清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Rapid detection of adulteration of olive oil with soybean oil combined with chemometrics by Fourier transform infrared, visible-near-infrared and excitation-emission matrix fluorescence spectroscopy: A comparative study

化学计量学 傅里叶变换红外光谱 偏最小二乘回归 主成分分析 化学 分析化学(期刊) 橄榄油 基质(化学分析) 光谱学 荧光光谱法 红外线的 傅里叶变换 线性判别分析 植物油 近红外光谱 傅里叶变换光谱学 红外光谱学 色谱法 荧光 生物系统 人工智能 数学 食品科学 计算机科学 光学 有机化学 数学分析 物理 统计 量子力学 生物
作者
Xiangru Meng,Chunling Yin,Libo Yuan,Yan Zhang,Ying Ju,Kehui Xin,Wenbo Chen,Kaidi Lv,Leqian Hu
出处
期刊:Food Chemistry [Elsevier]
卷期号:405: 134828-134828 被引量:33
标识
DOI:10.1016/j.foodchem.2022.134828
摘要

Several spectroscopic techniques have been used to detect olive oil adulteration. To evaluate the performance of these spectral techniques on this issue, this work performed a comparative study on identifying adulterated olive oil with different concentrations of soybean oil based on Fourier-transform infrared (FTIR), visible-near-infrared (Vis-NIR) and excitation-emission matrix fluorescence spectroscopy (EEMs) combined with chemometrics. Principal component analysis (PCA)/ multi-way-PCA analysis showed the feasibility of the three spectral methods for the identification of olive oil adulteration. The accuracy of FTIR and Vis-NIR based on partial least squares discriminant analysis (PLS-DA) for adulterated olive oil was 100%, while the accuracy of EEMs based on unfold-PLS-DA was only 73%. The accuracy of EEMs combined with back-propagation artificial neural network based on self-weighted alternating trilinear decomposition is 100%. In comparison, FTIR and Vis-NIR are superior for the detection of olive oil adulteration due to the convenience of instrument operation and modeling.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
善学以致用应助郜南烟采纳,获得10
16秒前
17秒前
郜南烟发布了新的文献求助10
22秒前
追寻奇迹完成签到 ,获得积分10
23秒前
小强完成签到 ,获得积分10
31秒前
梅啦啦完成签到 ,获得积分10
1分钟前
minuxSCI完成签到,获得积分10
1分钟前
zhangguo完成签到 ,获得积分10
1分钟前
受伤的薯片完成签到 ,获得积分10
2分钟前
2分钟前
lamborghini193完成签到,获得积分10
2分钟前
2分钟前
郜南烟发布了新的文献求助10
3分钟前
华仔应助郜南烟采纳,获得10
3分钟前
莎莎完成签到 ,获得积分10
3分钟前
scenery0510完成签到,获得积分10
3分钟前
yi完成签到 ,获得积分10
4分钟前
4分钟前
zxt完成签到,获得积分10
4分钟前
郜南烟发布了新的文献求助10
4分钟前
ww完成签到,获得积分10
4分钟前
飞龙在天完成签到,获得积分10
4分钟前
WerWu完成签到,获得积分10
5分钟前
拼搏问薇完成签到 ,获得积分10
6分钟前
Hiram完成签到,获得积分10
6分钟前
合不着完成签到 ,获得积分10
6分钟前
vbnn完成签到 ,获得积分10
7分钟前
帅气的沧海完成签到 ,获得积分10
7分钟前
古炮完成签到 ,获得积分10
8分钟前
8分钟前
sunny完成签到,获得积分20
8分钟前
金平卢仙发布了新的文献求助10
8分钟前
theo完成签到 ,获得积分10
9分钟前
9分钟前
Jemma31发布了新的文献求助10
9分钟前
10分钟前
cvvvv发布了新的文献求助10
10分钟前
cvvvv完成签到,获得积分10
11分钟前
中中中完成签到 ,获得积分10
11分钟前
imi完成签到 ,获得积分10
12分钟前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
叶剑英与华南分局档案史料 500
Foreign Policy of the French Second Empire: A Bibliography 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3146783
求助须知:如何正确求助?哪些是违规求助? 2798063
关于积分的说明 7826678
捐赠科研通 2454607
什么是DOI,文献DOI怎么找? 1306394
科研通“疑难数据库(出版商)”最低求助积分说明 627723
版权声明 601527