectra for the rapid description of dianhong black tea quality | |
CN106841083A (zh) | 基于近红外光谱技术的芝麻油品质检测方法 | |
CN103134767B (zh) | 一种红外光谱校正鉴定白酒品质的方法 | |
CN107817223A (zh) | 快速无损实时预测原油性质模型的构建方法及其应用 | |
CN105486655B (zh) | 基于红外光谱智能鉴定模型的土壤有机质快速检测方法 | |
CN106932378A (zh) | 一种基于拉曼光谱的炼厂酸性气成分的在线检测系统和方法 | |
CN109669023A (zh) | 一种基于多传感器融合的土壤属性预测方法 | |
CN101210873A (zh) | 一种利用太赫兹时域光谱快速检测植物油纯度的方法及设备 | |
CN101995392A (zh) | 快速检测橄榄油掺伪的方法 | |
CN101769866B (zh) | 一种牛奶成分的检测装置和方法 | |
CN103792198A (zh) | 牛奶中掺三聚氰胺的中红外-近红外相关谱判别方法 | |
CN104155359A (zh) | 一种基于离子迁移谱的食用植物油真伪快速筛查方法 | |
CN107860743A (zh) | 利用反射式近红外光纤探头构建快速预测原油性质的模型的方法及其应用 | |
CN104297201A (zh) | 一种快速、准确定量调和油中各种油份比例的检测方法 | |
CN109060771A (zh) | 一种基于光谱不同特征集的共识模型构建方法 | |
CN106525755A (zh) | 基于近红外光谱技术的油砂pH值测试方法 | |
Zhang et al. | Quantitative analysis of the oil mixture using PLS combined with spectroscopy detection | |
CN103134770B (zh) | 消除水分对近红外光谱检测土壤全氮含量影响的方法 | |
Li et al. | Determination of free fatty acids in edible oils with the use of a variable filter array IR spectrometer | |
CN105092526A (zh) | 一种基于近红外光谱技术的二元掺伪芝麻油含量的快速测定方法 | |
CN105954228A (zh) | 基于近红外光谱的油砂中金属钠含量的测量方法 | |
CN105806803A (zh) | 一种多指标协同分析波长组合及其选择方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151111 |