结合小波压缩和APTLD的三维荧光光谱技术在掺伪芝麻油鉴别中的应用 下载: 1038次
1 引言
芝麻油是食用油脂,具有较高的营养和保健作用,其市场价格远高于其他植物油[1],因此,市场上充斥着许多由廉价的芝麻香精和劣质的植物油配制而成的掺伪芝麻油,这样的芝麻油不仅完全失去了芝麻油本应具有的营养和保健作用,甚至还具有一定的毒副作用,会严重危害消费者的身体健康,并影响了市场的正常秩序[2]。因此,研究一种快速有效鉴别掺伪芝麻油的方法,对保护人类健康和保障食品安全具有重要意义。
植物油内存在脂肪酸、维生素和类胡萝卜素等物质,其中所含有的羟基基团具有较强的荧光特性[3],因此荧光分析法成为鉴别植物油的重要分析手段。三维荧光光谱分析具有灵敏度高、选择性好、信息含量丰富和不破坏物质结构等优点,已成为诸多研究者鉴别植物油的热点选择[4-5]。吴希军等[5]使用三维荧光光谱法结合平行因子算法对植物油样本进行分析,实现了对植物油种类的鉴别;潘钊等[6]结合Tchebichef矩阵提取芝麻油样本的三维荧光光谱特征信息,并对其特征进行了聚类分析及逐步回归分析,实现了对掺伪芝麻油成分的鉴别及其含量的预测。但上述方法并未考虑无关干扰及环境噪声等对定性和定量分析精度带来的影响,而且平行因子算法对预估组分数敏感,较易陷入数据“沼泽”。交替惩罚三线性分解(APTLD)算法以平行因子(PARAFAC)算法的目标函数作为原型,在此基础上引入惩罚函数,若惩罚函数取值较大,可加速该算法收敛,使其对组分数不敏感。同时,惩罚因子又可看作是权重,因此解析结果与自加权交替三线性分解(SWATLD)算法相近。APTLD算法的优点在于平衡了上述两种算法,并且对预估组分数不敏感,还能够在未知干扰或背景下以“数学分离”代替“化学分离”,是一种针对复杂三维荧光光谱数据的二阶校正方法[7]。
在采用APTLD算法对三维荧光光谱数据进行处理过程中,校正后的三维荧光光谱数据仍存在环境噪声等冗余信息[8]。为了消除光谱数据中的冗余信息,本文在数据预处理时选用小波压缩对三维荧光光谱数据进行处理。小波压缩具有恢复率高、局部分辨能力强和压缩率大等优点,能够在三维荧光光谱特征信息不丢失的前提下有效剔除光谱数据的冗余信息[9]。
2 实验部分
2.1 材料与仪器
购买14种不同品牌和同品牌不同批次的芝麻油(Z1~Z14)作为真实的芝麻油样本,并购买5种廉价玉米油(Y1~Y5)、1种菜籽油(C)和1种芝麻香精(J)用于配制掺伪芝麻油,各样本的品牌如
表 1. 各样本的品牌
Table 1. Brand of vegetable oil samples
|
表 2. 掺伪样本中各组分的配比
Table 2. Proportion of each component in adulterated oil samples
|
采用FS920荧光光谱仪测定各样本的三维荧光光谱数据。其中,仪器的激发狭缝宽度与发射狭缝宽度均设置为1.11 mm,对应光谱分辨率为2 nm。激发波长范围为250~550 nm,步长为10 nm;发射波长范围为260~750 nm,步长为2 nm。为了避免瑞利散射对荧光光谱的影响,设置激发起始波长在发射起始波长前10 nm测量,所有实验均在室温下进行。
2.2 数据采集及预处理
采集
2.3 数据处理
2.3.1 小波压缩
利用英国Edinburgh Instruments 公司生产的FS920荧光光谱仪采集的原始三维荧光光谱数据由于环境噪声等因素而增加了数据的冗余信息。为了尽可能降低冗余信息带来的干扰,并保留全部的三维荧光光谱特征信息,利用小波压缩对原始三维荧光光谱数据进行处理。小波压缩通过设置小波系数的阈值,并只保留其中幅值较大的部分来实现对数据的压缩。对小波系数进行平滑和阈值处理后,再利用小波逆变换对系数进行重构。小波变换的分解公式定义为
式中:
式中:
图 1. Z7样品校正前后的荧光光谱。 (a)原始三维光谱;(b)校正后的三维光谱;(c)原始等高线;(d)校正后的等高线
Fig. 1. Fluorescence spectra of original and corrected Z7 samples. (a) Original three-dimensional spectral map; (b) corrected three-dimensional spectral map; (c) original contour map; (d) corrected contour map
小波压缩的重构公式为
式中:
2.3.2 三线性模型
在荧光光谱分析中,选定激发波长数为
式中:
2.3.3 APTLD算法
针对三线性模型,引入APTLD算法。APTLD算法是由湖南大学化学生物传感与计量学国家重点实验室提出的一种由PARAFAC算法与SWATLD算法组合的优化算法[15],它既可避免PARAFAC算法对预估组分数敏感的情况,又可在未知背景干扰下对待测样本进行定性和定量分析[16]。三线性模型得到的目标函数是各元素残差的平方和,可定义为
式中:
APTLD算法根据交替最小二乘原理和交替惩罚限制对三个不同的交替惩罚残差同时进行最小化,从而实现三线性分解[17]。由(5)~(7)式可同时获得三维数据阵
式中:
3 结果与讨论
3.1 小波压缩和重构
3.1.1 小波压缩前后的对比
Daubechies小波族是数据冗余最小的有限紧支集正交小波族,被广泛应用于图像和光谱数据的压缩[18]。其中:Db3小波基的消失矩阶数小;与Db4相比,Db5和Db6等小波基具有时域紧支性更强、计算量更小和压缩效率更高的优点,且相比于Db1和Db2小波基具有较好的频带划分效果。因此,相较于其他Db族,Db3小波基更适用于本研究中三维荧光光谱数据的压缩。
以Z7样本的光谱数据为例,其经Db3小波基小波压缩前后的对比如
图 3. 压缩前后的Z7光谱数据。(a)压缩前;(b)压缩后
Fig. 3. Fluorescence spectral data of Z7 before and after compression. (a) Before compression; (b) after compression
对Z7光谱数据在压缩前后不同激发波长下的发射光谱细节进行分析,分析结果进一步表明了利用小波压缩对三维荧光光谱进行处理的优势。部分光谱曲线压缩前后的对比如
图 4. 压缩前后的Z7部分发射光谱。(a1)~(a4)压缩前;(b1)~(b4)压缩后
Fig. 4. Partial emission spectra of Z7 before and after compression. (a1)-(a4) Before compression; (b1)-(b4) after compression
3.1.2 评价指标
小波压缩的效果通常采用压缩分数和数据恢复分数这两个评价指标来表征。
压缩分数的表达式为
式中:
数据恢复分数的表达式为
式中:
表 3. 部分样本的压缩结果
Table 3. Compression results of several analytical samples
|
3.2 利用APTLD算法对实验样品进行分析
3.2.1 不同品牌纯芝麻油的定性分析
利用APTLD算法分别对纯芝麻油样本中的Z7和Z9进行组分数为2的定性分析,其解析结果如
图 5. 采用APTLD算法对Z7和Z9解析的结果。(a)发射光谱;(b)激发光谱
Fig. 5. Analytical results of Z7 and Z9 with APTLD algorithm. (a) Emission spectra; (b) excitation spectra
3.2.2 掺伪样本的定性分析
利用APTLD算法对Z1~Z14、F1~F13(校正样本)和L1~L8(预测样本)的两种组分进行分析,结果如
Z7和F12的解析结果如
图 6. 采用APTLD算法对Z7和F6解析的结果。(a)发射光谱;(b)激发光谱
Fig. 6. Analytical results of Z7 and F6 with APTLD algorithm. (a) Emission spectra; (b) excitation spectra
图 7. 采用APTLD算法对Z7、F12解析的结果。(a)发射光谱;(b)激发光谱
Fig. 7. Analytical results of Z7 and F12 with APTLD algorithm. (a) Emission spectra; (b) excitation spectra
3.2.3 掺伪芝麻油的定量分析
将采用APTLD算法解析掺伪芝麻油样本各组分得到的相对荧光强度与其配比进行回归分析,结果如
对
图 8. APTLD算法分解得到的样本中各组分的荧光强度与其配比的拟合曲线。(a) F1~F7、L1~L4中的芝麻香精组分;(b) F1~F7、L1~L4中的玉米油组分;(c) F8~F13、L5~L8中的芝麻香精组分;(d) F8~F13、L5~L8中的菜籽油组分
Fig. 8. Fitting curves between fluorescence intensity of each component obtained by APTLD algorithm and proportion of each component. (a) Sesame essence in F1-F7 and L1-L4 samples; (b) corn oil in F1-F7 and L1-L4 samples; (c) sesame essence in F8-F13 and L5-L8 samples; (d) rapeseed oil in F8-F13 and L5-L8 samples
分别利用APTLD算法、SWATLD算法和PARAFAC算法对样本进行定量分析,将掺伪芝麻油各组分预测的配比和回收率列入
表 4. 掺伪芝麻油L1~L4中各组分的预测配比及回收率
Table 4. Predicted proportion and recovery rate of each component in adulterated sesame oil samples L1-L4
|
表 5. 掺伪芝麻油L5~L8中各组分的预测配比及回收率
Table 5. Predicted proportion and recovery rate of each component in adulterated sesame oil samples L5-L8
|
4 结论
利用三维荧光光谱技术和小波压缩与APTLD算法相结合,提出了一种对掺伪芝麻油进行定性和定量分析的方法。研究结果表明,经小波压缩处理后的三维荧光光谱数据的压缩分数和数据恢复分数分别高于94.00%和98.00%,小波压缩能够有效剔除光谱数据中的冗余信息。经APTLD算法处理后得到的样本回收率为97.0%~99.8%,预测方均根误差均小于等于0.120,优于其他二阶校正算法。所提方法能够实现对掺伪芝麻油的定性鉴别和浓度预测,对保障食品安全和维护市场正常竞争具有重要意义。
[1] 毕艳兰, 任小娜, 彭丹, 等. 粒子群最小二乘支持向量机结合偏最小二乘法用于芝麻油质量的鉴别[J]. 分析化学, 2013, 41(9): 1366-1372.
毕艳兰, 任小娜, 彭丹, 等. 粒子群最小二乘支持向量机结合偏最小二乘法用于芝麻油质量的鉴别[J]. 分析化学, 2013, 41(9): 1366-1372.
[2] 丁轻针, 刘玲玲, 武彦文, 等. 基于FTIR的芝麻油真伪鉴别和掺伪定量分析模型[J]. 光谱学与光谱分析, 2014, 34(10): 2690-2695.
丁轻针, 刘玲玲, 武彦文, 等. 基于FTIR的芝麻油真伪鉴别和掺伪定量分析模型[J]. 光谱学与光谱分析, 2014, 34(10): 2690-2695.
[3] 殷高方, 赵南京, 胡丽, 等. 基于色素特征荧光光谱的浮游植物分类测量方法[J]. 光学学报, 2014, 34(9): 0930005.
殷高方, 赵南京, 胡丽, 等. 基于色素特征荧光光谱的浮游植物分类测量方法[J]. 光学学报, 2014, 34(9): 0930005.
[4] 张小玲, 殷高方, 赵南京, 等. 基于加权平均法的活体藻类三维荧光标准光谱构建[J]. 光学学报, 2018, 38(7): 0730001.
张小玲, 殷高方, 赵南京, 等. 基于加权平均法的活体藻类三维荧光标准光谱构建[J]. 光学学报, 2018, 38(7): 0730001.
[5] 吴希军, 潘钊, 赵彦鹏, 等. 荧光光谱及平行因子分析法在植物油鉴别中的应用[J]. 光谱学与光谱分析, 2014, 34(8): 2137-2142.
吴希军, 潘钊, 赵彦鹏, 等. 荧光光谱及平行因子分析法在植物油鉴别中的应用[J]. 光谱学与光谱分析, 2014, 34(8): 2137-2142.
[6] 潘钊, 崔耀耀, 吴希军, 等. 三维荧光光谱结合Tchebichef矩快速鉴别掺伪芝麻油[J]. 发光学报, 2018, 39(4): 568-572.
潘钊, 崔耀耀, 吴希军, 等. 三维荧光光谱结合Tchebichef矩快速鉴别掺伪芝麻油[J]. 发光学报, 2018, 39(4): 568-572.
[7] Oliveira E, Henriquez C, Nunes L C, et al. Exploiting multivariate calibration for compensation of iron interference in the spectrophotometric flow-based catalytic determination of molybdenum[J]. Talanta, 2018, 179: 15-21.
Oliveira E, Henriquez C, Nunes L C, et al. Exploiting multivariate calibration for compensation of iron interference in the spectrophotometric flow-based catalytic determination of molybdenum[J]. Talanta, 2018, 179: 15-21.
[8] 陈扬, 张太宁, 郭澎, 等. 基于主成分分析的复杂光谱定量分析方法的研究[J]. 光学学报, 2009, 29(5): 1285-1291.
陈扬, 张太宁, 郭澎, 等. 基于主成分分析的复杂光谱定量分析方法的研究[J]. 光学学报, 2009, 29(5): 1285-1291.
[9] 王玉田, 刘婷婷, 刘凌妃, 等. 基于三维荧光光谱结合小波压缩与APTLD对水中多环芳烃测定[J]. 光谱学与光谱分析, 2018, 38(4): 1171-1177.
王玉田, 刘婷婷, 刘凌妃, 等. 基于三维荧光光谱结合小波压缩与APTLD对水中多环芳烃测定[J]. 光谱学与光谱分析, 2018, 38(4): 1171-1177.
[10] 吴华勇, 周泽宇, 王洪涛, 等. 光谱校正对溶解有机物三维荧光光谱特征影响[J]. 光谱学与光谱分析, 2012, 32(11): 3044-3048.
吴华勇, 周泽宇, 王洪涛, 等. 光谱校正对溶解有机物三维荧光光谱特征影响[J]. 光谱学与光谱分析, 2012, 32(11): 3044-3048.
[11] 李素文, 谢品华, 李玉金, 等. 基于小波变换的差分吸收光谱数据处理方法[J]. 光学学报, 2006, 26(11): 1601-1604.
李素文, 谢品华, 李玉金, 等. 基于小波变换的差分吸收光谱数据处理方法[J]. 光学学报, 2006, 26(11): 1601-1604.
[12] 杨丽丽, 王玉田, 鲁信琼. 三维荧光光谱结合二阶校正法用于石油类污染物的识别和检测[J]. 中国激光, 2013, 40(6): 0615002.
杨丽丽, 王玉田, 鲁信琼. 三维荧光光谱结合二阶校正法用于石油类污染物的识别和检测[J]. 中国激光, 2013, 40(6): 0615002.
[13] JafféR, Cawley KM, YamashitaY. Applications of excitation emission matrix fluorescence with parallel factor analysis (EEM-PARAFAC) in assessing environmental dynamics of natural dissolved organic matter (DOM) in aquatic environments: a review[M] //Advances in the Physicochemical Characterization of Dissolved Organic Matter: Impact on Natural and Engineered Systems. ACS Symposium Series. Washington DC: American Chemical Society, 2014, 1160: 27- 73.
JafféR, Cawley KM, YamashitaY. Applications of excitation emission matrix fluorescence with parallel factor analysis (EEM-PARAFAC) in assessing environmental dynamics of natural dissolved organic matter (DOM) in aquatic environments: a review[M] //Advances in the Physicochemical Characterization of Dissolved Organic Matter: Impact on Natural and Engineered Systems. ACS Symposium Series. Washington DC: American Chemical Society, 2014, 1160: 27- 73.
[14] 王童, 吴海龙, 谢丽霞, 等. 三维荧光二阶校正法同时快速测定人体液中两种非甾体抗炎药萘普生和二氟尼柳[J]. 精细化工中间体, 2017, 47(5): 79-84.
王童, 吴海龙, 谢丽霞, 等. 三维荧光二阶校正法同时快速测定人体液中两种非甾体抗炎药萘普生和二氟尼柳[J]. 精细化工中间体, 2017, 47(5): 79-84.
[15] 王雪梅, 吴海龙, 聂瑾芳, 等. 三维荧光二阶校正方法快速检测香蕉中双苯三唑醇含量[J]. 分析化学, 2009, 37(6): 811-816.
王雪梅, 吴海龙, 聂瑾芳, 等. 三维荧光二阶校正方法快速检测香蕉中双苯三唑醇含量[J]. 分析化学, 2009, 37(6): 811-816.
[16] 吴海龙, 李勇, 康超, 等. 三维荧光化学多维校正方法研究新进展[J]. 分析化学, 2015, 43(11): 1629-1637.
吴海龙, 李勇, 康超, 等. 三维荧光化学多维校正方法研究新进展[J]. 分析化学, 2015, 43(11): 1629-1637.
[17] 蔡晴, 吴海龙, 李元娜, 等. 三维荧光二阶校正法同时测定水果样中α-萘乙酸和吲哚-3-乙酸[J]. 化学通报, 2011, 74(1): 47-53.
蔡晴, 吴海龙, 李元娜, 等. 三维荧光二阶校正法同时测定水果样中α-萘乙酸和吲哚-3-乙酸[J]. 化学通报, 2011, 74(1): 47-53.
[18] 闫敬文, 沈贵明, 胡晓毅, 等. 改进的对块零树编码压缩方法对超光谱数据压缩[J]. 光学学报, 2002, 22(7): 834-838.
闫敬文, 沈贵明, 胡晓毅, 等. 改进的对块零树编码压缩方法对超光谱数据压缩[J]. 光学学报, 2002, 22(7): 834-838.
孔德明, 李雨蒙, 崔耀耀, 张春祥, 王书涛, 吴希军. 结合小波压缩和APTLD的三维荧光光谱技术在掺伪芝麻油鉴别中的应用[J]. 光学学报, 2019, 39(3): 0330004. Deming Kong, Yumeng Li, Yaoyao Cui, Chunxiang Zhang, Shutao Wang, Xijun Wu. Application in Identification of Adulterated Sesame Oil for Three-Dimensional Fluorescence Spectroscopy Combined with Wavelet Compression and APTLD[J]. Acta Optica Sinica, 2019, 39(3): 0330004.