在于测定不同品种花生仁和花生油中油酸和亚油酸的含量时可以采用高光谱成像技术和近红外光谱技术。利用窄带滤光片将LED灯或卤素灯发出来的光谱分成10个窄区域波长的光谱，然后利用这些窄光谱对花生仁进行成像，根据不断波长的成像结果，按相应的数学模型进行回归得到结果。近红外滤光片波长范围一般从900nm到1700nm，滤光片的带宽为10~15nm。
食用油的营养很大程度上取决于脂肪酸的含量,而在不同植物品种的油中脂肪酸的含量差别很大。花生油是一种很好的油酸和亚油酸的来源,通常被称为"经济型"橄榄油。近年来,花生已广泛种植于世界大多数热带和亚热带地区的国家,其中中国花生产量最大。花生在不同的领域,包括健康、食品、农业、工业、环境和经济都是非常重要的。花生是高营养的食物,它的消费量一直与降低患冠心病风险水平有直接的关系。花生的营养价值主要归因于高含量的不饱和脂肪酸,比如油酸(ω9)和亚油酸(ω6)。不饱和脂肪酸的存在可以提高血液中高密度脂蛋白、降低低密度脂蛋白(劣质胆固醇)的水平,进而达到预防疾病(心脏病、糖尿病和癌症)、调节体重、降低血糖、血压的作用。本研究利用无损光谱技术测定花生中油酸和亚油酸含量。传统标准的气相色谱法(GC)也被采用为模型建立提供化学值。气相色谱法(湿化学方法)可以获得准确的参考值,但是速度慢,耗费时间,步骤繁琐并且需要大量样品。利用无损分析方法获得标准脂肪酸的校正集光谱数据。96品种的花生仁和83品种的花生油用于实验分析。利用高光谱成像系统(Sisu CHEMA)和近红外光谱设备(DA 7200)获得花生仁的光谱数据,利用Micro NIR 1700获得花生油的光谱数据。删除异常值并选择显著波长,采用PCA和PLS等化学计量学方法提取有用的光谱信息并建立模型。校正模型和预测模型都有良好的回归系数,表明结果良好。例如,从近红外光谱区间900nm-1700nm范围内的239个光谱中得到的10个有效波长建立PLS模型,模型的回归系数为0.97,误差分别为2.4和0.5,该模型预测油酸含量潜力巨大。研究表明光谱检测技术可以实时测定食品中的组分(如油酸、亚油酸),采用该技术可以实现持续监测食品质量安全并建立控制体系,这满足了消费者对食品健康品质的日益关注。采用适宜、高效的光谱技术需要考虑不同技术的差异性。例如,在花生仁检测中,与NIR方法相比,高光谱成像呈现出更多的信息。由于高光谱成像能够获得光谱和空间数据,采用少量的检测样品能够预测油酸和亚油酸的含量,油酸和亚油酸含量分别为18.8~20.2 mg/100 g和15~18 mg/100 g。传统的近红外光谱(NIRS)不能提供食品组分(油酸和亚油酸的脂肪酸)空间信息,而高光谱成像可以检测组分的三维信息,从而得到全面结果。此外,研究结果表明三种光谱技术在最适波长检测同一脂肪酸含量相关性较差。与此同时,Micro NIR可以用于采集花生油的光谱数据,而DA7200 NIR及HSI设备没有相应附件暂时不能用于油样测定。微型NIR采集的花生油光谱数据可按照HSI及NIRS采集花生仁数据的处理方式进行类似分析,进而建立预测模型。除了需要提取油脂之外,使用Micro NIR采建模效果与NIRS及HSI相当。本研究通过使用以上三种设备采集光谱数据建立了6种数据模型:三种用于检测油酸;三种用于检测亚油酸。基于最优波长及相应的回归系数建立数学模型,并且预测了模型的偏移量。本研究建立的模型需要进一步在多个大型实验室进行验证与确认,从而得出以上模型是否适用于未来食品工业化的检测与控制。本研究相比较传统方法取得了重大突破,提供一种快速无损的方法来预测未知花生样品。该方法步骤简单、不破坏环境、使用少量样品。但是该技术也面临一些挑战,例如大量的数据计算、无关信息删除和模型稳定性问题。
1700nm滤光片的示例曲线如下：
