作者：卞希慧，劉雨，王瑤，張強(qiáng)，張妍*
關(guān)鍵字：紫蘇油，紫外可見(jiàn)光譜，化學(xué)模式識(shí)別，真?zhèn)舞b別
論文來(lái)源：期刊
具體來(lái)源：分析測(cè)試學(xué)報(bào), 2024
發(fā)表時(shí)間：2025年
作為高經(jīng)濟(jì)價(jià)值且昂貴的非常規(guī)植物油，紫蘇油易被低價(jià)食用油摻假。由于食用油的勻質(zhì)性及其組成的復(fù)雜性，傳統(tǒng)鑒別方法難以快速準(zhǔn)確地鑒別真?zhèn)巍１疚奶剿髁俗贤饪梢?jiàn)光譜結(jié)合化學(xué)模式識(shí)別對(duì)紫蘇油真?zhèn)舞b別的可行性。首先購(gòu)買了40個(gè)純紫蘇油樣品，并將大豆油、棕果油分別按一定的比例加入到純紫蘇油中配制了51個(gè)二元摻偽和63個(gè)三元摻偽紫蘇油樣品，然后根據(jù)鑒別目的不同，將154個(gè)總樣品劃分為兩個(gè)數(shù)據(jù)集，一個(gè)是由40個(gè)純紫蘇油和114個(gè)摻偽紫蘇油構(gòu)成的真?zhèn)巫咸K油二分類數(shù)據(jù)集，另一個(gè)是由40個(gè)純紫蘇油、51個(gè)二元摻偽和63個(gè)三元摻偽紫蘇油構(gòu)成的真?zhèn)巫咸K油三分類數(shù)據(jù)集。采用主成分分析（principal component analysis, PCA）、獨(dú)立簇類軟模式（soft independent modeling of class analogy, SIMCA）、偏最小二乘-判別分析（partial least squares-discriminant analysis, PLS-DA）和極限學(xué)習(xí)機(jī)（extreme learning machine, ELM）四種方法，依次對(duì)以上兩個(gè)數(shù)據(jù)集進(jìn)行分類。同時(shí)為了評(píng)估各數(shù)據(jù)集在不同分類模型的表現(xiàn)，使用混淆矩陣可視化預(yù)測(cè)結(jié)果。結(jié)果表明，在二分類和三分類中，PLS-DA均為最佳模型，準(zhǔn)確率分別為98.04%和100%。因此，紫外可見(jiàn)光譜結(jié)合化學(xué)模式識(shí)別可以實(shí)現(xiàn)真?zhèn)巫咸K油的快速準(zhǔn)確鑒別。