9.6.2近红外-中红外的光谱融合

近红外光谱的范围为4000～14250cm^-1，中红外的光谱范围为400～4000cm^-1，两个光谱范围刚好可以进行无缝衔接，因此采用将两种光谱直接连接的融合方法，组合成为一条光谱。本研究中食用油样本的近红外光谱采集范围为4000～12000cm^-1，中红外光谱采集范围为600～4500cm^-1，去掉中红外光谱中4000～4500cm^-1无用的信息部分，将两条光谱直接连接成范围为600～12000cm^-1的融合光谱。融合后的光谱如图9-57所示。

图9-57食用油近红外-中红外光谱图

9.6.3近红外-中红外融合光谱的酸值定量分析结果

融合光谱经最小一最大归一化的方法预处理后，采用PLS法建立食用油酸值指标的定量校正模型。建立的酸值模型如图9-58所示，校正模型的主成分数为9，决定系数R2为0.9949, RM-SECV为0.0151 ;测试样本交叉检验得到的预测结果模型的主成分数为9，决定系数R²为0.9924, RMSEP为0.0175，预测结果精度较高。

图9-58基于近红外-中红外融合光谱的食用油酸值模型结果图

图9-59基于近红外-中红外融合光谱的食用油过氧化值模型结果图

9.6.4近红外-中红外融合光谱的过氧化值定量分析结果

融合光谱经一阶导数＋SNV方法进行预处理后，采用PLS法建立食用油酸值指标的定量校正模型。建立的酸值模型如图9-59所示，校正模型的主成分数为10，决定系数R2为0.9979,RMSECV为0.0558;测试样本交叉检验得到的预测结果模型的主成分数为10，决定系数R²为0.984, RMSEP为0.143，预测结果较好。

9.6.5单一光谱与融合光谱方法的模型结果分析

采用单一的近红外或者中红外光谱方法与近红外-中红外融合光谱方法的食用油酸值、过氧化值定量分析模型结果见表9-23。从表中数据可以看出，近红外-中红外融合光谱方法的模型预测结果要优于单一的近红外或中红外方法，尤其是过氧化值的预测结果精度有了很大的提高，RMSEP值从0.114降低至0.0558，决定系数R²也从0.9637提高至0.984，预测结果明显得到改善，因此经过近红外-中红外融合后的光谱分析方法可以提高模型的预测精度，得到更为准确有效的定量预测模型。本研究结果表明，光谱融合分析方法进行食用油酸值和过氧化值的定量分析是可行的，并且有助于提高模型的预测精度，改善单一光谱技术的局限性，从而获得更优的预测分析结果。该方法值得继续深入研究和探讨。

表9-23近红外、中红外和近红外-中红外融合光谱方法的定量模型结果

9.7小结

在本章中分别采用了近红外、中红外和拉曼光谱法对食用油的脂肪酸、酸值和过氧化值进行定量分析检测。结果表明，3种光谱方法都可以进行食用油上述指标的定量预测分析。本章还探索研究了近红外与中红外光谱的融合分析方法，结果表明采用近红外-中红外融合方法进行定量检测的模型结果优于单一方法的模型结果，多光谱融合的方法可以提高定量分析模型的精度。