基于近红外光谱的潲水油快速鉴别方法研究

潲水油是从餐饮业收集潲水经过脱水、脱渣、脱色和脱臭等过程提炼出来的油脂。潲水油可用来加工成工业油脂或有机燃料,但绝不可用作食用油,近年来,食用油掺假的屡禁不止也使得食用油的安全问题日益成为公众关注的焦点。目前市场对潲水油的快速鉴别有迫切的需求,在这种背景下,本文研究了基于近红外光谱的潲水油快速鉴别方法。本文的主要研究内容如下： 1、收集了82份食用油样品,采用常规方法鉴别出潲水油样品有37份,合格食用油样品有45份。采用德国BRUKER公司MATRIX-F型傅里叶变换近红外光谱仪对82份样品进行了全谱段的光谱采集。 2、研究了基于DPLS的潲水油近红外光谱鉴别方法,并通过数据规范化的预处理方法优化DPLS模型。该方法能较准确地判别油样品是否是潲水油。 3、研究了基于SVM的潲水油近红外光谱鉴别方法,采用S型内核函数的支持向量机建立SVM鉴别模型,并针对穷举法在SVM参数选择上的缺陷,使用遗传算法对支持向量机的参数进行选择,获得较佳参数,使所建立的模型能够快速、准确地判别样品的类别。 4、研究了基于PCA-BP神经网络的潲水油近红外光谱鉴别方法。针对作为BP网络输入的光谱数据点数过多的问题,采用主成分分析法提取光谱数据的主成分,从而减少输入的神经元数；针对隐含层的节点数的确定问题,分别采用6种BP神经网络训练算法对所建网络进行训练,并比较最终鉴别结果,确定最终的训练算法,从而获得最优的神经网络结构,建立BP神经网络潲水油鉴别模型。 5、比较了DPLS, SVM和PCA-BP三种方法建立的潲水油鉴别模型的性能。在选用相同光谱、仪器,相同的校正集(训练集)与测试集的条件下BP-ANN方法建立的模型要优于DPLS和SVM方法建立的模型,鉴别正确率达到94.8%。 研究表明,基于近红外光谱的潲水油快速鉴别机理上是可行的,方法上是有效的。