[发明专利]植物油的过氧化值快速检测方法

摘要

一种植物油的过氧化值快速检测方法，涉及一种过氧化值检测方法，该方法包括步骤S1.建模样本的准备，S2.建模样本的过氧化值的测定，S3.建模样本拉曼光谱的采集，S4.采用双校正集建立最佳预测模型，S5.待测样本的过氧化值测定：采集待测样本的拉曼光谱，提取建模波段光谱，求取待测样本的光谱与参比光谱的角度值，代入最佳预测模型，测得待测样本的过氧化值。本发明通过采集植物油样本的拉曼光谱数据，结合角度度量法建立植物油过氧化值的预测模型，实现了对大批量植物油的过氧化值快速检测，具有模型准确性好和稳定性高、抗干扰能力强的特点，易于在植物油的过氧化值快速检测中推广使用。

主权项

1.一种植物油的过氧化值快速检测方法，其特征在于：该方法包括如下步骤：S1. 建模样本的准备；S2. 建模样本的过氧化值的测定：测定各建模样本的过氧化值，作为建模用实测值；S3. 建模样本拉曼光谱的采集；S4. 采用双校正集建立最佳预测模型；对建模样本的拉曼光谱进行分析处理，将建模样本的过氧化值按顺序排列，选择出校正集A 和校正集B，并选取过氧化值最高的建模样本的拉曼光谱作为参比光谱M，确定体系最佳主成分数z，进行最优区间分割步长确定，建立最佳预测模型；S5. 待测样本的过氧化值测定：采集待测样本的拉曼光谱，提取建模波段光谱，求取待测样本的光谱与参比光谱的角度值，代入最佳预测模型，测得待测样本的过氧化值；步骤S2包括如下具体内容：测定各建模样本的过氧化值，作为建模用实测值，其中校正集A的过氧化值实测值为C1，校正集B的过氧化值实测值为C2；步骤S4包括如下具体内容：S41.对建模样本的拉曼光谱进行分析，提取建模特征波段光谱和波数点m，并对光谱采用二阶微分平滑处理；S42.将建模样本按过氧化值从小到大的顺序排列，按照一定间隔选取q个样本作为建模校正集B ，该校正集B由m个波数点，q个建模样本数构成，即B为m×q维的拉曼光谱数据矩阵；剩余建模样本p个作为校正集A ，该校正集A由m个波数点、p个建模样本数构成，即A 为m×p维的拉曼光谱数据矩阵；S43.选取过氧化值最高的建模样本的拉曼光谱作为参比光谱M，该参比光谱M为m×1维矩阵；S44.确定体系最佳主成分数z：采用留一交互验证方法，利用交互验证均方根误差RMSECV值确定体系的最佳主成分数；S45.最优区间分割步长确定、模型建立：分别将校正集A、校正集B、过氧化值实测值C1、C2和参比光谱M导入计算程序，取主成分数为z，分割步长为k(k=1,2,….m)时，则分割区间n为m/k取整值；此时A、B、M均分为n段，即A=[A1,A2,……An]，B=[B1,B2,……Bn]，M=[M1,M2,…….Mn]；根据向量点积公式求得A与M的夹角余弦矩阵cosθ、B与M的夹角余弦矩阵 cosφ，其中，cosθ=[ cosθ1，cosθ2，……，cosθn‑1，cosθn]，cosφ=[ cosφ1，cosφ2，……，cosφn‑1，cosφn]；将cosθ与C1、cosφ与C2进行PLS拟合，得到预测模型；根据预测模型得到校正集A中过氧化值的预测值C1’和校正集B中过氧化值的预测值C2’；分别比较C1’与C1和C2’与C2，得到校正集A的实测值与预测值的相关系数Rc1、校正集B的实测值与预测值的相关系数Rc2，以及校正集A的实测值与预测值之间的均方根误差RMSEC1 、校正集B的实测值与预测值之间的均方根误差RMSEC2；循环计算，直到所得的相关系数Rc1、Rc2最大，均方根误差RMSEC1 、RMSEC2最小，输出最佳分割步长为k，并得到最佳预测模型。