基于低场核磁共振技术构建适用于所有极性化合物的通用模型：以煎炸大豆油中的极性化合物为例

《Food Analytical Methods》：Construction of a Universal Model for Total Polar Compounds in Fried Soybean Oil Based on Low-Field NMR

低场核磁共振（LF-NMR）技术结合正交信号校正（OSC）和支持向量回归（SVR）构建了通用总极性化合物（TPC）预测模型，验证了其跨油样的适用性。油炸过程中TPC含量与T2信号衰减显著相关，不同油样LF-NMR信号Jaccard相似系数＞0.8297，T2曲线相似性最优。模型对一级、三级大豆油及混合油的RMSECV分别为1.2860、1.3150、1.3223，平均相对误差＜6%，优于传统PLS方法。

　　

摘要

总极性化合物（Total Polar Compounds, TPC）是评估食用油质量的重要指标。低场核磁共振（Low-Field Nuclear Magnetic Resonance, LF-NMR）技术以其快速、无损的特点成为检测TPC的理想方法。然而，基于该技术的现有模型通常具有较差的通用性。本研究系统地探讨了大豆油煎炸过程中LF-NMR信号与TPC的变化规律，以及不同大豆油之间的信号相似性，以评估基于LF-NMR技术构建通用TPC预测模型的可行性。分析结果表明，随着煎炸时间的延长，TPC含量和T₂信号衰减率均显著增加。LF-NMR信号与TPC含量之间存在强相关性。Jaccard相似系数显示，不同等级大豆油的LF-NMR信号具有较高的相似性，系数超过0.8297。值得注意的是，T₂弛豫曲线数据的相似性优于传统弛豫参数的相似性。最终开发出一个通用预测模型，该模型使用了0–200毫秒的弛豫区间数据，并结合了正交信号校正（Orthogonal Signal Correction, OSC）和支持向量回归（Support Vector Regression, SVR）方法。该模型表现最佳，一级大豆油（FG-SFO）、三级大豆油（TG-SFO）及其混合物的均方根误差（RMSECV）分别为1.2860、1.3150和1.3223。平均相对误差低于6%，显著优于传统的偏最小二乘（Partial Least Squares, PLS）回归模型。所提出的通用模型能够确定不同类型大豆油中的极性化合物含量，减少了模型重建的必要性，从而降低了人力、材料和时间成本。它提供了一种高效、快速的食用油质量监测方法，对确保油炸食品的安全性具有重要的实际价值。