基于多尺度二維相關(guān)拉曼光譜的食用油摻雜檢測(cè)新方法.pdf

1、食用油摻假是我國(guó)當(dāng)前食品安全的突出矛盾之一，特別是近年來(lái)層出不窮的“地溝油”事件，引起全社會(huì)的高度關(guān)注。食用油摻假不僅影響自身品質(zhì)，還可能?chē)?yán)重?fù)p害消費(fèi)者身體健康。然而，傳統(tǒng)食用油摻假檢測(cè)方法主要依賴于理化檢測(cè)手段，往往需要繁瑣的前處理過(guò)程，費(fèi)時(shí)、費(fèi)力且費(fèi)用高，難以適應(yīng)我國(guó)當(dāng)前嚴(yán)峻的食用油安全形勢(shì)。因此，發(fā)展新型、高效的食用油摻假檢測(cè)方法迫在眉睫。
　　在各項(xiàng)檢測(cè)技術(shù)中，拉曼光譜以其簡(jiǎn)便、快速、高通量等顯著優(yōu)點(diǎn)，在食用油檢測(cè)中嶄露頭

2、角。鑒于傳統(tǒng)的拉曼光譜尚存在分辨率低、譜峰重疊嚴(yán)重等缺點(diǎn)，本文提出一種多尺度二維相關(guān)拉曼光譜新方法用于拉曼光譜檢測(cè)分辨率，并將其應(yīng)用于食用油的摻雜檢測(cè)。該方法有機(jī)結(jié)合多維偏最小二乘方法(N-way Partial Least Square，NPLS)與多尺度建模方法(Multi-scale modeling，MM)，在顯著提升拉曼光譜分辨率的同時(shí)，從復(fù)雜、變動(dòng)的二維相關(guān)光譜準(zhǔn)確提取食用油相關(guān)定性定量信息。該算法巧妙地以權(quán)重的方式對(duì)二維光

3、譜的時(shí)頻雙域信息進(jìn)行精細(xì)劃分，在有效避免信息丟失的同時(shí)，有效提高了建模的可靠性和穩(wěn)定性，進(jìn)而顯著提升了橄欖油摻假識(shí)別能力。論文的研究?jī)?nèi)容主要包括以下幾個(gè)部分。
　　1.以橄欖油摻雜檢測(cè)為研究對(duì)象，探討了常規(guī)拉曼光譜、二維相關(guān)光譜檢測(cè)技術(shù)的優(yōu)缺點(diǎn)。在此基礎(chǔ)之上，引入多尺度建模思想，提出了二維相關(guān)光譜結(jié)合多尺度建模思想實(shí)現(xiàn)預(yù)處理和多元校正一體化運(yùn)算新方法，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)。
　　2.深入探討二維相關(guān)光譜的識(shí)別規(guī)則和判別方法。嘗試依據(jù)

4、時(shí)頻成分運(yùn)用多尺度建模思想分離二維相關(guān)光譜中的背景、信號(hào)和噪聲信息，建立多尺度二維相關(guān)拉曼模型。在不同尺度信息上建立子模型并依據(jù)最佳融合權(quán)重融合最后預(yù)測(cè)結(jié)果，在抑制噪聲信息的同時(shí)，增大了對(duì)建模有用信息的貢獻(xiàn)，提高了模型預(yù)測(cè)的精確度。
　　3.嘗試運(yùn)用不同種類(lèi)的定性識(shí)別方法對(duì)橄欖油摻雜大豆油和葵花籽油兩類(lèi)樣品進(jìn)行分類(lèi)。多尺度二維相關(guān)拉曼建模方法充分利用了二維相關(guān)光譜中的特征信息，在不同尺度上對(duì)摻雜橄欖油樣本進(jìn)行分類(lèi)，并以決策數(shù)據(jù)融合

5、方式計(jì)算出最終結(jié)果。相對(duì)于其他定性分析方法，多尺度二維相關(guān)拉曼建模方法將鑒別正確率從96.25％提升到100%，標(biāo)簽誤差值從0.3756降低到0.0607，使得分類(lèi)結(jié)果更加準(zhǔn)確、穩(wěn)健。
　　4.深入探討以橄欖油的二維相關(guān)光譜建立穩(wěn)定、可靠的橄欖油摻雜定量分析模型，嘗試運(yùn)用不同種類(lèi)的定量分析方法對(duì)橄欖油摻雜大豆油和葵花籽油兩類(lèi)樣品進(jìn)行定量分析，并與其他定量分析方法如偏最小二乘、多維偏最小二乘等作出對(duì)比。多尺度二維相關(guān)拉曼建模方法對(duì)橄

6、欖油摻雜大豆油體系定量分析誤差從0.003640降低到了0.001278，平均絕對(duì)偏差降低10%左右。對(duì)于橄欖油摻雜葵花籽油體系定量分析誤差從0.012257降低到了0.004569，平均絕對(duì)偏差降低15%左右。
　　結(jié)果表明，多尺度二維相關(guān)拉曼算法(MM-2DCOS-NPLS)在保留二維相關(guān)譜分析方法的高分辨能力的基礎(chǔ)上，不僅挖掘出了摻雜橄欖油光譜中表征新信息，而且有效克服噪聲和基線帶來(lái)的干擾。該算法具有良好的自適應(yīng)性，使得拉曼