论文部分内容阅读
食用油掺假是我国当前食品安全的突出矛盾之一,特别是近年来层出不穷的“地沟油”事件,引起全社会的高度关注。食用油掺假不仅影响自身品质,还可能严重损害消费者身体健康。然而,传统食用油掺假检测方法主要依赖于理化检测手段,往往需要繁琐的前处理过程,费时、费力且费用高,难以适应我国当前严峻的食用油安全形势。因此,发展新型、高效的食用油掺假检测方法迫在眉睫。在各项检测技术中,拉曼光谱以其简便、快速、高通量等显著优点,在食用油检测中崭露头角。鉴于传统的拉曼光谱尚存在分辨率低、谱峰重叠严重等缺点,本文提出一种多尺度二维相关拉曼光谱新方法用于拉曼光谱检测分辨率,并将其应用于食用油的掺杂检测。该方法有机结合多维偏最小二乘方法(N-way Partial Least Square,NPLS)与多尺度建模方法(Multi-scale modeling,MM),在显著提升拉曼光谱分辨率的同时,从复杂、变动的二维相关光谱准确提取食用油相关定性定量信息。该算法巧妙地以权重的方式对二维光谱的时频双域信息进行精细划分,在有效避免信息丢失的同时,有效提高了建模的可靠性和稳定性,进而显著提升了橄榄油掺假识别能力。论文的研究内容主要包括以下几个部分。1.以橄榄油掺杂检测为研究对象,探讨了常规拉曼光谱、二维相关光谱检测技术的优缺点。在此基础之上,引入多尺度建模思想,提出了二维相关光谱结合多尺度建模思想实现预处理和多元校正一体化运算新方法,实现优势互补。2.深入探讨二维相关光谱的识别规则和判别方法。尝试依据时频成分运用多尺度建模思想分离二维相关光谱中的背景、信号和噪声信息,建立多尺度二维相关拉曼模型。在不同尺度信息上建立子模型并依据最佳融合权重融合最后预测结果,在抑制噪声信息的同时,增大了对建模有用信息的贡献,提高了模型预测的精确度。3.尝试运用不同种类的定性识别方法对橄榄油掺杂大豆油和葵花籽油两类样品进行分类。多尺度二维相关拉曼建模方法充分利用了二维相关光谱中的特征信息,在不同尺度上对掺杂橄榄油样本进行分类,并以决策数据融合方式计算出最终结果。相对于其他定性分析方法,多尺度二维相关拉曼建模方法将鉴别正确率从96.25%提升到100%,标签误差值从0.3756降低到0.0607,使得分类结果更加准确、稳健。4.深入探讨以橄榄油的二维相关光谱建立稳定、可靠的橄榄油掺杂定量分析模型,尝试运用不同种类的定量分析方法对橄榄油掺杂大豆油和葵花籽油两类样品进行定量分析,并与其他定量分析方法如偏最小二乘、多维偏最小二乘等作出对比。多尺度二维相关拉曼建模方法对橄榄油掺杂大豆油体系定量分析误差从0.003640降低到了0.001278,平均绝对偏差降低10%左右。对于橄榄油掺杂葵花籽油体系定量分析误差从0.012257降低到了0.004569,平均绝对偏差降低15%左右。结果表明,多尺度二维相关拉曼算法(MM-2DCOS-NPLS)在保留二维相关谱分析方法的高分辨能力的基础上,不仅挖掘出了掺杂橄榄油光谱中表征新信息,而且有效克服噪声和基线带来的干扰。该算法具有良好的自适应性,使得拉曼光谱分析更加简单、可靠,有望在食用油掺假分析中得到广泛的应用。