食用油是日常生活中必不可少的烹饪材料,并广泛应用于国内外的食品行业。然而食用油在多次高温煎炸之后,会产生酯、酮、醛等有害化学物质,不仅影响了煎炸食品的品质,而且会危害人体的生命健康。而且食用油中的有害物质的含量会随着食用油煎炸次数的不断增加而逐渐增大,也正因如此食用油的品质也会逐渐变差。目前国内外的众多研究中,对食用油品质的检测多采用化学的分析方法,采用酸价、过氧化值、羰基值等理化指标进行食用油的品质评价,但是传统的化学分析方法需要严苛的实验条件和专业的技术人员,所以检测效率较低,很难做到快速的实时检测。近红外光谱(Near Infrared Reflectance Spectroscopy,NIRS)检测技术具有无损、高效、环保、绿色的独特优势,所以本研究提出将化学计量学算法和NIRS检测技术相结合,并在标准的煎炸实验操作流程下进行食用油品质的检测,将食用油的品质评价方法转化为标准实验流程下食用油煎炸次数的定量检测。在本研究中,采用丹麦Foss公司生产的DS2500型近红外光谱分析仪采集大豆油、花生油和菜籽油的各150条原始光谱,采用手动的方式将每种食用油的光谱数据划分为训练集和测试集。研究采用多种预处理方法优化光谱数据并根据评价指标确定最佳的预处理方法,然后使用相关系数法提取特征波长,选取三种食用油中共有的且相关性最大的特征波长1170nm。选取在1170nm左右间隔2nm的1168nm和1172nm波长对,对两个波长的原始光谱吸光度做差分、标准化和平均处理,得到一条平均差分标准化曲线,确定每种油各煎炸次数所对应的光谱吸光度阈值,进而得到每种油的差分阈值模型。选取固定的标准值,对待测样本做标准化处理,将标准化后的数值输入到每种食用油的差分阈值模型中,得到待测样本的预测煎炸次数。结果表明,在误差允许的范围内(±1次),该方法检测三种食用油煎炸次数的准确率均为100%。因此本研究建立的差分阈值模型能够快速、有效和准确的检测三种食用油的煎炸次数。最后,设计了与每种油差分阈值模型都匹配的Windows端人机交互界面,实现了对食用油煎炸次数检测的可视化和系统化,该检测系统同时也为食品行业的食用油品质检测提供了理论依据和技术参考。