Поскольку масло периллы является высокоэкономически ценным и дорогостоящим нетрадиционным растительным маслом, оно часто подделывается дешевым пищевым маслом. Из-за гомогенности пищевых масел и сложности их состава традиционные методы идентификации затрудняют быструю и точную проверку подлинности масла периллы. В данной работе исследована возможность идентификации подлинности масла периллы с помощью ультрафиолетово-видимого спектроскопического анализа в сочетании с химическим распознаванием образцов. Сначала было закуплено 40 чистых образцов масла периллы, а также с добавлением соевого и пальмового масел в определенных пропорциях было изготовлено 51 бинарная и 63 тройная смеси с подделками масла периллы. В зависимости от цели идентификации из общего числа 154 образцов сформировано два набора данных: первый — бинарный набор для классификации подлинного и поддельного масла периллы, состоящий из 40 чистых и 114 поддельных образцов; второй — триклассовый набор, состоящий из 40 чистых, 51 бинарной и 63 тройной подделок масла периллы. Затем с использованием четырех методов — главного компонентного анализа (PCA), мягкой независимой классификации (SIMCA), частичных наименьших квадратов с дискриминантным анализом (PLS-DA) и экстремального машинного обучения (ELM) — был проведен классификационный анализ этих двух наборов данных. Для визуализации результатов классификации была использована матрица ошибок, а производительность моделей оценена по точности, прецизионности, полноте и F1-мере. Результаты показали, что модель PLS-DA была наилучшей для обоих наборов данных бинарной и триклассовой классификации, с точностью прогнозирования 98,04% и 100% соответственно. Таким образом, сочетание ультрафиолетово-видимого спектра и химического распознавания образцов позволяет быстро и точно различать подлинное и поддельное масло периллы.

масло периллы; ультрафиолетово-видимый спектр; химическое распознавание образцов; идентификация подлинности