[發明專利]一種食用油中反式油酸含量檢測方法及裝置

有效

• 申請號: 201710694300.8
• 申請日: 2017-08-15
• 公開（公告）號: CN107389657B
• 公開（公告）日: 2019-12-17
• 發明（設計）人: 孫通;王曉;劉木華;莫欣欣
• 申請（專利權）人: 江西農業大學
• 主分類號: G01N21/65
• 分類號: G01N21/65
• 代理公司: 36115 南昌新天下專利商標代理有限公司
• 代理人: 施秀瑾

1.一種食用油中反式油酸含量檢測方法，其特征在于：包括以下步驟：

S1：收集不同種類、品牌、產地及容量的桶裝食用油樣本N1，N2，N3……Nn；

S2：將桶裝食用油樣本(15)N1置于檢測臺(4)的中心，激光器(11)產生的激光光束經分束器(10)后，90％的激光能量照射到樣本N1上，拉曼散射光經樣本N1底部及檢測臺(4)，由凸透鏡(7)匯聚后進入光纖(3)，最后由拉曼光譜儀(1)檢測，其光譜記為S1；為校正激光能量波動的影響，激光光束經分束器(10)后，10％的激光能量經反射鏡(13)，進入能量計(14)，檢測激光能量，其值記為I1，并與參考設定值I進行比較；若|(I1-I)/I|<0.06，則將作為系數對光譜S1進行校正，即校正后樣本N1光譜記為S1’；若|(I1-I)/I|>0.06，則重新采集光譜；采用溫濕度計(9)測量環境溫度和相對濕度，記為T1和H1；采用超聲波傳感器(12)測量樣本N1桶的寬度，記為W1；

S3：對于樣本N2，N3……Nn，按照步驟S2進行光譜采集、激光能量波動校正及溫濕度與桶寬度測定；校正后的光譜分別記為S2’，S3’……Sn’，環境溫度分別記為T2、T3……Tn，相對濕度分別記為H2、H3……Hn，寬度分別記為W2、W3……Wn；

S4：對光譜進行預處理，消除熒光及背景噪聲的影響；

對于光譜S1’，S2’……Sn’，求其平均光譜，記為Sa’＝(S1'+S2'+…+Sn')/n；對于光譜Sa’，選取所有波峰兩側的最低點，采用多項式y＝d₁x^k+d₂x^k-1+…+d_kx+d₀對選取的最低點進行擬合，擬合后獲得的光譜曲線記為P；

S5：對于光譜S1’，S2’……Sn’，分別減去光譜P，經此校正后，光譜分別記為S1”，S2”……Sn”；

S6：為獲取反式油酸的拉曼特征光譜，在20℃和50％相對濕度環境下按照步驟S2分別獲取油酸和反式油酸標準品的光譜，記為OS’和OT’；其次，按步驟S4中光譜Sa’的處理方式，分別對光譜OS’和OT’的波峰兩側的最低點進行擬合，獲得光譜擬合曲線分別記為PS和PT；將光譜OS’減去PS，OT’減去PT，校正后的光譜分別記為OS”和OT”；將光譜OT”減去OS”，獲得的光譜記為OT”’，選取拉曼強度最大的6個波峰作為反式油酸的拉曼特征光譜，其特征峰位置分別記為λ_1-20,λ_2-20,λ_3-20,λ_4-20,λ_5-20,λ_6-20；

S7：消除環境溫度變化對特征峰位置的影響

①為校正環境溫度對拉曼特征峰的影響，對于樣本N1，在50％相對濕度下，分別在0℃、4℃、8℃、12℃、16℃、20℃、24℃、28℃、32℃、36℃、40℃、44℃、48℃及52℃環境溫度下按照步驟S2采集光譜，其光譜分別記為S1_0、S1_4、S1_8、S1_12、S1_16、S1_20、S1_24、S1_28、S1_32、S1_36、S1_40、S1_44、S1_48及S1_52；

②對于特征峰λ₁，由于光譜S1_20的采集溫度為20℃，其特征峰位置沒有出現左移或右移，為λ_1-20；對于S1_0、S1_4……及S1_52光譜，其特征峰λ₁位置出現左移或右移，對于S1_0、S1_4……及S1_52光譜，以特征峰λ_1-20為中心，辨識其左移或右移后的特征峰位置，分別記為λ_1-0,λ_1-4,…,λ_1-52；對于特征峰λ₂,λ₃,λ₄,λ₅,λ₆，按照上述方法辨識其左移或右移后的特征峰位置，分別記為λ_2-0,λ_2-4,…,λ_2-52，λ_3-0,λ_3-4,…,λ_3-52，λ_4-0,λ_4-4,…,λ_4-52，λ_5-0,λ_5-4,…,λ_5-52及λ_6-0,λ_6-4,…,λ_6-52；

S8：采用人工神經網絡建立特征峰位置與環境溫度之間的關系；

以溫度作為人工神經網絡的輸入，6個特征峰位置作為輸出，然后以上述數據對人工神經網絡模型進行訓練，訓練完成后的人工神經網絡模型記為ANN_T；

S9：對食用油容量進行校正；

①獲取市面上常用的各個容量的食用油桶，其容量分別記為L1、L2、L3……Lm，清洗干凈；選取最大容量食用油樣本N，將N樣本開封，將其食用油倒入食用油桶L1中，并在20℃和50％相對濕度環境下按照步驟S2進行光譜采集，其光譜記為SL1，并采用超聲波傳感器測定食用油桶L1的寬度，記為WL1；光譜采集結束后，食用油桶L1的食用油倒回樣本N中；對于食用油桶L2、L3……Lm，按照上述方法采集其光譜和寬度，分別記為SL2、SL3……SLn和WL2、WL3……WLm；

②將光譜SL1、SL2……SLm，均分別減去步驟S4中的光譜曲線P，以消除熒光及背景噪聲等影響；校正后，光譜分別記為SL1’、SL2’……SLm’；

③對于SL1’、SL2’……SLm’，分別提取特征峰位置λ_1-20的拉曼強度，分別記為I_λ1-L1,I_λ1-L2,…,I_λ1-Lm；采用函數I＝ae^-bW+c將其拉曼強度I與食用油桶的寬度W進行擬合，其中a、b、c為函數系數；擬合后獲得的校正函數記為其中a₁、b₁、c₁為具體的系數；按照上述方法，分別獲得λ_2-20,λ_3-20,λ_4-20,λ_5-20,λ_6-20與寬度W的函數關系，分別記為其中a₂、b₂、c₂、a₃、b₃、c₃、a₄、b₄、c₄、a₅、b₅、c₅、a₆、b₆、c₆分別為上述對應校正函數的具體系數；

S10：對于樣本N1，將其環境溫度T1輸入ANN_T模型，獲得溫度校正后的6個特征峰位置，分別記為λ_1-N1,λ_2-N1,λ_3-N1,λ_4-N1,λ_5-N1,λ_6-N1；對于樣本N1光譜S1”，提取上述6個特征峰的拉曼強度，分別記為I_λ1-N1,I_λ2-N1,I_λ3-N1,I_λ4-N1,I_λ5-N1,I_λ6-N1，然后把上述6個拉曼特征峰的強度進行光程校正，即將特征峰強度除以步驟S9獲得的相應的系數e^-bW，光程校正后的特征峰強度分別為

S11：對于樣本N2，N3……Nn，按照步驟S10的方法進行溫度校正及光程校正；經溫度校正及光程校正后，6個拉曼特征峰的強度分別記為I_{C_λ1}～I_{C_λ6}，以區分未經溫度校正及光程校正的6個拉曼特征峰的強度標記I_λ1～I_λ6；

S12：采用國家標準方法GB 5009.257-2016測定樣本N1-Nn中的真實反式油酸含量；

S13：將溫度和濕度一起作為一個變量T^1/4*H^1/3加入反式油酸回歸模型，以反式油酸含量為因變量Y，經溫度和光程校正后的6個特征峰的拉曼強度I_{C_λ1}～I_{C_λ6}及T^1/4*H^1/3為自變量，利用多元線性回歸對N個樣本的數據進行擬合，建立食用油中反式油酸含量的預測模型，其預測模型如下：

Y＝A₁*I_{C_λ1}+A₂*I_{C_λ2}+A₃*I_{C_λ3}+A₄*I_{C_λ4}+A₅*I_{C_λ5}+A₆*I_{C_λ6}+A₇*(T^1/4*H^1/3)+B

其中A1-A7為預測模型的系數，I_{C_λ1}～I_{C_λ6}為經校正后的6個相應特征峰的拉曼強度，B為預測模型的截距，Y為反式油酸含量預測值；

S14：對于待測食用油樣本C，按照步驟S2進行光譜采集、激光能量波動校正及溫濕度與桶寬度測定；校正后的光譜記為SC’，環境溫度記為TC，濕度分別記為HC，寬度記為WC；將光譜SC’進行熒光及背景噪聲校正，即SC’減去P，校正后光譜記為SC”；將環境溫度TC輸入ANN_T模型，獲得溫度校正后的6個特征峰位置，分別記為λ_1-C,λ_2-C,λ_3-C,λ_4-C,λ_5-C,λ_6-C；提取上述6個特征峰的拉曼強度，分別記為I_λ1-C,I_λ2-C,I_λ3-C,I_λ4-C,I_λ5-C,I_λ6-C，然后把上述6個拉曼特征峰的強度進行光程校正，即將特征峰強度除以步驟S9獲得的相應的系數e^-bW；然后，將光程校正后的特征峰強度及T_C^1/4*H_C^1/3代入預測模型中，即可獲得待測食用油樣本C的反式油酸含量，實現其快速檢測。

2.根據權利要求1所述的一種食用油中反式油酸含量檢測方法，其特征在于：檢測裝置包括拉曼光譜儀(1)、計算機(2)、光纖(3)和檢測臺(4)，所述計算機(2)與所述拉曼光譜儀(1)連接，所述拉曼光譜儀(1)與所述光纖(3)連接，所述光纖(3)與所述檢測臺(4)連接；所述檢測臺(4)內部設有固定套筒(5)和固定支架II(6)，所述固定套筒(5)由所述固定支架II(6)固定在所述檢測臺(4)內部；所述固定套筒(5)內由上到下安裝有凸透鏡(7)和固定支架I(8)，所述固定支架I(8)固定所述光纖(3)；所述檢測臺(4)上方右側放置溫濕度計(9)，所述檢測臺(4)左上方依次設有為分束器(10)和1064nm激光器(11)，所述激光器(11)上方放置超聲波傳感器(12)；所述分束器(10)上方有反射鏡(13)，所述反射鏡(13)左側設有能量計(14)，所述檢測臺(4)上方放置桶裝食用樣本(15)。