果籽backup的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

傅立葉紅外光譜技術用於食用油品品質分析之研究

為了解決果籽backup的問題，作者鍾清復 這樣論述：

食品首重安全，而後才有營養與獨特風味；食用油亦然，每天每餐我們都可能會食用到食用油，真是太重要了。有鑑於層出不窮的食品安全問題，食用油這領域仍是有人默默地在奉獻與關注。研究快速又無損害樣品的分析方法應該更早被產業界及政府相關部門所採用，為此研究之目的。這份研究，使用於傅利葉轉換紅外光譜的減弱式全反射分析技術，結合多元變數統計分析，對油脂做定性及定量的探討:在定性分析使用PCA做油脂分類，在定量上使用PLS預測油脂摻雜比例。PCA(Principle Component Analysis)使用大豆油、芥花籽油、芝麻油、玉米油、酪梨油、苦茶油、橄欖油、葡萄籽油與花生油等9種食用油脂進行分類分析。

PLS(Partial Least Squares regression)使用大豆油、芥花籽油、芝麻油、葵花油玉米油與橄欖油的混摻分析，不同混合百分比樣品共98個樣品。主要研究結果為:一、用Vlachos 的油脂特徵波長做PCA分析，Correlation Loading 大於0.7的波數為3009cm-1、2925cm-1、2854cm-1、1397cm-1、723cm-1，顯示這些波長為PCA進行油脂分類最重要的波長。透過文獻比對，這些波長與不同油脂的油酸及亞油酸組成相關，顯示FTIR可作為輔助GC脂肪酸檢測的快速定性分析方法。對於高油酸的油脂如橄欖油、酪梨油、苦茶油，因其脂肪酸組成較為接

近，在PCA模型Score plot會有部分重疊無法分開；而低油酸的大豆油、玉米油、芥花油在PCA模型Score plot則可以明顯與高油酸的油脂分開且分辨出來。雖然PCA模型Score Plot無法完全區分開不同的高油酸油品，但是高油酸油品價格均較高，一般不會用來摻混，會拿來摻混的只會摻混低價格的油品，所以PCA模型的化學計量法是可用來辨識油品的。二、在PLS部分使用6種不同波段域的建立calibration模型，對於不同混摻油脂RMSE最小的波段選擇分別是:大豆油與橄欖油摻混最佳波段為 set B(特徵波數1500~650cm-1 與1825~1650cm-1)；芥花油與橄欖油摻混最佳波段

為set F(Vascocelos.所提之17個波數組合) ；葵花油與橄欖油摻混最佳波段為set A(特徵波數1500~650cm-1與1825~1650cm-1與3050~2750cm-1) 玉米油與橄欖油摻混最佳波段為set F(Vascocelos.所提之17個波數組合) 芝麻油與橄欖油摻混最佳波段為set B(特徵波數1500~650cm-1與1825~1650cm-1) 。三、使用Valachos. 特徵位移觀察方法內插的R2值稍差於PLS法，因特徵位移法為很直接地觀察，油酸含量接近的油品就無法分辨，而化學計量法的話就可以分辨。特徵位移觀察法操作選擇與篩選的時間比較容冗長還是PLS較

佳。在操作芝麻油與橄欖油摻混測試依特徵位移觀察方法所做之R2值一直無法有0.99以上因此購置了5種以上的芝麻油做摻混測試，選擇其一最佳R2值為0.993，那為何芝麻油摻混之R2值為何不佳呢？經探討才知芝麻油之油酸與橄欖油的油酸組成比略近而造成摻混油脂R2值較遜了。