文献类型：期刊文章

作　　者：褚璇[1] 王伟[2] 赵昕[1] 姜洪喆[1] 王伟[1] 刘声泉[1]

CHU Xuan WANG Wei ZHAO Xin JIANG Hong-zhe WANG Wei LIU Sheng-quan(Beijing Key Laboratory of Optimized Design for Modern Agricultural Equipment, College of Engineering, China Agricultural University, Beijing 100083, China College of Mechanical and Electronic Engineering, Tarim University, Alar 843300, China)

机构地区：[1]中国农业大学工学院现代农业装备优化设计北京市重点实验室,北京100083 [2]塔里木大学机械电气化工程学院,新疆阿拉尔843300

出　　处：《光谱学与光谱分析》

基　　金：国家科技支撑计划项目(2012BAK08B04)资助

年　　份：2017

卷　　号：37

期　　号：1

起止页码：75-79

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD2017_2018、EI(收录号：20170803378582)、IC、INSPEC、JST、PUBMED、RCCSE、RSC、SCI-EXPANDED(收录号：WOS:000392359300014)、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：山茶油素有"东方橄榄油"美誉,实现掺假山茶油的鉴别具有重要实用价值,采用近红外光谱技术对掺有葵花油的山茶油进行检测。分别以1%,5%,10%为梯度制备掺假比例不同的山茶油样品,并根据掺假比例将其分为A组(0%~5%)和B组(6%~10%)共11个样品,C组(15%~40%)6个和D组(50%~100%)6个样品。将每个掺假样品充分混匀后再分为9份,依次采集其1 000~2 500nm范围的吸收光谱,共获得207条光谱曲线。每组样品的光谱数据按2∶1随机分为训练集与验证集。经去除首尾噪声后,通过主成分分析法(principal component analysis,PCA)降维,并利用前四个主成分建立了鉴别山茶油不同掺假等级的主成分-支持向量机判别模型,训练集与验证集的总体判别准确率分别达96.38%和94.20%;进一步,通过对前四个主成分的载荷系数的分析,并结合原始光谱,提取建模过程中权重较大的波长并解析其化学含义,最终确定出五个特征波长:1 212,1 705,1 826,1 905及2 148nm,以此波长重新建立近红外特征光谱山茶油掺假等级判别模型,对训练集与验证集的总体判别准确率也达到了94.20%和92.75%。研究结果表明,利用近红外光谱和特征光谱均能够较好实现山茶油掺假等级的鉴别,同时所建立的近红外特征光谱模型也为设计相应的掺假山茶油实用便携式检测仪器提供了理论基础。

关 键 词：山茶油 掺假检测 近红外光谱技术 特征光谱  支持向量机

分 类 号：S513]