摘要

利用气相色谱和近红外光谱技术对不同植物源的4种食用油(葵花籽油、大豆油、玉米油和花生油)进行表征分析,基于表征数据分别建立了偏最小二乘判别分析(PLS-DA)模型,并在此基础上探究了数据级数据融合方法,构建了基于色谱和光谱数据融合的不同植物源食用油判别方法与模型。主成分分析(PCA)结果显示,气相色谱判别分析主要是依据脂肪酸组成信息,近红外光谱主要是基于样本中含氢化学键的表征进行分类。数据融合模型的灵敏度和特异度均为1.000,分类误差为0.000,降低了交互验证的平均分类误差,模型具有良好的稳健性。与基于单一数据的模型结果相比,数据融合分析策略提高了模型的分类精度和鲁棒性。