[發(fā)明專利]基于近紅外光譜技術(shù)的芝麻油品質(zhì)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710068420.7
• 申請(qǐng)日: 2017-02-08
• 公開（公告）號(hào): CN106841083A
• 公開（公告）日: 2017-06-13
• 發(fā)明（設(shè)計(jì)）人: 劉翠玲;張亦婷;趙薇
• 申請(qǐng)（專利權(quán)）人: 北京工商大學(xué)
• 主分類號(hào): G01N21/35
• 分類號(hào): G01N21/35
• 代理公司: 北京萬象新悅知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)11360
• 代理人: 黃鳳茹

1.一種芝麻油品質(zhì)的檢測(cè)方法，對(duì)待測(cè)芝麻油樣品進(jìn)行近紅外光譜檢測(cè)，得到待測(cè)芝麻油樣品的近紅外光譜；將得到的近紅外光譜進(jìn)行預(yù)處理，得到待測(cè)芝麻油樣品的預(yù)處理數(shù)譜圖；利用得到的待測(cè)芝麻油樣品的預(yù)處理數(shù)譜圖建立定量模型，得到芝麻油樣品中各組分的含量，實(shí)現(xiàn)定量預(yù)測(cè)芝麻油的酸值和過氧化值；再通過采用預(yù)設(shè)的定性模型摻偽樣本檢測(cè)，準(zhǔn)確區(qū)分純正芝麻油和摻偽芝麻油，提高結(jié)果預(yù)測(cè)性；具體包括以下步驟：

a)對(duì)待測(cè)芝麻油樣品進(jìn)行近紅外光譜掃描檢測(cè)，得到待測(cè)芝麻油樣品的近紅外光譜；

b)將步驟a)得到的近紅外光譜分別進(jìn)行光譜預(yù)處理，得到待測(cè)樣品的預(yù)處理數(shù)譜圖；

c)預(yù)設(shè)定量模型真值，預(yù)設(shè)的定量真值包括芝麻油樣本的酸值和過氧化值，采用偏最小二乘法方法建立定量模型，得到樣品中各組分的含量；所述建立定量模型包括如下步驟：

第一步，按照式1與式2分解光譜矩陣X和濃度矩陣Y：

X＝TP+E (式1)

Y＝UQ+F (式2)

其中，T和U分別為X和Y的得分矩陣；P和Q分別為X和Y的載荷矩陣；E和F分別為X和Y的PLS的擬合殘差矩陣；

第二步，按照式3和式4進(jìn)行T和U矩陣的線性回歸:

U＝TB (式3)

B＝(T^TT)^-1T^TY (式4)

在對(duì)預(yù)測(cè)樣本作定量分析時(shí)，根據(jù)式1中矩陣P求出待測(cè)樣本的光譜矩陣Y_未知的得分矩陣T_未知，從而根據(jù)公式5得到組分濃度的預(yù)測(cè)值:

Y_未知＝T_未知BQ (式5)

由此實(shí)現(xiàn)定量預(yù)測(cè)芝麻油的酸值和過氧化值；

d)通過采用預(yù)設(shè)的定性模型摻偽樣本檢測(cè)來區(qū)分純正芝麻油和摻偽芝麻油；具體包括以下步驟：

d1)將芝麻油中分別摻入大豆油和菜籽油的樣品作為待測(cè)樣品，對(duì)待測(cè)樣品進(jìn)行近紅外光譜的檢測(cè)，得到待測(cè)樣品的近紅外光譜，進(jìn)一步得到待測(cè)樣品的數(shù)譜圖；

d2)將步驟d1)得到的待測(cè)樣品的數(shù)譜圖轉(zhuǎn)為光譜數(shù)據(jù)表；再通過極限學(xué)習(xí)機(jī)算法分別針對(duì)芝麻油摻入大豆油和芝麻油摻入菜籽油建立定性模型；

d3)采用芝麻油摻入大豆油定性模型或芝麻油摻入菜籽油定性模型，對(duì)待區(qū)分的樣品進(jìn)行區(qū)分檢測(cè)，得到區(qū)分結(jié)果為是純正芝麻油或者是摻偽芝麻油。

2.如權(quán)利要求1所述檢測(cè)方法，其特征是，通過極限學(xué)習(xí)機(jī)算法，針對(duì)摻偽芝麻油建立定性模型區(qū)分芝麻油樣品是純正還是摻偽的過程具體是：

將90個(gè)芝麻油摻偽樣本和40個(gè)純芝麻油樣本的近紅外光譜圖轉(zhuǎn)為光譜數(shù)據(jù)表，形成130個(gè)實(shí)驗(yàn)樣本的數(shù)據(jù)表；設(shè)定隱層節(jié)點(diǎn)個(gè)數(shù)為45個(gè)；激活函數(shù)選擇S函數(shù)時(shí)定性結(jié)果最佳；隨機(jī)分配90個(gè)樣本作為訓(xùn)練集樣本，40個(gè)樣本作為測(cè)試集樣本；輸出樣本為130實(shí)驗(yàn)樣本的數(shù)據(jù)表；設(shè)置類別1表示純正芝麻油的類別，類別2表示芝麻油中摻偽的類別；再通過極限學(xué)習(xí)機(jī)算法輸出結(jié)果。

3.如權(quán)利要求1或2所述檢測(cè)方法，其特征是，將所述待測(cè)樣品的數(shù)譜圖轉(zhuǎn)為光譜數(shù)據(jù)表，具體將得到的光譜圖的格式轉(zhuǎn)換為.CLV格式，通過數(shù)據(jù)格式的轉(zhuǎn)換將待測(cè)樣品的數(shù)譜圖轉(zhuǎn)為光譜數(shù)據(jù)表。

4.如權(quán)利要求1或2所述檢測(cè)方法，其特征是，所述極限學(xué)習(xí)機(jī)算法包括如下過程：

給定N個(gè)不同的樣本(x_j，t_j)∈Rⁿ×R^m，g(x)代表激活函數(shù)，表示隱層節(jié)點(diǎn)數(shù)量，表示單隱層前饋神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型表達(dá)式為式6：

式中，ω_i、b_i表示隨機(jī)生成的隱層各節(jié)點(diǎn)的參數(shù)，βi是連接隱層第i個(gè)節(jié)點(diǎn)的權(quán)重值，j＝1,2，…，N；當(dāng)網(wǎng)絡(luò)的實(shí)際輸出跟期望輸出相等時(shí)表示為式7，簡(jiǎn)寫成式8：

Hβ＝T (式8)

其中，隱層輸出矩陣矩陣的行表示此行對(duì)應(yīng)的訓(xùn)練樣本對(duì)隱層全部節(jié)點(diǎn)的輸出，列表示全部訓(xùn)練樣本與對(duì)應(yīng)此列的隱層節(jié)點(diǎn)的輸出；

采用所述極限學(xué)習(xí)機(jī)算法建立芝麻油摻偽定性模型，再對(duì)待區(qū)分的樣品進(jìn)行區(qū)分檢測(cè)，得到區(qū)分結(jié)果為是純正芝麻油或者是摻偽芝麻油。

5.如權(quán)利要求1所述檢測(cè)方法，其特征是，步驟b)采用一階導(dǎo)數(shù)+減去一條直線的方法和消除常數(shù)偏移量方法對(duì)光譜進(jìn)行預(yù)處理。