基于斜入射反射差异技术(OIRD)结合深度学习的食用油成分鉴别研究

食用油成分鉴别是保障食品安全和消费者权益的重要课题。本研究创新性地采用斜入射反射差异技术(OIRD)结合八种深度学习算法，实现了对亚油酸、油酸和α-亚麻酸的高精度识别，其中时间序列转换器(TST)模型表现最优，F1分数最高。该研究为食用油质量检测提供了快速、无损的新方法，具有重要应用价值。

　　

食用油作为日常饮食的重要组成部分，其质量安全直接关系公众健康。然而，市场上存在以低价掺假油冒充优质油的现象，当掺假物质与原始油的化学成分和颜色相似时，传统检测方法往往难以识别。目前常用的气相色谱、质谱等技术虽能准确分析食用油成分，但存在检测周期长、设备昂贵等局限。光学检测技术虽具有快速、无损的优势，但复杂的光谱信息处理又成为新的挑战。

北京工商大学的研究团队在《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》发表研究，创新性地将斜入射反射差异技术(Oblique-Incidence Reflectivity Difference, OIRD)应用于食用油成分检测。该技术通过测量激光反射信号的实部(Re)和虚部(Im)变化，结合八种深度学习算法，建立了高精度的食用油成分鉴别模型。

关键技术包括：1) OIRD光学检测系统搭建；2) 以市售合格橄榄油为基底，梯度添加油酸、亚油酸和α-亚麻酸模拟不同成分比例的食用油样本；3) 采用卷积神经网络-长短期记忆网络(CNN-LSTM)、时间序列转换器(TST)等八种深度学习算法处理OIRD信号；4) 以精确率(Precision)、召回率(Recall)和F1分数(F1 score)作为模型评估指标。

在"Results and discussion"部分，研究发现：所有模型对油酸的识别准确率最高，但对亚油酸和α-亚麻酸存在一定误判。其中TST模型综合表现最优，对三种脂肪酸的F1分数均为最高。这表明不同脂肪酸成分会导致介电特性差异，从而在OIRD响应中呈现可区分的特征。

"Conclusion"部分指出，OIRD技术结合深度学习能有效鉴别食用油成分，其中TST模型最具应用潜力。该研究为食用油质量检测提供了新思路，其快速、无损的特点有望在实际检测中发挥重要作用。研究获得国家自然科学基金(12374412)和北京市自然科学基金(4222043)支持，由Shanzhe Zhang、Hao Yang等共同完成，通讯作者为Kun Zhao。这项技术突破不仅解决了传统检测方法的局限性，也为食品安全监管提供了可靠的技术手段。