使用机器学习检测和定量地油改,使用与NIRS和UV-VIS进行比较的方法

科学领域:

• 分析化学 分析化学
• 食品科学 食品科学 食品科学
• 频谱学是一种光谱学.

背景情况:

• 核桃油因其必需脂肪酸和独特的味道而受到重视,使其成为一个受欢迎的油.
• 人们对地油与更便宜的油,如棕油,往往使用调味剂添加剂的改存在担忧.
• 检测油污的传统方法往往耗时且昂贵.

研究的目的:

• 开发和验证使用近红外 (NIR) 和紫外-可见 (UV-Vis) 光谱与化学测量的模型,以检测核桃油改.
• 为了量化棕油中棕油改的含量.
• 为了比较NIR和UV-Vis光谱在识别伪造样本方面的有效性.

主要方法:

• 应用近红外 (NIR) 和紫外可见 (UV-Vis) 光谱在纯净和造的花生油样本 (0-50%棕油脂) 上.
• 使用化学测量技术,包括主要成分分析 (PCA),线性差异分析 (LDA) 和部分最小平方回归 (PLSR).
• 使用交叉验证精度 (R²CV) 和交叉验证的根平均平方误差 (RMSECV) 评估模型性能.

主要成果:

• 线性差异分析 (LDA) 模型实现了NIR的平均交叉验证精度为92.61%,UV-Vis的平均交叉验证精度为62.14%,以区分纯和杂的花生油.
• 部分最小平方回归 (PLSR) 模型成功地预测了关键质量参数 (自由脂肪酸,颜色,过氧化物,值) 的两种技术的高R²CV值.
• 与UV-Vis光谱相比,NIR光谱在开发地油改预测模型方面表现出优异的性能.

结论:

• 尼尔和UV-Vis光谱,加上化学测量,提供快速,经济高效的方法来检测和量化地油改.
• 尼尔光谱仪为识别棕油脂改提供了更准确,更可靠的模型.
• 这些光谱技术可以成为食用油行业质量控制的宝贵工具.