转基因大豆油鉴别方法与流程

技术特征：
1.一种转基因大豆油鉴别方法，其特征在于，所述转基因大豆油鉴别方法包括：根据多个大豆油样本的紫外拉曼光谱形成紫外拉曼光谱集合x’；确定所述紫外拉曼光谱集合x’中每一紫外拉曼光谱对应的标签信息，其中，紫外拉曼光谱对应的标签信息用于标识该紫外拉曼光谱对应的大豆油样本的品牌信息和转基因信息；利用所述紫外拉曼光谱集合x’和所述紫外拉曼光谱集合x’中每一紫外拉曼光谱对应的标签信息训练影响模型，以确定载荷矩阵；利用所述载荷矩阵确定紫外拉曼光谱中每一特征峰的影响强度；其中，特征峰的影响强度与利用该特征峰确定标签信息的准确度成正相关；将每一紫外拉曼光谱的特征峰按照其影响强度由大到小排列后，将前s个特征峰确定为转基因影响特征峰；从大豆油样本的紫外拉曼光谱中提取转基因影响特征峰，根据所述转基因影响特征峰确定该大豆油样本的标签信息。2.根据权利要求1所述的转基因大豆油鉴别方法，其特征在于，所述利用所述紫外拉曼光谱集合x’和所述紫外拉曼光谱集合x’中每一紫外拉曼光谱对应的标签信息训练影响模型，以确定载荷矩阵，包括：将所述紫外拉曼光谱集合x’和所述紫外拉曼光谱集合x’中每一紫外拉曼光谱对应的标签信息按照设定比例划分为训练集和验证集，利用所述训练集训练所述影响模型，以确定所述载荷矩阵，并利用所述验证集对所述影响模型进行验证；其中，利用所述训练集训练所述影响模型，以确定所述载荷矩阵，包括：根据所述训练集中的紫外拉曼光谱集合x’确定光谱矩阵e0，根据所述训练集中的紫外拉曼光谱集合x’中每一紫外拉曼光谱对应的标签信息确定标签矩阵f0；利用所述光谱矩阵e0和所述标签矩阵f0确定载荷矩阵l0。3.根据权利要求2所述的转基因大豆油鉴别方法，其特征在于，利用所述光谱矩阵e0和所述标签矩阵f0确定载荷矩阵l0，包括：t1＝e0w1；u1＝f0c1；其中，t1为光谱矩阵e0内矩阵元素的线形组合，u1为标签矩阵f0内矩阵元素的线形组合，w1和c1为权重系数；令t1与u1的协方差达到最大，得到协方差矩阵：cov(t1，u1)
→
max；||w1||＝1，||c1||＝1；确定协方差矩阵的特征向量[η1，η2，
…
η
m
]和特征值[λ1，λ2，
…
λ
m
]；根据协方差矩阵的特征向量和特征值确定所述载荷矩阵l0：4.根据权利要求3所述的转基因大豆油鉴别方法，其特征在于，利用所述载荷矩阵确定紫外拉曼光谱中每一特征峰的影响强度，包括：利用所述载荷矩阵l0与所述光谱矩阵e0确定拉曼位移-载荷系数曲线；
根据所述拉曼位移-载荷系数曲线的波峰值和波谷值确定紫外拉曼光谱中每一特征峰的影响强度。5.根据权利要求2所述的转基因大豆油鉴别方法，其特征在于，所述设定比例介于(1-4)∶1。6.根据权利要求1所述的转基因大豆油鉴别方法，其特征在于，所述根据多个大豆油样本的紫外拉曼光谱形成紫外拉曼光谱集合x’，包括：采集多个大豆油样本，并对所述多个大豆油样本进行紫外拉曼光谱检测，得到紫外拉曼光谱集合x；依次对所述紫外拉曼光谱集合x进行多项式拟合平滑预处理、基线校正和多元散射校正，得到紫外拉曼光谱集合x’。7.根据权利要求6所述的转基因大豆油鉴别方法，其特征在于，采用savitzky-golay卷积平滑算法对所述紫外拉曼光谱集合x进行多项式拟合平滑预处理。8.根据权利要求7所述的转基因大豆油鉴别方法，其特征在于，所述savitzky-golay卷积平滑算法的拟合阶次为3次，窗宽为7。9.根据权利要求6所述的转基因大豆油鉴别方法，其特征在于，采用迭代自适应加权惩罚最小二乘法对所述紫外拉曼光谱集合x进行基线校正。10.根据权利要求1所述的转基因大豆油鉴别方法，其特征在于，所述转基因影响特征峰的拉曼位移为1100cm-1
，1400cm-1
，1515cm-1
，1600cm-1
，1656cm-1
，2871cm-1
，2933cm-1
，2971cm-1
。

技术总结
本发明提供一种转基因大豆油鉴别方法，包括：根据多个大豆油样本的紫外拉曼光谱形成紫外拉曼光谱集合X’；确定紫外拉曼光谱集合X’中每一紫外拉曼光谱对应的标签信息；利用紫外拉曼光谱集合X’和标签信息训练影响模型，以确定载荷矩阵；利用载荷矩阵确定紫外拉曼光谱中每一特征峰的影响强度；将每一紫外拉曼光谱的特征峰按照其影响强度由大到小排列后，将前S个特征峰确定为转基因影响特征峰；从大豆油样本的紫外拉曼光谱中提取转基因影响特征峰，根据转基因影响特征峰确定该大豆油样本的标签信息。通过本发明提供的方法，能够从完整紫外拉曼光谱中提取转基因影响特征峰，利用转基因影响特征峰鉴别转基因大豆油，减小检测数据量，提高检测效率。提高检测效率。提高检测效率。


技术研发人员：金伟其 郭宗昱 郭一新 裘溯 何玉青
受保护的技术使用者：北京理工大学
技术研发日：2021.11.18
技术公布日：2022/3/1