目的

在日常生活中我們經(jīng)常會接觸到不同種類的食用油，比如大豆油、玉米油、橄欖油等等。食用油的主要成分是脂肪酸，而脂肪酸又分為飽和脂肪酸、單不飽和脂肪酸、多不飽和脂肪酸三種。不同種類的食用油，最大的區(qū)別在于各脂肪酸含量的不同。在日常飲食中，為了身體健康，往往需要均衡攝入三種脂肪酸。各大食用油廠家也都推出了不同比例的調和油，以滿足人們的需求。

常見油中脂肪酸組成圖

在這種情況下，如何確定調和油中各種食用油的比例是否與宣傳相符成為了一個新的問題。例如，是否存在使用低價大豆油來代替高價橄欖油或芝麻油的行為？傳統(tǒng)的化學計量學方法費時費力，不能達到快速檢測的要求。通過光譜信息判斷調和油中各種油品的比例能大大縮短檢測時間，簡化操作流程。

SG1700微型光譜儀 （左圖）       調和油光譜（右圖）

 方法

通過巨哥科技生產(chǎn)的SG1700微型光譜儀，對大豆油、玉米油、花生油、葵花籽油、芝麻油等五種常見植物油進行900~1700nm光譜采集和建模。

具體步驟：

01、使用市場上常見品牌的五種食用油，按不同比例混合，采集光譜數(shù)據(jù)300多個，從中選取100個數(shù)據(jù)進行建模，其他用于模型驗證。

02、對光譜進行平滑、歸一化等預處理。

03、使用后向偏最小二乘法（biPLS）、連續(xù)投影法（SPA）等方法，選取合適特征波段，排除噪聲。

04、分別使用偏最小二乘法（PLS）和支持向量機回歸（SVR）兩種方法進行回歸。

特征波段選取

結果

分別使用PLS和SVR兩種方法對五種油進行建模，均取得了較好的預測結果。下圖中各散點為五種食用油成分的模型預測值，離實際值（直線）的距離為誤差，對于花生油和芝麻油的成分預測誤差在±0.05以內(nèi)。

五種油SVR模型預測結果  （左圖）   五種油PLS模型預測結果   （右圖）

花生油模型預測結果準確度高（左圖） 

大豆油模型預測結果，受成分相近的玉米油和葵花油干擾 （右圖）

由于大豆油、玉米油、葵花籽油三種油的成分相近，都屬于高亞油酸油，單獨區(qū)分相對困難，因此誤差略大。將這三種油的濃度合并視為一種油后進行建模，也達到±0.05以內(nèi)的準確度。

花生油、芝麻油、“合并”油SVR（左圖）、PLS  (右圖）模型預測 

結論

巨哥科技SG1700微型光譜儀具有優(yōu)異的穩(wěn)定性和一致性，靈敏度高，掃描速度快，可用于快速實時的定量成分分析。在本實驗中，使用巨哥科技的SG1700微型光譜儀可快速獲得調和食用油的光譜信息，模型準確性高，用于確定調和食用油各成分的精度好于5%。