良好的食用油品质的近红外光谱定量分析模型以及不同仪器间的模型共享, 能够提高模型间的利用率, 可以满足食用油行业的发展需要。 目的是探究直接标准化算法在食用油酸值和过氧化值两个指标上的模型转移。 实验样本为大豆油、 花生油、 芝麻油、 玉米油共计50个样本。 实验仪器为VERTEX 70傅里叶红外光谱仪和Antaris Ⅱ傅里叶近红外光谱仪(包含光纤探头和透射探头)。 一共进行了三组实验, 第一组选取主仪器VERTEX 70和从仪器Antaris Ⅱ(光纤探头部件); 第二组选取主仪器VERTEX 70和从仪器结合主仪器Antaris Ⅱ(透射部件), 第三组选取主仪器Antaris Ⅱ(透射部件)和Antaris Ⅱ(光纤部件)。 利用直接标准化算法, 结合主仪器上的偏最小二乘法校正模型, 针对从仪器上的食用油酸值和过氧化值的近红外光谱模型, 进行了模型转移研究。 研究表明, 在同为光纤探头扫描的实验仪器VERTEX 70和Antaris Ⅱ(光纤探头部件)间, 模型转移前酸值和过氧化值预测均方差分别为54.675 6和1 912.219 4, 使用直接标准化算法后预测均方差分别下降到0.560 13和4.836。 在食用油酸值和过氧化值指标上直接标准化算法对相同原理的仪器有较好的转移效果。 与过氧化值相比直接标准化算法在酸值指标上的模型转移效果较好。 该研究结果对于食用油品质的快速分析模型的广泛应用具有重要意义。

将经典的卡尔曼滤波器与近红外光谱分析技术相结合, 提出了一种新的特征波长变量选择方法——卡尔曼滤波法。 分析了卡尔曼滤波器用于波长优选的原理, 设计了波长选择算法并将其应用到大豆油脂酸价的近红外光谱检测中。 首先利用偏最小二乘法(PLS)对油脂不同吸收波段建模, 初步筛选出4 472～5 000 cm-1油脂酸价特征波段共132个波长点, 然后进一步利用卡尔曼滤波器进行特征波长选择, 从中优选出22个特征波长变量建立PLS校正模型, 预测集决定系数R2、 预测误差均方根RMSEP分别为0.970 8和0.125 4, 与利用132个波长点建立的校正模型预测结果相当, 而波长变量数减少到原来的16.67%。 该波长变量选择算法是一种确定性的迭代过程, 无复杂的参数设置和变量选择的随机性, 物理意义明确。 优选出少数对模型影响较大的特征波长变量以代替全谱建模, 在简化模型的同时提高了模型的稳健性, 为开发专用油脂近红外光谱分析仪器提供了重要参考依据。

研究了基于可见-近红外光谱技术的润滑油酸值无损检测方法。获得了 润滑油在475 ～ 975 nm范围内的可见-近红外光谱。采用最小二乘支持向量机(LS-SVM)建立 可见-近红外光谱检测模型，并通过将无信息变量消除算法(UVE)与连续投影算法(SPA)相结合进行 光谱有效波长选取。通过UVE-SPA法进行变量选择计算，最终将原始光谱所包含的500 个光谱变量减少到了8个(分别为489 nm、553 nm、591 nm、874 nm、893 nm、910 nm、935 nm和 951 nm)。基于这8个变量建立的LS-SVM模型获得了预测集确定系数为0.9546、误差均方根为0.0081和 剩余预测残差为4.5663的预测结果，说明可见-近红外光谱技术可以用于润滑油酸值无损检测。 与酸值测定标准方法相比，该方法具有快速、无损和成本低等优点。同时，UVE-SPA法是一种有效的 光谱变量选择方法。