孫婷婷，鐘瑾璟，劉劍波，任佳麗，鐘海雁，周 波

(林產(chǎn)可食資源安全與加工利用湖南省重點(diǎn)實(shí)驗(yàn)室1，長(zhǎng)沙 410004) (中南林業(yè)科技大學(xué)食品科學(xué)與工程學(xué)院2，長(zhǎng)沙 410004) (岳陽市質(zhì)量計(jì)量檢驗(yàn)檢測(cè)中心食品檢驗(yàn)所3，岳陽 414000) (海普諾凱營養(yǎng)品有限公司4，長(zhǎng)沙 410004)

目前準(zhǔn)確快速鑒別食用植物油摻偽的研究大部分是首先利用先進(jìn)的實(shí)驗(yàn)儀器和檢測(cè)技術(shù)獲得大量復(fù)雜的結(jié)構(gòu)化量測(cè)數(shù)據(jù)，然后采用各種數(shù)學(xué)方法從數(shù)據(jù)中挖掘和提取出摻偽鑒別所需的特征信息[1]。目前使用較為廣泛的檢測(cè)技術(shù)和方法包括常規(guī)理化檢測(cè)法[2]、色譜法[3,4]、核磁共振法[5]、近紅外光譜法[6,7]、拉曼光譜法[8]、熒光光譜法[9,10]、電子鼻技術(shù)[11]及穩(wěn)定同位素比質(zhì)譜法[12]等，常規(guī)理化檢測(cè)法獲取數(shù)據(jù)較為簡(jiǎn)單，但數(shù)據(jù)在摻偽后特征變化不明顯，使摻偽鑒別具有一定局限性；近紅外光譜法具有獲取數(shù)據(jù)簡(jiǎn)單便捷、沒有污染、對(duì)樣品不易破壞等優(yōu)點(diǎn)，但當(dāng)樣品量較小時(shí)，效果相對(duì)不佳；核磁共振和穩(wěn)定同位素比質(zhì)譜等大型儀器設(shè)備操作復(fù)雜繁瑣，無法滿足市場(chǎng)快速檢測(cè)的需求；電子鼻技術(shù)獲得的數(shù)據(jù)不穩(wěn)定；而色譜法具有靈敏度高、選擇性強(qiáng)、分析速度快、操作簡(jiǎn)便、樣品用量少等優(yōu)勢(shì)，是目前廣泛應(yīng)用在植物油摻偽鑒別中的量測(cè)數(shù)據(jù)獲得方法。

基于先進(jìn)和成熟的檢測(cè)技術(shù)和方法獲得大量復(fù)雜的結(jié)構(gòu)化量測(cè)數(shù)據(jù)后，根據(jù)鑒別需求和問題性質(zhì)，需要采用不同的機(jī)器學(xué)習(xí)算法來挖掘和提取出摻偽鑒別所需的特征信息。食品的摻偽鑒別問題分為兩類，分別是定性摻偽鑒別和定量摻偽預(yù)測(cè)，二者分別屬于分類問題和回歸問題。目前用于食品摻偽量預(yù)測(cè)的機(jī)器學(xué)習(xí)算法主要包括人工神經(jīng)網(wǎng)絡(luò)(ANN)[13-17]、偏最小二乘回歸(PLSR)[18-20]、多元線性回歸(MLR)[21]等。ANN對(duì)摻偽量的預(yù)測(cè)準(zhǔn)確率高，低摻樣本預(yù)測(cè)能力強(qiáng)，但訓(xùn)練操作耗時(shí)且復(fù)雜，計(jì)算復(fù)雜度較高，模型可解釋性差，訓(xùn)練所需數(shù)據(jù)規(guī)模大；PLSR模型綜合考慮了多種特征性物質(zhì)與摻偽含量的映射關(guān)系，但其只能擬合線性相關(guān)關(guān)系，摻偽量數(shù)值與作為特征物質(zhì)的含量值間非線性因素增強(qiáng)會(huì)影響鑒別結(jié)果；MLR模型可以擬合摻偽量值與摻偽油脂的多個(gè)特征性變量之間的線性相關(guān)關(guān)系，模型原理簡(jiǎn)單易于理解，但當(dāng)變量之間存在非線性相關(guān)性時(shí)模型的適用性較差，并且當(dāng)自變量個(gè)數(shù)較多時(shí)計(jì)算較為復(fù)雜[22]。此外，摻偽鑒別方法的準(zhǔn)確率不僅取決于所采用的機(jī)器學(xué)習(xí)算法，在很大程度上還受到實(shí)驗(yàn)樣本數(shù)據(jù)的影響，如當(dāng)實(shí)驗(yàn)樣本的覆蓋性較弱時(shí)，訓(xùn)練集無法充分反映摻偽樣本的全部特征，在此基礎(chǔ)上訓(xùn)練得到的不同機(jī)器學(xué)習(xí)算法模型的鑒別準(zhǔn)確性就會(huì)受到影響，無法對(duì)訓(xùn)練集未覆蓋的樣本做出準(zhǔn)確的摻偽鑒別，同時(shí)在沒有充分訓(xùn)練實(shí)驗(yàn)樣本的前提下，訓(xùn)練得到的機(jī)器學(xué)習(xí)模型對(duì)于新出現(xiàn)的新品種油脂(化合物組成種類和含量不同)的檢測(cè)精度受到影響[22]。

茶油是來源于山茶科(Theaceae)山茶屬(Camellia)的植物種子制備而成的一種營養(yǎng)豐富的食用植物油脂，主要生產(chǎn)地在湖南、江西、浙江、廣西和貴州等地，與橄欖油、棕櫚油和椰子油并列世界四大木本油脂[23]。茶油的營養(yǎng)功能價(jià)值和商品價(jià)格要高于其他食用植物油脂，導(dǎo)致市場(chǎng)上用低質(zhì)低價(jià)食用植物油摻偽茶油的現(xiàn)象較普遍[24]，嚴(yán)重?fù)p害了茶油生產(chǎn)者和消費(fèi)者的利益，所以建立快速、精準(zhǔn)的檢測(cè)技術(shù)和方法來鑒別茶油摻偽是保障我國茶油生產(chǎn)和銷售市場(chǎng)正常秩序以及實(shí)現(xiàn)茶油高質(zhì)量發(fā)展的必然需求。本研究基于脂肪酸和甘油三酯的色譜數(shù)據(jù)，運(yùn)用Python語言建立并對(duì)比分析偏最小二乘回歸模型和多元線性回歸模型應(yīng)用于摻偽茶油摻偽量的定量預(yù)測(cè)效果，以期為鑒別摻偽茶油純度及定量分析調(diào)和茶油配比提供參考。

1 材料與方法

1.1 實(shí)驗(yàn)材料

1.1.1 主要試劑及儀器

脂肪酸甲酯標(biāo)準(zhǔn)品(FAMEs)、色譜純乙腈和色譜純異丙醇、甘油三酯標(biāo)準(zhǔn)品。

BSA124S電子分析天平(0.000 1 g)，GC 2014氣相色譜儀，VORTEX-5渦旋混勻儀，LC-20AD高效液相色譜儀(配備有CMB-20A控制器，LC-20AD二元泵，SIL-20A自動(dòng)進(jìn)樣器和CTO-10AS柱溫箱，蒸發(fā)光散射檢測(cè)器-2000ES)，ZORBAX SB-C18色譜柱(4.6 mm×250 mm；5 μm)。

1.1.2 茶油及其他摻偽植物油脂肪酸和甘油三酯

茶油及其他摻偽植物油脂肪酸和甘油三酯的實(shí)驗(yàn)數(shù)據(jù)是基于本實(shí)驗(yàn)室已報(bào)道的研究[25,26]。

1.2 摻偽茶油樣本的設(shè)計(jì)

設(shè)計(jì)茶油 (n=53) 中分別摻入米糠油、玉米油、棕櫚油、葵花籽油、大豆油、花生油、棉籽油及葡萄籽油的摻偽模型，設(shè)計(jì)2個(gè)摻偽梯度，自定為高摻偽梯度(10%、15%、20%、40%、60%、80%)和低摻偽梯度(2%、4%、6%、8%、10%)。高和低摻偽茶油樣本數(shù)據(jù)量為318條和265條。各摻偽濃度均含53條數(shù)據(jù)，每條數(shù)據(jù)包含對(duì)應(yīng)摻偽濃度下該種類摻偽茶油的14個(gè)脂肪酸和甘油三酯特征性物質(zhì)指標(biāo)含量數(shù)據(jù)。

1.3 機(jī)器學(xué)習(xí)算法

運(yùn)用Python語言，利用sklearn.cross_decomposition庫中的PLS回歸函數(shù)和Linear回歸函數(shù)對(duì)數(shù)據(jù)分別構(gòu)建偏最小二乘回歸(Partial Least Squares Regression, PLSR)模型和多元線性回歸模型(Multiple Linear Regression, MLR)。2種模型都采用5-折交叉驗(yàn)證法進(jìn)行訓(xùn)練和評(píng)價(jià)，使得每個(gè)樣本都有機(jī)會(huì)作為測(cè)試集進(jìn)行摻偽量的預(yù)測(cè)。采用的指標(biāo)包括決定系數(shù)(Coefficient of Determination，R2)、均方根誤差(Root Mean Squared Error, RMSE)和相對(duì)誤差 (Relative Error, RE)來評(píng)價(jià)PLS和多元線性回歸模型對(duì)摻偽茶油摻偽量預(yù)測(cè)的精度。

1.4 據(jù)預(yù)處理及編程平臺(tái)

本研究所有模型和算法均基于Python 3.7編程語言在PyCharm 2018 IDE平臺(tái) (JetBrains (Prague), Czech Republic) 進(jìn)行程序編寫，所有實(shí)驗(yàn)均在一臺(tái)蘋果 (Apple Computer Inc.) 筆記本上開展，詳細(xì)配置為因特爾酷睿i5 CPU (Intel (R) Core (TM) @1.70GHz)，4 GB內(nèi)存，NVIDIA GeForce 320M顯卡。

2 結(jié)果與分析

2.1 偏最小二乘回歸模型和多元線性回歸模型摻偽量預(yù)測(cè)精度分析

高摻偽梯度下，PLS回歸模型對(duì)茶油摻偽量定量預(yù)測(cè)的平均R2值高達(dá)0.994，但平均RMSE值較差，為1.99，尤其是對(duì)葵花籽油、葡萄籽油、菜籽油和棕櫚油，PLS回歸模型的RMSE值都在2.2以上(表1)，這表明PLS回歸模型的預(yù)測(cè)摻偽量與真實(shí)摻偽量之間的誤差相對(duì)較大，準(zhǔn)確率較低。低摻偽梯度下，PLSR模型對(duì)茶油摻偽量的定量預(yù)測(cè)效果較差，PLS回歸模型對(duì)茶油摻偽量定量預(yù)測(cè)的平均R2值為0.889，平均RMSE值為0.907，尤其是對(duì)棕櫚油的摻偽量預(yù)測(cè)能力最差(平均R2值=0.748，平均RMSE值=1.418)。PLS回歸模型對(duì)于高摻偽梯度下茶油摻偽量定量預(yù)測(cè)的精準(zhǔn)率高，但準(zhǔn)確率差，而低摻偽梯度下精準(zhǔn)率和準(zhǔn)確率都較差，故PLS回歸模型不能很好的實(shí)現(xiàn)茶油摻偽量的定量預(yù)測(cè)。

高和低摻偽梯度下，ML回歸模型對(duì)茶油摻偽量定量預(yù)測(cè)的平均R2值分別達(dá)到了0.999和0.994，平均RMSE值分別達(dá)到了0.146和0.136(表1)，ML回歸模型的精準(zhǔn)度和準(zhǔn)確度都要高于PLS回歸模型，ML回歸模型相比于PLS回歸模型能更好的實(shí)現(xiàn)茶油摻偽量的定量預(yù)測(cè)。

表1 不同摻偽梯度下PLS回歸模型和ML回歸模型的摻偽量預(yù)測(cè)精度指標(biāo)值

針對(duì)高/低摻偽梯度下多元線性回歸模型，得到不同植物油摻偽量預(yù)測(cè)的多元線性回歸函數(shù)方程(表2)。

同時(shí)，從各類摻偽茶油樣本中的摻偽量預(yù)測(cè)結(jié)果進(jìn)行分析表明，無論高摻偽梯度還是低摻偽梯度，PLS回歸模型對(duì)大部分樣本的預(yù)測(cè)值與真實(shí)值之間的相對(duì)誤差均較大(0.1～0.3)，個(gè)別樣本的相對(duì)誤差甚至達(dá)到了0.5以上，預(yù)測(cè)效果欠佳，尤其是摻偽質(zhì)量分?jǐn)?shù)越低，相對(duì)誤差越大，在0.3左右，個(gè)別甚至達(dá)到1.7。ML回歸模型對(duì)不同種類摻偽茶油樣本的預(yù)測(cè)值與真實(shí)值的相對(duì)誤差普遍較小(0.001～0.01)，許多樣本的相對(duì)誤差接近于0，預(yù)測(cè)效果較好。

2.2偏最小二乘回歸模型和多元線性回歸模型摻偽量預(yù)測(cè)結(jié)果的“真實(shí)摻偽量-預(yù)測(cè)摻偽量”散點(diǎn)圖分析

為了更為直觀地展示摻偽量預(yù)測(cè)結(jié)果，以摻入大豆油和花生油為例，基于PLS回歸模型和ML回歸模型對(duì)摻偽茶油的定量預(yù)測(cè)結(jié)果的“真實(shí)摻偽量-預(yù)測(cè)摻偽量”散點(diǎn)圖進(jìn)行分析。散點(diǎn)圖中橫坐標(biāo)代表樣本的真實(shí)摻偽量，縱坐標(biāo)代表模型對(duì)樣本摻偽量的預(yù)測(cè)值。圖中每個(gè)點(diǎn)代表一個(gè)樣本，樣本點(diǎn)的坐標(biāo)由其真實(shí)摻偽量和預(yù)測(cè)摻偽量共同決定，當(dāng)樣本點(diǎn)越接近直線y=x，表示模型對(duì)樣本摻偽量的預(yù)測(cè)效果越好。

表2 不同摻偽梯度下多元線性回歸模型的摻偽量預(yù)測(cè)函數(shù)

高摻偽梯度下，PLS回歸模型定量預(yù)測(cè)的預(yù)測(cè)值相對(duì)于真實(shí)值存在一定程度的浮動(dòng)，其中摻偽質(zhì)量分?jǐn)?shù)為10%、15%、20%的樣本浮動(dòng)區(qū)間較大，摻偽質(zhì)量分?jǐn)?shù)為40%、60%、80%的樣本的浮動(dòng)程度逐漸降低，預(yù)測(cè)值與真實(shí)值較為接近(圖1a和圖1b)，低摻偽梯度下，PLS回歸模型定量預(yù)測(cè)的預(yù)測(cè)值相對(duì)于真實(shí)值之間的浮動(dòng)程度更大(圖1c和圖1d)。結(jié)果表明PLS回歸模型對(duì)茶油摻偽的定量預(yù)測(cè)能力較差，且隨著摻偽質(zhì)量分?jǐn)?shù)和摻偽梯度的下降定量預(yù)測(cè)能力更差。

圖1 高摻偽和低摻偽梯度下PLS回歸模型定量預(yù)測(cè)結(jié)果的散點(diǎn)圖

高摻偽梯度下，ML回歸模型對(duì)摻偽茶油摻偽量的預(yù)測(cè)值和真實(shí)值之間的浮動(dòng)程度較小，所包含的樣本點(diǎn)基本上分別匯聚在一條直線上(圖2a和圖2b)。與PLS回歸模型相比(圖1a和圖1b)，浮動(dòng)程度明顯減小，這說明在高摻偽梯度下ML回歸模型對(duì)摻偽茶油的定量預(yù)測(cè)的相對(duì)誤差小，結(jié)果準(zhǔn)確率高。

低摻偽梯度下，ML回歸模型對(duì)摻偽茶油摻偽量的預(yù)測(cè)值和真實(shí)值之間的浮動(dòng)程度較小，所包含的樣本點(diǎn)基本上分別匯聚在一條直線上(圖2c和圖2d)。與PLS回歸模型相比(圖1c和圖1d)，ML回歸模型對(duì)摻偽大豆油和花生油的茶油樣本的預(yù)測(cè)值與真實(shí)值之間的浮動(dòng)程度明顯減小，這說明ML回歸模型能很好的實(shí)現(xiàn)對(duì)摻偽茶油摻偽量的定量預(yù)測(cè)。

2.3 偏最小二乘回歸模型和多元線性回歸模型摻偽量預(yù)測(cè)結(jié)果的箱型圖分析

在高摻偽梯度下，PLS回歸模型對(duì)摻入米糠油、棉籽油的茶油樣本的定量預(yù)測(cè)效果最好，樣本的預(yù)測(cè)摻偽量與真實(shí)摻偽量之間的相對(duì)誤差大部分集中在0～0.5之間(圖3a)，對(duì)摻偽菜籽油、棕櫚油、葵花籽油和葡萄籽油的茶油的定量預(yù)測(cè)效果較差，其中對(duì)摻偽菜籽油的茶油的定量預(yù)測(cè)相對(duì)誤差結(jié)果中有接近1.4的離群點(diǎn)樣本(圖3a)。低摻偽梯度下PLS回歸模型對(duì)摻偽茶油定量預(yù)測(cè)的相對(duì)誤差普遍較高(>0.5)，對(duì)摻偽花生油、菜籽油、棕櫚油、米糠油的茶油的摻偽量預(yù)測(cè)的相對(duì)誤差都在2.0以上，其中對(duì)摻偽棕櫚油的茶油樣本的定量預(yù)測(cè)的相對(duì)誤差結(jié)果中有接近3.0的離群點(diǎn)樣本(圖3b)。這進(jìn)一步說明PLSR模型對(duì)摻偽茶油的定量預(yù)測(cè)能力較差。

圖2 高摻偽和低摻偽梯度下ML回歸模型定量預(yù)測(cè)結(jié)果的散點(diǎn)圖

圖3 高摻偽和低摻偽梯度下PLS回歸模型定量預(yù)測(cè)相對(duì)誤差箱型圖

高摻偽梯度下，ML回歸模型對(duì)棕櫚油摻偽量的定量預(yù)測(cè)效果稍差(相對(duì)誤差≤0.25)，其次是花生油(0.05≤相對(duì)誤差≤0.1)和葡萄籽油(相對(duì)誤差≤0.05)，其他摻偽茶油樣本的定量預(yù)測(cè)結(jié)果相對(duì)誤差集中在0～0.05之間(圖4a)。ML回歸模型對(duì)摻偽大豆油、葵花籽油、棉籽油、葡萄籽油、米糠油的定量預(yù)測(cè)效果最好，明顯優(yōu)于PLS回歸模型的定量預(yù)測(cè)效果，相對(duì)誤差大大降低(ML回歸模型的最大相對(duì)誤差接近0.05，PLS回歸模型的最大相對(duì)誤差接近1.4)(圖3a和圖4a)。低摻偽梯度下，ML回歸模型對(duì)棕櫚油摻偽量的定量預(yù)測(cè)效果稍差(相對(duì)誤差0.8左右)，其次是花生油(0.2≤相對(duì)誤差≤0.4)和葡萄籽油(0.2≤相對(duì)誤差≤0.3)，其他摻偽茶油樣本的定量預(yù)測(cè)結(jié)果相對(duì)誤差集中在0～0.3之間(圖4b)。ML回歸模型對(duì)大豆油、葵花籽油、棉籽油、葡萄籽油、米糠油的定量預(yù)測(cè)效果最好，明顯優(yōu)于PLS回歸模型的定量預(yù)測(cè)效果，相對(duì)誤差大大降低(ML回歸模型的最大相對(duì)誤差接近1.0，PLS回歸模型的最大相對(duì)誤差接近3.0)(圖3b和圖4b)。

圖4 不同摻偽梯度下ML回歸模型定量預(yù)測(cè)相對(duì)誤差結(jié)果的箱型圖

結(jié)果進(jìn)一步說明ML回歸模型對(duì)摻偽茶油油樣的定量預(yù)測(cè)能力較強(qiáng)，在不同摻偽質(zhì)量分?jǐn)?shù)和摻偽梯度下對(duì)摻偽茶油的摻偽量預(yù)測(cè)效果較好。

3 結(jié)論

本研究面向摻偽不同種類食用植物油的茶油摻偽量預(yù)測(cè)問題，基于14個(gè)特征性脂肪酸和甘油三酯指標(biāo)，運(yùn)用Python語言構(gòu)建并對(duì)比分析了偏最小二乘(PLS)回歸模型和多元線性(ML)回歸模型用于摻偽茶油摻偽量的定量預(yù)測(cè)的效果。實(shí)驗(yàn)結(jié)果顯示ML回歸模型的摻偽量預(yù)測(cè)能力更強(qiáng)，可用于不同摻偽含量和摻偽梯度茶油樣本的定量預(yù)測(cè)。

本研究構(gòu)建的摻偽量預(yù)測(cè)模型可在實(shí)際的摻偽量預(yù)測(cè)場(chǎng)景中得到應(yīng)用。基于現(xiàn)有摻偽茶油樣本的特征物質(zhì)含量和摻偽量實(shí)驗(yàn)數(shù)據(jù)對(duì)茶油摻偽量預(yù)測(cè)模型進(jìn)行訓(xùn)練。待模型訓(xùn)練完畢后，面向摻入特定品種食用植物油的摻偽量待測(cè)定茶油樣本時(shí)，測(cè)定樣本的脂肪酸和甘油三酯含量數(shù)據(jù)，代入事先訓(xùn)練好的摻偽量預(yù)測(cè)模型中，即可得到摻偽量預(yù)測(cè)值。

后續(xù)可對(duì)我國油茶籽油和常見食用植物油的甘油三酯結(jié)構(gòu)開展系統(tǒng)性研究，以期提高油茶籽油摻偽鑒別模型的效果和能力。