基于拉曼和近红外光谱特征层融合的食用油MUFA和PUFA含量检测.DOC

基于拉曼和近红外光谱特征层融合的食用油MUFA和PUFA 含量检测 吴 双基金项目：2016湖北省粮食科技创新与成果转化项目、武汉市科技攻关计划项目（2013010501010147）、武汉工业学院食品营养与安全重大项目培育专项（2011Z06）、武汉轻工大学研究生创新基金项目（2014CX005）收稿日期：2016-10-24作者简介: 吴双, 女，1989年出生，硕士在读 基金项目：2016湖北省粮食科技创新与成果转化项目、武汉市科技攻关计划项目（2013010501010147）、武汉工业学院食品营养与安全重大项目培育专项（2011Z06）、武汉轻工大学研究生创新基金项目（2014CX005） 收稿日期：2016-10-24 作者简介: 吴双, 女，1989年出生，硕士在读，利用光谱技术检测食用油的成分 通讯作者：郑晓，男，1958年出生，教授，利用光谱技术检测食用油的成分 （武汉轻工大学机械工程学院1，武汉 430000） （武汉轻工大学食品科学与工程学院2，武汉 430000） 摘要：本文主要针对食用油中单不饱和脂肪酸(MUFA)和多不饱和脂肪酸(PUFA)含量的快速检测问题，研究探索应用拉曼(Raman)和近红外(NIR)光谱以及特征层数据融合，结合化学计量学分析，建立食用油MUFA和PUFA含量预测模型。重点研究各种预处理算法对模型预测能力的影响。应用竞争性自适应重加权采样(CARS)提取Raman和NIR光谱的特征波长，应用网格有哪些信誉好的足球投注网站(GS)算法选取支持向量机回归(SVR)模型的参数组合(C，g)值，分别建立基于拉曼和近红外光谱的特征波段的SVR预测模型；建立基于特征层的多源光谱融合的SVR预测模型。实验表明，基于特征层融合建立的Raman-NIR-SVR模型能够实现食用油MUFA和PUFA含量的快速预测，且预测效果更优。其中预测MUFA含量的SG15-ALS-Nor-CARS-MSC-CARS-SVR模型的预测集决定系数R2为0.977 3，与单光谱中最优含量预测模型相比增加了2.43%；而预测PUFA含量的MA11-airPLS-Nor-CARS-MSC-CARS-SVR模型的预测集R2为0.993 0、，比较最优单光谱数据建立的SVR模型增加了2.57%。结果表明，采用特征层融合方法建立的含量预测模型的综合性能优于基于单光谱数据建立的模型。 关键字：单不饱和脂肪酸 多不饱和脂肪酸 特征层融合 支持向量机回归 中图分类号: TS225*1 文献标识码: 文章编号: Based on Characteristic Fusion of Raman and Near Infrared Spectrum MUFA and PUFA Content Detection WU Shuang1 Wang Jie 1 Yu Yaru1 TU Bin1 Zheng Xiao1 HE Dongping2 (School of Mechanical Engineering, Wuhan Polytechnic University1, Wuhan 430000) (College of Food Science and Engineering, Wuhan Polytechnic University2, Wuhan 430000) Abstract: It was explored in this paper that characteristic fusion of Raman-NIR was combined with Chemometrics to establish monounsaturated fatty acid (MUFA) and polyunsaturated fatty acids (PUFA)content prediction model to solve the problem of their content rapid prediction . It focused on what effects various pretreatment algorithms had on prediction model. Competitive adaptive reweighted sampling (CARS) was used to extract the characteristic wavelength of Raman and NIR spectra , grid search (GS) algorithm to select the parameter combination (C, g