智能信息處理技術(shù)在食用油脂酸價(jià)定量檢測(cè)中的應(yīng)用

□ 余 靜 河南省信陽(yáng)市平橋國(guó)家糧食儲(chǔ)備庫(kù)

1 智能化信息處理技術(shù)的選用及原理分析

食用油是人們?nèi)粘Ｉ畹幕炯Z食，能夠?yàn)槿藗兊捏w內(nèi)及時(shí)供應(yīng)脂肪酸與熱量，并幫助人們有效吸收脂溶性維生素。品質(zhì)過(guò)關(guān)的食用油，酸價(jià)會(huì)越小，說(shuō)明食用油的油脂的精練程度、新鮮度等質(zhì)量條件俱佳，達(dá)到了食用的安全標(biāo)準(zhǔn)。那么，人們應(yīng)該如何把關(guān)食用油的油脂酸價(jià)呢？傳統(tǒng)的方式是酸堿中和法，但由于檢測(cè)流程復(fù)雜，需要專業(yè)的人員借助設(shè)備才能夠完成，而且需在化學(xué)檢測(cè)時(shí)添加一定量的試劑，并不利于人們的身體健康和環(huán)境保護(hù)[1]。由此可見，快速檢測(cè)和環(huán)保檢測(cè)，是擺在糧食的檢驗(yàn)和防護(hù)工作面前的重大改革任務(wù)。在此筆者推薦采用近紅外光譜分析技術(shù)，將該技術(shù)與傳統(tǒng)化學(xué)計(jì)量結(jié)合在一起，提高食用油脂酸價(jià)定量檢測(cè)的效率和質(zhì)量。近紅外光譜分析技術(shù)食用油脂酸價(jià)定量檢測(cè)中具有高效、環(huán)保、操作簡(jiǎn)單和零損傷的優(yōu)勢(shì)，對(duì)提高食用油產(chǎn)品質(zhì)量、油脂加工流程在線檢測(cè)質(zhì)量等，都有著極其重要的創(chuàng)新意義。

近紅外光譜是智能化信息處理的一項(xiàng)重要技術(shù)，其技術(shù)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(tuán)，與近紅外光會(huì)產(chǎn)生非諧振振動(dòng)，此時(shí)在共振作用下，油脂基態(tài)分子吸收光能的同時(shí)，并開始往高能級(jí)躍進(jìn)，進(jìn)而產(chǎn)生能夠體現(xiàn)油脂分子結(jié)構(gòu)信息和化合物組成信息的吸收光譜，作為油脂酸價(jià)定量檢測(cè)的數(shù)據(jù)依據(jù)，并加以結(jié)合化學(xué)計(jì)量，就能夠快速探測(cè)食用油脂的品質(zhì)和結(jié)構(gòu)[2]。

2 近紅外光譜智能化信息處理技術(shù)的結(jié)合應(yīng)用

2.1 建模和剔除異常樣品

對(duì)食用油品質(zhì)進(jìn)行近紅外光譜分析，前提是建模和預(yù)測(cè)，建模需采集和制備食用油樣品，依次化學(xué)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(yù)測(cè)集，其中校正集需在預(yù)處理之后，建立校正模型，借助預(yù)測(cè)集驗(yàn)證模型，然后檢查預(yù)測(cè)值的誤差是否達(dá)到預(yù)期標(biāo)準(zhǔn)，最后輸出校正模型。而對(duì)食用油脂樣品酸價(jià)的預(yù)測(cè)，是制備油脂樣品，對(duì)樣品進(jìn)行光譜掃描，然后利用校正模型檢驗(yàn)樣品是否合適，最后輸出預(yù)測(cè)結(jié)果。合適樣品檢查后，對(duì)樣品組分含量進(jìn)行檢測(cè)，以確定樣品的光譜和化學(xué)值，將兩者用化學(xué)計(jì)量方式關(guān)聯(lián)在一起，作為校正模型建立的基礎(chǔ)。對(duì)于樣品的制備和化學(xué)值測(cè)定，相關(guān)參數(shù)是滴定時(shí)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(zhì)量、稱取樣品的試劑質(zhì)量，通過(guò)實(shí)驗(yàn)測(cè)量確定樣品酸價(jià)化學(xué)值的分布范圍[3]。至于光譜數(shù)據(jù)的采集，考慮到光譜數(shù)據(jù)對(duì)光源溫度比較敏感，要將儀器放在恒溫環(huán)境中，在預(yù)定范圍內(nèi)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(gè)波長(zhǎng)點(diǎn)數(shù)據(jù)，選取平均值作為最終光譜值。數(shù)據(jù)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(jié)果穩(wěn)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(gòu)筑模型，借助模型預(yù)測(cè)，如有樣品的預(yù)測(cè)結(jié)果與校正集樣品的誤差太大，說(shuō)明該樣品為異常樣品，要予以剔除。

2.2 油脂酸價(jià)波段選擇

為消除近紅外光譜采集信息時(shí)，附帶儀器電噪音和外界干擾信息等，在分析信息時(shí)，要通過(guò)選擇特征波段，將無(wú)用的信息剔除掉，這樣酸價(jià)檢測(cè)速度才會(huì)有所提升，其結(jié)果才更有針對(duì)性。綜合比較各種特征波段選擇方法，筆者推薦區(qū)間偏最小二乘方法，該方法要求設(shè)定相等寬度，將整個(gè)光譜區(qū)域進(jìn)行劃分，形成多個(gè)子區(qū)間，進(jìn)而構(gòu)筑回歸模型，從中通過(guò)驗(yàn)證得出最為合理的主成分?jǐn)?shù)，預(yù)測(cè)結(jié)果將作為波段選擇的標(biāo)準(zhǔn)。食用油脂酸價(jià)波段選擇，利用區(qū)間偏最小二乘方法進(jìn)行計(jì)算，平滑處理全譜數(shù)據(jù)，將噪聲等外界干擾消除，再劃分多個(gè)子區(qū)間，從每個(gè)區(qū)間當(dāng)中選取波段，形成校正集，作為校正模型構(gòu)建的基礎(chǔ)數(shù)據(jù)。值得一提的是，在劃分區(qū)間時(shí)，子區(qū)間數(shù)的大小要適中控制，既不能太大，也不能太小，否則可能出現(xiàn)遺漏細(xì)節(jié)信息或者破壞整體模型的情況。

2.3 確定小波分解層數(shù)

子區(qū)間波段選擇后，是確定小波分解層數(shù)，其層數(shù)分解的依據(jù)是信號(hào)長(zhǎng)度。根據(jù)光譜數(shù)據(jù)采樣的平均間隔，在指定波段內(nèi)界定采樣點(diǎn)，每個(gè)采樣點(diǎn)對(duì)應(yīng)一定長(zhǎng)度信號(hào)，比對(duì)研究不同分解層數(shù)的去噪效果。實(shí)驗(yàn)研究表明，當(dāng)小波分解層數(shù)越少，在原來(lái)信號(hào)中剔除噪音后信號(hào)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(shí)閾值方式的確定，是利用剔除噪音后的光譜數(shù)據(jù)，以及還沒有進(jìn)行預(yù)處理的光譜數(shù)據(jù)，構(gòu)建包括原始數(shù)據(jù)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(nèi)的PLS回歸校正模型，對(duì)每個(gè)模型的主成分、絕對(duì)誤差均值、相對(duì)誤差均值進(jìn)行統(tǒng)計(jì)對(duì)比。結(jié)果表明：在剔除噪音后，所有統(tǒng)計(jì)結(jié)果都會(huì)得到一定改善，側(cè)面說(shuō)明預(yù)處理近紅外光譜數(shù)據(jù)的必要性，以及確定分層閾值方式的剔除檢測(cè)噪音效果最佳。回歸模型預(yù)測(cè)結(jié)果是否達(dá)到預(yù)期標(biāo)準(zhǔn)，可隨機(jī)選取5個(gè)樣本，在校正集一致的情況下，作為驗(yàn)證集統(tǒng)計(jì)決定系數(shù)、驗(yàn)證誤差均方根、相對(duì)標(biāo)準(zhǔn)差，當(dāng)絕對(duì)誤差和相對(duì)誤差都不會(huì)超出既定范圍，表示所構(gòu)建的校正模型，能夠滿足食用油脂酸價(jià)定量檢測(cè)的標(biāo)準(zhǔn)。

2.4 變量?jī)?yōu)選實(shí)現(xiàn)

根據(jù)所確定的小波分解層數(shù)，實(shí)現(xiàn)變量?jī)?yōu)選，食用油脂酸價(jià)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(qiáng)的個(gè)體，完成下次迭代，再以遺傳算法優(yōu)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(jìn)化，此時(shí)涉及交叉概率，即兩個(gè)個(gè)體的交換，進(jìn)而形成全新的兩個(gè)體，由于染色體來(lái)自原先的個(gè)體。因此新個(gè)體會(huì)有父輩的個(gè)體特征。在出現(xiàn)變異時(shí)，則要進(jìn)行聯(lián)反運(yùn)算，盡管發(fā)生概率很低，但在對(duì)應(yīng)基因取值范圍內(nèi)，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(wěn)定。根據(jù)光譜特征波長(zhǎng)優(yōu)選遺傳算法，食用油脂的酸價(jià)檢測(cè)編碼，采用二進(jìn)制編碼，結(jié)合個(gè)體適應(yīng)度的高低，交叉兩兩配對(duì)，在自由搜索空間范內(nèi)移動(dòng)，讓可能出現(xiàn)的變異均勻選擇，最后重復(fù)選擇，直至最大繁殖代數(shù)時(shí)停止。遺傳算法過(guò)程中，參數(shù)控制最為關(guān)鍵，由于在較低的交叉概率中執(zhí)行，所預(yù)測(cè)的誤差不能超過(guò)標(biāo)準(zhǔn)偏差，否則“父代”和“子代”的代溝會(huì)很大，不利于全局優(yōu)解。實(shí)驗(yàn)結(jié)果表明，在波長(zhǎng)特征4 540～5 246 cm-1和 6 810～7 004 cm-1中優(yōu)選食用油脂酸價(jià)特征波長(zhǎng)，最大繁殖代數(shù)達(dá)到了100，但變異率僅有0.01，說(shuō)明可得出最佳油脂酸價(jià)的最佳變量子集，相比于傳統(tǒng)的變量檢測(cè)，檢測(cè)速度更快、檢測(cè)質(zhì)量更高。

3 結(jié)語(yǔ)

本文通過(guò)研究，選擇近紅外光譜分析作為食用油脂酸價(jià)定量檢測(cè)的智能信息處理技術(shù)，由于這種技術(shù)操作簡(jiǎn)單，且檢測(cè)效果好，無(wú)論是本次研究的理論成果，還是實(shí)踐應(yīng)用成果，都可看出這種技術(shù)的可塑造性，以及技術(shù)推廣的必要性。至于其他糧食的定量檢測(cè)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(guān)細(xì)節(jié)，要求結(jié)合實(shí)際檢測(cè)工作進(jìn)行調(diào)整。