智能信息處理技術在食用油脂酸價定量檢測中的應用

□ 余 靜 河南省信陽市平橋國家糧食儲備庫

1 智能化信息處理技術的選用及原理分析

食用油是人們日常生活的基本糧食，能夠為人們的體內及時供應脂肪酸與熱量，并幫助人們有效吸收脂溶性維生素。品質過關的食用油，酸價會越小，說明食用油的油脂的精練程度、新鮮度等質量條件俱佳，達到了食用的安全標準。那么，人們應該如何把關食用油的油脂酸價呢？傳統的方式是酸堿中和法，但由于檢測流程復雜，需要專業的人員借助設備才能夠完成，而且需在化學檢測時添加一定量的試劑，并不利于人們的身體健康和環境保護[1]。由此可見，快速檢測和環保檢測，是擺在糧食的檢驗和防護工作面前的重大改革任務。在此筆者推薦采用近紅外光譜分析技術，將該技術與傳統化學計量結合在一起，提高食用油脂酸價定量檢測的效率和質量。近紅外光譜分析技術食用油脂酸價定量檢測中具有高效、環保、操作簡單和零損傷的優勢，對提高食用油產品質量、油脂加工流程在線檢測質量等，都有著極其重要的創新意義。

近紅外光譜是智能化信息處理的一項重要技術，其技術的原理是近紅外光照射食用油樣品，與樣品分子頻率一樣的含氫原子團，與近紅外光會產生非諧振振動，此時在共振作用下，油脂基態分子吸收光能的同時，并開始往高能級躍進，進而產生能夠體現油脂分子結構信息和化合物組成信息的吸收光譜，作為油脂酸價定量檢測的數據依據，并加以結合化學計量，就能夠快速探測食用油脂的品質和結構[2]。

2 近紅外光譜智能化信息處理技術的結合應用

2.1 建模和剔除異常樣品

對食用油品質進行近紅外光譜分析，前提是建模和預測，建模需采集和制備食用油樣品，依次化學分析樣品和光譜掃描樣品，將存在異樣的樣品剔除，劃分出樣品的校正集和預測集，其中校正集需在預處理之后，建立校正模型，借助預測集驗證模型，然后檢查預測值的誤差是否達到預期標準，最后輸出校正模型。而對食用油脂樣品酸價的預測，是制備油脂樣品，對樣品進行光譜掃描，然后利用校正模型檢驗樣品是否合適，最后輸出預測結果。合適樣品檢查后，對樣品組分含量進行檢測，以確定樣品的光譜和化學值，將兩者用化學計量方式關聯在一起，作為校正模型建立的基礎。對于樣品的制備和化學值測定，相關參數是滴定時氫氧化鉀溶液消耗的體積、氫氧化鉀溶液的濃度、氫氧化鉀溶液的摩爾質量、稱取樣品的試劑質量，通過實驗測量確定樣品酸價化學值的分布范圍[3]。至于光譜數據的采集，考慮到光譜數據對光源溫度比較敏感，要將儀器放在恒溫環境中，在預定范圍內透射光譜掃描油脂樣品，以大約4 cm-1的分辨率，采集至少2 000個波長點數據，選取平均值作為最終光譜值。數據采集之后，開始剔除異常樣品和選擇校正集樣品，異常樣品是那些影響回歸結果穩定的樣品。這些樣品的光譜異常，為提高樣品剔除的效率，筆者建議利用校正集樣品構筑模型，借助模型預測，如有樣品的預測結果與校正集樣品的誤差太大，說明該樣品為異常樣品，要予以剔除。

2.2 油脂酸價波段選擇

為消除近紅外光譜采集信息時，附帶儀器電噪音和外界干擾信息等，在分析信息時，要通過選擇特征波段，將無用的信息剔除掉，這樣酸價檢測速度才會有所提升，其結果才更有針對性。綜合比較各種特征波段選擇方法，筆者推薦區間偏最小二乘方法，該方法要求設定相等寬度，將整個光譜區域進行劃分，形成多個子區間，進而構筑回歸模型，從中通過驗證得出最為合理的主成分數，預測結果將作為波段選擇的標準。食用油脂酸價波段選擇，利用區間偏最小二乘方法進行計算，平滑處理全譜數據，將噪聲等外界干擾消除，再劃分多個子區間，從每個區間當中選取波段，形成校正集，作為校正模型構建的基礎數據。值得一提的是，在劃分區間時，子區間數的大小要適中控制，既不能太大，也不能太小，否則可能出現遺漏細節信息或者破壞整體模型的情況。

2.3 確定小波分解層數

子區間波段選擇后，是確定小波分解層數，其層數分解的依據是信號長度。根據光譜數據采樣的平均間隔，在指定波段內界定采樣點，每個采樣點對應一定長度信號，比對研究不同分解層數的去噪效果。實驗研究表明，當小波分解層數越少，在原來信號中剔除噪音后信號的能量比例就越高，表示噪音剔除的效果就越好。小波剔除噪音時閾值方式的確定，是利用剔除噪音后的光譜數據，以及還沒有進行預處理的光譜數據，構建包括原始數據模型、缺省閾值去噪模型、分層閾值去噪模型、Penalty去噪模型在內的PLS回歸校正模型，對每個模型的主成分、絕對誤差均值、相對誤差均值進行統計對比。結果表明：在剔除噪音后，所有統計結果都會得到一定改善，側面說明預處理近紅外光譜數據的必要性，以及確定分層閾值方式的剔除檢測噪音效果最佳。回歸模型預測結果是否達到預期標準，可隨機選取5個樣本，在校正集一致的情況下，作為驗證集統計決定系數、驗證誤差均方根、相對標準差，當絕對誤差和相對誤差都不會超出既定范圍，表示所構建的校正模型，能夠滿足食用油脂酸價定量檢測的標準。

2.4 變量優選實現

根據所確定的小波分解層數，實現變量優選，食用油脂酸價的基本操作選擇GA，即遺傳算法，在選擇方面是在所有油脂樣品中，選擇生命力比較強的個體，完成下次迭代，再以遺傳算法優勝劣汰地選擇。在交叉充足方面，主要考慮的是食用油脂的生物遺傳與進化，此時涉及交叉概率，即兩個個體的交換，進而形成全新的兩個體，由于染色體來自原先的個體。因此新個體會有父輩的個體特征。在出現變異時，則要進行聯反運算，盡管發生概率很低，但在對應基因取值范圍內，這種選擇操作方法，可有效避免有用遺傳信息的丟失，保障遺傳算法全局搜索能力的穩定。根據光譜特征波長優選遺傳算法，食用油脂的酸價檢測編碼，采用二進制編碼，結合個體適應度的高低，交叉兩兩配對，在自由搜索空間范內移動，讓可能出現的變異均勻選擇，最后重復選擇，直至最大繁殖代數時停止。遺傳算法過程中，參數控制最為關鍵，由于在較低的交叉概率中執行，所預測的誤差不能超過標準偏差，否則“父代”和“子代”的代溝會很大，不利于全局優解。實驗結果表明，在波長特征4 540～5 246 cm-1和 6 810～7 004 cm-1中優選食用油脂酸價特征波長，最大繁殖代數達到了100，但變異率僅有0.01，說明可得出最佳油脂酸價的最佳變量子集，相比于傳統的變量檢測，檢測速度更快、檢測質量更高。

3 結語

本文通過研究，選擇近紅外光譜分析作為食用油脂酸價定量檢測的智能信息處理技術，由于這種技術操作簡單，且檢測效果好，無論是本次研究的理論成果，還是實踐應用成果，都可看出這種技術的可塑造性，以及技術推廣的必要性。至于其他糧食的定量檢測工作，均可借助近紅外光譜分析，其方法可參考借鑒本文的研究，但相關細節，要求結合實際檢測工作進行調整。