Als ein unkonventionelles Pflanzenöl mit hohem wirtschaftlichem Wert und hohem Preis ist Perillaöl leicht mit preiswerten Speiseölen verfälscht. Aufgrund der Homogenität von Speiseölen und der Komplexität ihrer Zusammensetzung sind traditionelle Identifikationsmethoden schwer in der Lage, die Echtheit von Perillaöl schnell und genau zu unterscheiden. Diese Arbeit untersucht die Machbarkeit der Echtheitsbestimmung von Perillaöl durch UV-Visible-Spektroskopie in Kombination mit chemischem Mustererkennen. Zunächst wurden 40 reine Perillaölproben gekauft, und Sojaöl bzw. Palmöl wurden in bestimmten Verhältnissen zu reinem Perillaöl hinzugefügt, um 51 binäre und 63 ternäre Perillaöl-Verfälschungsproben herzustellen. Abhängig vom Identifikationsziel wurden aus insgesamt 154 Proben zwei Datensätze erhalten: ein binärer Datensatz zur Unterscheidung von echtem und verfälschtem Perillaöl, bestehend aus 40 reinen Perillaölproben und 114 verfälschten Proben; ein ternärer Datensatz, bestehend aus 40 reinen, 51 binären und 63 ternären verfälschten Perillaölproben. Anschließend wurden vier Methoden eingesetzt – Hauptkomponentenanalyse (PCA), Soft Independent Modeling of Class Analogy (SIMCA), Partial Least Squares-Discriminant Analysis (PLS-DA) und Extreme Learning Machine (ELM) – um diese beiden Datensätze der Reihe nach zu klassifizieren. Zur Visualisierung der Klassifikationsergebnisse wurde eine Konfusionsmatrix verwendet. Die Modellleistung wurde anhand von Genauigkeit, Präzision, Recall und F1-Score bewertet. Die Ergebnisse zeigten, dass PLS-DA das beste Modell für beide, den binären und den ternären Datensatz zur Echtheitsbestimmung von Perillaöl, mit Vorhersagegenauigkeiten von 98,04 % bzw. 100 % war. Daher kann die UV-Visible-Spektroskopie in Kombination mit chemischer Mustererkennung eine schnelle und genaue Echtheitsbestimmung von Perillaöl ermöglichen.

Perillaöl; UV-Visible-Spektroskopie; chemische Mustererkennung; Echtheitsbestimmung