基于宽频太赫兹光谱和化学计量学的食用油脂鉴别及掺假检测研究

摘要

食用油是人们日常饮食中必不可少的食物，为人体提供了基本的营养成分，包括维他命、必需脂肪酸以及微量元素等。一直以来，食用油脂的质量都是食品安全领域中最受关注的问题之一。由于食用油是一种复杂的食品基质，很难用一种方法有效的检测出所有不合格的产品。太赫兹（Terahertz, THz）光谱是一种介于红外和微波波段的电磁波，由于该段电磁波包含了物质的物理、化学和结构信息，因此在物理化学、生物医学、材料科学等领域都有广泛的应用，作为一种新型的检测技术，在食用油检测领域具有潜在的应用价值。化学计量学起源于数学、统计学、计算机科学等学科，如今被广泛应用在化学分析、代谢组学、生物学等领域，同时，也是光谱学中重要的分析方法。本文将采用宽频太赫兹时域光谱技术结合化学计量学方法对食用油做定性鉴别和定量分析研究。本文主要的研究内容包括：
　　1、阐述了有机晶体DSTMS（4-甲基吡啶2,4,6-三甲基苯磺酸盐）作为太赫兹辐射源产生宽频太赫兹光谱的特性以及Fabry-Perót振荡效应引起的回波现象。采用希尔伯特-黄变换（HHT）方法分析了氮气环境下的空白THz信号的时频特性，提出了一种基于集合经验模态分解（EEMD）和软阈值小波滤波（WT）相结合的自适应滤波方法对原始THz信号进行光谱重构，有效滤除了噪声以及回波振荡，分析了三种不同食用油THz信号的Hilbert谱和时频特性，为物质在太赫兹波段提供了新的时频分析方法。
　　2、利用太赫兹时域光谱系统测量了5种常用食用油，分析了油样在1.2-6.6 THz范围内的折射率和吸收光谱特性，提出了一种基于免疫遗传算法（IGA）和偏最小二乘判别分析（PLS-DA）相结合的分类识别算法，通过IGA方法提取太赫兹吸收光谱的优选变量建立PLS-DA模型对5种食用油样品做鉴别分析，另外对比了几种传统的基于PLS模型的变量选择算法，包括常规区间偏最小二乘法（iPLS），向后区间偏最小二乘法（biPLS）和移动窗口偏最小二乘法（mwPLS）。实验结果表明，本章提出的基于免疫遗传算法变量优选结合偏最小二乘判别分析算法对不同类型的食用油做鉴别取得了最高的分类准确度。
　　3、利用太赫兹时域光谱和化学计量学方法对橄榄油原产地做鉴别分析。选取了三种不同产地的具有原产地保护区标识（PDO）的特级初榨橄榄油样品作为研究对象，样品分别来自西班牙 Baena产区，意大利 Mazara产区和希腊Mylopotamos产区，分别测量了油样在太赫兹波段的时域信号，并分析了油样在1.4-5.0 THz频段内的折射率和吸收光谱特性，利用主成分分析（PCA）提取光谱特征变量作为支持向量机（SVM）模型的输入变量，采用一种改进的自适应混沌粒子群优化算法（ACPSO）对支持向量机模型进行参数寻优，并采用标准粒子群算法和遗传算法参数寻优作为对比。实验结果表明，本章提出的PCA-ACPSO-SVM模型结合太赫兹吸收光谱为橄榄油原产地鉴别提供了新的分析方法并取得了较好的分类结果，其中，校正集和预测集样品的分类精确度分别为96.91%和98.08%。
　　4、利用太赫兹光谱和化学计量学方法对掺假橄榄油做定性鉴别和定量分析。实验在橄榄油中按不同浓度比例（10%、30%、50%、70%、90%）掺入葵花籽油，测量了油样在太赫兹波段的时域光谱，得到油样在1.5-4.9 THz频段内的折射率和吸收光谱，并分析了2.75 THz和4.45 THz处吸收光谱强度和掺假浓度之间的线性关系。实验采用SIMCA分类方法定性鉴别有无掺假物，采用主成分回归（PCR）、偏最小二乘回归（PLSR）、最小二乘支持向量机（LSSVM）和径向基神经网络（RBFNN）方法定量分析掺假物的浓度比例。实验结果表明，SIMCA分类方法定性鉴别掺假物的分类准确度达到100%，RBFNN模型对掺假浓度的预测精度最高，其中，校正集相关系数（2cR）为0.9986，预测集相关系数（2pR）为0.9982，校正集均方根误差（RMSEC）为1.2243，预测集均方根误差（RMSEP）为1.3644。
　　本文利用太赫兹光谱结合化学计量学研究了食用油的定性检测和定量分析，验证了该方法的可行性和有效性，为食用油的种类鉴别以及掺假检测提供了一种新的光谱分析方法，作为一种快速、可靠、无损的检测方法，可以推广到相似的食品和农产品检测中，为食品安全和质量监控领域提供了新的检测方法以及重要的借鉴意义。

目录

声明

致谢

变量注释表

1 绪论

1.1 研究背景及意义（ The Background and Significance of the Study）

1.2 食用油脂检测技术研究现状（ The Research Status of the Detection of Edible Oil）

1.3 太赫兹时域光谱技术应用现状（The Application Status of the Terahertz Time-Domain Spectroscopy）

1.4 本文的主要研究内容及创新点（The Main Research Contents and Innovation）

2 太赫兹时域光谱技术及化学计量学方法

2.1 太赫兹科学技术（Terahertz Science and Technology）

2.2 太赫兹时域光谱技术（ Terahertz Time-Domain Spectroscopy Technology）

2.3 实验系统及样品制备（ The Experiment System and Sample Preparation）

2.4 化学计量学简介（The Introduce of the Chemometrics）

3 基于Hilbert-Huang变换的宽频太赫兹信号时频特性分析研究

3.1 引言（Introduction）

3.2 有机晶体DSTMS产生宽频太赫兹光谱的特性（The Spectral Features of the Broadband Terahertz Generated by Organic Crystals DSTMS）

3.3 基于HHT的THz信号时频特性分析 （The Time-Frequency Characteristics Analysis of THz Signal Based on HHT）

3.4 基于EEMD-WT 自适应滤波的THz 信号光谱重构（TheSpectral Reconstruction of THz Signal Based on EEMD-WT）

3.5 基于HHT的三种食用油在太赫兹波段的时频特性分析（The Time-Frequency Characteristics Analysis of THz Signal of the Three Varieties of Edible oils Based on HHT）

3.6 本章小结（Summary）

4 基于免疫遗传算法和偏最小二乘判别分析的食用油种类鉴别

4.1 引言（Introduction）

4.2 免疫遗传算法与偏最小二乘判别分析（ Immunity Genetic Algorithm and Partial Least Squares Discriminant Analysis）

4.3 基于 PLS 的光谱变量优选算法原理（ The Principle of Optimized Algorithm of Spectral variables Based on PLS）

4.4 实验步骤及光谱分析（ The Experimental Procedure and Spectral Analysis）

4.5 光谱变量优选算法在食用油鉴别中的应用（The Application of Edible oil Identification by Spectral Variables Optimized Algorithm）

4.6 本章小结（Summary）

5 基于自适应混沌粒子群优化支持向量机参数的橄榄油原产地鉴别的研究

5.1 引言（Introduction）

5.2 自适应混沌粒子群优化支持向量机参数（ Support Vector Machines Optimized by Adaptive Chaotic Particle Swarm）

5.3 实验步骤及光谱分析（ The Experimental Procedure and Spectral Analysis）

5.4 橄榄油原产地鉴别结果与讨论（The Results and Discussion of Origin Identification of Olive Oil）

5.5 本章小结（Summary）

6 基于太赫兹光谱和化学计量学的掺假橄榄油的定性鉴别及定量分析研究

6.1 引言（Introduction）

6.2 定性鉴别和定量分析的建模方法（ The Modeling of the Qualitative Identification and Quantitative Analysis）

6.3 实验步骤及光谱分析（ The Experimental Procedure and Spectral Analysis）

6.4 掺假橄榄油定性及定量检测的结果与讨论（The Results and Discussion of Qualitative and Quantitative Detection of the Adulterated Olive Oil）

6.5 本章小结（Summary）

7 结论与展望

7.1 主要工作及总结（The Main Work and Summary）

7.2 进一步的研究展望（The Further Research Prospects）

参考文献

作者简历

学位论文数据集