过氧化值的快速、 准确检测对食用油脂的品质及其食品安全控制具有重要意义。 近红外光谱技术是一种理想的过氧化值测量手段, 但校正模型的建立需要耗费大量的资源。 旨在通过近红外光谱信息与油脂过氧化物间的关系分析, 探索对不同种类、 不同等级植物油建立同一校正模型的可行性, 以不同等级的大豆油和菜籽油为研究对象, 结合二维相关光谱技术对两种植物油的近红外光谱进行分析, 通过间隔偏最小二乘法选择过氧化值通用模型的最佳检测波段, 考察了正交信号校正(OSC)、 标准正态变量变换(SNV)和二阶导数(SD)对两种植物油过氧化值校正模型的影响, 比较了主成分回归(PCR)、 偏最小二乘法(PLS)和支持向量机回归(SVR)三种建模方法的预测效果, 构建了大豆油(一级+三级)、 菜籽油(一级+三级+四级)、 一级油(大豆油+菜籽油)、 三级油(大豆油+菜籽油)四种通用模型。 结果显示: (1)近红外光谱能够检测植物油过氧化值的变化情况, 对应的光谱信息主要分布于1 700~2 200 nm区域; (2)通用模型最佳的波段、 预处理方法和建模方法分别为1 700~2 200 nm、 SD法和PLS法; (3)四种通用模型中一级植物油(大豆油和菜籽油)的过氧化值通用模型具有较好预测结果, 其预测均方根误差(RMSEP)、 决定系数(R2)分别为0.412和0.920, 与一级的大豆油和菜籽油单一模型相比, 预测精度相差不大。 研究表明生产工艺过程相差不大的一级植物油间有可能建立准确性高的通用模型。 此外, 为了扩展通用模型的性能, 需要不断用新产品对模型进行及时更新。

有用信息提取是复杂体系近红外检测的重点和难点之一。 由于复杂体系光谱中存在各种噪声、 基线漂移、 谱带重叠及复杂背景的干扰, 常规方法不能准确地从光谱中获得有用信息。 为此, 将小波包变换（DWPT）和信息熵理论相结合——小波包熵（EWPIE）提取复杂体系光谱中的有用信息。 思路是采用小波包变换对光谱信号进行多频带分解, 根据有用信号与噪声的频带分布特点, 基于信息熵理论滤除干扰的频率分量, 采用正交校正法（OSC）剔除与被测组分无关的信息, 然后对处理后的频率分量进行重构, 从而实现复杂体系有用信息的准确提取。 通过对复杂体系光谱数据建立多元校正模型来验证该方法的效果。 采用牛奶的近红外光谱数据, 以牛奶中脂肪和蛋白质浓度为研究对象, 建立了偏最小二乘法（PLS）模型。 结果显示, 牛奶中脂肪和蛋白质的预测均方根误差（RMSEP）分别为0.132%和0.121%, 与单纯的DWPT和OSC相比, EWPIE能够有效地提取有用信息, 避免了无用信息的干扰, 明显提高了模型的预测精度, 对复杂体系的准确检测具有一定的理论意义和实际应用价值。