利用1.4節中的基于公式進行計算，得到大豆油脂樣品的太赫吸收譜，如圖4所示。兹光中在105個大豆油脂樣品中隨機抽取3個，谱快進行THz吸收譜波形的速检酸含比較，3個樣品的豆油THz吸收譜如圖5a、5b所示，磷脂量其中圖5b為圖5a的基于局部放大圖。
由圖4可知，太赫樣品間的兹光中THz吸收譜信號既有相似性又存在差異。隨著頻率的谱快增加，大豆油脂樣品的速检酸含吸收係數逐漸增加，且磷脂酸的豆油含量越高，吸收係數越大，磷脂量說明磷脂酸的基于存在提高了大豆油脂樣品對THz波的吸收程度，這與Hao等和Huang等的研究結果一致。圖5a更加清晰地展現了大豆油脂樣品的吸收譜圖，在0.4～1.5THz大豆油脂樣品的吸收譜線幾乎平穩，沒有明顯的吸收峰，而在1.5～2.6THz內出現了多個較顯著的吸收峰，且由圖5b的局部放大圖可以看出，大豆油脂樣品在1.58THz處都出現了第1個較為明顯的吸收峰，可作為其在太赫茲波段的指紋譜用於特征識別。
樣本製作及檢測過程中，由於儀器及人為誤差的影響，會使得樣本中存在一些異常樣品，在建模的過程中，會改變數據的整體分布，影響模型預測的準確性，為了提高模型的預測精度，首先將整體樣品中的異常樣品進行剔除。本試驗采用PLS對105大豆油脂樣品建立PLS數學模型，結果如圖6所示。
試驗利用逐一剔除法進行了異常樣品的剔除。由圖6可以看出，在105個大豆油脂樣品的預測結果中，64號樣品較其它樣品的殘差相對較大，屬於奇異點，該樣品的存在影響了模型的整體預測結果，因此首先將其作為異常樣品進行剔除。在剔除64號異常樣品後，將剩餘樣品進行重新建模，再比較在樣品整體分布中誤差較大的點，進而將該樣品作為奇異點進行剔除。以此類推，每剔除一個或幾個奇異點後，均重新進行建模，比較整體樣品中是否存在奇異點，直到最後一次建立的模型中，沒有誤差較大的樣品。最終確定了14個奇異點，逐一剔除後，將剩餘的91個樣品進行模型的建立。
輸入吸光度的頻率範圍為0.4～2.6THz，將91個樣品分為兩組進行校正和預測，校正集樣品性質需能夠涵蓋未知樣品的化學性質，同時校正集樣品的濃度變化範圍需大於未知樣品的濃度變化範圍，且化學值分布均勻等條件，預測集用來評估校正集所建立模型的精度。要構建一個可靠的模型，需要使用一半以上的樣品進行校正，因此，本試驗用73個樣品作為校正集，18個樣本作為預測集，具體的校正集和預測集樣品信息統計結果見表1。
由表1可知，校正集的73個樣品，磷脂酸含量為0.1417～1.9752g/50g，平均值在1.0532g/50g，可知校正集樣品磷脂酸含量適中，且分布在各個範圍內的樣品個數比較均勻，保證了校正模型測量的精確度。預測集的18個樣品，磷脂酸含量為0.2356～1.9501g/50g，平均值在1.0497g/50g，可知預測集樣品基本覆蓋了91個大豆油脂樣品中較廣泛的磷脂酸的含量，可以使預測模型具有較好的準確性和適用性。
剔除奇異點後，采用經典的PLS法分別對未經處理的原始光譜以及經一階導數、二階導數處理後的譜圖建立磷脂酸含量的校正及預測模型，結果見表2。
由表2可以看出，通過二階導數預處理後的預測集決定係數R2為0.9980，表明大豆油脂樣品中的磷脂酸含量與THz吸收係數具有較高的相關性，預測集均方根誤差RMSEP為0.0813，相對標準偏差RSD為8.16%，模型相關係數較大，誤差在允許範圍內，所建模型穩定性和準確性可靠，經二階導數處理後的光譜預測模型如圖7所示。
由圖7可以看出，樣品的數值點比較均勻地分布在直線的兩側，建模效果良好，二階導數去除了與波長相關的漂移，有效提高了模型的精度，表明經二階導數預處理後的太赫茲光譜建立的PLS模型適用於定量檢測模擬脫膠大豆毛油中磷脂酸含量。
本文製得不同磷脂酸含量的大豆油脂樣品，並精確測定了大豆油脂樣品中磷脂酸的含量。采集了樣品的太赫茲時域譜，利用傅裏葉變換將太赫茲時域譜轉換為頻域譜，然後通過光學參數計算得出太赫茲吸收譜。THz波產生了不同程度的延遲，樣品中磷脂酸的含量越高，頻域譜的幅值越低，吸收係數也越大，特征吸收峰明顯，可用於大豆油中磷脂酸的特征識別。
利用PLS對剔除異常樣本後的91個樣品建立了磷脂酸含量與樣品吸收譜之間的定量分析模型，其中原始光譜和經一階導數處理後的模型R2較小，RMSEP和RSD較大，而經二階導數預處理後光譜模型的R2較大，RMSEP較小，RSD低於10%，表明利用太赫茲光譜可以檢測大豆油中的磷脂酸含量，為太赫茲光譜快速分析檢測大豆毛油中的殘磷量提供理論依據。
相關鏈接：大豆油，磷脂酸，異丙醇
聲明：本文所用圖片、文字來源《中國食品學報》，版權歸原作者所有。如涉及作品內容、版權等問題，請與本網聯係
