山茶油素有“东方橄榄油”美誉, 实现掺假山茶油的鉴别具有重要实用价值, 采用近红外光谱技术对掺有葵花油的山茶油进行检测。 分别以1%, 5%, 10%为梯度制备掺假比例不同的山茶油样品, 并根据掺假比例将其分为A组（0%～5%）和B组（6%～10%）共11个样品, C组（15%～40%）6个和D组（50%～100%）6个样品。 将每个掺假样品充分混匀后再分为9份, 依次采集其1 000～2 500 nm范围的吸收光谱, 共获得207条光谱曲线。 每组样品的光谱数据按2∶1随机分为训练集与验证集。 经去除首尾噪声后, 通过主成分分析法（principal component analysis, PCA）降维, 并利用前四个主成分建立了鉴别山茶油不同掺假等级的主成分-支持向量机判别模型, 训练集与验证集的总体判别准确率分别达96.38%和94.20%; 进一步, 通过对前四个主成分的载荷系数的分析, 并结合原始光谱, 提取建模过程中权重较大的波长并解析其化学含义, 最终确定出五个特征波长: 1 212, 1 705, 1 826, 1 905及2 148 nm, 以此波长重新建立近红外特征光谱山茶油掺假等级判别模型, 对训练集与验证集的总体判别准确率也达到了94.20%和92.75%。 研究结果表明, 利用近红外光谱和特征光谱均能够较好实现山茶油掺假等级的鉴别, 同时所建立的近红外特征光谱模型也为设计相应的掺假山茶油实用便携式检测仪器提供了理论基础。

利用近红外光谱在不同光程下对山茶油中掺杂大豆油的掺伪量进行定量检测研究,着重分析光程对掺伪量检测精度的影响.将大豆油按一定质量分数掺入山茶油获取实验样本,掺伪质量分数范围为1%～50%.利用QualitySpec型光谱仪采集样本在不同光程(1,2,4,10 mm)下的透射光谱,通过对比不同建模方法、预处理方法及建模波段范围所建立的掺伪量定量预测模型,分析光程对掺伪量检测精度的影响.研究结果表明,光程由1 mm增加到4 mm时,掺伪量定量预测模型性能随着光程的增加而逐渐变好,检测精度逐步提高;光程由 4 mm增加到10 mm时,掺伪量定量预测模型性能变差,检测精度下降,4 mm为较优的光程.在1,2,4和10 mm下所建立的较优掺伪量定量预测模型的预测集决定系数(R2P)和预测均方根误差(RMSEP)分别为0.923,0.977,0.989,0.962和4.58%,2.54%,1.72%,3.20%。

为打击山茶油掺假，保障消费者的合法利益，利用近红外光谱和子窗口重排分析(SPA)对山茶油的复杂掺假(掺入大豆油、菜籽油、花生油及混合油)进行检测。采集85 个纯山茶油和315 个掺假山茶油样本的近红外光谱，利用SPA 变量选择方法对样本光谱的波长变量进行筛选，再由偏最小二乘-线性判别分析(PLS-LDA)建立山茶油掺假检测模型，并与竞争性自适应重加权算法(CARS)和无信息变量消除(UVE)变量选择方法的结果进行比较。研究结果表明，近红外光谱联合SPA 方法可以用于山茶油的复杂掺假检测，预测集样本的分类错误率、灵敏度及特异性分别为0、1和1。SPA 方法优于UVE 方法，与CARS方法相当，是一种有效的变量选择方法，能简化模型并提高模型的预测精度和稳定性。

山茶油是我国特有的优质食用油, 而压榨山茶油营养品质优于浸出山茶油。 采用可见/近红外光谱技术对压榨和浸出山茶油进行鉴别研究。 在350～1 800 nm波段范围内采集压榨和浸出山茶油样本的透射光谱, 利用无信息变量消除(UVE)方法进行波长变量优选, 剔除无用波长变量, 并应用偏最小二乘-线性判别分析(PLS-LDA)建立鉴别分类模型。 最后, 利用鉴别分类模型对未参与建模的26个预测集样本进行鉴别。 研究结果表明, UVE-PLS-LDA是一种有效的鉴别分类方法, 所建立的鉴别分类模型能较好地对压榨和浸出山茶油进行鉴别, 校正集和预测集样本的鉴别正确率均为100%。 因此, 可见/近红外光谱联合UVE-PLS-LDA方法鉴别压榨和浸出山茶油是可行的。