我國對(duì)植物油消費(fèi)水平日益提高，因此要求對(duì)植物油的質(zhì)量監(jiān)管的力度要到位，本文將針對(duì)利用拉曼光譜和近紅外光譜融合技術(shù)對(duì)植物油的種類進(jìn)行快速高效精準(zhǔn)的鑒定，并結(jié)合分析植物油種類鑒定的SVC模型研究技術(shù)，對(duì)更好地預(yù)測(cè)植物油的鑒定模型，嚴(yán)格執(zhí)行好我國植物油種類鑒定檢測(cè)標(biāo)準(zhǔn)提供借鑒。

樣品光譜采集與光譜分析

樣品光譜采集

運(yùn)用拉曼近紅外光譜融合技術(shù)快速鑒定植物油時(shí)，應(yīng)首先對(duì)植物油進(jìn)行樣品光譜的采集，采集植物油樣品的光譜儀是歐普?qǐng)D斯拉曼光譜儀，紅外植物油質(zhì)量快速鑒定儀。

樣品光譜對(duì)比分析

采集大豆油、花生油、菜籽油、茶籽油、稻米油、玉米油、葵花籽油和橄欖油八類植物油作為樣品，對(duì)這八類常見植物油進(jìn)行分別處理后，在對(duì)其進(jìn)行拉曼光譜采集和近紅外光譜采集，對(duì)采集的拉曼光譜和近紅外光譜分析后可知，拉曼光譜曲線會(huì)因?yàn)橹参镉头N類的不同而不同，通常1340—1440納米以及1600-1700納米處會(huì)出現(xiàn)波峰和波谷，吸光度也不同，吸光度的位置變化也會(huì)因?yàn)椴杉拈L度單位的不同而相應(yīng)做出改變，這也就證明了采用拉曼光譜法和近紅外原始圖譜能夠?qū)χ参镉偷姆N類進(jìn)行有效的鑒定。

光譜特征波長提取

應(yīng)用競爭性自適應(yīng)重加權(quán)采樣，連續(xù)投影算法聯(lián)用和后向間隔偏最小二乘法算法對(duì)處理過后的拉曼圖譜和近紅外光譜進(jìn)行數(shù)據(jù)的提取測(cè)量，然后對(duì)提取的數(shù)據(jù)結(jié)合激光拉曼光譜，近紅外光譜表示為特征層，對(duì)近紅外光譜特征層建立光譜融合建構(gòu)，連續(xù)投影算法聯(lián)用時(shí)先使用連續(xù)投影對(duì)光譜的特征變量進(jìn)行提取，再用提取后的光譜特征變量進(jìn)行投影算法的連用，然后采用投影算法對(duì)連續(xù)投影算法進(jìn)行特征變量進(jìn)行二次收集，并對(duì)二次特征變量進(jìn)行優(yōu)選。

植物油種類鑒定SVC模型研究

基于拉曼光譜植物油種類的鑒定SVC模型

經(jīng)過 MA11-airPLS-Nor 近預(yù)處理的拉曼光譜并結(jié)合光譜的波峰和波谷，以及SG9-airPLS-Nor 處理的拉曼光譜數(shù)據(jù)進(jìn)行SVC模型的構(gòu)建，SVC模型的構(gòu)建應(yīng)注意在對(duì)拉曼光譜分析的數(shù)據(jù)預(yù)處理，結(jié)合拉曼光譜的波峰和波谷對(duì)數(shù)據(jù)預(yù)處理的時(shí)效性進(jìn)行采集，作為SVC模型建構(gòu)的輸入變量，之后就是對(duì)SVC模型建構(gòu)后的整體優(yōu)化，建立包含拉曼光譜全波段的SVC整體建構(gòu)模型。接下來就結(jié)合連續(xù)投影算法和向間隔偏最小二乘法算法對(duì)拉曼光譜進(jìn)行計(jì)算，記錄到SVC模型建構(gòu)的輸入量中去，得到具有拉曼股光譜數(shù)據(jù)分析性質(zhì)的特征變量植物油種類鑒定的SVC模型。

基于近紅外光譜的植物油種類的鑒定SVC模型

對(duì)樣本植物油采集后的近紅外光譜進(jìn)行預(yù)處理過后，得到的特征變量可以作為SVC 模型的輸入變量，并結(jié)合近紅外光譜的波峰和波谷發(fā)現(xiàn)其變化特征，就可以建立全波段的近紅外光譜SVC模型，然后結(jié)合連續(xù)投影算法和向間隔偏最小二乘法算法對(duì)近紅外光譜進(jìn)行數(shù)據(jù)計(jì)算，就可以得到具有特征變量的SVC近紅外光譜SVC鑒別模型。

利用拉曼圖譜和近紅外光譜能對(duì)植物油的種類進(jìn)行鑒定，并結(jié)合光譜分析技術(shù)和拉曼圖譜的近紅外光譜的數(shù)據(jù)層，分析兩者的特征層能夠建立近紅外光譜，數(shù)據(jù)層多源光譜融合，特征層多元光譜數(shù)據(jù)融合SVC鑒別模型，以此來提高植物油種類的鑒別率。