阅读说明：本技术 用于检测含油果实、种子和坚果中的酸败的方法 (Method for detecting rancidity in oil-containing fruits, seeds and nuts ) 是由 冈瑟·沃尔夫冈·帕尔图夫 埃里希·莱特纳 于 2018-04-20 设计创作，主要内容包括：创建酸败指标表和将酸败指标值分配给含油果实、坚果和种子的吸收或反射光谱(2)包括：-使用光源(3)照射含油果实、坚果或种子(2)的样品,-将反射光和/或透射光投射到光电传感器(4)上,-借助于光电传感器(4)检测吸收或反射光谱,-通过确定挥发性化合物提取样品的成分,-借助于气相色谱法分离样品的挥发性成分,-通过对相关挥发性成分进行质谱检测识别出分离的挥发性成分,-从样品的识别出的挥发性成分确定样品的酸败指标值,-将检测到的样品的吸收或反射光谱分配给酸败指标值,-对代表性数量的样品重复前述步骤,并根据所确定的酸败指标值和分配的吸收或反射光谱形成酸败表。(Creating a rancidity index table and assigning rancidity index values to absorption or reflection spectra of the oleaginous fruits, nuts and seeds (2) comprises: -irradiating the fruit containing oil with a light source (3), -a sample of nuts or seeds (2), -projecting reflected and/or transmitted light onto a photosensor (4), -detecting an absorption or reflection spectrum by means of the photosensor (4), -extracting components of the sample by determining volatile compounds, -separating volatile components of the sample by means of gas chromatography, -identifying separated volatile components by mass spectrometric detection of the relevant volatile components, -determining a rancidity index value for the sample from the identified volatile components of the sample, -assigning the detected absorption or reflection spectrum of the sample to the rancidity index value, -repeating the preceding steps for a representative number of samples and forming a rancidity table from the determined rancidity index value and the assigned absorption or reflection spectrum.)

用于检测含油果实、种子和坚果中的酸败的方法

技术领域

本发明涉及一种用于创建酸败指标表并将酸败指标值分配给含油果实、坚果和种子的吸收或反射光谱的方法。此外，本发明涉及一种用于检测含油果实、坚果或种子(oilfruits,nuts and seeds)中的酸败的方法。

此外，本发明涉及用于检测酸败的含油果实、坚果或种子的设备。

背景技术

借助于光电传感器检测和随后分类散装材料是广泛使用的方法。例如，在公开US2013/0278919 A1中描述了用于分类种子的这种方法和这种设备的一个实施例。在这种已知的方法中，通过使用光源照射，单独地对种子进行光谱检查。随后，由光电传感器捕获吸收或反射光谱。因此，计算机单元分析感兴趣区域中的每个种子的吸收或反射光谱，以及基于校准曲线计算种子的特别的成分的含量。

例如，对散装材料的单独的元素中的各种元素的识别出是感兴趣的，以便能够区分散装材料的变质的元素和未变质的元素。根据现有技术，这些方法通常在近红外范围内操作。为了能够在生产设施中使用那些方法，采用的光电传感器必须具有高刷新率，通常为300Hz或更高。因此，可以确保高生产量，同时可靠地分析检查的每个单独的元素的成分。照惯例，借助于诸如偏最小二乘法、主成分回归等的普通统计分类方法分析由光电传感器收集的数据。如果在吸收或反射光谱中，在变质的元素和未变质的元素之间存在明显的差异，则这种定性分析产生非常好的结果。

这种方法的缺点在于，如果吸收或反射光谱变得太相似，则试图将变质的元素与非变质的元素分离通常导致大量的误分类。特别的缺点是，在随后的分类的情况下，这导致未变质的元素的大量浪费。同时，出现了仅实现变质的元素的非常低的检测率的缺点。尤其是在天然产品如食品中，这种不利影响特别的明显，因为与以受控方式生产的元素，诸如，例如塑料片相比，未变质的元素的自然光谱散射非常宽。

特别是关于在生产设施中以自动化方式加工的含油果实、坚果和种子，对自动区分酸败的并因此变质的元素和非酸败成分存在相当大的兴趣。

坚果和其它种子或含油果实的味道品质经常被脂肪氧化损害，这导致不希望的酸败味。具有高脂肪含量的坚果和其它含油果实的脂肪氧化，结果在储存和加工过程中可发生酸败。这严重损害了感官特性(降低的享受质量)并且导致产品价值较低。

脂肪氧化的机制是众所周知的并且在文献中有所描述。有两种不同的机制引起酸败。水解酸败是由水与脂质在酶活性(脂肪酶)存在下反应引起的。氧化酸败可分为自氧化、光氧化和酶促氧化反应。在其它因素中，就产品的稳定性而言，脂肪酸组成是至关重要的。不饱和酸的稳定性通过增加不饱和度而显著降低。对于硬脂酸(18:0)，油酸(18:1，ω-9)，亚油酸(18:2，ω-6)和α-亚麻酸(18:3，ω-3)，脂肪酸的氧化率约为1：10：100：200。

可以采用不同的方法确定酸败。大多数方法需要大量的样品，以便使用分别地磨碎的含油果实、坚果或种子的均匀的混合物。这涉及到以下缺点，即通过分别地均匀大量的含油果实、坚果或种子，损失了单独的水果、坚果或种子的有价值的信息。已知方法的另一缺点是这些方法仅仅是实验室方法，不适合用于自动检测方法和分类设施。此外，这些实验室方法是极其耗时的，并且如上所述，适用于均质化产品，但不适用于单独的含油果实、种子和坚果。

来自文献A.Beltrán,M.Ramos,N.Grané,M.L.Martín,M.C.Garrigós,Monitoringthe oxidation of almond oils by HS-SPME-GC-MS and ATR-FTIR:Application ofvolatile compounds determination to cultivar authenticity,Food Chemistry,Volume 126,Issue 2,2011,603-609页，一种用于确定杏仁油的挥发性组分用于验证杏仁的栽培品种真实性的方法是已知的。更具体地说，该方法用于区分西班牙和美国杏仁作物和可能的伪造品。为此目的，这些油的氧化过程通过固相微萃取/气相色谱-质谱法(HS-SPME/GC-MS)和全反射傅里叶变换红外光谱(ATR-FTIR)监测。为了加速脂肪氧化，在100℃下对样品进行热处理1、3、5、7、10、15和20天，并且在这些热处理之后检查样品的氧化稳定性。在红外光谱带中观察到的变化被用于监测杏仁油的氧化的进展。杏仁的酸败没有明确提及，而仅仅是带来了“异味的发展”。

研究不是对单独的杏仁进行的，而是对来自多个杏仁，即，来自均质化产品。既没有提及也没有建议如何使用本研究的结果以完成对产品流中的单独的杏仁的检测和可选地分离。相反，该研究旨在提出一种基于HS-SPME结合GC-MS的方法，借助于该方法应该可以快速分析和表征杏仁油中由脂肪氧化产生的挥发性成分。除了借助于HS-SPME/GC-MS的测量之外，杏仁油的ATR-FTIR光谱也在氧化过程中被监测。注意到的是，在HS-SPME-GC-MS分析中，用于样品氧化热处理的最佳时间是七天，因为只有在该时间之后醛含量的显著差异才是可辨别的，并且该时间构成分析时间的“合理短的持续时间”。至于由ATR-FIR的额外的分析，解释了在氧化条件下热处理1-20天后测量样品，其中，在一、三和五天的热处理时间后，仍然没有发现获得的光谱的显著差异。只有在热处理的第五天之后，才能观察到光谱变化，这表明样品的逐渐氧化。使用HS-SPME/GC-MS或分别使用ATR-FTIR的测量彼此独立地执行，并且来自两种类型测量的测量结果仅用作确定分别的另一种类型测量的结果是否似乎合理的。然而，两种类型的测量的结果没有联系。特别是，从测量结果中没有创建酸败指标或任何其它指标。

在文献Borràs E,FerréJ,BoquéR,Mestres M,Acenia L,Calvo A,BustoO.Prediction of olive oil sensory descriptors using instrumental data fusionand partial least squares(PLS)regression.Talanta.2016Aug 1；155:116-23.Epub2016年4月20日中，使用质谱(HS-MS)法、傅立叶变换中红外光谱(FT-MIR)法和UV-可见光分光光度法(UV-vis)用于预测橄榄油味道参数。使用偏最小二乘回归，基于来自四次连续收获的343份橄榄油样品的测量值创建多变量校准模型。HS-MS和FT-MIR结果或者被单独地评价，或者为改进预测模型，通过“数据融合”联系，该“数据融合”是两种不同类型测量的两个结果矩阵的合并，以形成一个矩阵。然而，在该检查过程中，变得显而易见的是，“数据融合”也不能提供橄榄油中酸败的有用预测，因为仅10％(！)的具有酸败橄榄油的样品可以被正确地检测。由于这种不良结果的影响，D2的作者指出不可能从测量数据创建可用的酸败模型。

因此，本发明的目的是提供一种方法，其避免了所述现有技术的缺点，并且能够自动检测单独的含油果实、坚果和种子中的酸败。

发明内容

根据本发明，该目的通过用于创建酸败指标表和将酸败指标值分配给含油果实、坚果和种子的吸收或反射光谱的方法实现，包括以下步骤：

-使用光源照射含油果实、坚果或种子的样品，

-将反射光和/或透射光投射到光电传感器上，

-借助于光电传感器检测从900至2500nm，优选地从900至1700nm，更优选地从1000至1500nm的波长范围内的样品的吸收或反射光谱，

-通过基于从样品上方的蒸气空间确定挥发性化合物的样品制备技术，优选地通过固相微萃取，提取样品的成分，

-通过应用气相色谱技术分离样品的挥发性成分，

-通过对与脂肪氧化相关的挥发性成分的组分进行质谱检测，识别出样品中分离的挥发性成分，

-根据样品的识别出的挥发性成分，确定样品的酸败指标值，

-将检测到的样品的吸收或反射光谱的至少单独的特性波长或波长范围分配给酸败指标值，

-对代表性数量的样品重复前述步骤，并根据所确定的酸败指标值和分配的吸收或反射光谱，或者分别地根据所检测到的吸收或反射光谱的特性波长或波长范围，形成酸败表。

与实验室中的分析的、非常耗时的方法，诸如上述已知方法相比，根据本发明的方法适用于取决于含油果实、种子和坚果的酸败水平自动检测和分类，其中单独的果实的高产品生产量是可检测的，并且检测的酸败果实在分类设施中可从产品流中单独地分离。

在本发明的优选实施例中，通过对与脂肪氧化相关的组分进行质谱检测识别出样品的挥发性成分包括识别出选自以下的一组或多组物质/官能团：

-氢过氧化物

-环状氢过氧化物

-饱和的、单不饱和的、以及二不饱和的醛

-烃(烷烃、烯烃)

-醇类(饱和的和不饱和的)

-酮类(饱和的和不饱和的)

-短链脂肪酸

-烷基呋喃。

通过对与脂肪氧化相关的成分进行质谱检测识别出样品的挥发性成分，特别地，可以通过在20和300之间的范围中选择的质荷比处，优选地在43、44、55、56、57、60、70、71、73、74、81、83、97中选择的至少一个质荷比处创建色谱图来进行。

在本发明的一个具体实施例中，通过对于脂肪氧化相关的成分进行质谱检测识别出样品的挥发性成分包括创建在第一质荷比处的脂肪酸色谱图和在第二质荷比处的醛色谱图。

根据本发明方法使用的样品在数量和特性方面以这样的方式选择，即可以确定可能的酸败的代表性横截面。这尤其可以通过适当的样品选择和制备(例如，对于不同时间段的在高温下的存储)确保。

为了通过高光谱成像(HSI)分别地测量含油果实、坚果或种子的吸收或反射光谱用于酸败的确定和随后的本发明优选的分类，关于单独的含油果实、坚果或种子分别地的详细信息对于适当的校准模型是必要的。这通过根据本发明的方法确保，由此可以分别地实现酸败的含油果实、坚果或种子的分离，其比以前更加万无一失。特别地，本发明提供了高度准确和独特的参考分析，借助于该参考分析可以确定单独的坚果/含油果实/种子的实际氧化状态，并且可以收集其极值。

根据本发明方法的一个实施例基于在样品上方的蒸气空间中的挥发性化合物的积聚，特别是基于顶空固相微萃取(HS-SPME)，其与具有质量选择检测的气相色谱耦合。分析方法的这种组合缩写为HS-SPME-GC-MS。然而，本发明不限于该实施例，而是根据本发明的方法基本上包括测量和确定样品的蒸气空间中的挥发性化合物，通过气相色谱法分离挥发性化合物的单独的组分，通过质量选择检测识别出分离的挥发性化合物的至少单独的一个，以及选择性地使用识别出的挥发性化合物确定酸败指标。

不饱和脂肪酸的脂肪氧化以氢过氧化物的形成开始，并产生大量不同的化学结构和官能团。因此，这些物质的组可以潜在地用作用于测量脂肪氧化的度的标记化合物。

对于高光谱分析，推荐考虑能够测量如上所述的结构特性的近红外范围中的所有波长。

造成不期望的酸败味道的化合物是例如在氢过氧化物形成之后由脂肪酸链***得到的醛。随着氧化的进行，醛可形成游离脂肪酸，这也可能促成酸败坚果的进一步不期望的感官特性。为了评价单独的含油果实或种子的质量，首先通过HSI测量这些含油果实或种子(具有不同的酸败和不同的来源)，及时单独标记，并通过HS-SPME-GC-MS如下包装和分析：

将单独的含油果实、坚果或种子磨碎，并将合适的代表性量的样品，例如300mg称重到合适的尺寸的玻璃容器中，并以气密方式密封。玻璃容器中可以包括玻璃涂覆的磁力搅拌器。挥发性成分的积聚通过基于能够可逆地绑定挥发性有机化合物的合适的吸附或吸收材料的顶空分析的合适的技术实现。此外，解吸在高温下热发生，优选直接在气相色谱系统的进样系统中发生。挥发性化合物的分离发生在具有合适的固定相和能够分离分析物的温度程序的高分辨率毛细管上。检测经由质量选择检测发生，使得可以跨相关目标化合物的整个质量范围捕获质谱以便能够明确地识别出化合物。质谱以扫描模式检测，质荷比(m/z)的扫描范围优选为20-300。

通过提取选择的质荷比可以获得进一步信息。已经表明，m/z＝44构成用于线性和饱和醛的通用和选择的片段，其完全适合于酸败性的确定。关于潜在酸败的额外的信息可以经由游离脂肪酸使用质荷比m/z＝60获得，根据方法的一个实施例，醛色谱图因此在m/z为44处创建，以及脂肪酸色谱图在m/z为60处创建。

在本发明的一个实施例中，通过求m/z为44的醛色谱图的峰值和m/z为60的脂肪酸色谱图的峰值的积分，可以计算酸败指标值。获得的数值可以表示为醛指标值或脂肪酸指标值或总酸败指标。为了易于阅读，将峰值范围的总和除以固定的数字以便获得更便于处理的数字。通过分析大量不同来源和质量的不同样品，可以确定和分别验证用于校准模型的宽范围的酸败指标值。

因此，根据本发明的方法使用定量方法，该方法不涉及在吸收或反射光谱中寻找明显的区别特征，而是创建吸收或反射光谱中的微小但仍显著的差异与来自实验室的参考之间的相关性。因此，吸收或反射光谱不用于将含油果实和种子划分为“好”(几乎没有酸败反应的产品)和“坏”(存在酸败反应的产品)两类，但是创建酸败指标。结果，获得了可以因此定量检测酸败度的优点。特别有利的是，仅在随后的步骤中，可以提供用于酸败指标的一个或多个阈值，从所述阈值中，将含油果实、坚果或种子分别地分类为不再符合质量标准或分别地分类为落入不同的质量水平。特别地，这允许非常简单地适应用于含油果实和种子的不同质量要求的优点。

根据本发明的方法还提供了以下优点：能够在第一次就表现出借助于光谱确定法的含油果实和种子中酸败的可识别性。为此，在实验室中发现了与酸败直接相关的化学标记。因此，使用统计相关方法，将已经为所选择的样品记录的光电传感器的吸收或反射光谱再次与在实验室中为相同样品确定的酸败指标相关，使得可以直接基于吸收或反射光谱计算酸败指标。

附图说明

下面将参照附图更详细地解释根据本发明的方法的有利的实施例以及可替换的实施例变体。

图1显示酸败样品和新鲜样品的色谱图。

图2显示酸败和新鲜坚果的提取的m/z为44(饱和醛)的色谱图。

图3显示酸败和新鲜坚果的提取的m/z为60(脂肪酸)的色谱图。

图4以示意图示出用于检测酸败的含油果实、坚果或种子的设备。

具体实施方式

根据本发明的方法提供了将酸败指标值分配给单独的含油果实、坚果和种子2，其中在第一方法阶段，使用光源3照射单独的含油果实、坚果或种子2。根据优选的实施例变体，这发生在近红外范围内。从含油果实、坚果或种子2反射或分别透射的光随后被投射到光电传感器4上，光电传感器4检测在从900至2500nm、优选地从900至1700nm的近红外范围中的吸收或反射光谱。在特别优选的实施变型中，吸收或反射光谱由光电传感器4在1000至1500nm的范围内检测。在优选的实施变型方案中，吸收或反射光谱通过高光谱检测来检测。

为了确定先前已被检测了吸收或反射光谱的含油果实、坚果或种子2的酸败指标值，在测量光谱后应立即通过对单独的均质含油果实/种子/坚果的挥发性部分进行顶空分析，使用合适的吸附和/或吸收性材料富集(enrich)挥发性部分。在热解吸时，在具有质量选择检测的气相色谱系统上进行分离和检测。选择由脂肪氧化形成的降解产物的适当选择性质量片段可允许明确分配到相关物质种类，从而能够根据光谱测量、特别是根据HSI测量来创建用于光谱数据的适合的校准模型。

在优选的实施例变体中，通过在所确定的醛色谱图的至少一部分上的积分来确定醛指标值，以及通过在所确定的脂肪酸色谱图的至少一部分上的积分来确定脂肪酸指标值。

为了说明的目的，图1示出根据先前描述的方法分析后的酸败样品和新鲜样品的色谱图，质谱仪***作用于在例如20-300的相关质量范围内以质荷比(m/z)的扫描模式进行检测。

为了说明的目的，图2示出了与新鲜样品相比，酸败样品在第一质荷比(m/z)为44处的醛色谱图的示例。如上所述的醛指标值的确定显然产生了对于酸败样品的醛色谱图而言醛指标值比好的样品显著更高的醛指标值。

为了说明的目的，图3示出与新鲜样品相比，酸败样品在第二质荷比(m/z)为60处的脂肪酸色谱图的示例。与图2中所述的醛指标值一致，如上所述的脂肪酸指标值的确定明显产生了对于酸败样品的脂肪酸色谱图而言比新鲜样品显著更高的脂肪酸指标值。

对代表性的各种含油果实、坚果或种子重复这些步骤，并根据确定的酸败指标值和分配的吸收和反射光谱创建酸败指标表。

在方法的优选实施例变体中，通过将酸败指标值分配给检测到的吸收或反射光谱的平均值、带宽或单独的频带中的至少一个，实现将检测到的含油果实、坚果或种子的吸收或反射光谱分配给酸败指标值。在这样做时，相应的吸收或反射光谱的某些范围或平均值被定义为表征含油果实、坚果或种子2的酸败度的范围。

此外，本发明提供了一种用于检测含油果实、坚果或种子2的酸败的方法以便解决如最初指出的问题。在该检测方法中，在第一方法阶段中，用光源照射单独的含油果实、坚果或种子。根据优选的实施例变体，这同样在近红外范围内实现。

从含油果实、坚果或种子反射的光或分别透射通过含油果实、坚果或种子的光随后被投射到光电传感器上，光电传感器检测优选从900至1700nm的近红外范围中的吸收或反射光谱。在特别优选的实施例变体中，吸收或反射光谱由光电传感器在1000至1500nm的范围内检测。优选地，吸收或反射光谱的检测通过借助于高光谱相机的高光谱检测实现。

在进一步的步骤中，该方法利用前述方法的酸败表，该酸败表包括酸败指标值和分配的吸收或反射光谱或分别地那些光谱的特征范围和/或波长。随后将在所述方法中检测的吸收或反射光谱与酸败指标表中包括的吸收或反射光谱进行比较。这样，实现了将检测的吸收或反射光谱分配给酸败指标表的与检测到的吸收或反射光谱最相似的吸收或反射光谱。这允许确定分配给最相似的吸收或反射光谱的酸败指标值。

该方法提供的优点是，借助于先前描述的根据本发明的用于创建酸败指标表的方法，通过先前的校准，使得在生产设施中检测含油果实、坚果或种子的酸败成为可能，其中检测单独的果实的酸败，而不是仅检测均匀的产品流。

根据本发明的检测方法的优选实施例变体，通过比较吸收或反射光谱的平均值、带宽或单独的频带中的至少一个，实现将检测到的吸收或反射光谱分配到酸败指标表的与检测的吸收或反射光谱最相似的吸收或反射光谱。在这种情况下，相应的吸收或反射光谱的某些范围或平均值被定义为表征含油果实、坚果或种子的酸败度的范围，并用于该比较。这有利地增加处理的精度。

此外，该检测方法提供的优点是，在进一步的方法阶段中，可以确定至少一个阈值，并且超过该至少一个阈值导致含油果实、坚果或种子被丢弃或以区别的方式被分类。这提供了以下优点，即阈值的定义使得可以分别地适应于含油果实、坚果或种子的不同的品质要求。

最后，本发明还包括用于检测酸败的含油果实、坚果或种子的设备，其将在下面详细描述，该设备被设计用于使用根据本发明的方法创建的酸败指标表执行根据用于创建酸败指标表的本发明的检测方法。

图4以示意图示出根据本发明的用于检测酸败的含油果实、坚果或种子2的设备1，设备1包括两个光源3、3’，光源3、3’可以一起提供或者替换地提供，光电传感器4、计算机单元5和分类单元6。通过使用溜槽形式的输送设备7，连续引导含油果实、坚果或种子2通过由光源3、3a发射的光束，并被该光束照射。根据优选实施例变体，光源3、3’发射近红外范围内的光。光电传感器4检测从含油果实、坚果或种子2反射的光源3的光、或者分别地检测光源3’的透射光，并检测含油果实、坚果或种子2的吸收或反射光谱。

光电传感器4连接到计算机单元5，并将检测的吸收或反射光谱发送到计算机单元5。

计算机单元5利用酸败指标表，根据本文首先描述的方法来评估吸收或反射光谱。所述表包括多个酸败指标值和分配的吸收或反射光谱。计算机单元5将检测到的吸收或反射光谱与酸败指标表中列出的吸收或反射光谱进行比较，并将检测到的吸收或反射光谱分配给酸败指标表中最相似的吸收或反射光谱。根据优选实施例变体，这是通过比较吸收或反射光谱的平均值、带宽或单独的频段或其组合完成的。在已经进行分配之后，计算机单元确定分配给最相似的吸收或反射光谱的酸败指标值。以这样的方式，酸败指标值被分配给由设备1检测的每个单独的含油果实、坚果或种子2。

在光电传感器4的下游，含油果实、坚果或种子2被引导经过同样连接到计算机单元5的分类单元6，计算机单元5控制分类单元6。分类单元6允许从被引导通过设备1的含油果实、坚果或种子2的产品流中对单独的含油果实、坚果或种子2进行分类，例如借助于压缩空气6a的突发气流，其依据分配的酸败指标值，将含油果实、坚果或种子分别输送到用于好的产品2a和用于变质产品2b的不同分类通道8和9中，例如，分类通道8、9通过溜槽实施。基于用于酸败指标值的预定阈值，计算机单元5判定将各个含油果实、坚果或种子2分别地输送到分类通道中的一个中。分类单元6可以设计为襟翼设备、压缩空气设备(如图所示)等。基于该示例性参考，分类单元6的进一步实施例对于本领域技术人员将是显而易见的。

总之，如独立权利要求和优选实施例中所限定的本发明基于以下概念和优点：

使用高光谱成像(HSI)借助于光电传感器对散装材料进行检测和分类是广泛使用的方法。在这样做时，使用宽带光照射样品，并且通过光电传感器优选在近红外范围内对反射光进行光谱检测和检查。基于对谱(振幅、频率)的评估，分别推断出特性和成分。这些特性、成分的识别构成了在分类处理中区分好的和坏的产品的基础。这些特性/成分的识别是基于定性的、相对的方法。在建模过程中，将光度法检测到的好的产品的光谱轮廓与坏的产品的光谱轮廓进行比较。在这样做时，寻找如下所述的光谱区域：在所述区域中，特性的差异非常大，或者与其它物质相比与寻求的物质的相关性非常高。然后选择识别出的区域用于分类处理，并且将相应的光谱归一化。即，光谱的绝对振幅被消除，并且在分类中仅使用好的产品和坏的产品的光谱之间的差异用于判定。

由于这种过程，由于以下原因会发生误分类：

-如果两个频谱之间的差异非常小，则该小的差异在归一化处理中被增强到信噪比将急剧增加的程度，这极大地增加了判定的不确定性。

-光谱的差异是基于好的/坏的样本的参考抽样确定的。然而，就具有光谱散射的天然产品而言，这种比较受制于高水平的不确定性，并且可能随每批产品而变化。

这种错误分类的结果是好的和变质的食物的不充分地分离。

当在生产设备中自动地加工含油果实、坚果和种子时，这个问题尤其会出现。在这种自动化处理中，重点在于期望自动地将酸败并因此变质的元素与未酸败的元素区分开。甚至在产品被进一步加工(压榨、研磨、去皮等)之前，也将以自动化的方式以高的生产率去除单独的低质量的水果/坚果/种子。

提出的解决方案基于一种定量方法，该方法消除了先前方法的缺点，因为分类信息并不是如以往那样基于酸败的含油果实/坚果/种子与非酸败的比较量的光谱比较获得的，而是从光谱指纹的角度对酸败(脂肪氧化、水解)的化学引发剂和由其产生的物质(醛等)进行检查。

由于酸败不是二价量，即，仅仅在酸败/非酸败之间进行区分是不够的，但酸败是以不同程度存在的，因此使用根据本发明开发的酸败指标表，该表将相应的光谱范围内的振幅分配到例如0-100％的酸败值。

该酸败指标表是使用可用的分析实验室方法(例如气相色谱法等)基于大量统计的含油果实/坚果/种子开发的。

根据本发明，酸败指标现在通过使用分类设施的光电传感器，优选高光谱相机，用于检测含油果实、坚果和种子中的酸败度被使用，其中光电传感器可以使用分类设施的酸败指标表被校准。即，基于该表，可以从适当的光谱范围内的光谱中的绝对振幅自动地推断酸败的定量度(例如，0-100％)。

基于根据本发明创建的酸败指标表的检测方法和分别地执行该检测方法的分类设施的特性由以下优点表征：

-由于酸败指标表的评估，在线分类处理中的决策制定的高处理速度和确定性；

-基于离线实验室技术的当前状态，在分类处理中可以在线使用高质量的酸败指标表；

-酸败的分类不是二价量(酸败/非酸败)，而是可以基于在某一波长的幅度或分别基于在波长范围内的幅度的平均值追溯的类似量；

-基于酸败值，可以根据不同的质量(x％酸败)进行分类，并且因此可以实现对不同质量水平的使用；

-在所述分类设施中精确设定分类限制。