智能信息处理技术在食用油脂酸价定量检测中的应用

□ 余 静 河南省信阳市平桥国家粮食储备库

1 智能化信息处理技术的选用及原理分析

食用油是人们日常生活的基本粮食，能够为人们的体内及时供应脂肪酸与热量，并帮助人们有效吸收脂溶性维生素。品质过关的食用油，酸价会越小，说明食用油的油脂的精练程度、新鲜度等质量条件俱佳，达到了食用的安全标准。那么，人们应该如何把关食用油的油脂酸价呢？传统的方式是酸碱中和法，但由于检测流程复杂，需要专业的人员借助设备才能够完成，而且需在化学检测时添加一定量的试剂，并不利于人们的身体健康和环境保护[1]。由此可见，快速检测和环保检测，是摆在粮食的检验和防护工作面前的重大改革任务。在此笔者推荐采用近红外光谱分析技术，将该技术与传统化学计量结合在一起，提高食用油脂酸价定量检测的效率和质量。近红外光谱分析技术食用油脂酸价定量检测中具有高效、环保、操作简单和零损伤的优势，对提高食用油产品质量、油脂加工流程在线检测质量等，都有着极其重要的创新意义。

近红外光谱是智能化信息处理的一项重要技术，其技术的原理是近红外光照射食用油样品，与样品分子频率一样的含氢原子团，与近红外光会产生非谐振振动，此时在共振作用下，油脂基态分子吸收光能的同时，并开始往高能级跃进，进而产生能够体现油脂分子结构信息和化合物组成信息的吸收光谱，作为油脂酸价定量检测的数据依据，并加以结合化学计量，就能够快速探测食用油脂的品质和结构[2]。

2 近红外光谱智能化信息处理技术的结合应用

2.1 建模和剔除异常样品

对食用油品质进行近红外光谱分析，前提是建模和预测，建模需采集和制备食用油样品，依次化学分析样品和光谱扫描样品，将存在异样的样品剔除，划分出样品的校正集和预测集，其中校正集需在预处理之后，建立校正模型，借助预测集验证模型，然后检查预测值的误差是否达到预期标准，最后输出校正模型。而对食用油脂样品酸价的预测，是制备油脂样品，对样品进行光谱扫描，然后利用校正模型检验样品是否合适，最后输出预测结果。合适样品检查后，对样品组分含量进行检测，以确定样品的光谱和化学值，将两者用化学计量方式关联在一起，作为校正模型建立的基础。对于样品的制备和化学值测定，相关参数是滴定时氢氧化钾溶液消耗的体积、氢氧化钾溶液的浓度、氢氧化钾溶液的摩尔质量、称取样品的试剂质量，通过实验测量确定样品酸价化学值的分布范围[3]。至于光谱数据的采集，考虑到光谱数据对光源温度比较敏感，要将仪器放在恒温环境中，在预定范围内透射光谱扫描油脂样品，以大约4 cm-1的分辨率，采集至少2 000个波长点数据，选取平均值作为最终光谱值。数据采集之后，开始剔除异常样品和选择校正集样品，异常样品是那些影响回归结果稳定的样品。这些样品的光谱异常，为提高样品剔除的效率，笔者建议利用校正集样品构筑模型，借助模型预测，如有样品的预测结果与校正集样品的误差太大，说明该样品为异常样品，要予以剔除。

2.2 油脂酸价波段选择

为消除近红外光谱采集信息时，附带仪器电噪音和外界干扰信息等，在分析信息时，要通过选择特征波段，将无用的信息剔除掉，这样酸价检测速度才会有所提升，其结果才更有针对性。综合比较各种特征波段选择方法，笔者推荐区间偏最小二乘方法，该方法要求设定相等宽度，将整个光谱区域进行划分，形成多个子区间，进而构筑回归模型，从中通过验证得出最为合理的主成分数，预测结果将作为波段选择的标准。食用油脂酸价波段选择，利用区间偏最小二乘方法进行计算，平滑处理全谱数据，将噪声等外界干扰消除，再划分多个子区间，从每个区间当中选取波段，形成校正集，作为校正模型构建的基础数据。值得一提的是，在划分区间时，子区间数的大小要适中控制，既不能太大，也不能太小，否则可能出现遗漏细节信息或者破坏整体模型的情况。

2.3 确定小波分解层数

子区间波段选择后，是确定小波分解层数，其层数分解的依据是信号长度。根据光谱数据采样的平均间隔，在指定波段内界定采样点，每个采样点对应一定长度信号，比对研究不同分解层数的去噪效果。实验研究表明，当小波分解层数越少，在原来信号中剔除噪音后信号的能量比例就越高，表示噪音剔除的效果就越好。小波剔除噪音时阈值方式的确定，是利用剔除噪音后的光谱数据，以及还没有进行预处理的光谱数据，构建包括原始数据模型、缺省阈值去噪模型、分层阈值去噪模型、Penalty去噪模型在内的PLS回归校正模型，对每个模型的主成分、绝对误差均值、相对误差均值进行统计对比。结果表明：在剔除噪音后，所有统计结果都会得到一定改善，侧面说明预处理近红外光谱数据的必要性，以及确定分层阈值方式的剔除检测噪音效果最佳。回归模型预测结果是否达到预期标准，可随机选取5个样本，在校正集一致的情况下，作为验证集统计决定系数、验证误差均方根、相对标准差，当绝对误差和相对误差都不会超出既定范围，表示所构建的校正模型，能够满足食用油脂酸价定量检测的标准。

2.4 变量优选实现

根据所确定的小波分解层数，实现变量优选，食用油脂酸价的基本操作选择GA，即遗传算法，在选择方面是在所有油脂样品中，选择生命力比较强的个体，完成下次迭代，再以遗传算法优胜劣汰地选择。在交叉充足方面，主要考虑的是食用油脂的生物遗传与进化，此时涉及交叉概率，即两个个体的交换，进而形成全新的两个体，由于染色体来自原先的个体。因此新个体会有父辈的个体特征。在出现变异时，则要进行联反运算，尽管发生概率很低，但在对应基因取值范围内，这种选择操作方法，可有效避免有用遗传信息的丢失，保障遗传算法全局搜索能力的稳定。根据光谱特征波长优选遗传算法，食用油脂的酸价检测编码，采用二进制编码，结合个体适应度的高低，交叉两两配对，在自由搜索空间范内移动，让可能出现的变异均匀选择，最后重复选择，直至最大繁殖代数时停止。遗传算法过程中，参数控制最为关键，由于在较低的交叉概率中执行，所预测的误差不能超过标准偏差，否则“父代”和“子代”的代沟会很大，不利于全局优解。实验结果表明，在波长特征4 540～5 246 cm-1和 6 810～7 004 cm-1中优选食用油脂酸价特征波长，最大繁殖代数达到了100，但变异率仅有0.01，说明可得出最佳油脂酸价的最佳变量子集，相比于传统的变量检测，检测速度更快、检测质量更高。

3 结语

本文通过研究，选择近红外光谱分析作为食用油脂酸价定量检测的智能信息处理技术，由于这种技术操作简单，且检测效果好，无论是本次研究的理论成果，还是实践应用成果，都可看出这种技术的可塑造性，以及技术推广的必要性。至于其他粮食的定量检测工作，均可借助近红外光谱分析，其方法可参考借鉴本文的研究，但相关细节，要求结合实际检测工作进行调整。