基于NIRS的油品煎炸次数检测方法研究

摘要

食用油经过反复高温煎炸会产生有害物质，危害人类的身体健康。本文在详细分析食用油经过反复加热内部成分变化机理的基础上，提出了基于近红外光谱(NIRS)技术的油品煎炸次数快速检测方法。
　　研究使用大豆油对冷冻薯条进行煎炸，共进行10次实验，每次实验对同一批大豆油反复煎炸15次。对食用油样本的光谱数据分别进行一阶导数(1D)、二阶导数(2D)以及标准正态变量变换(SNV)处理，采用相关系数法和连续投影算法(SPA)提取特征波点。分别使用支持向量机(SVM)、偏最小二乘回归(PLSR)以及径向基函数(RBF)神经网络算法建立检测模型，预测食用油的煎炸次数，并根据所建模型的性能确定最优的预处理方法以及特征波点提取方法。
　　通过分析发现，对于SVM模型，使用二阶导数结合相关系数法处理光谱数据时所建模型效果最好，共提取了6个特征波点，建立的最优模型的判别准确率达到94％;此外，PLSR模型的预测效果要优于RBF神经网络模型，最优PLSR模型使用一阶导数作为预处理方法，SPA作为特征波点提取算法，共提取了7个特征波点，模型的R2、RMSEP和RPD的值分别为0.9972、0.2194和18.9594。
　　最终结果表明，本研究所提出的建模方法可以对大豆油的煎炸次数进行准确检测，为食品安全的快速检测提供了一条新的思路。

目录

摘要

第1章 绪论

1．1 课题背景及研究意义

1．2 煎炸油品质检测的国内外研究现状

1．3 近红外光谱技术在食用油品质检测中的应用

1．4 主要研究内容

第2章 近红外光谱技术概论

2．1 近红外光谱分析技术的原理

2．1．1 分子振动类型

2．1．2 近红外吸收光谱

2．2 近红外光谱仪器

2．3 近红外光谱技术中的化学计量学算法

2．3．1 样本集合的划分

2．3．2 预处理方法

2．3．3 特征变量的提取

2．3．4 定量预测方法

2．3．5 定性判别方法

2．4 本章小结

第3章 样本的制备与数据处理方法的选择

3．1 实验材料与仪器设备

3．2 样本制备与光谱数据采集

3．2．1 煎炸实验

3．2．2 光谱数据采集

3．3 光谱数据预处理与集合划分

3．3．1 导数处理

3．3．2 标准正态变量变换

3．3．3 数据标准化

3．3．4 SPXY算法

3．4 特征波点的提取

3．4．1 相关系数法

3．4．2 连续投影算法

3．5 建模方法与模型评价指标

3．5．1 支持向量机

3．5．2 偏最小二乘回归算法

3．5．3 径向基函数神经网络算法

3．5．4 模型的评价指标

3．6 本章小结

第4章 光谱数据预处理与特征波点提取

4．1 原始光谱分析与预处理

4．2 特征波点的提取

4．2．1 相关系数法提取特征波点

4．2．2 连续投影算法提取特征波点

4．3 本章小结

第5章 油品煎炸次数检测模型的建立

5．1 基于SVM的油品煎炸次数检测模型

5．1．1 SVM模型参数的选择

5．1．2 全波段光谱数据建模与模型性能分析

5．1．3 提取特征波点优化模型性能

5．2 基于PLSR的油品煎炸次数检测模型

5．3 基于RBF神经网络的油品煎炸次数检测模型

5．4 PLSR和RBF神经网络模型性能的比较

5．5 本章小结

结论

参考文献

致谢

攻读学位期间发表的论文

声明