闽江学院材料工程系, 中国漆新型材料工程研究中心, 福建 福州 350108
芝麻油是日常生活中常用食用油之一, 掺假芝麻油会导致严重的健康问题。 研究芝麻油鉴定方法是非常重要的。 皂化植物油提取不皂化物是食用油鉴定的经济方法之一, 现有植物油皂化方法需要较长时间, 较高的温度, 且不皂化物提取过程非常繁琐。 采用超声技术替代常规回流加热法, 提高了皂化效率, 皂化时间缩短至10分钟, 在此基础上采用专用固相萃取(SPE)小柱快速分离不皂化物。 基于分离富集得到的植物油不皂化物红外光谱, 结合化学计量学方法进行芝麻油鉴定。 利用偏最小二乘判别分析(PLS-DA)和正交偏最小二乘判别分析(OPLS-DA)构建芝麻油鉴定模型。 分析结果表明: 所构建的芝麻油鉴定模型, OPLS-DA模型优于PLS-DA模型; OPLS-DA模型对芝麻油检验集样本预测准确率高。 基于植物油不皂化物红外光谱结合化学计量学方法可以准确鉴定芝麻油。
芝麻油 不皂化物 鉴定 Sesame oil Unsaponifiable Authentication FT-IR PLS-DA OPLS-DA FT-IR PLS-DA OPLS-DA
1 中国科学院计算光学成像技术重点实验室, 中国科学院光电研究院, 北京 100094
2 中国科学院大学, 北京 100049
土壤有机碳（SOC）对土壤肥力至关重要, 可见-近红外光谱能对其实现快速反演, 为区域监测和定量遥感提供基础。 针对包络去除（CR）仅提供反射光谱的单向吸收特征, 多元回归中预测信息缺失、 拟合结果未充分反映波段特征, 利用世界土壤数据库245份中国土样的可见-近红外光谱, 首次提出双包络去除（BCR）与正交偏最小二乘（OPLS）结合的反演方法BCR-OPLS, 同时纳入光谱反射率及上、 下边包络去除量, 讨论组分参考值偏态分布时幂函数或对数缩放在回归时的优化作用, 建立多种土壤的综合与分类估计模型, 并导出适用特定类型土壤的SOC指数。 结果表明, 对多种土壤有机碳含量反演, 相较PLSR模型（决定系数R2和估计根均方误差RMSEE分别为0.69和0.45%）, BCR-OPLS模型的预测能力明显改善（R2和RMSEE分别为0.9和0.26%）; 而对单一类型土壤的反演精度则进一步提升, 根据载荷趋势和变量重要性建立的SOC指数, 预测如黄色铁铝土的有机碳含量时（以400, 590和920 nm）, 其反演结果R2达到0.94、 RMSEE达到0.21%。 双包络去除与OPLS相结合, 增强了光谱特征诊断的鲁棒性, 提高了不同类型土壤的综合与分类SOC全谱反演精度, 基于直观的图谱表达可构建简单的波段预测关系, 深化了物理经验吸收与统计多元回归之间的联系。
土壤有机碳 近红外光谱 包络去除法 偏度校正 Soil organic carbon Visible-near infrared spectra Continuum removal OPLS Orthogonal PLS Skewness correction
新疆大学理化测试中心, 新疆大学物理科学技术学院, 新疆 乌鲁木齐 830046
为建立薰衣草精油品种品质的快速辨别分析模型, 采用衰减全反射红外光谱法测定三个品种共96个薰衣草精油样品, 对原始光谱数据求二阶导数, 通过方差计算, 确定1 750～900 cm-1波长段为判别分析用数据。 分析结果表明, 主成分分析(PCA)基本能实现精油品种区分, 前三个主成分主要代表着酯、 醇和萜类物质。 使用68个样品的校正集建立正交偏最小二乘判别分析（OPLS-DA）模型, 三个品种薰衣草精油的回归曲线测定系数分别为0.959 2, 0.976 4, 0.958 8, 验证集中三个品种精油预测均方根误差（RMSEP）分别为0.142 9, 0.127 3, 0.124 9, OPLS-DA法建立的模型对校正集和验证集的判别率和预测率都达到100%, 模型对薰衣草精油品种品质有很好的识别能力。 为薰衣草精油品种品质提供一个快速、 直观的方法。
薰衣草精油 衰减全反射红外光谱 主成分分析 正交偏最小二乘辨别分析 Lavender essential oil ATR-FTIR PCA OPLS-DA
