1.样本制备
为模拟假冒芝麻油，本实验的样本均为实验室配制的样本，各种类的食用油采购自北京市各大超市，均为正品保质的食用油；芝麻香精和食用色素为网络渠道获取。样本配制前进行了调研，调研结果表明常用于芝麻油造假的食用油为价格相对廉价的大豆油和菜籽油等，因此选购了不同品牌不同批次的大豆油3种（金龙鱼精纯一级大豆油1.8L、福临门一级大豆油1.8L、九三非转基因大豆油1.8L）、菜籽油3种（金龙鱼外婆乡小榨菜籽油900mL、盈成双低菜籽油1.8L、鲁花压榨特香菜籽油2L）、玉米油3种（多力甾醇玉米油1.8L、福临门非转基因玉米油1.8L、金龙鱼非转基因玉米胚芽油1.8L）、芝麻香精4种[尚味芝麻精油500g、唯美佳芝麻精油500g、蜀荣芝麻香精（油体）500g、永乐芝麻油香精500g]、红棕色食用色素1种（雷檬红棕色食用色素500g）进行假冒芝麻油的样本配制。
用滴管在每150mL基础食用油中加入适量芝麻油香精，使其闻上去与芝麻油味道相同为止，并加入适量红棕色食用色素调色。假冒的芝麻油样本共计（3+3+3）×4=36个，与纯正芝麻油样本24个共计60个样本建立假冒芝麻油鉴别的定性分析模型。
2.光谱采集
对配制好的假冒芝麻油样本采集其近红外和中红外光谱，样本无需任何化学试剂处理，直接采用Bruker公司的VERTEX 70傅里叶红外光谱仪进行光谱采集，得到的光谱如图8-17～图8-19所示。
图8-17 大豆油掺入芝麻香精和色素的光谱图
图8-18 菜籽油掺入芝麻香精和色素的光谱图
3.模型建立与测试(www.xing528.com)
由于掺入了芝麻香精和色素，使得假冒的芝麻香油与纯芝麻油之间有了成分的差别，因此采集到的中红外光谱数据也有一定的区别。但是由于假冒芝麻油的底油是其他种类的食用油且掺入的芝麻香精和色素量非常少，因此与纯芝麻油的成分区别并不大，中红外光谱的吸收峰出峰点基本相同，整体上对比掺入芝麻香精和色素的假冒芝麻油的中红外光谱和纯芝麻油的中红外光谱图，无法直观地区别出4条光谱有什么明显差异。将光谱波长范围2800～3000cm-1的光谱图进行局部放大，如图8-20所示，可以看到4条光谱曲线在吸收峰处细微的不同之处，因此可以结合模式识别算法进行定性分析来区别是否为假冒的芝麻油。
图8-19 玉米油掺入芝麻香精和色素的光谱图
图8-20 4类样本的中红外光谱局部放大图
将12个大豆油掺入芝麻香精和色素的掺伪样本、12个菜籽油掺入芝麻香精和色素的掺伪样本、12个玉米油掺入芝麻香精和色素的掺伪样本以及24个纯芝麻油样本的中红外光谱图转为光谱数据表，每张光谱有2021个数据点，形成60个实验样本的数据表。通过MATLAB软件实现ELM分类算法，建立假冒芝麻油的定性分析模型，经过多次计算比较，隐层节点个数可以设定为2以上的任意数值，激活函数可任意选择S型函数、正弦函数。随机分配40个训练集样本和20个测试集样本，类别1表示纯正芝麻油的类别，类别2表示掺入芝麻香精和色素的假冒芝麻油样本的类别。
建模分析结果训练集分类准确率为100%（40/40），测试集预测分类准确率为100%（20/20）。测试集预测结果如图8-21所示，其中圆圈符号表示样本的真实类别，星形符号表示通过ELM算法进行预测的分类。结果表明掺入芝麻香精和色素的假冒芝麻油样本和纯正的芝麻油样本都能够正确分类，预测准确率为100%。改变ELM算法的隐层节点个数和激活函数类型都不会改变模型的训练和预测结果，分类结果全部正确，预测模型稳定性较高。
图8-21 基于中红外光谱的假冒芝麻油和纯芝麻油的预测分类结果
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
