Como um óleo vegetal não convencional de alto valor econômico e caro, o óleo de perilla é facilmente adulterado com óleos comestíveis de baixo custo. Devido à homogeneidade dos óleos comestíveis e à complexidade de sua composição, os métodos tradicionais de identificação têm dificuldade em distinguir rápida e precisamente a autenticidade do óleo de perilla. Este artigo explora a viabilidade da identificação da autenticidade do óleo de perilla combinando espectroscopia UV-visível com reconhecimento químico de padrões. Primeiramente, foram adquiridas 40 amostras puras de óleo de perilla, e óleos de soja e palma foram adicionados em certas proporções para preparar 51 amostras de perilla adulterado binário e 63 amostras de perilla adulterado ternário. Com base no objetivo de identificação, dois conjuntos de dados foram obtidos a partir de um total de 154 amostras, um conjunto de classificação binária constituído por 40 amostras puras e 114 amostras adulteradas, e outro conjunto de classificação ternária composto por 40 amostras puras, 51 adulterações binárias e 63 adulterações ternárias. Em seguida, foram aplicados quatro métodos – análise de componentes principais (PCA), modelagem independente suave por cluster (SIMCA), análise discriminante por mínimos quadrados parciais (PLS-DA) e máquina de aprendizado extremo (ELM) – para classificar esses dois conjuntos de dados em sequência. A matriz de confusão foi usada para visualizar os resultados da classificação, e o desempenho dos modelos foi avaliado por precisão, exatidão, sensibilidade e pontuação F1. Os resultados mostraram que, para os conjuntos de dados binário e ternário, PLS-DA foi o melhor modelo, com precisão preditiva de 98,04% e 100%, respectivamente. Portanto, a espectroscopia UV-visível combinada com o reconhecimento químico de padrões pode realizar uma identificação rápida e precisa da autenticidade do óleo de perilla.

óleo de perilla; espectroscopia UV-visível; reconhecimento químico de padrões; identificação de autenticidade