基于近红外光谱测定调和油中茶油含量的分析模型及方法
【技术领域】
[0001] 本发明涉及一种茶油的检测方法，尤其涉及一种基于近红外光谱测定调和油中茶 油含量的分析模型及检测方法。
【背景技术】
[0002] 油茶树系山茶科山茶属植物，是我国特有的油料树种，我国油茶林的种植面积约 400万hm2,主要分布在南方的湖南、江西、广西、浙江、福建、安徽和贵州等省区，占全国木本 油料植物种植面积的80%以上，年产油茶籽油超过60万吨。
[0003] 茶籽调和油是将两种以上经精炼的油脂(香味油除外）按比例调配制成的食用油。 目前没有统一的标准，每个企业会按照自己的成本设定勾兑比例进行调和，生产企业为追 求利润，常以大量的菜籽油谋取暴利。拟颁布的植物调和油的新国标要求生产食用油企业 产品标签上应"按原料配比从大到小注明使用原料的油脂名称、加工工艺及比例"。茶籽调 和油的调和用油种类繁多、成分也十分复杂，由于外观、组成和理化性质非常接近的缘故， 很难用普通的化学方法鉴别调和油中各种油的真实含量。因此目前尚无相关国家标准方法 来检测茶籽调和油中茶油的真实含量，标准方法的缺失导致产品质量无法得到规范，阻碍 了茶籽调和油行业的健康发展。亟需研究相应的检测方法，建立起测定茶籽调和油（菜籽 油）中茶油真实含量的方法来保护经营者和消费者的利益。
[0004] 近红外光谱技术是近年来在检测应用领域兴起的一项新技术，其在谷物的品质检 测、酒的品质及酒龄检测、食用油脂中反式脂肪酸含量的检测等领域均有应用。然而，上述 应用的领域、检测的对象、检测的项目及检测分析的具体方法都存在较大差异，而且迄今仍 未有人提出将近红外光谱技术应用于茶籽调和油中茶油真实含量的检测，这主要是因为植 物油性质较相近，难以用普通理化方法检测每种调和用油的真实含量。
【发明内容】
[0005] 本发明要解决的技术问题是调和油中茶油真实含量现有检测方法缺失问题，提供 一种操作简单、检测迅速、安全环保、检测精度高的基于近红外光谱测定调和油中的茶油含 量的分析模型，还提供利用该模型检测调和油中茶油含量的方法。
[0006] 为解决上述技术问题，提供了一种基于近红外光谱测定调和油中茶油含量的分析 模型，所述分析模型采用以下方法建立：
[0007] (a)茶籽调和油样本配制:将油茶籽油用菜籽油进行梯度浓度调节，得到多个调和 油样本；
[0008] (b)样本光谱数据的采集:采用近红外光谱仪对所述每个调和油样本进行近红外 光谱采集，并将采集到的所有调和油样本光谱数据分为训练集和预测集两部分；
[0009] (c)样本光谱数据的选择：以所述步骤(b)中训练集的光谱数据作为选择来源对 象，选择全光谱数据作为建模用光谱数据；
[0010] (d)样本光谱数据的处理:对步骤(c)中选择的建模用光谱数据进行中心化处理；
[0011] (e)初步分析模型的确立:根据步骤(d)中经中心化处理后的光谱数据确定所述训 练集中各个调和油样本的真实值与预测值的相关性，建立调和油中茶油真实含量定量的初 步分析模型；
[0012] (f)初步分析模型的验证：以上述步骤(b)中预测集的光谱数据作为选择来源对 象，选择全光谱数据作为验证用光谱数据;对该验证用光谱数据进行上述步骤(d)的数据处 理，然后据此测定出所述预测集中各个调和油中的茶油真实含量，并结合所配制的调和用 茶油真实含量进行验证，确定最终的调和油中纯茶油的定量分析模型。
[0013] 上述的分析模型，优选的，所述步骤(a)具体为:采用4种品牌的油茶籽油分别用菜 籽油进行调和，调和比例为0~l〇〇wt%，每种调和样本32个，共有调和油样本128个。
[0014] 上述的分析模型，优选的，所述调和过程中，纯茶油含量Owt%~44wt%范围内，每 间隔5wt%设置一个调和油样本;纯茶油含量45wt %~100wt%范围内，每间隔2.5wt %设置 一个调和油样本。
[0015] 上述的分析模型，优选的，所述步骤(b)中所述近红外光谱采集的参数为：
[0016] 近红外光谱扫描波数为10000cm-1~4000cm-1，
[0017] 近红外光谱扫描次数为16次~64次，进一步优选为32次，
[0018] 分辨率为16次~64次，进一步优选为8CHT1。
[0019] 上述的分析模型，优选的，所述步骤⑻中采用KS法将采集到的所有调和油样本光 谱数据分为训练集和预测集两部分。
[0020] 上述的分析模型，优选的，KS法的具体步骤：首先，计算两两样本的欧氏距离 (Euclidean Distance，ED)，选择ED最远的两个样本进入校正集;定义dij为从第i个样本向 量到j样本向量的ED，假设已有k个样本向量被选进校正集，这里k小于样本总数n，针对第v 个待选样本向量，计算所有待选样本向量的最小距离(Dkv)，拥有最大最小距离的那个待选 样本进入校正集。依此类推，按照设定的校正集的样本数目，达到要求。
[0021 ]上述的分析模型，优选的，所述步骤(d)所述中心化处理具体为均值中心化(mean centering)处理，是从每个光谱数据中减去所有样本光谱的平均值，使得数据的变化以平 均值为原点，从而反映光谱的变化信息。
[0022]上述的分析模型，优选的，所述步骤(e)具体为:根据步骤(d)中经数据中心化处理 后的光谱数据采用偏最小二乘法(Partial Leasr Square)建立初步分析模型。
[0023] 上述的分析模型，优选的，偏最小二乘法(Partial Leasr Square)通过最小化误 差平方来寻找数据与函数间的最佳匹配，是一种参数估计方法。其具体的步骤为:首先将解 释变量和被解释变量标准化，并提取解释变量和被解释变量的主成分，要求与被解释变量 高度相关，这个过程体现了典型相关和主成分分析。其次做解释变量和被解释变量在主成 分上的回归，可以分别得到残差。最后，按以上的步骤循环下去，直到新的主成分系数不再 显著。
[0024] 作为本发明的同一技术构思，本发明还提供了一种基于近红外光谱测定调和油中 茶油含量的方法，包括以下步骤：
[0025] (1)采用近红外光谱法检测待测样品的光谱数据；
[0026] (2)以步骤(1)中采集的光谱数据的平均光谱作为标准光谱；
[0027] (3)在所述步骤(2)的标准光谱中选择全光谱数据作为处理对象，采用上述分析模 型对所述处理对象进行中心化处理；
[0028] (4)将经过中心化处理的光谱数据输入到步骤(3)所述分析模型中检测茶油含量。
[0029] 上述的方法，优选的，所述步骤(1)中所述近红外光谱采集的参数为：
[0030] 近红外光谱扫描波数为10000cm-1~4000cm-1，
[0031] 近红外光谱扫描次数为16次~64次，进一步优选为32次，
[0032] 分辨率为16次~64次，进一步优选为8CHT1。
[0033] 与现有技术相比，本发明的优点在于：
[0034] (1)本发明提供了一种用于检测茶油真实含量的分析模型，在已知所配制大量样 本真实含量的基础上，采集样本的近红外透反射光谱，结合偏最小二乘法，建立基于近红外 光谱技术和化学计量学方法的调和油中茶油含量的定量分析模型，以达到检测调和油中茶 油真实含量的目的，具有操作简单、检测迅速、安全环保、检测精度高等优势。
[0035] (2)本发明的检测方法操作非常简单，只需将样品油倒入透反射杯中就可进行光 谱采集;检测过程时间短，采集样品油的近红外光谱后就可进行预测，整个检测过程仅需2 ~3分钟，便于控制。此外，本发明的检测方法不需要加入有机试剂，对待测样品没有任何损 坏，也不会损害检测人员的健康;更不会发生因使用化学试剂所导致的环境污染问题。本发 明适宜于调和油成品的品质在线监控及市场监督抽样的快速检测。可见，本发明的检测方 法具有良好的研究与应用前景，有望成为今后二元体系调和油(菜籽油）中茶油真实含量的 快速、高效、环保的检测方法。
[0036] (3)采用本发明的检测方法不仅操作简单，相对误差在±10%范围内，准确率高达 100%〇
【附图说明】
[0037] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例 中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。
[0038] 图1为本发明实施例1中建立的训练集样本的茶油含量真实值与预测值的相关性 示意图。
[0039] 图2为本发明实施例1中建立的预测集样本的茶油含量真实值与预测值的相关性 示意图。
【具体实施方式】
[0040] 以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而 限制本发明的保护范围。
[0041 ] 实施例
[0042]以下实施例中所采用的材料和仪器均为市售。
[0043] 实施例1:
[0044] -种本发明的基于近红外光谱快速检测二元调和油(茶籽油和菜籽油的调和油） 中茶油含量的检测方法，本发明的具体包括以下步骤：
[0045] 1、建立二元体系茶籽调和油(菜籽油）中茶油含量的定量分析模型：
[0046] 1.1、调和油各样本的真实性确定:选择不同品牌的油茶籽油样本4个、菜籽油样本 1个，采用气相色谱法测定各个油茶籽油样本中脂肪酸组成，本实施例中采用的气相色谱法 根据《GB/T 17376-2008动植物油脂脂肪酸甲脂准备》进行操作，具体是指:称取各个样本油 样60mg至10mL具塞试管中，用移液管移取4mL异辛烷溶解油样，再用微量移液管加入200yL 浓度为2mol/L的氢氧化钾甲醇溶液，盖上玻璃塞剧烈振摇30秒后静置至澄清;然后向溶液 中加入lg硫酸氢钠，剧烈振摇，中和氢氧化钾，待盐