优化基于近红外光谱的联合间隔偏最小二乘法建模检测芝麻油掺伪含量

摘要：

应用近红外光谱(NIR)分析技术建立测定芝麻油中大豆油含量的定量分析模型.基于32个含量梯度共384个掺伪芝麻油样品的近红外光谱,首先采用标准正态变量变换(SNV)对光谱进行预处理,再采用无信息变量消除法(UVE)初步筛选波长变量,然后结合联合间隔偏最小二乘法(Si-PLS)和带极值扰动的简化粒子群优化算法(tsPSO)建立芝麻油中大豆油掺伪含量预测模型,经特征波段选取后建立的模型变量减少,波长变量由451 个减少到219个,训练集和测试集相关系数分别为0.999 8和0.991 9,均方根误差分别为4.39E-2和3.99E-2.结果表明,该方法能够作为芝麻油中大豆油掺伪含量的快速检测方法.此外,该方法也可应用到芝麻油中掺入其他低价值油的掺伪含量检测中.

关键词：近红外光谱、无信息变量消除法、联合间隔偏最小二乘法、带极值扰动的简化粒子群优化算法

所属期刊栏目：45

分类号：TS225.1;Q657(食品工业)

资助基金：国家重点研发计划2017YFD0700501;江苏省科技计划BY2016009-03

在线出版日期：2020-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：86-90