激光诱导击穿光谱法精确测定大豆油中铬含量：LS-SVM优化的检测策略

本文主要探讨了利用激光诱导击穿光谱(Laser Induced Breakdown Spectroscopy, LIBS)技术对大豆油中的铬(Cr)含量进行精确检测的方法。研究者以一系列不同Cr含量的大豆油作为实验样本，通过AvaSpec双通道高精度光谱仪，在206.28~481.77纳米的波段范围内收集LIBS光谱数据。在分析过程中，研究人员首先识别出Cr元素的关键谱线，这是光谱分析的基础，因为这些谱线反映了元素的存在及其浓度。 针对Cr元素的主要特征谱线，研究采用了两种校正模型：线性回归和最小二乘支持向量机（Least Squares Support Vector Machine, LS-SVM）。单变量校正模型仅考虑了每个特征谱线独立的影响，而二变量及多变量校正模型则考虑了多个谱线之间的相互作用，以提高预测精度。实验结果显示，二变量和多变量校正模型的性能优于单变量模型，其中LS-SVM建立的多变量校正模型表现出最佳的预测效果，其平均相对误差分别比单变量和二变量模型低。 具体来说，单变量模型预测样本的平均相对误差为14.16%，二变量模型降低到11.58%，而LS-SVM的多变量模型将这个误差进一步减小到4.97%。这证明了激光诱导击穿光谱技术在检测大豆油中Cr含量方面的可行性，以及LS-SVM方法在提高分析准确性方面的重要作用。 这项研究不仅提供了大豆油中铬含量的精确测量方法，而且展示了如何利用高级统计建模技术优化光谱分析，这对于食品安全监控、环境监测以及工业生产过程中的金属元素控制具有实际意义。此外，这项工作也为其他类似食品成分的快速、无损检测提供了新的思路和技术参考。