胡曉云，卞?；? , 3*，項 洋，張 環(huán)，魏俊富

1.天津工業(yè)大學省部共建分離膜與膜過程國家重點實驗室，環(huán)境科學與工程學院，天津 300387 2.青海大學省部共建三江源生態(tài)與高原農(nóng)牧業(yè)國家重點實驗室，青海 西寧 810016 3.宜賓學院過程分析與控制四川省高校重點實驗室，四川 宜賓 644000

引 言

食用油是人們獲取營養(yǎng)物質(zhì)的來源之一，中國食用油消費市場龐大，食用油調(diào)和油因其脂肪酸營養(yǎng)均衡和風味獨特在市場中占據(jù)重要地位。市場中食用油的種類參差不齊，價格差異也較大，導致一些商家在利益驅(qū)使下做出錯誤標注調(diào)和油配比的欺詐行為，例如夸大價格昂貴油的比例或加大廉價油的比例，極大損害了消費者的權益。針對此種現(xiàn)象，國家標準GB2716—2018明確規(guī)定食用植物調(diào)和油的標簽標識應注明各種食用植物油的比例。然而，仍然缺乏統(tǒng)一的調(diào)和油定量檢測參考方法。主要原因在于調(diào)和油成分復雜，定量檢測十分困難。因此，有關多元調(diào)和油快速準確定量檢測的研究對于調(diào)和油市場質(zhì)量控制具有重要意義。

目前可用于調(diào)和油定量分析的方法較多，大體上可分為兩類。一類為包括氣相色譜法和高效液相色譜法在內(nèi)的間接分析技術，需要樣品前處理和色譜柱分離，耗時費力。另一類為直接分析技術，無需樣品前處理，主要包括紫外光譜法、拉曼光譜法、熒光光譜法、傅里葉變換紅外光譜法、質(zhì)譜法、近紅外光譜法等[1]。然而，以往對于調(diào)和油定量分析的研究大多集中于二元、三元和四元調(diào)和油[2-3]，對于含有更多組分調(diào)和油的研究很少，難以滿足調(diào)和油檢測需求。原因是更高元數(shù)調(diào)和油組分更加復雜，定量分析更加困難。

近紅外光譜技術因其快速、無損、綠色、樣品無需預處理等優(yōu)點，已經(jīng)廣泛應用于農(nóng)業(yè)和食品[4]等領域。但由于復雜樣品的近紅外光譜的譜帶較寬，吸收峰重疊，基于近紅外光譜的定量分析需要借助化學計量學建立多元校正模型[5]。主成分回歸(principal component regression，PCR)、偏最小二乘(partial least squares，PLS)、支持向量回歸(support vector regression，SVR)、人工神經(jīng)網(wǎng)絡(artificial neural networks，ANN)和極限學習機(extreme learning machine，ELM)是近紅外光譜分析中常用的多元校正方法。其中PCR和PLS是線性方法，適用于變量內(nèi)部高度線性相關的問題。PLS克服了PCR只對光譜矩陣分解的缺點，可以有效地降低模型的維數(shù)，使建模結果更加準確可靠[6]。SVR，ANN和ELM為非線性方法。SVR是一種應用廣泛的機器學習算法，在解決小樣本、高維數(shù)據(jù)的回歸問題方面具有計算速度快、泛化能力強大的優(yōu)點[7]。ANN針對復雜的非線性變量數(shù)據(jù)具有明顯優(yōu)勢[8]。ELM是一種單隱藏層前饋神經(jīng)網(wǎng)絡算法，計算速度快且結構簡單[9]。有研究表明近紅外光譜結合化學計量學是實現(xiàn)調(diào)和油定量的良好分析工具[10-11]。近紅外光譜信號中的背景、噪聲、基線、雜散光的干擾會影響校正模型的準確性和穩(wěn)定性，因此通常需要對光譜進行預處理。常用的預處理方法有SG平滑(savitzky golag smoothing，SG smoothing)、一階導數(shù)(first derivative，1stDer)、二階導數(shù)(second derivative，2ndDer)、標準正態(tài)變量(standard normal variate，SNV)、多元散射校正(multiplicative scatter correction，MSC)和連續(xù)小波變換(continuous wavelet transform，CWT)等。SG平滑可以去除噪聲，提高信噪比。一、二級導數(shù)通常用于減少背景效應對信號的干擾。MSC和SNV是消除顆粒大小不同或分布不均引起散射效應的常用方法。CWT兼具了平滑和導數(shù)的作用，不僅可以去除噪聲，提高信噪比，而且可以扣除背景干擾[12]。由于光譜變量很多是冗余的非信息噪聲或與目標屬性無關的干擾變量，因此為了提高模型的預測性能和穩(wěn)定性，在建模前通常需要進行變量選擇。常用的變量選擇算法有蒙特卡羅無信息變量消除(Monte Carlo uninformative variable elimination，MCUVE)、隨機檢驗(randomization test，RT)和競爭性自適應重加權采樣(competitive adaptive reweighted sampling，CARS)等[13]。

本研究的目的是探討近紅外光譜結合化學計量學對五元調(diào)和油定量分析的可行性。五元調(diào)和油由玉米油、大豆油、稻米油、葵花油和芝麻油配制而成。考察了包括PCR，PLS，SVR，ANN和ELM五種多元校正方法對調(diào)和油各組分定量分析的建模效果以選取最佳建模方法。為了提高模型的預測準確性，比較了SG平滑、1stDer、2ndDer、MSC、SNV和CWT六種光譜預處理方法對模型預測性能的影響。最后在最佳預處理方法的基礎上進一步利用CARS和MCUVE算法篩選與預測組分相關的變量，以建立快速準確的五元調(diào)和油定量分析模型。

1 實驗部分

1.1 樣品

實驗采用玉米油、大豆油、稻米油、葵花油和芝麻油配制五元調(diào)和油樣品。五種食用油均是從天津大型超市購買的不同品牌的純油，其中常規(guī)食用油包括玉米油、大豆油、稻米油和葵花油購買自魯花、福臨門和金龍魚三個品牌，而由于芝麻油是非常規(guī)食用油，品牌眾多，因此除了魯花、福臨門和金龍魚三個品牌外，還購買了李錦記、思盼、李耳等品牌的芝麻油作為實驗樣品。將五種食用油配制成質(zhì)量分數(shù)均在0～40%的51個五元調(diào)和油樣品。對每個配制樣品手動振蕩后再超聲處理20 min，使其充分均勻混合。

1.2 近紅外光譜采集

實驗所用測試儀器為Vertex 70型多波段紅外/近紅外光譜儀(Bruker光學公司，德國)。以空氣為參比，在透射模式下采集樣品的近紅外光譜。近紅外光譜儀的掃描范圍為12 000～4 000 cm-1，每個光譜由32次連續(xù)掃描平均得到，分辨率為4 cm-1，掃描間隔1.93 cm-1，獲得4 148個波長點。每個樣品平行測量三次，然后計算平均光譜用于建模。

1.3 化學計量學方法

1.3.1 樣品集劃分

采用光譜-理化值共生距離(sample set partitioning based on joint x-y distances，SPXY)算法[14]將51個樣品劃分為包含38個樣品的校正集和13個樣品的預測集，分別用于建立校正模型和外部預測。與僅考慮光譜值X進行分區(qū)的Kennard-Stone(KS)算法相比，SPXY算法同時采用光譜值X和濃度值Y計算樣品間距離，可以更有效地覆蓋多維向量空間，改善樣本間差異性過小和預測模型泛化能力差的情況，以提高模型的預測性能。

1.3.2 多元校正方法

多元校正方法是建立樣本光譜信號與目標分析物含量之間定量分析模型必不可少的化學計量學工具，因此選取合適的多元校正方法是建立可靠定量模型的關鍵。為了建立穩(wěn)健且具有良好預測性能的五元調(diào)和油定量分析模型，分別研究了PCR，PLS，SVR，ANN和ELM五種多元校正方法的建模效果以選取最佳方法建立模型。

1.3.3 光譜預處理

在樣品檢測過程中，光譜常常會受到噪聲、背景、基線漂移、雜散光的干擾，因此需要對光譜數(shù)據(jù)進行預處理，以提高模型的預測性能?？疾炝薙G平滑、1stDer、2ndDer、MSC、SNV和CWT等六種光譜預處理方法對調(diào)和油各組分的預處理效果，并確定每種組分的最佳預處理方法。CWT處理時，玉米油、大豆油、稻米油、葵花油和芝麻油的最佳小波函數(shù)和分解尺度分別為db5，sym4，db19，coif5，db4以及37，22，40，40，25。

1.3.4 變量選擇

變量選擇是近紅外光譜建立多元校正定量模型過程中的關鍵步驟，在建立多元校正模型之前進行變量選擇可以去除噪聲和與目標屬性無關的干擾變量，從而提高模型的預測性能，使模型更加可靠。在預處理后光譜的基礎上，進一步采用了MCUVE和CARS兩種方法對光譜進行變量選擇。MCUVE利用蒙特卡羅技術確定訓練子集并建立大量PLS模型，基于在建模過程中得到的每個變量相應系數(shù)的穩(wěn)定性來篩選變量，穩(wěn)定性低于閾值的變量被淘汰。與MCUVE篩選變量的方法不同，CARS在每次蒙特卡羅采樣建模過程中，通過指數(shù)遞減函數(shù)強制變量選擇和自適應重加權采樣競爭變量選擇結合的方法選擇出PLS模型回歸系數(shù)絕對值大的變量。最終從N次蒙特卡羅采樣中選出交叉驗證均方根誤差(root mean squarederror of cross validation, RMSECV)最小值對應的變量子集。

1.4 模型的建立及評價

使用PLS建立模型，利用RMSECV來優(yōu)化模型的相關參數(shù)。采用預測均方根誤差(root mean squared error of prediction, RMSEP)、預測相關系數(shù)(correlation coefficientof prediction，Rp)和剩余預測偏差(residual predictive deviation，RPD)評價模型優(yōu)劣。RPD高于2.5的模型可認為是穩(wěn)健的，它適用于預測目標屬性[15]。

2 結果與討論

2.1 調(diào)和油近紅外光譜

圖1 五元調(diào)和油樣品近紅外光譜圖

2.2 多元校正方法的選擇

在優(yōu)化后參數(shù)的基礎上，分別采用PCR，PLS，SVR，ANN和ELM五種多元校正方法建立五元調(diào)和油中各組分油定量分析的模型，從而選取最佳的多元校正方法。五種多元校正方法對五元調(diào)和油各組分含量預測的RMSEP值，見表1。模型的RMSEP值越低，表明的模型預測準確性越好。從表1可以看出，除玉米油外，就其他組分而言，PLS模型的RMSEP值最低，具有最佳的預測準確性。此外，玉米油PLS模型的RMSEP值也較低。因此，選取PLS為最佳的多元校正方法，用于建立五元調(diào)和油各組分的定量分析模型。

表1 五種多元校正方法對五元調(diào)和油各組分含量預測的RMSEP值

2.3 光譜預處理的影響

盡管PLS為最佳建模方法，但所建立模型的預測性能仍不理想，尤其是葵花油。采用SG平滑、1stDer、2ndDer、MSC、SNV和CWT對光譜進行預處理，以提高模型的預測準確性。光譜預處理后，五元調(diào)和油各組分PLS模型含量預測的RMSEP值總結在表2中。如表2所示，除SNV和MSC外，SG平滑、CWT、1stDer和2ndDer均使調(diào)和油各組分PLS模型的RMSEP值不同程度降低。其中就玉米油而言，SG平滑使PLS模型的RMSEP值降低程度最大；就其他四種組分而言，CWT預處理的降低程度最大。因此，玉米油組分的最佳預處理方法為SG平滑，其他四種組分的最佳預處理方法為CWT。

表2 不同預處理方法結合PLS對五元調(diào)和油各組分含量預測的RMSEP值

SNV和MSC預處理效果不理想可能是由于調(diào)和油樣品粒徑分布均勻，光譜本身受散射光影響很小。SG平滑預處理前后的近紅外光譜圖如圖2所示。從圖2(a)調(diào)和油樣品光譜圖中看不出存在噪聲，但是將12 000～10 000 cm-1區(qū)域的光譜圖放大后如圖2(b)所示，可以看出光譜存在明顯的噪聲。而SG平滑預處理后12 000～10 000 cm-1區(qū)域的光譜圖如圖2(c)所示，不能看到明顯的光譜變化，但將12 000～10 000 cm-1區(qū)間光譜圖放大后如圖2(d)所示，可以看出光譜變得很平滑，噪聲被有效消除。因此，SG平滑因有效去除噪聲而具有較為理想的預處理效果。1stDer和2ndDer只具有減少背景效應的作用，雖然有一定的預處理效果但不如CWT預處理效果理想。CWT對四種組分都是最佳的預處理方法，從CWT預處理前后的光譜尋找原因。CWT預處理前后的近紅外光譜圖如圖3所示。從圖3(a)調(diào)和油樣品光譜圖中只能看到輕微的基線漂移，看不到存在噪聲，但將12 000～7 500 cm-1區(qū)域的光譜圖放大后如圖3(b)所示，可以看出光譜存在明顯的噪聲和基線漂移。CWT預處理后的光譜圖如圖3(c)所示，基線漂移得到明顯改善，進一步放大12 000～7 500 cm-1區(qū)域的光譜圖，見圖3(d)可以看出噪聲也被有效消除，且能看到增多的譜峰。因此，CWT具有除玉米油外的最佳預處理效果的原因是它兼具了平滑和求導的作用[17]，不僅可以有效消除噪聲，而且同時去除了基線漂移對信號的干擾并增強了光譜的分辨率。

圖2 SG平滑預處理前(a)和后(c)的近紅外光譜圖，其中(b)和(d)分別為(a)和(c)在12 000～10 000 cm-1區(qū)域的放大圖

圖3 CWT預處理前(a)和后(c)的近紅外光譜圖，其中(b)和(d)分別為(a)和(c)在12 000～7 500 cm-1區(qū)域的放大圖

2.4 變量選擇的影響

盡管光譜預處理后，PLS模型的預測準確性大大提高，但是用于建模的變量還包含很多非信息的和與目標屬性無關的干擾變量。為了進一步優(yōu)化模型性能，本研究采用了CARS和MCUVE算法在預處理后光譜的基礎上進一步進行變量選擇。

采用變量數(shù)、RMSECV值、校正集交叉驗證相關系數(shù)(correlation coefficients of cross validation，Rcv)和RPD評估與比較CARS和MCUVE兩種變量選擇方法對模型性能的影響，計算結果總結于表3中。RMSECV值越小，Rcv和RPD值越大，模型的預測性能越好。從表3可以看出，與全光譜模型相比，變量選擇后所有單組分油模型的變量數(shù)均顯著減少且CARS選擇的變量數(shù)均少于MCUVE。同時，基于選擇變量的模型在RMSECV，Rcv和RPD方面的結果更好。表明光譜預處理后，合適的變量選擇方法不僅可以降低模型復雜度，而且可以進一步提高模型的預測準確度。通過綜合比較，MCUVE在除玉米油和大豆油外的其他三種食用油模型中都比CARS結果略好。因此，玉米油和大豆油最佳變量選擇方法為CARS，而其他三種油的最佳變量選擇方法為MCUVE。

表3 不同方法校正集樣品各組分預測結果

五元調(diào)和油各組分最佳變量選擇方法所選變量的分布如圖4所示，作為參考，還在圖中繪制了平均光譜圖。綠色和藍色短豎線分別為玉米油SG-CARS-PLS模型和大豆油CWT-CARS-PLS模型選擇的變量，紅色、橙色和紫色短豎線分別為稻米油、葵花油和芝麻油CWT-MCUVE-PLS模型選擇的變量。需要說明的是變量選擇是基于統(tǒng)計標準的，不考慮化學因素，以篩選特征變量建立高質(zhì)量的校正模型為最終目的。從圖4可以看出，不同食用油組分選擇的變量不同，其中玉米油選擇變量的范圍主要集中在12 000～9 500 cm-1，其他四種食用油選擇變量的范圍主要集中在7 000～4 000 cm-1。因此，認為12 000～9 500 cm-1范圍的變量被玉米油模型選擇的概率更高，可能包含更多與玉米油含量相關的信息，上述討論中SG平滑通過去除主要存在于12 000～9 500 cm-1范圍的光譜噪聲而對玉米油具有最佳預處理效果的結論也與此相符。而7 000～4 000 cm-1范圍內(nèi)的變量被其他四種食用油模型選擇的概率更高，可能包含更多與它們含量相關的信息。

圖4 五元調(diào)和油各組分最佳變量選擇方法所選變量的分布圖

2.5 模型預測及評價

基于最佳的光譜預處理、變量選擇和多元校正方法分別建立調(diào)和油各組分最佳模型并用于預測集五元調(diào)和油樣品各組分含量的預測。圖5(a)—(e)和(f)—(j)分別顯示了PLS模型和最佳模型預測值和真實值間的相關關系。通過比較圖5(a)—(e)和(f)—(j)可以明顯看出，與PLS模型相比，最佳模型的點分布更加聚集且靠近回歸線，模型具有很好的相關性。此外，玉米油、大豆油、稻米油、葵花油和芝麻油最佳模型的RMSEP值分別由最初的5.564 4，5.559 2，3.592 6，7.421 8，4.193 0下降到1.955 3，0.562 4，1.145 0，1.619 0，1.067 1，預測準確度得到了很大的提升，各組分RPD均大于3且Rp均大于0.98，表明模型穩(wěn)健且具有良好的預測準確度。

圖5 五元調(diào)和油各組分建模的預測值與真實值間的相關關系圖

3 結 論

探討了近紅外光譜結合化學計量學對五元調(diào)和油中各單組分油定量分析的可行性。對比五種多元校正方法的建模效果得出PLS模型預測效果優(yōu)于其他模型。為了提高模型的預測準確度，進一步研究了六種光譜預處理和兩種變量選擇算法對PLS模型性能的影響以選取最佳方法。研究結果表明，最終建立的玉米油最佳模型為SG-CARS-PLS，大豆油最佳模型為CWT-CARS-PLS，稻米油、葵花油和芝麻油最佳模型均為CWT-MCUVE-PLS，最佳模型的RMSEP值分別為1.955 3，0.562 4，1.145 0，1.619 0和1.067 1，RPD值均大于3且Rp值均大于0.98，模型穩(wěn)健且具有良好的預測準確度。近紅外光譜結合化學計量學可以對五元調(diào)和油中各單組分油進行快速準確定量分析，是非常有前景的多元調(diào)和油定量分析工具。