В данном исследовании на примере масла венечного ореха с градацией 5% были искусственно приготовлены образцы масла венечного ореха с содержанием от 0% до 100% и собраны их спектры ближнего инфракрасного излучения. Для решения задачи идентификации смешанного масла венечного ореха использовался метод частичных наименьших квадратов с дискриминантным анализом (PLS-DA) для построения методов распознавания масел разных сортов, была проведена оптимизация производительности модели с использованием различных методов предобработки. Для построения модели прогнозирования доли смешанного масла использовался частичный наименьших квадратов регрессии (PLSR), также оптимизировалась производительность модели с использованием различных методов предобработки спектров и выбора длины волны. Результаты показали, что с помощью свертки первого производного (1st Dec) модель PLS-DA достигла точности распознавания различных видов смешанных масел 98%; в комбинации с 1st Dec и методом конкурентного адаптивного повторного взвешивания выборки переменных (CARS) относительная ошибка предсказания (RPD) моделей ближнего инфракрасного спектра смешанных масел различных сортов в масле венечного ореха составила 5,90, 40,00, 5,20 и 4,90 соответственно, что демонстрирует хорошую прогнозирующую способность. Исследование реализовало качественный и количественный анализ образцов масла венечного ореха при различных сортах и пропорциях смешивания, что является исследовательским шагом к быстрой проверке качества смешивания масла венечного ореха.

масло венечного ореха;смешивание;ближняя инфракрасная спектроскопия;качественный анализ;количественный анализ