科研产出
基于NIRS的茶籽调和油中茶油含量检测方法研究
《食品工业 》 2018 北大核心
摘要：采用偏最小二乘法(PLS)建立二元及三元体系茶籽调和油中茶油含量的近红外光谱定量模型。采用质量分数0~60.0%的菜籽油、大豆油、棉籽油、玉米油、棕榈油,分别调配二元调和油样本140个及三元调和油样本348个,采集样品在10 000~4 000 cm~(-1)范围的透反射光谱,采用交互验证来考察模型的可靠性。经均值中心化处理,二元体系建立PLS模型的训练集R_c~2=0.992,预测集R_p~2=0.993,RMSECV=0.014,RMSEP=0.017,样本预测准确率94.3%(相对误差小于±10%);三元体系建立PLS模型的训练集R_c~2=0.996,预测集R_p~2=0.994,RMSECV=0.011,RMSEP=0.013,茶油含量大于5%的预测准确率92.1%(相对误差小于±10%)。结果表明,NIRS能实现二元及三元体系茶籽调和油中茶油含量的定量检测。
全文链接
请求原文
基于NIRS的茶籽调和油脂肪酸品质快速检测方法研究
《食品研究与开发 》 2018 北大核心
摘要：采用近红外光谱法(near infrared spectroscopy,NIRS)结合化学计量学方法建立茶籽调和油中不同类型脂肪酸含量的快速定量检测方法。选择101个茶籽调和油样本,经过皂化、甲酯化后,先经气相色谱分析得到饱和脂肪酸(C16:0+C18:0)、单不饱和脂肪酸(C18:1)及多不饱和脂肪酸(C18:2+C18:3)含量,再采用透反射模式采集所有样品的近红外光谱,对光谱进行预处理以及奇异值删除,利用偏最小二乘法(partial least-squares,PLS)建立上述3种组分的定量校正模型,并进行预测。(C16:0+C18:0)、C18:1及(C18:2+C18:3)的预测均方根误差值(root-mean-square error value,RMSEP)依次分别为0.274、0.768和0.963,预测集决定系数(Rp2)依次分别为0.997、0.999和0.995,预测结果良好。研究结果表明近红外光谱法可作为一种快速、无损和准确的方法用于测定茶籽调和油的脂肪酸含量,从而达到鉴别茶籽调和油脂肪酸是否均衡,快速评价茶籽调和油营养品质的目的。
关键词： 近红外光谱 偏最小二乘法 茶籽调和油 脂肪酸品质 快速检测
全文链接
请求原文
近红外光谱结合化学计量学法在油茶籽油脂肪酸含量测定中的应用
《湖南农业科学 》 2013
摘要：通过透反射模式采集了114个油茶籽油(茶油)样品的近红外光谱(NIR),利用竞争性自适应重加权采样法(CARS)对光谱进行预处理,采用偏最小二乘法(PLS)建立了茶油中棕榈酸、硬脂酸、油酸、亚油酸及亚麻酸5种脂肪酸含量的校正模型,并通过实际测定对模型进行了验证。结果表明:采用近红外光谱技术结合化学计量学方法建立的PLS模型所预测的茶油中棕榈酸、硬脂酸、油酸、亚油酸的含量与实际的化学测定值较接近,而亚麻酸的预测集与实际测定值相关性不理想,仍需进一步研究摸索。这证明近红外光谱法可作为一种快速、无损和准确的方法在茶油主要脂肪酸含量测定中推广应用。
关键词： 茶油 脂肪酸 近红外光谱(NIR) 化学计量学(SPXY)
全文链接
请求原文
首页上一页1下一页尾页
