摘要：为了解决风味(原香和烤香)油茶籽油掺伪浸出油茶籽油的定性判别问题,设计高、低两个掺伪梯度,基于挥发性成分构建并对比分析了定性判别风味油茶籽油掺伪浸出油茶籽油的主成分分析(PCA)模型和逻辑回归模型。结果表明:逻辑回归模型定性判别风味油茶籽油掺伪浸出油茶籽油的能力较强,优于PCA模型;高掺伪梯度下定性判别原香和烤香油茶籽油掺伪浸出油茶籽油,PCA模型的最低检出限分别为20%和60%,而逻辑回归模型的最低检出限均为10%;低掺伪梯度下定性判别原香和烤香油茶籽油掺伪浸出油茶籽油,PCA模型的判别不准确,而逻辑回归模型的最低检出限均为4%。逻辑回归模型能很好地定性判别风味油茶籽油掺伪浸出油茶籽油。

摘要：为解决在压榨风味茶油掺浸出茶油的定量预测问题,本文设计高/低两个掺伪梯度,基于挥发性成分,运用Python语言构建定量预测压榨风味(原香和浓香)茶油掺浸出茶油的偏最小二乘回归(PLSR)模型。研究结果表明,高掺伪梯度下压榨原/浓香茶油样本的定量鉴别PLSR模型的平均R2值均达到了0.998,平均RMSE值为1.127/1.166,大部分样本的相对误差集中在0~0.1之间;低掺伪梯度下压榨原/浓香茶油样本的定量鉴别PLSR模型的平均R2值达到了0.956/0.999,平均RMSE值为0.592/0.094,大部分样本的相对误差集中在0~0.15/0~0.02之间。本文所构建的PLSR模型定量鉴别压榨风味茶油掺浸出茶油的准确率较高,压榨浓香茶油掺浸出茶油的定量鉴别效果要好于压榨原香茶油。