拉曼光谱结合UVE-SVR算法预测加热食用油反式脂肪酸的含量

更新时间:2023-05-28

【摘要】为实现拉曼光谱技术对食用油加热后反式脂肪酸(TFAs)含量的快速预测,将3种食用油在190℃下(常用煎炸温度)进行不同时间加热,每个样品采集36条拉曼光谱。首先,采用多项式平滑与标准正态变量变换(SNN)对原始光谱数据进行预处理,以去除背景和噪音的干扰,然后采用无信息变量消除法(UVE)对光谱数据进行特征变量筛选,最后分别基于全谱数据和筛选的特征光谱变量建立定性和定量分析模型,并对试验结果进行对比分析。结果表明,基于筛选后的变量,运用Fisher判别分析(FDA)建立定性判别模型,其判别正确率由40%～50%提升至90%以上,表明筛选后的变量能较好表征样品的特征信息;分别基于筛选变量和全谱数据,运用偏最小二乘回归(PLSR)、BP神经网络(BPNN)和支持向量回归机(SVR)方法,建立不同样品中TFAs含量的数学预测模型。通过对预测结果对比分析,表明UVE结合SVR方法具有良好的检测效果,菜籽油、大豆油、玉米油的测试集R~2分别从0.850 4、0.943 5和0.753 4升至0.952 6、0.954 8和0.958 5。因此,利用UVE-SVR方法不仅简化了预测模型,提高了模型的稳定性和精度,也为食用油中TFA的快速检测提供了一种可行的方法。

【关键词】 食用油 反式脂肪酸(TFAs) 无信息变量消除法(UVE) Fisher判别分析(FDA) 支持向量回归机(SVR)

阅读全文