受激布里渊散射+吸收光谱技术在食用植物油品质检测中的应用研究

Adulteration and quality deterioration of edible vegetable oils severely influence the nutritional value and flavor, and pose a threat to human health. The traditional methods for testing the quality of edible vegetable oils present many problems, such as longer period, heavy working intensity, and poor efficiency. What is more, some chemical methods need additional chemical reagents that could cause safety hazard and environmental pollution. In this project, a novel method based on stimulated Brillouin scattering (SBS) and absorption spectroscopy has been proposed for quality authentication of edible vegetable oils. The pigments and principal components of vegetable oils will be analyzed by absorption spectra, and the physical properties of vegetable oils (such as elasticity modulus, viscosity, and cleanliness, etc.) will be measured using Brillouin spectra. The different kinds of vegetable oils will be analyzed from the principal components and physical characteristics, respectively. This is a new method for quality authentication of vegetable oils. This method is not only the breakthrough of vegetable oil identification technology, but also an important significance for researching the Brillouin scattering spectroscopy and physical mechanism of non-Newtonian fluid. This method is a kind of innovation in principle and technology, and the relevant technical methods have been authorized by four national invention patents. The research results will provide new ideas for rapidly testing the quality of edible vegetable oils, and offer an important technical support the safety of edible vegetable oils.

植物油的掺假、变质严重影响其营养价值和风味品质，并对人体健康构成威胁。传统的食用植物油品质检测方法分析时间长、工作强度大，分析效率相对比较低，而且部分化学方法在检测的同时需要添加其它化学试剂，这会带来安全隐患及环境污染问题。本项目提出一种基于布里渊散射及吸收光谱技术相结合的植物油品质检测方法。用吸收光谱来分析食用植物油的色素含量及主要组成成分，用布里渊散射光谱来分析植物油的物理特性，如弹性模量、黏度及洁净度等，分别从组成成分及物理特性两方面来分析鉴别不同种类、不同质量的食用植物油，这是一种全新的检测方法。这种方法不仅是油品鉴别技术的突破,对非牛顿流体的布里渊散射光谱分析及其物理机制的研究也很有意义，在原理上也是一种创新。相关技术方法已获得4项相关国家发明专利授权。研究成果将为食用植物油品质的快速检测提供新的思路，为保障食用植物油的安全提供关键技术支撑。

本项目主要针对以受激布里渊散射为关键技术的多光谱融合用于食用植物油品质检测研究，主要内容包括：（1）提出了一种基于受激布里渊散射及吸收光谱的橄榄油等级鉴别方法。采用紫外-可见吸收光谱法对不同等级橄榄油进行检测，依据所获得光谱吸收峰数目及位置差异，可实现对各等级橄榄油的初步鉴别与分析。实验结果表明不同等级橄榄油的布里渊光谱随温度变化特性一致，即布里渊频移随温度升高而减小，但不同等级橄榄油具有其独特的频移特征曲线。（2）以特级初榨橄榄油为研究对象，利用拉曼光谱分别对纯特级初榨橄榄油、纯棕榈油及掺杂不同浓度棕榈油的橄榄油样品进行检测。结果表明，基于全光谱范围的定量模型比基于特征光谱的定量模型准确率更高，模型的相关系数R值为0.9997、均方根误差RMSE和标准误差SE的值均为0.0033。（3）本项目将玉米油、稻米油和大豆油以不同的浓度混入山茶油中，得到山茶油的二元掺假样品和三元掺假样品，并对所有样品进行拉曼光谱检测。在定性分析方面，采用基于主成分分析的线性判别分析法（PCA-LDA）建立了三种山茶油的二元掺假模型，所有样品均分类正确；采用支持向量机法（SVM）同时鉴别了四种纯油和三种掺假油，所建立的判别模型对训练样品的分类准确率为99.6%，对预测样品的分类准确率为100%。在定量分析方面，提出了一种基于拉曼光谱的BP-Adaboost神经网络模型来对掺假山茶油中大豆油的浓度进行预测。结果表明，BP-Adaboost神经网络在预测掺假浓度上的性能最好，其训练集的相关系数为0.998，均方根误差为1.127%，预测集的相关系数为0.999，均方根误差为0.697%。（4）在山茶油三元掺假的定性分析方面，采用PCA-LDA的方法成功地区分了纯油样品与掺假样品。当分别以玉米油浓度、稻米油浓度和总掺假浓度为因变量时，回归模型的最佳预测相关系数分别为0.978、0.967、0.983，最佳均方根误差分别为0.0257、0.038、0.0257。

内容获取失败，请点击重试