APP下载

基于Kalman滤波与DBN的油脂中TFAs含量近红外光谱分析

2021-03-09王立琦陈颖淑刘雨琪于殿宇

光谱学与光谱分析 2021年3期
关键词:油脂特征模型

王立琦,陈颖淑,刘雨琪,宋 旸,于殿宇,张 娜*

1. 哈尔滨商业大学计算机与信息工程学院/黑龙江省电子商务与信息处理重点实验室,黑龙江 哈尔滨 150028 2. 哈尔滨商业大学食品工程学院,黑龙江 哈尔滨 150076 3. 东北农业大学食品学院,黑龙江 哈尔滨 150030

引 言

近年来,食用油脂中反式脂肪酸(trans fatty acids,TFAs)含量超标问题已经引起了社会各界的广泛关注[1]。研究表明,TFAs能促进动脉硬化; 促成Ⅱ型糖尿病等多种疾病。1994年,世界卫生组织发表声明,提出食品中TFAs含量应控制在4%范围内[2]; 自2006年开始,美国食品药品监督管理局规定食品中的TFAs含量必须做出标注; 纽约市政府通过法案,决定从2007年起逐步禁用直至全面封杀餐饮业使用TFAs; 世界卫生组织已给出建议,认为食品中TFAs含量应在2%以下[3]。

油脂高温脱臭过程中,随着温度上升、时间延长,TFAs含量呈上升趋势[4]。测定油脂中TFAs含量的方法主要有色谱法、红外光谱法、毛细管电泳法等[5],但上述方法只适用于实验室检测,近红外光谱(near-infrared spectroscopy,NIR)分析技术能够弥补以上检测方法的缺陷,成为一种快速、高效、适合在线分析的有利工具[6]。莫欣欣[7]等利用NIR技术对超市中的几种食用植物油(菜籽油、玉米油、葵花籽油、花生油、大豆油、山茶油、稻米油、橄榄油以及调和油)中TFAs含量进行了快速定量检测。有研究利用近红外漫反射实现了食品中反式脂肪酸的快速测定,并利用SVM,KNN,PLSDA和SIMCA等方法建立了TFAs的识别模型,最终发现PLSDA效果最佳。本文针对大豆油脂加工脱臭过程中TFAs的产生和控制问题,提出一种基于Kalman滤波和深度信念网络(deep believe net,DBN)的油脂中TFAs含量检测方法,以期生产出低/零反式脂肪酸油脂产品。……

登录APP查看全文

猜你喜欢

油脂特征模型
一半模型
《中国油脂》征订启事
A taste of Peking duck
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
中国油脂
欢迎订阅2019年《中国油脂》
3D打印中的模型分割与打包
线性代数的应用特征