基于反射光谱的油茶籽油掺伪量快速测定及特征波长特性研究

为了探索紫外-可见-近红外反射光谱测定油茶籽油掺伪量的方法，按照不同掺伪比例制备了244个油茶籽油掺伪大豆油、菜籽油、花生油、玉米油的样本，以自主搭建的实验平台采集所制备样本在200～1 100 nm范围内的反射光谱。将原始光谱进行Savitzky-Golay（SG）-连续小波变换（CWT）预处理后，利用Kennard-Stone（K-S）算法以2∶1的比例将样本划分成校正集和预测集。采用竞争性自适应重加权算法（CARS）、连续投影算法（SPA）、自主软收缩算法（BOSS）、迭代变量子集优化算法（IVSO）进行特征波长选择，分别建立基于支持向量机（SVM）、极限学习机（ELM）、随机森林（RF）的油茶籽油掺伪量快速预测模型，同时对特征波长的特性进行了研究。结果表明：原始光谱经过SG-CWT（L5）预处理和BOSS特征波长筛选后，建立的基于SVM的油茶籽油掺伪量快速预测模型能够鉴别掺伪量为1%及以上的油茶籽油，该模型在十折交叉验证和网格搜索法下得到最佳惩罚因子（c）和核函数（γ）分别为5.278 0和0.108 8,其预测决定系数（RP2）、预测均方根误差（RMSEP）、预测平均绝对误差（MAEP）分别为0.998 5、0.013 4、0.010 2。特征波长聚集程度和陡度对模型预测结果存在一定影响。综上，建立的基于反射光谱的油茶籽油掺伪量快速预测模型预测误差小，预测效果较好。