反射光谱结合光谱基二维卷积回归网络快速检测食用油中饱和脂肪酸

作者：翁士状^*; 储昭结; 王满琴; 王年

来源：光谱学与光谱分析, 2022, 42(05): 1490-1496.

• 食用油
• 饱和脂肪酸
• 反射光谱
• 卷积神经网络

人们日常膳食中常见的食用油含有丰富的饱和脂肪酸，饱和脂肪酸能为人体提供能量和必须营养物质，但过量摄入会导致多种心血管疾病。结合反射率光谱和深度学习方法发展一种食用油中饱和脂肪酸含量的分析方法。首先，测量了菜籽油、大豆油、葵花籽油、玉米油、橄榄油、芝麻油及花生油等7种食用植物油350～2 500 nm范围的反射光谱，并通过气相色谱-质谱分析法获得其软脂酸、花生酸及山嵛酸等饱和脂肪酸的含量。使用中心化、多元散射校正、标准正态变量变换及标准化等算法做光谱预处理消除光谱噪声。然后，构建了一种新型的二维光谱卷积回归网络(S2DCRN)用于脂肪酸分析，而全卷积网络(FCN)、偏最小二乘回归(PLSR)、支持向量回归(SVR)及随机森林(RF)用于与S2DCRN模型相对比。最后，采用序列前向选择(SFS)、随机蛙跳(RFrog)及遗传算法选取光谱特征的重要波长，进而构建更为简单稳健的分析模型。实验结果表明，对食用油的全光谱预处理后，S2DCRN模型性能最优，其模型对预测集的决定系数(Rp2)达到0.987 9,均方根误差(RMSEP)为0.510 0。基于重要波长的S2DCRN模型，RFrog-SFS为S2DCRN提供了最佳的预测结果Rp2=0.967 9, RMSEP=0.462 7。虽然变量选择后所取得的分析效果略差，但光谱波长数目不足全光谱的1%,节省了光谱数据采集工作并大幅降低了模型复杂度，有助于后续便携式简化检测装置的研发。为进一步探究S2DCRN模型的通用性能，S2DCRN被用于食用油中花生酸和山嵛酸含量分析。其中，S2DCRN对花生酸的预测结果较好Rp2=0.950 1, RMSEP=0.152 9。所提出的S2DCRN可实现反射率光谱对食用油中多种脂肪酸的准确快速分析。

• 单位
  安徽大学