一种基于植物油三维荧光光谱的茶油鉴定方法
阅读：87发布：2023-12-06
专利汇可以提供一种基于植物油三维荧光光谱的茶油鉴定方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种基于 植物 油 三维 荧光 光谱 的茶油鉴定方法，通过 软件 编程方法将表达各 植物油 样本三维荧光光谱的二元函数z=f（激发，发射）转 化成 表达各植物油样本三维荧光光谱的一元函数z=f（激发-发射），根据一元函数z=f（激发-发射）建立各植物油样本的激发-发射与三维荧光光谱强度一一对应的训练集一元荧光光谱矩阵，将训练集一元荧光光谱矩阵中的数据导入数据分析软件进行分析并构建鉴定模型，得到植物油类别分值设定值范围，利用鉴定模型实现对茶油是否掺假的鉴定。本发明构建的茶油鉴定模型能够 鉴别 添加量仅为4%且掺杂物主要成分与茶油非常相似的掺假茶油；本研究方法为应用三维荧光光谱进行快速、有效的植物油鉴定，提供了一种新的途径。，下面是一种基于植物油三维荧光光谱的茶油鉴定方法专利的具体信息内容。
1.一种基于植物油三维荧光光谱的茶油鉴定方法，其特征在于：通过软件编程方法将表达各植物油样本三维荧光光谱的二元函数z=f（激发，发射）转化成表达各植物油样本三维荧光光谱的一元函数z=f（激发-发射），根据一元函数z=f（激发-发射）建立各植物油样本的激发-发射与三维荧光光谱强度一一对应的训练集一元荧光光谱矩阵，将训练集一元荧光光谱矩阵中的数据导入数据分析软件进行分析并构建茶油鉴定模型，得到茶油类别分值设定值范围，利用鉴定模型实现对真茶油或掺假茶油进行鉴定。
2.如权利要求1所述的一种基于植物油三维荧光光谱的茶油鉴定方法，其特征在于，具体步骤如下：
（1）收集不同植物油样本形成训练集，训练集包括不同的茶油样本、大豆油样本和玉米油样本，采集训练集中不同植物油样本的荧光光谱，获得以二元函数z=f（激发，发射）表达的每一植物油样本的激发位置、发射位置与对应荧光强度的数据；
（2）将经过步骤（1）获得的表达每一植物油样本的二元函数z=f（激发，发射）通过软件编程方法转换成能够表达每一植物油样本的激发-发射与荧光强度关系的一元函数z=f（激发-发射）；
（3）将表达训练集样本中每一植物油样本荧光光谱的一元函数z=f（激发-发射）中的激发-发射与荧光强度的数据归集形成训练集一元荧光光谱矩阵；
（4）将经过步骤（3）获得的训练集一元荧光光谱矩阵中的数据导入至数据分析软件中，利用数据分析软件中的正交偏最小二乘判别分析法对数据进行统计分析，进而构建茶油鉴定模型，得到不同植物油类别分值的设定值范围，并以此作为茶油鉴定的依据；
（5）收集需要鉴定的包含不同品牌、不同生产工艺的茶油样本和掺杂各种低价油或混合油的掺假茶油样本形成检验集，采集检验集中茶油样本和掺假茶油样本的三维荧光光谱数据，获得表达各茶油样本三维荧光光谱的二元函数z=f（激发，发射），且通过步骤（2）的处理分析获得表达检验集中每一茶油样本荧光光谱的一元函数z=f（激发-发射），并将一元函数z=f（激发-发射）中激发-发射与荧光强度的数据导入步骤（4）构建的茶油鉴定模型中，根据得到的分值鉴定检验集中真茶油或掺假茶油。
3.如权利要求2所述的一种基于植物油三维荧光光谱的茶油鉴定方法，其特征在于：所述步骤（2）中软件编程方法为SAS 9.4版软件编程方法。
4.如权利要求2所述的一种基于植物油三维荧光光谱的茶油鉴定方法，其特征在于：所述步骤（3）中训练集一元荧光光谱矩阵的第一行元素个数为表达训练集中每一植物油样本的一元函数z=f（激发-发射）的变量个数；
一元函数z=f（激发-发射）的变量个数=激发位置数×发射位置数；
激发位置数=激发波长范围/激发狭缝；
发射位置数=发射波长范围/发射狭缝。
5.如权利要求2所述的一种基于植物油三维荧光光谱的茶油鉴定方法，其特征在于：所述步骤（4）中数据分析软件为Umetrics SIMCA15.0.2软件。
6.如权利要求2所述的一种基于植物油三维荧光光谱的茶油鉴定方法，其特征在于：所述步骤（1）和步骤（5）中训练集中每一样本和检验集中每一样本的三维荧光光谱数据采集方法如下：用石油醚清洗干净10mm石英样品池，取1-2mL样本于样品池，置于荧光光谱仪中采集获得样本的激发位置、发射位置以及荧光强度及绘制荧光等高线图谱。
7.如权利要求6所述的一种基于植物油三维荧光光谱的茶油鉴定方法，其特征在于：所述步骤（1）和（5）中荧光光谱仪的采集训练集和检验集中每一样本的三维荧光光谱数据的采集参数为：激发波长范围200-580nm，间隔10nm；发射波长范围250-700nm，间隔10nm；扫描速度2000nm/min；激发狭缝10nm；发射狭缝10nm；光电倍增管PMT电压400V；响应时间0.5s。
8.如权利要求2所述的一种基于植物油三维荧光光谱的茶油鉴定方法，其特征在于：所述步骤（5）中掺假茶油以真茶油为主体油，分别掺入大豆油、玉米油、棉籽油、棕榈油以及由大豆油、棕榈油、棉籽油和玉米油按1:1:1:1体积比混合得到的混合油1、由大豆油、玉米油和花生油按1:1:1体积比混合得到混合油2，配制的每一种类掺假茶油均包括4%，10%和16%三个不同浓度。
9.一种如权利要求1所述的基于植物油三维荧光光谱的茶油鉴定方法在大豆油、玉米油、棉籽油或棕榈油是否掺假鉴定上的应用。
一种基于植物油三维荧光光谱的茶油鉴定方法
技术领域
背景技术
[0002] 茶油中含有人体必需单不饱和脂肪酸高达90％，与被誉为“黄金液体”的橄榄油相似，有着“东方橄榄油”的美称，茶油还富含维生素E、茶多酚、山茶苷、山茶皂甙以及钙、铁、锌等元素和抗氧化剂VE和角鲨烯，是一种同时具备食用价值、医药价值和保健价值的木本植物油，也是联合国粮农组织推荐的优质食用油之一，在中国和一些亚洲国家越来越受欢迎。
[0003] 随着近些年茶油的产量和使用量越来越大，也有出现一些不法商家在高价茶油中掺入低价油、地沟油等破坏茶油的品质，来谋取暴利，严重侵害了消费者的权益，也危害了食用者的安全，建立高效的茶油鉴定方法对于防止茶油掺伪、维护消费者权利具有重要意义。
[0004] 目前，植物油鉴定主要基于对植物油特征成分如脂肪酸构成、甾醇、生育酚的检测，主要检测方法有荧光光谱、红外光谱、拉曼光谱、色谱和核磁共振等。近年来发展了化学计量学方法与上述检测方法结合的植物油鉴定。
[0005] 在多种检测鉴定方法中，荧光光谱灵敏度高、选择性腔，植物油的主要荧光物质是不饱和脂肪酸、维生素E和色素。2015年发表在杂志《Journal of the Chinese Cereals and Oils Association》上的“Synchronous Fluorescence Detection of Oil and Olive Oil Adulteration Identification”的论文研究表示，利用同步荧光光谱仪在250～270nm的激发光波下，采集分析了多种掺杂特级初榨橄榄油的同步荧光光谱图，研究结果显示依据同步荧光光谱能够将大部分的掺杂特级初榨橄榄油与橄榄油的区别，但由于大豆油和特级初榨橄榄油的同步光谱基本相似，此种方法也只能在橄榄油中掺入大量大豆油时，才能被鉴别。
[0006] 三维荧光光谱描述了荧光强度同时随激发波长和发射波长变化的关系，因此能够完整地描述物质的荧光特征。2009年发表在《生物学杂质》上的“植物油的荧光光谱法研究”的论文研究中对多种植物油的同步荧光光谱和单位荧光光谱进行了分析研究，研究结果表明：三维图谱具有指纹识别能力，比同步图谱所提供的信息更加直观，但三维荧光光谱除了与植物油品种有关外，植物油加工工艺、果实原料来源等因素对光谱也有很大的影响，掺假茶油与茶油的三维荧光光谱差异较小，很难通过观察三维荧光光谱直观地区别茶油与掺伪油。
发明内容
[0007] 本发明的目的在于提供一种基于植物油三维荧光光谱鉴定模型的茶油鉴定方法，将采集的表达植物油三维荧光光谱的二元函数转换成一元函数，根据一元函数建立各植物油样本的激发-发射与三维荧光光谱强度一一对应的训练集一元荧光光谱矩阵，在多元变量统计分析软件平台上，利用正交偏最小二乘判别分析训练集一元荧光光谱矩阵中数据，构建特异性、敏感性复合实际应用的茶油鉴定模型并将其用于茶油的鉴定。
[0008] 本发明的技术方案如下：
[0009] 一种基于植物油三维荧光光谱的茶油鉴定方法，通过软件编程方法将表达各植物油样本三维荧光光谱的二元函数z＝f(激发，发射)转化成表达各植物油样本三维荧光光谱的一元函数z＝f(激发-发射)，根据一元函数z＝f(激发-发射)建立各植物油样本的激发-发射与三维荧光光谱强度一一对应的训练集一元荧光光谱矩阵，将训练集一元荧光光谱矩阵中的数据导入数据分析软件进行分析并构建茶油鉴定模型，获得植物油类别分值设定值范围，利用鉴定模型实现对真茶油或掺假茶油进行鉴定。
[0010] 进一步的，基于植物油三维荧光光谱的茶油鉴定方法具体步骤如下：
[0011] (1)收集不同植物油样本形成训练集，训练集包括不同的茶油样本、大豆油样本和玉米油样本，采集训练集中不同植物油样本的荧光光谱，获得以二元函数z＝f(激发，发射)表达的每一植物油样本的激发位置、发射位置与对应荧光强度的数据；
[0012] (2)将经过步骤(1)获得的表达每一植物油样本的二元函数z＝f(激发，发射)通过软件编程方法转换成能够表达每一植物油样本的激发-发射与荧光强度关系的一元函数z＝f(激发-发射)；
[0013] (3)将表达训练集样本中每一植物油样本荧光光谱的一元函数z＝f(激发-发射)中的激发-发射与荧光强度的数据归集形成训练集一元荧光光谱矩阵；
[0014] (4)将经过步骤(3)获得的训练集一元荧光光谱矩阵中的数据导入至数据分析软件中，利用数据分析软件中的正交偏最小二乘判别分析法对数据进行统计分析，进而构建茶油鉴定模型，得到不同植物油类别分值的设定值范围，并以此作为茶油鉴定的依据；
[0015] (5)收集需要鉴定的包含不同品牌、不同生产工艺的茶油样本和掺杂各种低价油或混合油的掺假茶油样本形成检验集，采集检验集中茶油样本和掺假茶油样本的三维荧光光谱数据，获得表达各茶油样本三维荧光光谱的二元函数z＝f(激发，发射)，且通过步骤(2)的处理分析获得表达检验集中每一茶油样本荧光光谱的一元函数z＝f(激发-发射)，并将一元函数z＝f(激发-发射)中激发-发射与荧光强度的数据导入步骤(4)构建的茶油鉴定模型中，根据得到的分值鉴定检验集中的真茶油或掺假茶油。
[0016] 进一步的，所述步骤(2)中软件编程方法为SAS 9.4版软件编程方法。
[0017] 进一步的，所述步骤(3)中训练集一元荧光光谱矩阵的第一行元素个数为表达训练集中每一植物油样本的一元函数z＝f(激发-发射)的变量个数；
[0018] 一元函数z＝f(激发-发射)的变量个数＝激发位置数×发射位置数；
[0019] 激发位置数＝激发波长范围/激发狭缝；
[0020] 发射位置数＝发射波长范围/发射狭缝。
[0021] 进一步的，所述步骤(4)中数据分析软件为Umetrics SIMCA15.0.2软件。
[0022] 进一步的，所述步骤(1)和步骤(5)中训练集中每一样本和检验集中每一样本的三维荧光光谱数据采集方法如下：用石油醚清洗干净10mm石英样品池，取1-2mL样本于样品池，置于荧光光谱仪中采集获得样本的激发位置、发射位置以及荧光强度及绘制荧光等高线图谱。
[0023] 进一步的，所述步骤(1)和(5)中荧光光谱仪的采集训练集和检验集中每一样本的三维荧光光谱数据的采集参数为：激发波长范围200-580nm，间隔10nm；发射波长范围250-700nm，间隔10nm；扫描速度2000nm/min；激发狭缝10nm；发射狭缝10nm；光电倍增管PMT电压
400V；响应时间0.5s。
400V；响应时间0.5s。
[0024] 进一步的，所述步骤(5)中掺假茶油以真茶油为主体油，分别掺入大豆油、玉米油、棉籽油、棕榈油以及由大豆油、棕榈油、棉籽油和玉米油按1:1:1:1体积比混合得到的混合油1、由大豆油、玉米油和花生油按1:1:1体积比混合得到混合油2，配制的每一种类掺假茶油均包括4％，10％和16％三个不同浓度。
[0025] 一种基于植物油三维荧光光谱的茶油鉴定方法在大豆油、玉米油或棕榈油是否掺假鉴定上的应用。
[0026] 本发明具有如下有益效果：
[0027] 1、本发明提供一种基于植物油三维荧光光谱的茶油鉴定方法，适合于筛查真或掺假茶油；通过SAS 9.4版软件编程方法将能够表达植物油样本三维荧光谱的二元函数z＝f(激发，发射)转换成一元函数z＝f(激发-发射)表达，同时将表达每一样本三维荧光光谱的一元函数z＝f(激发-发射)归集形成激发-发射与荧光强度一一对应的训练集一元荧光光谱矩阵，并通过Umetrics SIMCA15.0.2软件中的正交偏最小二乘判别分析法分析矩阵中的数据，构建基于植物油三维荧光光谱数据的鉴定模型，鉴定模型中将划分和设定出属于不同植物油种类的分值范围，将获得的需要检验的表达茶油三维光光谱的二元函数z＝f(激发，发射)同样转换成一元函数z＝f(激发-发射)后导入该模型进行鉴定，根据获得的分值是否落在设定的茶油类别分值设定值范围内，判断茶油是否掺假；本发明中对27个检验集样本(含7个不同品牌、不同生产工艺茶油，18个实验室配制的掺假茶油，2个购于乡村超市的假茶油)进行鉴定，得到的鉴定结果全部正确，且对掺入与茶油脂肪酸构成极为相似的玉米油、大豆油以及各种混合油，掺入量4％即可检出，说明用一元函数z＝f(激发-发射)替代目前通用的二元函数z＝f(激发，发射)来表征三维荧光光谱数据构建茶油鉴定模型，既简单、方便又可以很好地体现茶油的类别特征。
[0028] 2、本发明提供的基于植物油三维荧光光谱的茶油鉴定方法利用鉴定模型鉴定真茶油或掺假茶油，处理过程简单，最终构建的茶油鉴定模型中代表拟合能力的参数R2＝0.84；代表预测能力的参数Q2＝0.72，两参数均大于0.5，说明该模型是一个优秀的鉴定模型且特异性和敏感性符合实际要求，本发明的鉴定方法为应用植物油三维荧光光谱进行植物油品质鉴定提供了新途径。
[0030] 图1为本发明训练集样本中随机选出的1个茶油样本(A)、1个大豆油样本(B)和1个玉米油样本(C)的荧光等高线图谱；
[0031] 图2为本发明检验集样本中随机选出的1个茶油样本(A)、1个掺入4％的低价混合油1的掺假茶油(B)和1个掺入10％玉米油的掺假茶油(C)荧光等高线图谱；
[0033] 图4为本发明中OPLS-DA模型的二维得分图；
[0034] 图5为本发明中鉴定模型的关键参数柱状图，A为R2，B为Q2。
具体实施方式
[0035] 下面结合具体实施例来对本发明进行详细的说明。
[0036] 一种基于植物油三维荧光光谱的茶油鉴定方法，通过软件编程方法将表达各植物油样本三维荧光光谱的二元函数z＝f(激发，发射)转化成表达各植物油样本三维荧光光谱的一元函数z＝f(激发-发射)，根据一元函数z＝f(激发-发射)建立各植物油样本的激发-发射与三维荧光光谱强度一一对应的训练集一元荧光光谱矩阵，将训练集一元荧光光谱矩阵中的数据导入数据分析软件进行分析并构建鉴定模型，利用鉴定模型实现对真茶油或掺假茶油进行鉴定。
[0037] 一种基于植物油三维荧光光谱的茶油鉴定方法，具体步骤如下：
[0038] (1)收集不同植物油样本形成训练集，训练集中包括不同的茶油样本、大豆油样本和玉米油样本，采集训练集中不同植物油样本的荧光光谱，获得以二元函数z＝f(激发，发射)表达的每一植物油样本的激发位置、发射位置与对应荧光强度的数据；荧光光谱仪的采集参数为：训练集样本的三维荧光光谱数据采集方法如下：用石油醚清洗干净10mm石英样品池，取1-2mL样本于样品池，置于荧光光谱仪中采集获得样本的激发位置、发射位置以及荧光强度及绘制荧光等高线图谱；其中，激发波长范围200-580nm，间隔10nm；发射波长范围250-700nm，间隔10nm；扫描速度2000nm/min；激发狭缝10nm；发射狭缝10nm；光电倍增管PMT电压400V；响应时间0.5s；
[0039] (2)将经过步骤(1)获得的表达每一植物油样本的二元函数z＝f(激发，发射)通过SAS 9.4版软件编程方法转换成能够表达每一植物油样本的激发-发射与荧光强度关系的一元函数z＝f(激发-发射)；
[0040] (3)将表达训练集样本中每一植物油样本荧光光谱的一元函数z＝f(激发-发射)中的激发-发射与荧光强度的数据归集形成训练集一元荧光光谱矩阵；
[0041] (4)将经过步骤(3)获得的训练集一元荧光光谱矩阵中的数据导入至Umetrics SIMCA15.0.2分析软件中，利用分析软件中的正交偏最小二乘判别分析法对数据进行统计分析，进而构建茶油鉴定模型，得到各种植物油类别分值的设定值范围，并以此作为茶油鉴定的依据；
[0042] (5)收集需要鉴定的包含不同品牌、不同生产工艺的茶油样本和掺杂各种低价油或混合油的掺假茶油样本形成检验集，采集检验集中茶油样本和掺假茶油样本的三维荧光光谱数据，获得表达各茶油样本三维荧光光谱的二元函数z＝f(激发，发射)，且通过步骤(2)的处理分析获得表达检验集中每一茶油样本荧光光谱的一元函数z＝f(激发-发射)，并将一元函数z＝f(激发-发射)中激发-发射与荧光强度的数据导入步骤(4)构建的茶油鉴定模型中，根据得到的分值鉴定检验集中真茶油或掺假茶油。
[0043] 进一步的，所述步骤(3)中训练集一元荧光光谱矩阵的第一行元素个数为表达训练集中每一植物油样本的一元函数z＝f(激发-发射)的变量个数；
[0044] 一元函数z＝f(激发-发射)的变量个数＝激发位置数×发射位置数；
[0045] 激发位置数＝激发波长范围/激发狭缝，(580-200)/10＝38个；
[0046] 发射位置数＝发射波长范围/发射狭缝，(700-250)/10＝45个；
[0047] 因此，一元函数z＝f(激发-发射)的变量个数＝38×45＝1710个，训练集一元荧光光谱矩阵的第一行元素个数为1710个。
[0048] 本发明中训练集的选择和构成：由于各种植物油成分相似，大豆油和玉米油的价格在植物油中相对较为低廉，是最可能的掺假茶油中的掺杂物，因此，发明人在训练集样本的挑选中选择茶油、大豆油和玉米油三类植物油，考虑到植物油的成分除了与其种类有关，还与植物的种植地和植物油的加工工艺有关，因此，本发明中共选择大豆油、玉米油和茶油共55个样本构成训练集；大豆油样本19个，购自黑龙江、山东、福建、吉林、陕西、河南等六个省份，制作工艺中9个压榨，10个浸出，11个样本标注转基因，8个样本标注非转基因；玉米油样本19个，购自黑龙江、广东、福建、甘肃、陕西、河南等六个省份，制作工艺全部是压榨，14个样本标注非转基因，5个样本未标注非转基因；茶油样本17个，购自福建、江西、广西、浙江，制作工艺全部是压榨；上述55个训练集中的样本经过气相色谱(GB/T17377-2008)验证，其脂肪酸组成都符合相应植物油的中国国家标准。
[0049] 本发明中检验集的选择和构成：检验集中茶油样本一共27个，包括2个乡村小店购买的茶油样本，经气相色谱鉴定其脂肪酸构成不符合茶油的设定值，是假茶油；7个购于大型超市且与训练集样本非同品牌同批次的茶油样本；18个自制掺假茶油样本，以茶油为主体油，分别掺入大豆油、棉籽油、玉米油、棕榈油、混合油1或混合油2，掺假浓度分别为4％、10％和16％，其中混合油1由大豆油、棕榈油、棉籽油和玉米油按1:1:1:1体积比混合得到，混合油2由大豆油、玉米油和花生油按1:1:1体积比混合得到，配制的每一种类掺假茶油均包括4％，10％和16％三个不同浓度。
[0050] 参见附图1，为训练集中所有样本中随机选出的1个样本茶油、1个样本大豆油和1个样本玉米油的荧光等高线图谱，从附图1中可以看出茶油、大豆油和玉米油样本荧光谱图相似，三者相比较后，茶油并没有什么明显的谱图特征，无法根据荧光等高线谱图直接判断样本是否是茶油。
[0051] 参见附图2，为检验集中所有茶油样本中随机选出的1个茶油样本、1个掺入4％的低价混合油1的掺假茶油和1个掺入10％玉米油的掺假茶油的荧光等高线图谱，从附图2中可以看出掺入10％玉米油的掺假茶油与茶油的谱图几乎相同，掺入4％混合油1的掺假茶油与茶油的谱图有差异，因此，无法根据荧光等高线图谱直接判断茶油真假。
[0052] 参见附图3，为茶油样本中三个品牌茶油的荧光等高线图谱，其中福建丰达牌茶油(B)的谱图相较于福建沈郎乡茶油(A)与广西巴马茶油(C)的谱图在色素位置有较强的荧光峰，因此福建丰达牌茶油颜色深，是未精炼的，福建沈郎乡茶油与广西巴马茶油颜色较浅，是经过精炼的茶油；由上可知，由于加工工艺不同或植物产地不同导致不饱和脂肪酸、生育酚、色素等类别荧光物质的构成不同，使得茶油样本之间的三维荧光光谱等高线图有差异。
[0053] 茶油、玉米油、大豆油最强荧光峰位置参见表1，表1列出了训练集17个茶油样本中有3个茶油样本是具有两个较强的荧光峰，这3个样本都是颜色较深的未精炼茶油，其它14个样本都是经过精炼的茶油，只有一个较强的荧光峰。
[0054] 表1茶油、玉米油、大豆油最强荧光峰位置及其强度值
[0055]
[0056] 综上所述，参见附图1、附图2、附图3以及表1可得出结论：茶油与玉米油、大豆油的谱图差异小，不同加工工艺的茶油的谱图有较大差异，因此，如果在茶油中掺入低价的玉米油、大豆油或其混合油，无法仅通过观察谱图进行茶油鉴定。
[0057] 本发明中训练集中每一样本或检验集中每一样本的三维荧光光谱用二元函数z＝f(EI,EM)表达，EI代表激发位置、EM代表发射位置，z代表在对应位置处荧光光谱强度，在SAS软件平台运行该小程序，将二元函数z＝f(EI,EM)转化为一元函数z＝f(EI-EM)表达，将一元函数z＝f(EI-EM)归集形成训练集一元荧光光谱矩阵，其中矩阵中第一行依次为EI200-EM250 EI200-EM260I200-EM270……EI200-EM700 EI210-EM250 EI210-EM260EI210-EM270……EI210-EM700 EI210-EM250 EI210-EM260EI210-EM270……EI200-EM700，位于最后的是EI580-EM250 EI580-EM260 EI580-EM270……EI580-EM700共1710个数据，第一列是样本号，其它单元格数值是训练集中每一样本对应EI-EM位置处的荧光光谱强度z；将训练集一元荧光光谱矩阵中的数据集导入SIMCA15.0.2软件中，采用正交偏最小二乘判别分析法(OPLS-DA)对数据进行分析，进而获得属于训练集中不同植物油品种的鉴定分值，由不同植物油品种的鉴定分值构成用于判别茶油的鉴定模型。
[0058] 参见附图4，附图4为基于OPLS-DA分析训练集一元荧光光谱矩阵中数据后获得的二维得分图，从附图4中可以看出茶油区域与大豆油、玉米油区域距离较远，茶油可以很好地与玉米油、大豆油区分，玉米油区域与大豆油区域很接近；训练集样本中茶油在其类别的得分值都在0.70-1.15范围内，因此该得分值范围被做为茶油的设定值范围，当被鉴定的茶油样本的得分值不在0.70-1.15的范围内时，该样本为掺假茶油。
[0059] 参见附图5为本发明中通过OPLS-DA分析训练集一元荧光光谱矩阵中数据构建鉴定模型后获得的鉴定模型关键参数柱状图，用于评价模型的特异性和敏感性；由图5可知鉴定模型中代表拟合能力的参数R2＝0.84，代表预测能力的参数Q2＝0.72，变量数＝2，其中，A代表R2，B代表Q2，说明本发明构建的鉴定模型是一个优秀的鉴定模型且特异性和敏感性符合实际要求。
[0060] 将检验集中表达每一样本的三维荧光光谱的二元函数z＝f(EI,EM)按照实施例中步骤(2)转换成一元函数z＝f(EI-EM)，并将数据导入鉴定模型中进行鉴定预测，预测结果如表2所示：
[0061] 表2检验集样本茶油类别得分值
[0062]样本编号 得分值 判定结果 样本编号 得分值 判定结果
Mix-C-D-Ⅰ 0.32 T Mix-C-混1-Ⅲ 0.38 T
Mix-C-D-Ⅱ 0.45 T Mix-C-混2-Ⅰ 0.39 T
Mix-C-D-Ⅲ 0.25 T Mix-C-混2-Ⅱ 0.35 T
Mix-C-MZ-Ⅰ 0.45 T Mix-C-混2-Ⅲ 0.41 T
Mix-C-MZ-Ⅱ 0.44 T M2018-61-A 0.45 T
Mix-C-MZ-Ⅲ 0.40 T M2018-62-A 0.63 T
Mix-C-YM-Ⅰ 0.29 T M2018-1-C 1.15 T
Mix-C-YM-Ⅱ 0.25 T M2018-2-C 1.05 T
Mix-C-YM-Ⅲ 0.14 T M2018-3-C 0.72 T
Mix-C-Z-Ⅰ 0.37 T M2018-4-C 1.15 T
Mix-C-Z-Ⅱ 0.16 T M2018-5-C 0.80 T
Mix-C-Z-Ⅲ 0.05 T M2018-6-C 0.91 T
Mix-C-混1-Ⅰ 0.37 T M2018-7-C 0.86 T
Mix-C-混1-Ⅱ 0.38 T
Mix-C-D-Ⅰ 0.32 T Mix-C-混1-Ⅲ 0.38 T
Mix-C-D-Ⅱ 0.45 T Mix-C-混2-Ⅰ 0.39 T
Mix-C-D-Ⅲ 0.25 T Mix-C-混2-Ⅱ 0.35 T
Mix-C-MZ-Ⅰ 0.45 T Mix-C-混2-Ⅲ 0.41 T
Mix-C-MZ-Ⅱ 0.44 T M2018-61-A 0.45 T
Mix-C-MZ-Ⅲ 0.40 T M2018-62-A 0.63 T
Mix-C-YM-Ⅰ 0.29 T M2018-1-C 1.15 T
Mix-C-YM-Ⅱ 0.25 T M2018-2-C 1.05 T
Mix-C-YM-Ⅲ 0.14 T M2018-3-C 0.72 T
Mix-C-Z-Ⅰ 0.37 T M2018-4-C 1.15 T
Mix-C-Z-Ⅱ 0.16 T M2018-5-C 0.80 T
Mix-C-Z-Ⅲ 0.05 T M2018-6-C 0.91 T
Mix-C-混1-Ⅰ 0.37 T M2018-7-C 0.86 T
Mix-C-混1-Ⅱ 0.38 T
[0063] 注：样本编号中C代表茶油、D大豆油、MZ棉籽油、YM玉米油、Z棕榈油、混1代表混合油1、混2代表混合油2；样品名中Ⅰ，Ⅱ，Ⅲ分别表示掺伪浓度4％，10％，16％；M2018-61-A和M2018-62-A代表2个购买于乡村小店的茶油样本；M2018-1-C至M2018-7-C代表购于大型超市且的茶油样本。
[0064] 表2中，M2018-1-C至M2018-7-C代表的7个购于大型超市的茶油样本，经过鉴定，得分值都在0.70-1.15范围内，判定为真茶油；
[0065] Mix-C-D-Ⅰ、Mix-C-D-Ⅱ和Mix-C-D-Ⅲ分别代表掺入浓度为4％、10％和16％大豆油的茶油样本，经过鉴定，得分值均不在0.70-1.15范围内，判定其为掺假茶油；
[0066] Mix-C-MZ-Ⅰ、Mix-C-MZ-Ⅱ和Mix-C-MZ-Ⅲ分别代表掺入浓度为4％、10％和16％棉籽油的茶油样本，经过鉴定，得分值均不在0.70-1.15范围内，判定其为掺假茶油；
[0067] Mix-C-YM-Ⅰ、Mix-C-YM-Ⅱ和Mix-C-YM-Ⅲ分别代表掺入浓度为4％、10％和16％玉米油的茶油样本，经过鉴定，得分值均不在0.70-1.15范围内，判定其为掺假茶油；
[0068] Mix-C-Z-Ⅰ、Mix-C-Z-Ⅱ和Mix-C-Z-Ⅲ分别代表掺入浓度为4％、10％和16％棕榈油的茶油样本，经过鉴定，得分值均不在0.70-1.15范围内，判定其为掺假茶油；
[0069] Mix-C-混1-Ⅰ、Mix-C-混1-Ⅱ和Mix-C-混1-Ⅲ分别代表掺入浓度为4％、10％和16％混合油1(由大豆油、棕榈油、棉籽油、玉米油按1:1:1:1体积比混合得到的混合油1)的茶油样本，经过鉴定，得分值均不在0.70-1.15范围内，判定其为掺假茶油；
[0070] Mix-C-混2-Ⅰ、Mix-C-混2-Ⅱ和Mix-C-混2-Ⅲ分别代表掺入浓度为4％、10％和16％混合油2(由大豆油:玉米油:花生油按1:1:1体积比混合得到的混合油2)的茶油样本，经过鉴定，得分值均不在0.70-1.15范围内，判定其为掺假茶油；
[0071] M2018-61-A和M2018-62-A代表2个购买于乡村小店的茶油样本，经过鉴定，得分值不在0.70-1.15范围内，判定为掺假茶油。综上所述，利用本发明的鉴定方法的对检验集样本的预测全部正确，说明利用本发明的方法能够准确的判定茶油的真伪。
[0072] 模型的特异性、敏感性及其水平数据见表3
[0073] 表3 OPLS-DA茶油鉴定模型特异性、敏感性及其水平
[0074]样本概况 敏感性 特异性 掺伪浓度水平(％)
茶油 --- 100％(7/7) ---
掺入大豆油的茶油 100％(3/3) --- 4
掺入棉籽油的茶油 100％(3/3) --- 4
掺入玉米油的茶油 100％(3/3) --- 4
掺入棕榈油的茶油 100％(3/3) --- 4
掺入混合油1的茶油 100％(3/3) --- 4
掺入混合油2的茶油 100％(3/3) --- 4
乡村小店购买的茶油 100％(2/2) --- ---
茶油 --- 100％(7/7) ---
掺入大豆油的茶油 100％(3/3) --- 4
掺入棉籽油的茶油 100％(3/3) --- 4
掺入玉米油的茶油 100％(3/3) --- 4
掺入棕榈油的茶油 100％(3/3) --- 4
掺入混合油1的茶油 100％(3/3) --- 4
掺入混合油2的茶油 100％(3/3) --- 4
乡村小店购买的茶油 100％(2/2) --- ---
[0075] 本发明中基于表达不同植物油三维荧光光谱的一元函数z＝f(激发-发射)数据形成的茶油鉴定模型思路也可以用于其他植物油真、假鉴定。
[0076] 以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 接口可用性上报、指示方法和设备 | 2020-05-08 | 872 |
| NAT规则匹配方法、装置、电子设备及存储介质 | 2020-05-08 | 805 |
| 快速拍摄方法、设备及可读存储介质 | 2020-05-08 | 627 |
| 电子设备 | 2020-05-08 | 51 |
| 一种身份认证系统及其身份认证方法 | 2020-05-11 | 82 |
| 一种MIC密封装配结构、安装方法及终端设备 | 2020-05-08 | 960 |
| 一种手机管理系统 | 2020-05-08 | 776 |
| 一种通过HMI修改HMI自身IP以及PLC IP的方法 | 2020-05-11 | 958 |
| 一种用于nginx的多维过滤请求的防火墙系统及方法 | 2020-05-11 | 317 |
| 一种基于超宽带无线通信的自适应组网的时间同步系统及方法 | 2020-05-08 | 214 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈