CN106932510A - 一种植物油的分类方法 - Google Patents
一种植物油的分类方法 Download PDFInfo
- Publication number
- CN106932510A CN106932510A CN201710031578.7A CN201710031578A CN106932510A CN 106932510 A CN106932510 A CN 106932510A CN 201710031578 A CN201710031578 A CN 201710031578A CN 106932510 A CN106932510 A CN 106932510A
- Authority
- CN
- China
- Prior art keywords
- data
- vegetable oil
- analysis
- characteristic
- region
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24143—Distances to neighbourhood prototypes, e.g. restricted Coulomb energy networks [RCEN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明公开了一种植物油的分类方法,采用气相‑离子迁移联用技术对不同种类植物油中的挥发性有机化合物进行检测,并以该信息作为分类依据。本发明采用不同保留时间下对应的离子迁移时间和离子强度表征不同植物油的特征信息,包括,三维谱图的采集;谱图特征区域的选取;数据的预处理;化学计量数据分析,从而将样品进行分类。本发明方法可以将气相‑离子迁移联用技术广泛应用于含复杂体系的食品与农产品的品质快速分析领域,分析时间短,高分辨率和高灵敏度,无损检测,可应用于植物油的分类。
Description
技术领域
本发明属于快速分析检测领域,具体涉及一种植物油的分类方法。
背景技术
离子迁移技术是一种基于气相中不同离子在电场中迁移时间差异的微量化学物质分析技术,具有高灵敏度,高选择性,对样品中的挥发性化合物尤为敏感。离子迁移技术与气相色谱的联用充分发挥了气相色谱的高分辨率和离子迁移谱的高灵敏度,使得获取的化学信息变得更加丰富,样品中的挥发性物质经色谱柱预分离后,直接洗脱至离子电离室,在离子反应区进行的离子反应反而更简单。因此,色谱与离子迁移谱的联用是互利互惠,得到的测试数据可进行更高级的数据处理。
现有技术中,对植物油样品的分类大多数采用光谱分析法,但该类方法所获得的二维光谱信息量小、直观性欠缺且实用性较差。
近年来,气相-离子迁移谱分析方法由于其高分辨率、高灵敏度以及数据信息量丰富等特点,将成为食品科学与工程领域的新型研究工具,进一步扩展气相-离子迁移技术的应用领域。
发明内容
本发明的目的在于提供一种植物油的分类方法,以实现图谱的定量表达,从而实现更加快速准确地将不同品种的植物油进行分类。
为解决以上技术问题,本发明利用气相-离子迁移技术的分析原理,通过数据的彩色化处理形成伪彩色三维谱,分析人员根据自身判断能力和实践经验直接从谱图中选取代表植物油的特征信息区域,通过不同区域、不同样品所形成的图库分析,选定能够表征样品种类的特征区域,采用化学计量学方法分析该区域的迁移谱数据达到对植物油种类区分鉴别的效果。
本发明所采用的具体技术方案如下:
一种植物油的分类方法,其特征在于包括如下步骤:
步骤一,三维信息谱图的获取:以植物油为检测对象,用气相-离子迁移设备采集数据,以获得所述植物油的三维信息谱图;
步骤二,谱图特征区域选取:对所述植物油的三维信息谱图依据对应保留时间下的某一物质的颜色强度的差异为原则,选择35个具有明显特征变化的区域,以表征各个植物油样品在该区域的变化,从而选定植物油的谱图特征区域;
步骤三,数据预处理:对选定的某一植物油的谱图特征区域对应的数据依次进行中心化处理以及卷积平滑处理,得到待进一步分析的特征区域数据;
步骤四,化学计量分析:对所述的特征区域数据,基于Matlab平台,采用化学计量学方法对特征区域数据进行可视化分析,从而实现对植物油样品的快速分类。
步骤一中所述三维信息谱图采集具体为:
在试验前,设定仪器进行24小时的反吹清洗,以避免装置内有部分成分残留或久置不用影响仪器性能;待清洗完成后,室内温度保持为25℃,设定仪器的漂移管温度为45℃,色谱柱温为40℃,进样器温度为80℃,漂移气流速为150mL/min,载气流速为2.0mL/min,获得样品三维谱图。
步骤二中所述谱图特征区域选取具体如下:
通过观察不同样品谱图中某一特征物质对应颜色的变化选择35个特征区域,并以图片库的形式展示各成分物质的变化情况,选择颜色变化明显的特征位置区域用于进一步数据分析。
步骤三所述的数据预处理具体为:
采用Matlab平台,依据特征区域对应的保留时间和迁移时间为界从原始数据中截取对应的数据,并依据保留时间依次排列特征区域的离子迁移数据,形成一维矩阵;数据预处理按序采用中心化和卷积平滑两种方法。
步骤四所述化学计量分析方法为利用Matlab平台,对特征区域数据进行可视化数据分析,具体包括:
首先对数据进行主成分分析,在降低减少数据维度的同时应用分类器将数据映射到较小的子空间;
然后采用线性判别式分析法从已知植物油样品类的数据集中进行最大化类别分离,以便进行未知植物油样品种类的预测;
最后采用K最近邻算法正确识别某一植物油样品种类。本发明具有有益效果。
本发明基于气相色谱-离子迁移谱技术对植物油样品中的挥发性有机化合物进行了分析,在无需知道具体挥发性物质的情况下通过保留时间和离子迁移时间确定样品特征信息区域;本发明基于Matlab平台对三维图谱数据进行了编程处理,结合化学计量学方法对其进行了分析,实现了从感官认识到理性表达的目的及数据模型的建立,能够实现图谱的定量表达,且能更加快速准确地将不同品种的植物油进行分类。
附图说明
图1为本发明芝麻油样品原始三维谱图;
图2为本发明不同植物油样品不同特征区域视图库;
图3为本发明样品第一主成分和第二主成分分布图;
图4为本发明样品第一、第二和第三主成分三维图;
图5为本发明样品第一线性判别和第二线性判别分布图;
具体实施方式
下面结合附图和具体实施例,对本发明的的技术方案做进一步详细说明。
步骤一,三维信息谱图的采集。以常见的芝麻油、菜籽油及花生油共21个植物油样品为检测对象,德国GAS公司的型号为FlavourSpec气味分析仪为检测设备,获得所述植物油挥发性物质的一系列谱图数据作为样品分类信息,芝麻油的三维谱图如图1所示。
步骤二,谱图特征区域的选取。
对获取的三维谱图信息通过色彩系统可视化后选择不同样品35个颜色变化明显区域用于表征该样品的特征成分,通过形成各个区域的谱图库确定区分不同植物油种类的一个特征区域,特征区域图库如图2所示。
步骤三,数据预处理:对所述的特征区域依据保留时间依次排列特征区域的离子迁移数据,形成一维矩阵,并按序进行中心化和卷积平滑处理,以便进行后续的数据分析。
步骤四,化学计量分析:利用Matlab平台,对特征区域数据进行可视化数据分析,首先采用主成分分析法对其进行分析,其二维主成分分析结果如图3所示,在降低数据维度的同时应用该分类器将数据映射到较小的子空间,为数据的进一步处理做基础;然后采用线性判别式分析法从已知样品类的数据集中进行最大化类别分离,以便进行未知样品类型的预测;最后采用K最近邻算法分析识别未知样品的类型。
数据的预处理过程:所采用的程序为基于Matlab平台的脚本文件。Matlab数据处理系统是一种高效的矩阵运算语言,其通过预设数量及其丰富的函数、工具包,使得操作者不必费心重新编写语言,同时Matlab可以提供足够便捷的发挥空间,方便使用者熟悉各种算法。通过Matlab自带文本文件读取函数将待分析数据以变量形式保存,执行已编写完成的脚本文件进行相对应的数据预处理。
化学计量分析过程:获取得到的特征区域数据量较大,其中包含一些不重要信息,需要对其进行降维处理,以减少数据运算量。采用主成分分析方法,通过得分矩阵的贡献率累加总和≥95%选择最佳的主成分个数,其三维主成分分析结果如图4所示。对所得的数据进行分析,采用线性判别式算法将高维的模式样本投影到最佳便于鉴别的矢量空间,抽取分类信息并进一步压缩特征空间维数,分析结果如图5所示。最后采用K最近邻算法对植物油样品进行正确分类。
食用植物油具有独特的芳香气味,其因种类、营养价值的不同在价格上存在很大的差异,而其在颜色又相似或者非常接近,一些不法生产经营者为谋取暴力违法添加,广大普通消费者从感官上很难加以准确区分。传统采用的感官鉴别易受个人因素影响,准确性较差,传统化学分析法则存在耗时长,易被污染等特点,而光谱法分析则存在直观性差、谱图分析困难等缺点。因此,设计一种新的对植物油样品进行分类判别的方法显得尤为重要。本发明以常见的芝麻油、菜籽油及花生油为检测对象,采用德国GAS公司的型号为FlavourSpec的气相-离子迁移谱设备,在相同的条件下对植物油样品的三维谱图信息进行测定和分析。具体测定参数为:漂移管温度为45℃,柱温为40℃,进样器温度为80℃,漂移气流速为150mL/min,载气流速为2.0mL/min。
一种植物油的分类方法具体步骤为:
1.清洗设备
开机设定仪器进入自动清洗模式,在该模式下,仪器自动将各可调参数调整到最大值进行工作,清洗时间为24h,防止设备内有其他成分残留或仪器久置未用,影响仪器的分辨率和重复性。
2.获取样品的三维信息图谱
选用德国GAS仪器公司的型号为FlavourSpec的气相色谱-离子迁移谱设备,设定漂移管温度为45℃,色谱图温度为40℃,进样器温度为80℃,漂移气流速为150mL/min,载气流速为2.0mL/min,在该条件下获取样品的三维信息谱图。
3.获取表征样品种类的特征信息区域
将获得样品的三维信息谱图经伪彩色系统处理后,从不同样品对应的颜色变化区域选择35个特征区域,形成以特征区域为横轴,样品编号为纵轴的图片库,通过观察各特征区域的颜色变化选择最具表征植物油种类的一个特征区域。
4.化学计量分析
获得的特征区域为一矩阵数据利用上述方法计算所得的分类结果如表1所示
表1 GC-IMS数据分类结果
如表1所示:除芝麻油样品中有一个样品识别错误外,其他植物油样品的识别率均达到100%,说明该方法的可行性。
上述实施实例仅用于说明本发明,其中各方法的实施步骤等都是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。
Claims (5)
1.一种植物油的分类方法,其特征在于包括如下步骤:
步骤一,三维信息谱图的获取:以植物油为检测对象,用气相-离子迁移设备采集数据,以获得所述植物油的三维信息谱图;
步骤二,谱图特征区域选取:对所述植物油的三维信息谱图依据对应保留时间下的某一物质的颜色强度的差异为原则,选择35个具有明显特征变化的区域,以表征各个植物油样品在该区域的变化,从而选定植物油的谱图特征区域;
步骤三,数据预处理:对选定的某一植物油的谱图特征区域对应的数据依次进行中心化处理以及卷积平滑处理,得到待进一步分析的特征区域数据;
步骤四,化学计量分析:对所述的特征区域数据,基于Matlab平台,采用化学计量学方法对特征区域数据进行可视化分析,从而实现对植物油样品的快速分类。
2.根据权利要求1所述的一种植物油的分类方法,其特征在于步骤一中所述三维信息谱图采集具体为:
在试验前,设定仪器进行24小时的反吹清洗,以避免装置内有部分成分残留或久置不用影响仪器性能;待清洗完成后,室内温度保持为25℃,设定仪器的漂移管温度为45℃,色谱柱温为40℃,进样器温度为80℃,漂移气流速为150mL/min,载气流速为2.0mL/min,获得样品三维谱图。
3.根据权利要求1所述的一种植物油的分类方法,其特征在于步骤二中所述谱图特征区域选取具体如下:
通过观察不同样品谱图中某一特征物质对应颜色的变化选择35个特征区域,并以图片库的形式展示各成分物质的变化情况,选择颜色变化明显的特征位置区域用于进一步数据分析。
4.根据权利要求1所述的一种植物油的分类方法,其特征在于步骤三所述的数据预处理具体为:
采用Matlab平台,依据特征区域对应的保留时间和迁移时间为界从原始数据中截取对应的数据,并依据保留时间依次排列特征区域的离子迁移数据,形成一维矩阵;数据预处理按序采用中心化和卷积平滑两种方法。
5.根据权利要求1所述的一种植物油的分类方法,其特征在于步骤四所述化学计量分析方法为利用Matlab平台,对特征区域数据进行可视化数据分析,具体包括:
首先对数据进行主成分分析,在降低减少数据维度的同时应用分类器将数据映射到较小的子空间;
然后采用线性判别式分析法从已知植物油样品类的数据集中进行最大化类别分离,以便进行未知植物油样品种类的预测;
最后采用K最近邻算法正确识别某一植物油样品种类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710031578.7A CN106932510A (zh) | 2017-01-17 | 2017-01-17 | 一种植物油的分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710031578.7A CN106932510A (zh) | 2017-01-17 | 2017-01-17 | 一种植物油的分类方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106932510A true CN106932510A (zh) | 2017-07-07 |
Family
ID=59444691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710031578.7A Pending CN106932510A (zh) | 2017-01-17 | 2017-01-17 | 一种植物油的分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106932510A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108333274A (zh) * | 2018-04-10 | 2018-07-27 | 中国医学科学院北京协和医院 | 一种花粉种属及花粉挥发性有机物的定性检测方法 |
CN108426968A (zh) * | 2018-06-13 | 2018-08-21 | 中国农业科学院蜜蜂研究所 | 一种冬蜜和乌桕蜜的分类方法 |
CN109142590A (zh) * | 2018-07-11 | 2019-01-04 | 广州市药品检验所 | 广陈皮的鉴别分类方法及装置 |
CN109668992A (zh) * | 2017-10-13 | 2019-04-23 | 贵州中烟工业有限责任公司 | 一种霉变烟叶识别方法 |
CN111583217A (zh) * | 2020-04-30 | 2020-08-25 | 深圳开立生物医疗科技股份有限公司 | 一种肿瘤消融疗效预测方法、装置、设备及计算机介质 |
CN113049717A (zh) * | 2021-04-30 | 2021-06-29 | 南宁海关技术中心 | 基于气相色谱-离子迁移谱的鱼油掺假鉴别方法 |
CN113702540A (zh) * | 2021-09-03 | 2021-11-26 | 康道生物(南通)有限公司 | 一种基于气相色谱和离子迁移谱的灵芝孢子油掺假鉴别方法 |
CN116990409A (zh) * | 2023-07-17 | 2023-11-03 | 中国科学院兰州化学物理研究所 | 一种基于角鲨烯和甾醇组成的特级初榨橄榄油鉴别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103969390A (zh) * | 2014-05-21 | 2014-08-06 | 湖南生物机电职业技术学院 | 一种鉴别植物油种类的方法 |
CN104090044A (zh) * | 2014-07-16 | 2014-10-08 | 中国农业科学院油料作物研究所 | 一种用于分析食用植物油中脂肪酸组成的方法及基于脂肪酸组成的食用植物油真伪鉴别方法 |
CN104155359A (zh) * | 2014-08-22 | 2014-11-19 | 中国农业科学院油料作物研究所 | 一种基于离子迁移谱的食用植物油真伪快速筛查方法 |
CN105758981A (zh) * | 2014-12-19 | 2016-07-13 | 天津滨海无瑕农业生态设施有限公司 | 基于gc-ms技术结合pso-svm算法的植物油分类方法 |
-
2017
- 2017-01-17 CN CN201710031578.7A patent/CN106932510A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103969390A (zh) * | 2014-05-21 | 2014-08-06 | 湖南生物机电职业技术学院 | 一种鉴别植物油种类的方法 |
CN104090044A (zh) * | 2014-07-16 | 2014-10-08 | 中国农业科学院油料作物研究所 | 一种用于分析食用植物油中脂肪酸组成的方法及基于脂肪酸组成的食用植物油真伪鉴别方法 |
CN104155359A (zh) * | 2014-08-22 | 2014-11-19 | 中国农业科学院油料作物研究所 | 一种基于离子迁移谱的食用植物油真伪快速筛查方法 |
CN105758981A (zh) * | 2014-12-19 | 2016-07-13 | 天津滨海无瑕农业生态设施有限公司 | 基于gc-ms技术结合pso-svm算法的植物油分类方法 |
Non-Patent Citations (3)
Title |
---|
ROCÍO GARRIDO-DELGADO 等: "Multi-capillary column-ion mobility spectrometry:a potential screening system to differentiate virgin olive oils", 《ANAL BIOANAL CHEM》 * |
ROCÍO GARRIDO-DELGADO等: "Determination of volatile compounds by GC–IMS to assign the quality", 《FOOD CHEMISTRY》 * |
杨俊超等: "气相色谱与离子迁移谱仪联用的研究", 《现代仪器与医疗》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109668992A (zh) * | 2017-10-13 | 2019-04-23 | 贵州中烟工业有限责任公司 | 一种霉变烟叶识别方法 |
CN108333274A (zh) * | 2018-04-10 | 2018-07-27 | 中国医学科学院北京协和医院 | 一种花粉种属及花粉挥发性有机物的定性检测方法 |
CN108426968A (zh) * | 2018-06-13 | 2018-08-21 | 中国农业科学院蜜蜂研究所 | 一种冬蜜和乌桕蜜的分类方法 |
CN108426968B (zh) * | 2018-06-13 | 2021-06-15 | 中国农业科学院蜜蜂研究所 | 一种冬蜜和乌桕蜜的分类方法 |
CN109142590A (zh) * | 2018-07-11 | 2019-01-04 | 广州市药品检验所 | 广陈皮的鉴别分类方法及装置 |
CN109142590B (zh) * | 2018-07-11 | 2021-06-22 | 广州市药品检验所 | 广陈皮的鉴别分类方法及装置 |
CN111583217A (zh) * | 2020-04-30 | 2020-08-25 | 深圳开立生物医疗科技股份有限公司 | 一种肿瘤消融疗效预测方法、装置、设备及计算机介质 |
CN113049717A (zh) * | 2021-04-30 | 2021-06-29 | 南宁海关技术中心 | 基于气相色谱-离子迁移谱的鱼油掺假鉴别方法 |
CN113702540A (zh) * | 2021-09-03 | 2021-11-26 | 康道生物(南通)有限公司 | 一种基于气相色谱和离子迁移谱的灵芝孢子油掺假鉴别方法 |
CN116990409A (zh) * | 2023-07-17 | 2023-11-03 | 中国科学院兰州化学物理研究所 | 一种基于角鲨烯和甾醇组成的特级初榨橄榄油鉴别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106932510A (zh) | 一种植物油的分类方法 | |
CN106770862A (zh) | 一种茶叶分类方法 | |
CN109254107A (zh) | 柑普茶快速分类鉴别方法 | |
Chen et al. | Detection of adulteration in canola oil by using GC‐IMS and chemometric analysis | |
CN109655532A (zh) | 一种对卷烟分类鉴别的方法 | |
CN110687240B (zh) | 一种快速鉴定火腿产地的方法 | |
CN103134850A (zh) | 一种基于特征香气的茶叶品质快速检测装置及检测方法 | |
CN110441423A (zh) | 一种测定粮食香气成分的方法及其系统 | |
JP2005291715A (ja) | におい測定装置 | |
Gentile et al. | On the use of IRMS in forensic science: Proposals for a methodological approach | |
Chen et al. | Gas chromatography‐ion mobility spectrometry detection of odor fingerprint as markers of rapeseed oil refined grade | |
CN108845045A (zh) | 一种气相指纹图谱结合主成分分析方法判别炸油质量的方法 | |
JP6132073B2 (ja) | 包括的2次元クロマトグラフ用データ処理装置 | |
Chen et al. | Discrimination of Chinese yellow wine from different origins based on flavor fingerprint | |
JP3707010B2 (ja) | クロマトグラフ/質量分析装置における汎用多成分一斉同定・定量方法 | |
Mascrez et al. | Enhancement of volatile profiling using multiple-cumulative trapping solid-phase microextraction. Consideration on sample volume | |
CN111189868A (zh) | 一种应用低场核磁共振快速筛查食用油中掺假地沟油的方法 | |
CN109030611A (zh) | 一种基于离子迁移谱的快速、无损的绿茶香气指纹分析及香型判别的方法 | |
Christensen et al. | A multivariate approach to oil hydrocarbon fingerprinting and spill source identification | |
CN107741410A (zh) | 一种基于icso‑svm的苯并类物质的荧光光谱检测法 | |
CN103293257A (zh) | 一种卷烟烟气色谱数据保留时间漂移mwfft校准方法 | |
CN102636554B (zh) | 地沟油的识别方法 | |
CN103076387B (zh) | 一种基于dart-tof技术的书写时间鉴别方法 | |
Capelli et al. | Monitoring odour emisssions from an oil & gas plant: Electronic nose performance testing in the field | |
CN104297205A (zh) | 一种快速、无损的食用油鉴别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170707 |
|
WD01 | Invention patent application deemed withdrawn after publication |