近红外光谱技术是近年来发展起来的一种快速、无损、方便的检测技术，其应用越来越广泛。化学计量学是一门新兴的交叉学科，在提取分析信息、光谱预处理以及模型的建立等方面具有自身的优势。近红外光谱技术与化学计量学的结合在定性判别和定量分析检测中都有很重要的应用，为食品安全检测提供了解决问题的新途径和新方法。食用油是人们膳食结构中不可缺少的重要组成部分，其质量优劣对人体健康有着重要的影响。传统食用油品质检测主要以化学方法为主，往往需要多种化学仪器和试剂，样品需要预处理，操作繁琐，耗时费力。该文是以食用植物油为研究对象，利用近红外光谱分析技术和化学计量学分析方法，开展食用植物油品质检测及鉴别方法的研究，并得出以下结论：

（1）研究了剔除异常样品的两种方法:马氏距离法及学生残差与杠杆值法。首先通过马氏距离法对310个样品中计算得出294、301和304号样品得光谱为光谱异常；然后进行学生残差与杠杆值检验，最终棕搁酸模型剔除了69、140和204号样品，硬脂酸模型剔除了140、297、305、306和309号样品，油酸模型剔除了18、32和140号样品，亚油酸模型剔除了32、140、297、305、306和309号样品，亚麻酸模型剔除了32、65、69、99、140和309号样品，论文中对挑出的异常样品进行了逐一分析。

（2）过聚类分析来划分校正集样本203个，预测集样本103个。再对校正集样本运用AKS算法进一步筛选，Log[Det（M_n）]的数值来计算最佳样本数，选取196个样本的最佳样本集作为校正模型时的预测结果与203个校正集样本作为校正模型相比，无论是交互验证均方根偏差RMSECV，还是预测均方根偏差RMSEP有所减小，预测准确度得到了提局。

（3）对3种食用量最大的食用植物油，研究利用红外光谱分析技术结合基于主成分分析的SIMCA模式识别方法对他们进行了定性分析。180个食用植物油样品光谱经二阶导数和Min/Max归一化预处理后，建立SIMCA模型。模型在训练过程中菜籽油和芝麻油分别有1个被误判，模型的识别率均为97.5%，花生油模型的识别率为100%。而在预测时，只有芝麻油模型的识别率是97.5%，菜籽油和花生油模刑的识别率都为1(j(j%，对于SIMCA模型对非知类样本的拒绝率，3类模型都达到100%。因此可以说，采用红外光谱结合SIMCA分类方法所进行的模式识别，对于不同品种食用植物汕的分类和预测是可行的。研究还利用自制的有机溶液浸提的大豆油、核桃油和葵花籽油的光谱对SIMCA模型进行了验证，结果证明SIMCA模型对非知类样本的拒绝率达到了100%。

（4）研究分别利用红外光谱分析技术结合SIMCA模式识别方法和PLS+BP神经网络的方法对同类植物油的不同制取工艺进行了识别分析。首先通过SIMCA方法分别对3种植物油的制取工艺进行识别分析，菜籽油、花生油和芝麻油的预测准确率分别为80%、75%和95%；然后用PLS+BP神经网络的方法对预测结果不理想的菜籽油和花生油进行了识别分析，通过反复试验，比较了不同的预处理方法，选择了最佳的模型参数使预测准确率达到最高。菜籽油和花生油的光谱经SGF平滑+Min/Max处理后，用P璐十BP网络建模，预测准确率分别达到了100%和90%，说明用中红外光谱分析法识别植物油的制取工艺是基木可行的。

• .用近红外光谱定性分析技术进行纯芝麻油、纯大豆油以及两者不同比例的掺混油的鉴别方法的研究。对比分析了系统聚类法、主成分分析法、BP人工神经网络法所建鉴别模型的精度，可知主成分分析结合BP人工神经网络法建立的掺混植物油鉴别定性分析模型最优，预测集样品的正确鉴别率为%.15%。结果表明，主成分分析结合BP人工神经网络法可以良好的区分纯芝麻油、纯大豆油和两者的掺混油。

• 1.1研究背景与意义

  近几十年来，随着中国食用植物油工业的快速发展，人们对食用植物油品质的需求也越来越高。食用植物油是人类获得蛋白质、能量、维生素和矿物质等营养成分的重要来源，食用植物油品质的好坏，关系到人类的健康、生活质量和生命安全。影响消费者选择食用植物油的主要因素包括营养价值、物理特性以及食用品质等。因此，为了满足消费者的需求，精确评估食用植物油品质变得非常重要。这也促使了人们对食用植物油品质的评价方法进行了广泛的研究。

  传统的评估食用植物油品质的分析手段具有费时、费事、费钱、破坏性并且不适合大批量检测等缺点。现代近红外光谱（NIRS)分析技术是近年来分析化学领域迅猛发展的高新分析技术，引起越来越多的国内外分析专家的注意，在分析化学领域被誉为分析“巨人”，它的出现可以说给分析技术带来了又一次革命。NIRS技术主要是利用物质分子内部分子振动的倍频与合频信息，几乎包括了有机物中所有含氡基团（C-H、0-H、N-H、S-H等）的信息，信息量极为丰富，因此分析范围几乎可覆盖所有的有机化合物和混合物。在农业领域NIRS分析可用于与蛋白质、氨基酸、脂肪、淀粉、水分以及其它营养成分有关的分析。与常规分析技术不同，NIRS是一种间接分析技术，必须通过建立校正模型来实现对未知样品的定性或定量分析。具体的分析过程主要包括以下几个步骤：一是选择有代表性的样品并测量其近红外光谱；二是采用标准或认可的参考方法测定需要建模的组分或性质数据；三是将测量的光谱和基础数据，用适当的化学计量方法建立校正模型；四是利用近红外光谱分析仪器对未知样品进行扫描光谱并利用所建校正模型对未知样品组分或性质进行测定。由NIRS分析技术的工作过程可见，现代NIRS分析技术包括了近红外光谱仪、化学计量学软件和应用模型三部分，是将光谱测量技术、计算机技术、化学计量学技术与基础测试技术的有机结合。与传统的化学分析法相比，NIRS技术具有敏感、快速、无损、廉价、样品前处理简单、可以同时检测多项食用植物油指标等优势。其独有的诸多优点，决定了它应用领域的广阔，使其在国民经济发展的许多行业中都能发挥积极作用，并逐渐扮演着不可或缺的角色。越来越多的研究表明，NIRS分析技术可以用来检测食用植物油的质量。因此，NIRS技术将是科研和食用植物油品质控制非常受欢迎的分析技术。