Diese Studie verwendet Wenguang-Öl als Beispiel mit einem 5%-Gradienten, es wurden manuell Wenguang-Öl-Proben mit einem Gehalt von 0% bis 100% Wenguang-Öl hergestellt und deren Nahinfrarotspektren aufgenommen. Zur Identifikation von Mischölen wurde die Partial Least Squares-Discriminant Analysis (PLS-DA) verwendet, um Erkennungsmethoden für Mischöle verschiedener Sorten zu entwickeln, wobei verschiedene Vorverarbeitungsmethoden verglichen, ausgewählt und die Modellleistung optimiert wurden. Mittels Partial Least Squares Regression (PLSR) wurde ein Vorhersagemodell für Mischverhältnisse erstellt, das durch verschiedene spektrale Vorverarbeitungsmethoden und Wellenlängenauswahlmethoden optimiert wurde. Die Ergebnisse zeigen, dass durch Faltung der ersten Ableitung (1st Dec) das PLS-DA-Modell eine Erkennungsgenauigkeit von 98% für Mischöle verschiedener Sorten erreicht hat; in Kombination mit 1st Dec und kompetitiv-adaptivem Neugewichtungs-Stichprobenvariablenauswahlverfahren (CARS) lagen die relativen Vorhersagefehler (RPD) für Nahinfrarotspektrenmodelle der Mischöle verschiedener Sorten im Wenguang-Öl bei 5,90, 40,00, 5,20 und 4,90, was eine gute Vorhersageleistung zeigt. Die Studie realisierte die qualitative und quantitative Analyse von Wenguang-Öl-Proben mit unterschiedlichen Mischsorten und -verhältnissen und bietet eine explorative Forschung zur schnellen Qualitätskontrolle der Mischung von Wenguang-Öl.

Wenguang-Öl;Mischung;Nahinfrarotspektroskopie;qualitative Analyse;quantitative Analyse