一種利用光譜法測定農(nóng)產(chǎn)品中植物油脂的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于物質(zhì)檢測領(lǐng)域，特別是涉及利用光譜檢測化學成分的方法，具體是涉及一種利用光譜法測定農(nóng)產(chǎn)品中植物油脂的方法。
【背景技術(shù)】
[0002]植物油脂是由脂肪酸和甘油化合而成的天然高分子化合物，廣泛分布于自然界中。凡是從植物種子、果肉及其它部分提取所得的脂肪統(tǒng)稱植物油脂。
[0003]其中，脂肪酸是由碳、氫、氧三種元素組成的一類化合物，是中性脂肪、磷脂和糖脂的主要成分。脂肪酸根據(jù)碳鏈長度的不同又可將其分為短鏈脂肪酸(short chain fattyacids，SCFA)，其碳鏈上的碳原子數(shù)小于6，也稱作揮發(fā)性脂肪酸(volatile fatty acids,VFA);中鏈脂肪酸(Midchain fatty acids，MCFA)，指碳鏈上碳原子數(shù)為6_12的脂肪酸，主要成分是辛酸(C8)和癸酸(ClO);長鏈脂肪酸(Longchain fatty acids，LCFA)，其碳鏈上碳原子數(shù)大于12。動物能合成所需的飽和脂肪酸和油酸這類只含I個雙鍵的不飽和脂肪酸，含有2個或2個以上雙鍵的多雙鍵脂肪酸則必須從植物中獲取，故后者稱為必需脂肪酸，其中亞麻酸和亞油酸最重要。
[0004]生活中消費者對農(nóng)產(chǎn)品中脂肪含量越來越重視，尤其是對于養(yǎng)生者，因此，消費者在選擇農(nóng)產(chǎn)品時對其脂肪的要求也越來越關(guān)注，而目前對農(nóng)產(chǎn)品脂肪的測定常以破壞性化學分析或者在實驗室使用昂貴的實驗儀器分析為主，這些方法都需要將農(nóng)產(chǎn)品損壞，并且不能進行現(xiàn)場測試分析，測試過程繁瑣、不利于消費者直接、快速知道農(nóng)產(chǎn)品中脂肪酸含量的情況。同時，目前未有專利技術(shù)公開利用光譜法測定農(nóng)產(chǎn)品中總脂肪、飽和脂肪(酸)、不飽和脂肪(酸)的方法，尤其是對農(nóng)產(chǎn)品在無損狀態(tài)下對農(nóng)產(chǎn)品進行檢測。

【發(fā)明內(nèi)容】

[0005]為了克服上述測定方法所存在的各種缺陷，本發(fā)明提供了一種利用光譜法測定農(nóng)產(chǎn)品中植物油脂的方法，該方法包括如下步驟:
[0006]A.利用化學檢測方法測量同一農(nóng)產(chǎn)品的η個樣品中植物油脂含量，得到相應(yīng)植物油脂化學檢測數(shù)據(jù)，其中50;
[0007]B.在光譜范圍為800-2500nm下，對同一農(nóng)產(chǎn)品的η個樣品進行非破壞性的光譜測量，得到相應(yīng)植物油脂光譜數(shù)據(jù)，其中n 2 50;
[0008]C.利用光譜數(shù)據(jù)和化學檢測數(shù)據(jù)建立農(nóng)產(chǎn)品植物油脂檢測的數(shù)據(jù)模型，數(shù)據(jù)模型嵌入數(shù)據(jù)運算服務(wù)器；
[0009]D.針對待檢農(nóng)產(chǎn)品在800-2500nm下進行光譜數(shù)據(jù)收集，將所收集的光譜數(shù)據(jù)輸入數(shù)據(jù)運算服務(wù)器，同時選擇需要檢測的農(nóng)產(chǎn)品品種；
[0010]E.運算服務(wù)器根據(jù)所需要檢測的產(chǎn)品品種匹配數(shù)據(jù)模型并進行運算，獲得所檢測農(nóng)產(chǎn)品的植物油脂含量。
[0011 ]所述步驟C數(shù)據(jù)模型建立的方法，包括如下步驟:
[0012]步驟1:用光源發(fā)射兼光譜收集的裝置發(fā)射光斑照射待檢測的農(nóng)產(chǎn)品樣品Al，并收集農(nóng)產(chǎn)品樣品Al反射回來的光譜，采用光譜分析設(shè)備確定所收集的光譜的波長及吸光度，形成農(nóng)產(chǎn)品樣品Al的光譜數(shù)據(jù)；
[0013]步驟I1:對農(nóng)產(chǎn)品樣品Al進行化學分析，分析植物油脂含量，形成農(nóng)產(chǎn)品樣品的化學檢測數(shù)據(jù)；
[0014]步驟II1:將農(nóng)產(chǎn)品Al的光譜數(shù)據(jù)和化學檢測數(shù)據(jù)錄入同一數(shù)據(jù)庫，形成數(shù)據(jù)映射XI；
[0015]步驟IV:重復上述步驟1、步驟II和步驟III，對農(nóng)產(chǎn)品樣品A2至Αη+1進行η次重復，形成η組光譜數(shù)據(jù)和對應(yīng)的η組化學檢測數(shù)據(jù)，將光譜數(shù)據(jù)和化學檢測數(shù)據(jù)錄入同一數(shù)據(jù)庫，形成η組數(shù)據(jù)映射的數(shù)據(jù)映射集合；
[0016]步驟V:將上述數(shù)據(jù)庫中數(shù)據(jù)映射集合中的光譜數(shù)據(jù)選取2-100個波長的吸光度數(shù)值與化學檢測數(shù)據(jù)進行對應(yīng)，確定2-100個波長吸光度變化與化學檢測數(shù)據(jù)變化的定量關(guān)系;
[0017]步驟V1:將上述步驟的定量關(guān)系嵌入運算服務(wù)器，采集農(nóng)產(chǎn)品新樣品AX的光譜數(shù)據(jù)，將其錄入數(shù)據(jù)庫的同時，選取步驟V確定的2-100個波長錄入運算服務(wù)器，計算出未進行實際檢測的農(nóng)產(chǎn)品新樣品化學數(shù)據(jù)，同時將該化學數(shù)據(jù)輸出到顯示端和數(shù)據(jù)庫，并在數(shù)據(jù)庫中與農(nóng)產(chǎn)品新樣品AX的光譜數(shù)據(jù)形成測量數(shù)據(jù)映射；
[0018]步驟VI1:根據(jù)步驟I至步驟VI所形成的數(shù)據(jù)庫和運算服務(wù)器上的定量關(guān)系，將數(shù)據(jù)庫和運算服務(wù)器相連，同時設(shè)置數(shù)據(jù)庫的數(shù)據(jù)輸入端和數(shù)據(jù)輸出端、設(shè)置運算服務(wù)器的數(shù)據(jù)輸入端和數(shù)據(jù)輸出端，形成農(nóng)產(chǎn)品的光譜數(shù)據(jù)模型。
[0019]上述步驟IV中建立數(shù)據(jù)映射集合的方法具體是:
[0020]I)光譜數(shù)據(jù)輸入光譜數(shù)據(jù)庫中，按照納米級建立數(shù)據(jù)條，每個納米級波長定義為一個數(shù)據(jù)條，將每個納米級波長數(shù)據(jù)和波長強度數(shù)據(jù)錄入數(shù)據(jù)庫中，形成光譜數(shù)據(jù)庫中的光譜數(shù)據(jù)條，光譜范圍中的納米波長數(shù)量k對應(yīng)形成相應(yīng)數(shù)量的光譜數(shù)據(jù)條k;例如波長范圍為1000-1500納米，則有501條光譜數(shù)據(jù)條，k為501，每個光譜數(shù)據(jù)條包括波長和強度；[0021 ] 2)化學檢測數(shù)據(jù)輸入化學數(shù)據(jù)庫中，將化學檢測數(shù)據(jù)按所檢測成分的數(shù)量建立數(shù)據(jù)條，照成分建立數(shù)據(jù)條，每個成分定義為一條數(shù)據(jù)條，將每個成分名稱及成分含量錄入數(shù)據(jù)庫中，形成化學數(shù)據(jù)庫中的成分數(shù)據(jù)條，成分的數(shù)量對應(yīng)形成相應(yīng)數(shù)量的成分數(shù)據(jù)條;例如某物體的化學檢測數(shù)據(jù)中有5中成分，則有5條數(shù)據(jù)條，分別為Y1、Y2……Υ5，每個數(shù)據(jù)條包括成分名稱和成分含量;或者將化學檢測數(shù)據(jù)進行排列組合，然后將所有排列組合作為數(shù)據(jù)條數(shù)據(jù)數(shù)據(jù)庫，排列組合；
[0022]3)將光譜表中的一條光譜數(shù)據(jù)條對應(yīng)化學數(shù)據(jù)表中的所有成分數(shù)據(jù)條，形成映射數(shù)據(jù)組，對應(yīng)原則是一條光譜數(shù)據(jù)條分別對應(yīng)各成分數(shù)據(jù)條，形成單光譜和多成分對應(yīng)的映射數(shù)據(jù)組;例如光譜數(shù)據(jù)條為乂1000，成分數(shù)據(jù)條為￥1、￥2、￥3、￥4、￥5，則針對1000納米的單光譜和多成分對應(yīng)的映射數(shù)據(jù)組為{Χ1000Υ1，Χ1000Υ2，Χ1000Υ3，Χ1000Υ4，Χ1000Υ5};
[0023]按照上述建立映射數(shù)據(jù)組的方法，將光譜表中的所有光譜數(shù)據(jù)條與化學數(shù)據(jù)表中所有成分數(shù)據(jù)條進行分別對應(yīng)，形成所有映射數(shù)據(jù)組的集合，即為映射數(shù)據(jù)集合;例如光譜數(shù)據(jù)條為501條，成分數(shù)據(jù)條為5條，則一次檢測所形成的光譜數(shù)據(jù)和化學檢測數(shù)據(jù)的映射數(shù)據(jù)集合中包含501 X 5 = 2505條數(shù)據(jù)，該2505條數(shù)據(jù)即為物體該次檢測的映射數(shù)據(jù)集合。
[0024]如果對該物體的不同樣品進行η次檢測，則形成η個映射數(shù)據(jù)集合，將η個映射數(shù)據(jù)集合統(tǒng)一輸入一個單獨的數(shù)據(jù)庫中，則形成該物體映射數(shù)據(jù)庫。
[0025]上述η大于等于50，更加優(yōu)選的，η大于等于100。
[0026]優(yōu)選的，所述光譜的波長范圍為800-1800nm，或光譜的波長范圍為1500-2500。
[0027]優(yōu)選的，所述農(nóng)產(chǎn)品為植物油脂成分含量差異值在0-50%的同類農(nóng)產(chǎn)品。所述植物油脂成分含量差異值是指各農(nóng)產(chǎn)品樣品中植物油脂含量的絕對值與各農(nóng)產(chǎn)品樣品中植物油脂含量的平均值的比值的百分數(shù)。
[0028]優(yōu)選的，所述光譜數(shù)據(jù)為波長為800-1800nm的1001個波長的波長和強度的數(shù)據(jù)集合，或者光譜數(shù)據(jù)為波長為1500-2500的1001個波長的波長和強度的數(shù)據(jù)集合。
[0029]優(yōu)選的，所述農(nóng)產(chǎn)品包括葉菜類、水果類、糧食類、塊莖類、果菜類。進一步優(yōu)選的，所述水果類為蜜桔、臍橙、蘋果、梨、草莓、獼猴桃。所述果菜類為黃瓜、茄子、西紅柿、芋頭、杏仁、蘿卜、絲瓜。
[0030]優(yōu)選的，所述步驟A中化學檢測方法為GB/T 22223-2008。
[0031]本發(fā)明的方法中，光譜數(shù)據(jù)為通過光譜收集裝置收集的不同波長的光能量，通過光轉(zhuǎn)化信號裝置轉(zhuǎn)化為光譜數(shù)據(jù)，光譜數(shù)據(jù)一般要求具有光譜強度，即使某波長光波強度為零，則在光譜數(shù)據(jù)也需要記載。
[0032]與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果:
[0033]1、本發(fā)明檢測時，只需對農(nóng)產(chǎn)品進行簡單的清洗或切割，當農(nóng)產(chǎn)品的皮厚大于1_以上時，才對農(nóng)產(chǎn)品切開得到斷面，對得到的斷面進行光譜測量得到農(nóng)產(chǎn)品中具體的脂肪酸甲酯含量，總脂肪的含量(包括所有順勢和反式脂肪酸構(gòu)型)，各種單飽和脂肪(酸)含量和單不飽和脂肪(酸)含量。對農(nóng)產(chǎn)品所含有的油脂分析全面。該方法只在必要時對農(nóng)產(chǎn)品進行切割，不需對農(nóng)產(chǎn)品進行化學處理或更多的機械處理。檢測方法更簡單和便捷。
[0034]2、采用光譜技術(shù)分析測定，分析速度快，能隨時檢測，方便快捷；
[0035]3、本發(fā)明的光譜數(shù)據(jù)和化學檢測數(shù)據(jù)的映射方法充分考慮不同農(nóng)產(chǎn)品的組成特性，可以根據(jù)需要同時測定不同農(nóng)產(chǎn)品中植物油脂含量；
[0036]4、本發(fā)明提供的光譜數(shù)據(jù)和化學成分數(shù)據(jù)之間的建模方法可方便更新基礎(chǔ)數(shù)據(jù)庫，提供大而可靠的數(shù)據(jù)，提高檢測精確度，減少人為誤差。
[0037]5、本發(fā)明方法建立的數(shù)據(jù)模型所基于的光譜數(shù)據(jù)是針對農(nóng)產(chǎn)品大于等于50個樣品及樣品的各個部位所反射回來的光譜數(shù)據(jù)，所搜集的光譜數(shù)據(jù)齊全，光譜數(shù)據(jù)模型無需校正即能對農(nóng)產(chǎn)品中植物油脂的含量進行準確的測量。同時，本發(fā)明中同一數(shù)據(jù)模型適用于農(nóng)產(chǎn)品中植物油脂成分含量差異值在0-50 %內(nèi)，這樣檢測結(jié)果更準確。
【具體實施方式】
[0038]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合實施例，對本發(fā)明進行進一步詳細說明，但本發(fā)明要求保護的范圍并不局限于實施例表達的范圍。
[0039]實施例1
[0040]—種利用光譜法測定干蘑菇中植物油脂的方法，該方法具體如下:
[0041 ] 采用GB/T 22223-2008測量100粒干蘑菇中植物油脂含量，得到相應(yīng)植物油脂化學檢測數(shù)據(jù);在光譜范圍為800-2300nm下，對相應(yīng)的100粒干蘑菇進行非破壞性的光譜測量，得到相應(yīng)植物油脂光譜數(shù)據(jù);利用光譜數(shù)據(jù)和化學檢測數(shù)據(jù)建立農(nóng)產(chǎn)品植物油脂檢測的數(shù)據(jù)模型，數(shù)據(jù)模型嵌入數(shù)據(jù)運算服務(wù)器;其中，建立農(nóng)產(chǎn)品植物油脂檢測的數(shù)據(jù)模型的光譜數(shù)據(jù)是選取了4個波長范圍(分別為2000-2300nm，1300-1400nm，1000-1100nm，900-950nm)的吸光度數(shù)值與相應(yīng)的化學檢測數(shù)據(jù)進行對應(yīng)，來確定該4個波長吸光度變化與化學檢測數(shù)據(jù)變化的定量關(guān)系