[發(fā)明專利]一種食用油反式脂肪酸的檢測方法

在審

• 申請?zhí)枺?/td>: 202111539258.5
• 申請日: 2021-12-15
• 公開（公告）號: CN114216893A
• 公開（公告）日: 2022-03-22
• 發(fā)明（設(shè)計(jì)）人: 于慧春;梁海斌;宗珊盈;袁云霞;韓靜;張麗;付小雅;易嗣宣
• 申請（專利權(quán)）人: 河南科技大學(xué);三門峽市食品藥品檢驗(yàn)檢測中心;中檢集團(tuán)中原農(nóng)食產(chǎn)品檢測(河南)有限公司
• 主分類號: G01N21/65
• 分類號: G01N21/65
• 代理公司: 鄭州睿信知識產(chǎn)權(quán)代理有限公司 41119
• 代理人: 吳敏

本發(fā)明提出一種食用油反式脂肪酸的檢測方法，屬于食用油品質(zhì)檢測領(lǐng)域。首先，對獲取的待測食用油拉曼光譜數(shù)據(jù)進(jìn)行預(yù)處理；然后，對預(yù)處理后待測食用油拉曼光譜數(shù)據(jù)進(jìn)行峰位擬合，得到新的拉曼光譜數(shù)據(jù)；并基于譜峰分解法提取新的拉曼光譜數(shù)據(jù)的特征；最后，將獲取的拉曼光譜特征作為模型變量輸入反式脂肪酸分類模型和/或反式脂肪酸含量預(yù)測模型中，得到食用油反式脂肪酸的分類結(jié)果和/或反式脂肪酸含量的預(yù)測結(jié)果。該方法提取的波峰、波谷和峰面積特征，既保證了所提取有效特征的充分性，且具有代表性，又不會(huì)使輸入模型的信息過多產(chǎn)生冗余，減少了模型計(jì)算的復(fù)雜度，保證了模型的穩(wěn)定性，使得模型預(yù)測結(jié)果更為精確，提高了模型預(yù)測效率。

技術(shù)領(lǐng)域

本發(fā)明涉及一種食用油反式脂肪酸的檢測方法，屬于食用油品質(zhì)檢測領(lǐng)域。

背景技術(shù)

食用油是人類生活的必需品，在一定條件下會(huì)生成反式脂肪酸，給人類健康帶來極大隱患，因此食用油中的反式脂肪酸含量早已成為檢驗(yàn)食用油品質(zhì)是否達(dá)標(biāo)的一個(gè)重要指標(biāo)。

采用拉曼光譜技術(shù)進(jìn)行食用油樣品分析，主要是通過提取食用油拉曼光譜的特征信息，建立拉曼光譜特征與食用油中反式脂肪酸的預(yù)測模型，從而實(shí)現(xiàn)對食用油品質(zhì)的快速檢測及鑒別，無需前處理，簡單方便。目前，有通過全譜信息進(jìn)行分析建模以檢測食用油品質(zhì)，也有只對個(gè)別峰進(jìn)行分析的以實(shí)現(xiàn)食用油品質(zhì)鑒定；但前者光譜數(shù)據(jù)量較大，在峰值較多時(shí)，采用全譜信息進(jìn)行分析建模，不但存在較多的冗余信息，還會(huì)增加模型的復(fù)雜性，影響模型的穩(wěn)定性；后者只對個(gè)別峰進(jìn)行分析，導(dǎo)致提供的有效信息不夠充分，難以體現(xiàn)被測樣品的屬性差異，這兩者都會(huì)影響所建預(yù)測模型的精度，使得最終預(yù)測結(jié)果精度低，食用油品質(zhì)鑒別結(jié)果不可靠。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種食用油反式脂肪酸的檢測方法，以解決目前食用油反式脂肪酸檢測精度低的問題。

本發(fā)明提供的一種食用油反式脂肪酸的檢測方法，該方法包括以下步驟：

1)獲取待測食用油的拉曼光譜數(shù)據(jù)，并對獲取的待測食用油拉曼光譜數(shù)據(jù)進(jìn)行預(yù)處理；

2)確定預(yù)處理后待測食用油拉曼光譜數(shù)據(jù)的峰位，對預(yù)處理后待測食用油拉曼光譜數(shù)據(jù)進(jìn)行峰位擬合，得到新的拉曼光譜數(shù)據(jù)；并基于譜峰分解法提取新的拉曼光譜數(shù)據(jù)的特征，提取出的拉曼光譜特征包括波峰、波谷和峰面積；

3)將獲取的拉曼光譜特征作為模型變量輸入反式脂肪酸分類模型和/或反式脂肪酸含量預(yù)測模型中，得到食用油反式脂肪酸的分類結(jié)果和/或反式脂肪酸含量的預(yù)測結(jié)果，其中，反式脂肪酸分類模型為經(jīng)過訓(xùn)練的FDA模型，反式脂肪酸含量預(yù)測模型為經(jīng)過訓(xùn)練的機(jī)器學(xué)習(xí)模型，反式脂肪酸分類模型是由基于已知反式脂肪酸所屬類別的食用油及其對應(yīng)拉曼光譜特征訓(xùn)練得到，反式脂肪酸含量預(yù)測模型是由已知反式脂肪酸含量的食用油及其對應(yīng)的拉曼光譜特征訓(xùn)練得到。

本發(fā)明對預(yù)處理后的待測食用油的拉曼光譜數(shù)據(jù)進(jìn)行峰位擬合，可以獲得更精確的峰位特征；并采用譜峰分解法提取食用油的拉曼光譜中的波峰、波谷和峰面積特征，將這三種特征作為變量輸入分類模型和/或預(yù)測模型中，得到食用油反式脂肪酸的分類結(jié)果和/或預(yù)測結(jié)果，既保證了所提取有效特征的充分性，又不會(huì)使輸入模型的信息過多產(chǎn)生冗余。該方法提取的拉曼光譜特征相比個(gè)別峰的分析更具有代表性，對比于采用全譜信息進(jìn)行分析建模，減少了模型計(jì)算的復(fù)雜度，保證了模型的穩(wěn)定性，使得模型預(yù)測結(jié)果更為精確，提高了模型預(yù)測效率。

進(jìn)一步地，為了去除熒光背景的干擾以獲取準(zhǔn)確的拉曼光譜，所述步驟1)中預(yù)處理包括采用多項(xiàng)式迭代擬合基線矯正方法進(jìn)行的拉曼光譜熒光背景去除。

進(jìn)一步地，為了減少非樣本信息的干擾以獲取準(zhǔn)確的拉曼光譜，所述步驟1)中預(yù)處理還包括采用標(biāo)準(zhǔn)正態(tài)變量變換進(jìn)行的拉曼光譜降噪處理。

進(jìn)一步地，為了使食用油分類結(jié)果更為精準(zhǔn)，所述步驟2)還包括對提取出的拉曼光譜特征采用無信息變量消除法進(jìn)行篩選的步驟。