基于近紅外光譜的橄欖油理化指標(biāo)快速檢測(cè)模型研究

, , , ,君虹, ,, ,,,*,存莉,*

(1.西北農(nóng)林科技大學(xué)生命科學(xué)學(xué)院,陜西楊凌 712100; 2.浙江省農(nóng)業(yè)科學(xué)院農(nóng)產(chǎn)品質(zhì)量標(biāo)準(zhǔn)研究所,浙江杭州 310000; 3.浙江省可持續(xù)病蟲害防治省部共建國(guó)家重點(diǎn)實(shí)驗(yàn)室培育基地,浙江杭州 310021; 4.農(nóng)業(yè)部創(chuàng)意農(nóng)業(yè)重點(diǎn)實(shí)驗(yàn)室,浙江杭州 310021)

基于近紅外光譜的橄欖油理化指標(biāo)快速檢測(cè)模型研究

萬(wàn)毅1,張玉2,楊華2,王強(qiáng)2,王君虹2,李雪2,朱作藝2,王偉2,3,4,*,張存莉1,*

(1.西北農(nóng)林科技大學(xué)生命科學(xué)學(xué)院,陜西楊凌 712100; 2.浙江省農(nóng)業(yè)科學(xué)院農(nóng)產(chǎn)品質(zhì)量標(biāo)準(zhǔn)研究所,浙江杭州 310000; 3.浙江省可持續(xù)病蟲害防治省部共建國(guó)家重點(diǎn)實(shí)驗(yàn)室培育基地,浙江杭州 310021; 4.農(nóng)業(yè)部創(chuàng)意農(nóng)業(yè)重點(diǎn)實(shí)驗(yàn)室,浙江杭州 310021)

為實(shí)現(xiàn)橄欖油理化指標(biāo)的快速檢測(cè),在選擇最優(yōu)波段和光譜數(shù)據(jù)處理方法的基礎(chǔ)上,利用近紅外光譜結(jié)合偏最小二乘分析(Partial Least Squares,PLS)分別建立橄欖油酸價(jià)、過(guò)氧化值、ΔK值的定量分析模型。結(jié)果表明:酸價(jià)、過(guò)氧化值、ΔK值定量模型的校正相關(guān)系數(shù)分別為:0.9945、0.9939、0.9923,預(yù)測(cè)相關(guān)系數(shù)分別為:0.9965、0.9910、0.9902。盲樣驗(yàn)證相關(guān)系數(shù)接近于1,R2均大于0.99,說(shuō)明近紅外定量模型有較好的預(yù)測(cè)能力。對(duì)樣本預(yù)測(cè)值與真實(shí)值做配對(duì)方差t檢驗(yàn),結(jié)果表明光譜法與標(biāo)準(zhǔn)中的方法無(wú)顯著差異。因此,基于近紅外光譜定量模型,可實(shí)現(xiàn)對(duì)橄欖油理化值的快速、準(zhǔn)確檢測(cè)。

橄欖油,近紅外光譜,酸值,過(guò)氧化值,ΔK值

橄欖油是從油橄欖果實(shí)直接冷榨而成的植物油,不經(jīng)化學(xué)和加熱處理,保留了天然的營(yíng)養(yǎng)成分。橄欖油含有豐富的不飽和脂肪酸、角鯊烯、多酚、維生素等營(yíng)養(yǎng)成分,這些營(yíng)養(yǎng)成分具有抗氧化、抗炎、抗癌、預(yù)防心血管疾病、美容等功效[1-2],享有“液體黃金”、“植物油皇后”等佳譽(yù)。

隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展和人們生活水平的提高,橄欖油成為食用油市場(chǎng)的一支新生力量[3],然而受到地理、氣候和技術(shù)等條件的限制,國(guó)內(nèi)98%的橄欖油進(jìn)口于西班牙、意大利、希臘、突尼斯等國(guó)家,國(guó)產(chǎn)橄欖油還處在探索和發(fā)展階段[4]。目前我國(guó)的橄欖油市場(chǎng)存在諸多質(zhì)量安全問(wèn)題,例如,在國(guó)內(nèi)橄欖油生產(chǎn)過(guò)程中,油橄欖的采收、堆放和加工過(guò)程管理粗放,某些企業(yè)為了過(guò)度追求產(chǎn)量忽視對(duì)橄欖油的品質(zhì)控制;在橄欖油進(jìn)口的過(guò)程中,存在亂貼標(biāo)簽,以次充好,摻雜使假等問(wèn)題[5]。因此提高質(zhì)量檢測(cè)技術(shù),保障橄欖油的質(zhì)量和品質(zhì),維護(hù)消費(fèi)者的合法利益顯得尤為重要。

橄欖油富含有不飽和脂肪酸,最高可達(dá)88%[6],若在生產(chǎn)過(guò)程中采用低質(zhì)量或已熟化損傷的橄欖果,或加工工藝不規(guī)范,運(yùn)輸儲(chǔ)存不當(dāng),會(huì)導(dǎo)致不飽和脂肪酸發(fā)生分解,產(chǎn)生了醛、酮、酸等對(duì)人體有害的小分子化合物,影響了橄欖油的品質(zhì)。酸值和過(guò)氧化值作為常規(guī)的理化指標(biāo),評(píng)價(jià)橄欖油是否酸敗和氧化。此外,橄欖油中的脂類在氧化及精煉過(guò)程中產(chǎn)生了二烯和三烯共價(jià)結(jié)構(gòu),在特定波長(zhǎng)下樣品吸光度的變異值ΔK值會(huì)變大,通過(guò)紫外吸收可判斷油是否被精煉或者氧化。國(guó)際橄欖理事會(huì)(IOC)標(biāo)準(zhǔn)中將酸值、過(guò)氧化值和ΔK值作為橄欖油精煉程度和儲(chǔ)藏穩(wěn)定性的安全性指標(biāo)。目前常規(guī)的檢測(cè)方法需要消耗大量的有機(jī)試劑,人為誤差較大,不能對(duì)橄欖油的品質(zhì)快速準(zhǔn)確檢測(cè)。

近紅外光譜技術(shù)樣品具有無(wú)需前處理,分析速度快,成本低等特點(diǎn),在糧油品質(zhì)檢測(cè)中已得到廣泛的應(yīng)用[7-9]。目前,國(guó)內(nèi)外學(xué)者利用近紅外光譜數(shù)據(jù)在橄欖油的品質(zhì)鑒別和摻假分析等方面取得一定的進(jìn)展[10-12],但是基于近紅外光譜建立橄欖油酸值、過(guò)氧化值和ΔK值的定量模型的研究尚未見(jiàn)報(bào)道。

本文以橄欖油為原料,采用近紅外光譜法分別建立酸值、過(guò)氧化值、ΔK值的定量模型,并進(jìn)行模型驗(yàn)證,為橄欖油的快速無(wú)損檢測(cè)提供方法基礎(chǔ)。

1 材料與方法

1.1材料與儀器

橄欖油 70個(gè)不同品牌的特級(jí)初榨橄欖油,來(lái)自網(wǎng)上購(gòu)物平臺(tái)及浙江杭州各大超市,加工工藝均為物理冷壓榨,樣品置于暗處,低溫保存;異丙醇、異辛烷、冰乙酸、碘化鉀、淀粉、環(huán)己烷 均為分析純,上海凌峰化學(xué)試劑有限公司。

ANTARIS Ⅱ型傅里葉變換近紅外光譜儀 美國(guó)賽默飛世爾儀器公司;SPECORD?210 PLUS型紫外可見(jiàn)分光光度計(jì) 德國(guó)耶拿公司。

1.2實(shí)驗(yàn)方法

1.2.1 橄欖油理化值測(cè)定 酸值測(cè)定:參照ISO 660:2009[13];過(guò)氧化值測(cè)定:參照ISO 3960:2007[14];ΔK值測(cè)定:參照COI/T.20/Doc.No 19/Rev.3[15]。

1.2.2 近紅外光譜采集 在室溫下,用ANTARIS Ⅱ型傅里葉近紅外光譜儀采集光譜,取上述適量樣品于8 mm樣品管中,掃描范圍10000～4000 cm-1,分辨率8 cm-1,每個(gè)樣品重復(fù)測(cè)定32次后取平均值,以空氣作為背景。

1.2.3 最佳波段和光譜預(yù)處理方法選擇 近紅外光譜掃描的全光譜區(qū)段為10001.03～3999.64 cm-1,如圖1是70個(gè)橄欖油樣品的近紅外光譜圖,樣品間的近紅外光譜圖重疊嚴(yán)重,很難通過(guò)肉眼辨別樣品間的差異,因此必須借助數(shù)據(jù)處理方法才能提取有用的信息。

圖1 70個(gè)橄欖油樣品的近紅外光譜圖Fig.1 NIR spectra of 70 olive oil samples

由于全波段光譜中存在大量與建模無(wú)關(guān)的波段,若選擇這些無(wú)關(guān)的波段或者選擇的波段較窄都會(huì)影響模型的準(zhǔn)確性和穩(wěn)定性,因此選擇合適的波段對(duì)于建模至關(guān)重要。本實(shí)驗(yàn)利用傅里葉近紅外光譜儀配置的TQ Analyst 9.0軟件所選擇波段的基礎(chǔ)上,結(jié)合人工篩選來(lái)確定最佳建模波段。人工篩選的方法是選擇不同樣品NIR譜圖存在較大差異時(shí)所對(duì)應(yīng)的波段。如圖2是70個(gè)橄欖油樣品在5600～4500 cm-1波段范圍內(nèi)的近紅外光譜圖,不同樣品在該區(qū)間差異明顯,因此將這個(gè)波段范圍作為粗略的建模波段。調(diào)整建模波段,利用模型擬合的性能指標(biāo)確定最佳的建模波段。

圖2 5600～4500 cm-1波段橄欖油樣品的近紅外光譜圖Fig.2 Near infrared spectra of olive oil samples at 5600～4500 cm-1 band

圖3 近紅外光譜不同預(yù)處理方法Fig.3 Different pretreatment methods of near infrared spectroscopy注:(a)一階求導(dǎo);(b)一階求導(dǎo)+S-G(5,3);(c)一階求導(dǎo)+Norris(5,3);(d)二階求導(dǎo)。

近紅外光譜在采集會(huì)產(chǎn)生基線漂移和噪音信號(hào),因此在建模過(guò)程中需要選擇合適的光譜預(yù)處理方法來(lái)降低漂移和噪音的影響。常用的光譜預(yù)處理方法主要包括導(dǎo)數(shù)處理和平滑處理,其中,導(dǎo)數(shù)處理的目的是消除光譜基線漂移和背景干擾帶來(lái)的影響,包括一階求導(dǎo)(First Derivative,1D)、二階求導(dǎo)(Second Derivative,2 D),平滑處理的目的是為了消除隨機(jī)噪音的影響,包括Norris Derivative濾波(Norris平滑)、Savitzky-Golay濾波(S-G平滑)等[16]。分別設(shè)置Norris平滑的段長(zhǎng)和段間距,S-G平滑的數(shù)據(jù)點(diǎn)和多項(xiàng)式級(jí),可提高模型的精度。

圖3中a、b、c、d分別為原始光譜經(jīng)一階求導(dǎo),一階求導(dǎo)+S-G(5,3)、一階求導(dǎo)+Norris(5,3)、二階求導(dǎo)處理后的光譜圖。圖中一階求導(dǎo)可去除無(wú)關(guān)漂移,強(qiáng)化譜帶特征,處理效果優(yōu)于二階求導(dǎo),且經(jīng)過(guò)S-G(5,3)平滑處理提高分析信號(hào)的信噪比,降低噪聲的影響,使光譜條帶更清晰。

1.2.4 模型評(píng)價(jià)及盲樣驗(yàn)證 定量模型的性能主要由校正誤差均方根(RMSEC)、校正相關(guān)系數(shù)(Rc)及預(yù)測(cè)誤差均方根(RMSEP)、預(yù)測(cè)相關(guān)系數(shù)(Rp)等參數(shù)進(jìn)行評(píng)價(jià)。相關(guān)系數(shù)越接近1,誤差均方根越接近0,說(shuō)明模型的準(zhǔn)確性和可靠性越好。

模型是否能準(zhǔn)確預(yù)測(cè)未知樣品至關(guān)重要。隨機(jī)收集20個(gè)盲樣,先掃描盲樣的近紅外光譜,再根據(jù)標(biāo)準(zhǔn)中的方法分別測(cè)定樣品的酸值、過(guò)氧化值和ΔK值,將定量模型預(yù)測(cè)得到的值與實(shí)際測(cè)得的值進(jìn)行線性回歸分析,分析預(yù)測(cè)值與實(shí)測(cè)值的相關(guān)性。

1.3數(shù)據(jù)處理

利用TQ Analyst 9.0分析軟件(近紅外光譜儀配置)進(jìn)行光譜預(yù)處理和最佳波段選擇,結(jié)合偏最小二乘判別分析(Partial Least Squares,PLS)分別建立橄欖油酸值、過(guò)氧化值、ΔK的定量模型,通過(guò)盲樣驗(yàn)證考察模型的預(yù)測(cè)能力,并利用SPSS20.0對(duì)紅外光譜法和官方標(biāo)準(zhǔn)的方法做配對(duì)方差T檢驗(yàn),判斷兩種方法是否有差異。為了光譜條帶更加清晰,本文將光譜數(shù)據(jù)導(dǎo)入Origin 8.0 中做圖。

2 結(jié)果與分析

2.1橄欖油近紅外譜特征分析

不同種類食用油脂肪酸鏈中-CH2-和-CH=CH-的位置和數(shù)量存在差異,這兩種結(jié)構(gòu)又與近紅外光譜中的合頻信息密切相關(guān)。

橄欖油近紅外全波段光譜如圖4所示,由圖中可看出光譜在4500～4750、5680、7079、7194、8253 cm-1等處有較強(qiáng)的吸收峰。其中4500～4750 cm-1波段可能是橄欖油(·RC=CH2和RC=O)的C-H伸縮和C=O伸縮的組合頻以及C-H變形的組合頻譜帶;5680 cm-1處的吸收峰可能與亞甲基的組合頻譜吸收和甲基的三級(jí)倍頻吸收有關(guān);7079cm-1和7194 cm-1是直鏈烷烴甲基中的C-H的組合頻(3vsCH3+δ CH3)和亞甲基(·CH2)的C-H組合頻的譜帶,反映了食用油的脂肪烷烴的種類和含量;8253 cm-1處吸收峰與脂肪烴中甲基和亞甲基3v C-H的倍頻伸縮振動(dòng)有關(guān)[17-18]。

圖4 橄欖油近紅外全波段光譜圖Fig.4 Near infrared spectrum of olive oil

表1 橄欖油驗(yàn)證集及校正集的基本信息Table 1 Basic information of olive oil validation set and calibration set

表2 橄欖油酸值建模結(jié)果Table 2 Results of acid value modeling of olive oil

2.2橄欖油理化指標(biāo)檢測(cè)結(jié)果

從收集得到的70個(gè)橄欖油樣品中抽取15個(gè)作為驗(yàn)證集樣品,55個(gè)作為校正集樣品。驗(yàn)證集及校正集的基本信息見(jiàn)表1。酸值、過(guò)氧化值、ΔK值校正集和驗(yàn)證集的基本信息接近,且數(shù)值范圍較寬,適合建立橄欖油的定量模型。

2.3酸值、過(guò)氧化值、ΔK值建模結(jié)果

為提高模型的準(zhǔn)確度,選擇不同的波段區(qū)間和光譜預(yù)處理方法,結(jié)合偏最小二乘(PLS)擬合近紅外定量模型,通過(guò)模型性能評(píng)價(jià)(RMSEC、Rc、RMSEP、Rp),建立最佳的定量模型。

2.3.1 酸值建模 橄欖油酸值建模結(jié)果如表2。

由表2可知,在5600～4500 cm-1范圍內(nèi),模型的性能較好,這可能與橄欖油脂肪酸鏈中(·RC=CH2和RC=O)的C-H伸縮和C=O伸縮的組合頻以及C-H變形的組合頻譜帶有關(guān)。選擇5600～4500 cm-1為最佳波段,通過(guò)一階求導(dǎo)+SG(5,3)的光譜預(yù)處理方式,建立橄欖油酸價(jià)的定量模型最好,校正集和驗(yàn)證集的誤差均方根分別為0.0204 mg/g和0.0201 mg/g,相關(guān)系數(shù)分別為0.9945和0.9965。校正集和驗(yàn)證集的分布如圖5。

圖5 橄欖油酸值校正集和驗(yàn)證集分布Fig.5 The distribution of calibration set and validation set of olive oils acid value

2.3.2 過(guò)氧化值建模 橄欖油過(guò)氧化值建模結(jié)果如表3。

選擇在5600～4500和10000～6100 cm-1波段內(nèi),采用一階求導(dǎo)+SG(5,3)平滑處理方式,建立橄欖油過(guò)氧化值的定量模型最好,校正集和驗(yàn)證集的誤差均方根分別為0.286 mmol/kg和0.330 mmol/kg,相關(guān)系數(shù)分別為0.9939和0.9910。校正集和驗(yàn)證集的分布如圖6。

圖6 過(guò)氧化值校正集和驗(yàn)證集分布Fig.6 The distribution of calibration set and validation set of olive oils peroxide value

表3 橄欖油過(guò)氧化值建模結(jié)果Table 3 Results of peroxide value modeling of olive oil

表4 橄欖油ΔK值建模結(jié)果Table 4 Results of ΔK value modeling of olive oil

2.3.3 ΔK值建模 橄欖油ΔK值建模結(jié)果如表4。

選擇在5600～4500和10000～6100 cm-1波段內(nèi),采用一階求導(dǎo)+SG(5,3)平滑處理方式,建立橄欖油ΔK值的定量模型最好,校正集和驗(yàn)證集的誤差均方根分別為0.235e-3和0.278e-3,相關(guān)系數(shù)分別為0.9923和0.9902。校正集和驗(yàn)證集的分布如圖7。

圖7 ΔK值校正集和驗(yàn)證集分布Fig.7 The distribution of calibration set and validation set of olive oils ΔK value

2.4盲樣驗(yàn)證

收集20個(gè)未知樣品,利用近紅外光譜儀掃描得到光譜數(shù)據(jù),將光譜數(shù)據(jù)導(dǎo)入定量模型得到理化指標(biāo)的預(yù)測(cè)值,同時(shí)利用標(biāo)準(zhǔn)中的方法分別檢測(cè)樣品的酸值、過(guò)氧化值、ΔK值,將NIR預(yù)測(cè)值與真實(shí)值做線性回歸分析,結(jié)果見(jiàn)圖8、圖9、圖10。

圖8 橄欖油酸值預(yù)測(cè)值與真實(shí)值分布Fig.8 Prediction value and true value of olive oil acid value

圖9 橄欖油過(guò)氧化值預(yù)測(cè)值與真實(shí)值分布Fig.9 Prediction value and true value of olive oil peroxide value

圖10 橄欖油ΔK值預(yù)測(cè)值與真實(shí)值分布Fig.10 Prediction value and true value of olive oil ΔK value

從圖中可以看出:在橄欖油的酸值、過(guò)氧化值、ΔK值的盲樣驗(yàn)證中,預(yù)測(cè)值與真實(shí)值的相關(guān)方程中,相關(guān)系數(shù)接近于1,在Y軸上的截距接近于0,R2均大于0.99,表明盲樣驗(yàn)證效果較好,基于近紅外定量模型對(duì)未知樣品的理化值有很好的預(yù)測(cè)能力。

基于20個(gè)盲樣的NIR預(yù)測(cè)值和真實(shí)值,計(jì)算三個(gè)理化指標(biāo)的相對(duì)分析誤差(RPD)分別為13.65、21.59、8.32,均大于3,說(shuō)明該模型的預(yù)測(cè)能力較好,該方法在實(shí)際應(yīng)用中具有可行性。

2.5精密度與準(zhǔn)確度分析

采用統(tǒng)計(jì)學(xué)方法對(duì)未知盲樣的酸值、過(guò)氧化值、ΔK值預(yù)測(cè)值的精密度和準(zhǔn)確度進(jìn)行分析,將20個(gè)未知樣品的預(yù)測(cè)值和真實(shí)進(jìn)行配對(duì)t檢驗(yàn),判斷近紅外光譜法與標(biāo)準(zhǔn)中的方法是否有顯著差異。酸值、過(guò)氧化值、ΔK值的t值分別為-1.426、-0.987、0.181,t20,0.05分別為0.172、0.336、0.858,均大于0.05,說(shuō)明近紅外光譜法與標(biāo)準(zhǔn)法無(wú)顯著差異。

對(duì)同一個(gè)橄欖油樣品掃描10次近紅外光譜,利用近紅外定量模型預(yù)測(cè)該樣品的酸值、過(guò)氧化值和ΔK值,計(jì)算這三個(gè)理化值的相對(duì)標(biāo)準(zhǔn)偏差(RSD),分別為0.988%、0.946%和1.987%,結(jié)果小于10%,表明該方法的重現(xiàn)性較好。

3 結(jié)論與討論

本文以70個(gè)特級(jí)初榨橄欖油樣品為原料,利用近紅外光譜結(jié)合偏最小二乘法分別建立橄欖油的酸值、過(guò)氧化值、ΔK值的定量分析模型。結(jié)果表明:在5600～4500 cm-1波段范圍內(nèi),選擇一階求導(dǎo)和SG(5,3)光譜平滑處理,酸值定量模型的性能最好,模型的校正和預(yù)測(cè)的誤差均方根(RMSEC、RMSEP)分別為0.0204、0.0201 mg/g,校正和預(yù)測(cè)的相關(guān)系數(shù)(Rc、Rp)分別為0.9945、0.9965。在5600～4500 cm-1和10000～6100 cm-1波段范圍內(nèi),選擇一階求導(dǎo)和SG(5,3)光譜平滑處理,過(guò)氧化值和ΔK值定量模型的性能最好,過(guò)氧化值的RMSEC、RMSEP、Rc、Rp分別為0.286、0.330、0.9939、0.9910 mmol/kg,ΔK值的RMSEC、RMSEP、Rc、Rp分別為0.235e-3、0.278e-3、0.9923、0.9902。

基于近紅外光譜建立食用油理化值的定量模型前人已有研究。于修燭等[19]以常見(jiàn)食用油為原料,建立了酸值和過(guò)氧化值的定量模型。酸值定量模型的RMSEP、Rc分別為0.114、0.9873 mg/g,過(guò)氧化值定量模型的RMSEP、Rc分別為0.90 mmol/kg、0.9958。相比之下,本研究的酸值定量模型的性能更好,過(guò)氧化值的RMSEP更小,預(yù)測(cè)能力更好。畢艷蘭等[20]建立了植物油過(guò)氧化值的定量模型,RMSEC、RMSEP、Rc、Rp分別為0.732、0.821、0.995、0.995 mmol/kg,結(jié)果與本研究相似,但本研究的Rc和Rp值更小,模型性能更好。

通過(guò)盲樣驗(yàn)證,模型預(yù)測(cè)值與真實(shí)值接近,將預(yù)測(cè)值與真實(shí)值進(jìn)行方差t檢驗(yàn),結(jié)果表明近紅外光譜法與標(biāo)準(zhǔn)中的方法無(wú)顯著差異。綜上,基于近紅外光譜定量模型可實(shí)現(xiàn)橄欖油酸值、過(guò)氧化值、ΔK的快速準(zhǔn)確檢測(cè)。

[1]Estruch R,Ros E,Salas-Salvadó J,et al. Primary prevention of cardiovascular disease with a mediterranean diet[M]. Boston:Massachusetts Medical Society,2013:1279-1290.

[2]Franco M N,Galeano-Díaz T,López ó,et al. Phenolic compounds and antioxidant capacity of virgin olive oil[J]. Food Chemistry,2014,163:289-298.

[3]宋聚國(guó). 世界及中國(guó)橄欖油產(chǎn)業(yè)發(fā)展分析[J]. 世界農(nóng)業(yè),2015,(10):114-117.

[4]鐘誠(chéng),王興國(guó),金青哲,等.國(guó)內(nèi)初榨橄欖油品質(zhì)特性研究[J].中國(guó)油脂,2013,38(10):35-38.

[5]Aparicio R,Morales M T,Aparicio-Ruiz R,et al. Authenticity of olive oil:Mapping and comparing official methods and promising alternatives[J]. Food Research International. 2013,54(2):2025-2038.

[6]鐘昌勇. 橄欖油化學(xué)組成及應(yīng)用綜述[J]. 林產(chǎn)化工通訊,2005(6):34-38.

[7]代啟虎,馬晨晨,李冉. 近紅外光譜分析技術(shù)在食品脂肪含量測(cè)定上的應(yīng)用[J]. 廣東化工,2017,44(2):58-59+53.

[8]張力培,魯雄.近紅外光譜分析技術(shù)在食品檢測(cè)中的應(yīng)用[J].輕工科技,2016(2):103-105.

[9]胡亞云,崔璐.近紅外光譜在液態(tài)奶分析與檢測(cè)中的應(yīng)用[J].食品研究與開發(fā),2015,36(16):165-168.

[10]劉國(guó)海,韓蔚強(qiáng),江輝.基于近紅外光譜的橄欖油品質(zhì)鑒別方法研究[J].光譜學(xué)與光譜分析,2016,36(9):2798-2801.

[11]韓蔚強(qiáng). 基于NIRS技術(shù)的橄欖油品質(zhì)鑒別及摻雜分析方法研究[D]. 江蘇大學(xué),2016.

[12]Sun X D,Lin W Q,Li X H,et al. Detection and quantification of extra virgin olive oil adulteration with edible oils by FT-IR spectroscopy and chemometrics[J]. Analytical Methods，2015(7):3939-3945.

[13]GIOF Standardization. Animal and vegetable fats and oils-determination of acid value and acidity:ISO 660-2009[S]. Norme Internationale ISO,1996.

[14]S Standards. Animal and vegetable fats and oils-determination of peroxide value-iodometric(visual)end-point determination:ISO 2960-2007[S]. ISO International Standard,2007.

[15]COI/T.20/Doc.No 19/Rev.3.Spectrophotometric Investigation in the Ultraviolet.

[16]張嚴(yán). 近紅外光譜技術(shù)快速鑒別與檢測(cè)食用油摻偽研究[D].河南工業(yè)大學(xué),2015.

[17]Chen Q S,Zhao J W,Liu M H,et al.Determination of total polyphenols content in green tea using FT-NIR spectroscopy and different PLS algorithms[J].Journal of Pharmaceutical and Biomedical Analysis,2008,46(3):568-573.

[18]Prieto N,Dugan M E R,López-Campos O,et al. Near infrared reflectance spectroscopy predicts the content of polyunsaturated fatty acids and biohydrogenation products in the subcutaneous fat of beef cows fed flaxseed[J]. Meat Science,2012,90(1):43-51.

[19]于修燭,張靜亞,李清華,等. 基于近紅外光譜的食用油酸價(jià)和過(guò)氧化值自動(dòng)化檢測(cè)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào),2012,43(9):150-154,159.

[20]畢艷蘭,鮑丹青,田原,等. 利用傅里葉近紅外技術(shù)快速測(cè)定食用植物油的過(guò)氧化值[J]. 中國(guó)油脂,2009,34(3):71-74.

Studyonrapiddetectionmodelofphysicalandchemicalindexesofoliveoilbasedonnearinfraredspectroscopy

WANYi1,ZHANGYu2,YANGHua2,WANGQiang2,WANGJun-hong2,LIXue2,ZHUZuo-yi2,WANGWei2,3,4,*,ZHANGCun-li1,*

(1.College of Life Science,Northwest A&F University,Yangling 712100,China; 2.Institute of Quality and Standard for Agricultural Products,Zhejiang Academy of Agricultural Science,Hangzhou 310021,China; 3.State Key Laboratory Breeding Base for Zhejiang Sustainable Pest and Disease Control,Hangzhou 310021,China; 4.Key Laboratory of Creative Agriculture,Ministry of Agriculture,Hangzhou 310021,China)

In order to detect physical and chemical indexes of olive oils rapidly,quantitative analysis models of acid value,peroxide value,ΔK value of olive oil were established by near infrared spectroscopy combined with partial least squares analysis(PLS),based on the optimal band and spectral data preprocessing method. The results showed that the correlation coefficients of calibration of the acid value,peroxide value,ΔK value were 0.9945,0.9939,0.9923,and the correlation coefficients of prediction were 0.9965,0.9910,0.9902. The correlation coefficient of blind samples verification was close to 1,andR2was higher than 0.99,which showed that near infrared spectra quantitative models had high predictive capabilities. The paired t-test was used between the predicted value and the true value of the samples. The results showed that there was no significant difference between the spectral method and the standard method. Therefore,the near infrared quantitative analysis models can realize the fast and accurate detection of physical and chemical indexes.

olive oil;near infrared spectroscopy;acid value;peroxide value;ΔK value

2017-04-11

萬(wàn)毅(1992-)，女，碩士研究生，研究方向：質(zhì)量控制與食品安全，E-mail:wanyi8965@163.com。

*

王偉(1979-)，男，博士，副研究員，研究方向：農(nóng)產(chǎn)品品質(zhì)與安全，E-mail:wangwei5228345@126.com。 張存莉(1967-)，女，博士，教授，研究方向：植物化學(xué)資源開發(fā)利用，E-mail:zhangcunli529@163.com。

浙江省自然科學(xué)基金(LY15C200010、LQ15C200006)；國(guó)家自然科學(xué)基金(31401495)；浙江省農(nóng)業(yè)科學(xué)院中美國(guó)際合作項(xiàng)目(2010DS700124-ZM1602)。

TS207.3

A

1002-0306(2017)21-0257-07

10.13386/j.issn1002-0306.2017.21.051