Mithilfe von Gaschromatographie und Nahinfrarotspektroskopie wurde eine charakteristische Analyse von vier verschiedenen pflanzlichen Speiseölen (Sonnenblumenöl, Sojaöl, Maisöl und Erdnussöl) durchgeführt. Basierend auf den Charakterisierungsdaten wurden unterschiedlich PLS-DA (Partial Least Squares Discriminant Analysis)-Modelle aufgebaut. Darauf aufbauend wurden Datenfusion auf Datenebene erkundet und Methoden und Modelle zur Unterscheidung verschiedener pflanzlicher Speiseöle basierend auf der Fusion von chromatographischen und spektralen Daten entwickelt. Ergebnisse der Hauptkomponentenanalyse (PCA) zeigten, dass die Gaschromatographie die Unterscheidung hauptsächlich auf Basis der Fettsäurezusammensetzung vornimmt, während die Nahinfrarotspektroskopie vor allem auf der Charakterisierung der Wasserstoffchemiebindungen in den Proben basiert. Das Datenfusionsmodell erreichte eine Sensitivität und Spezifität von 1,000, eine Klassifikationsfehlerquote von 0,000, was den durchschnittlichen Klassifikationsfehler in der Kreuzvalidierung reduzierte und das Modell zeigte eine gute Robustheit. Im Vergleich zu Modellergebnissen, die auf einzelnen Daten basieren, verbesserte die Datenfusionsanalyse die Klassifikationsgenauigkeit und Robustheit des Modells.

Speiseöl;pflanzliche Herkunft;Diskriminanzanalyse;Gaschromatographie;Nahinfrarotspektroskopie;Datenfusion