近红外光谱结合偏最小二乘法用于纯茶油中掺杂菜籽油和大豆油的定量分析

张菊华，朱向荣，尚雪波，帅 鸣

（湖南省食品测试分析中心，湖南省农业科学院，湖南长沙410125）

近红外光谱结合偏最小二乘法用于纯茶油中掺杂菜籽油和大豆油的定量分析

张菊华，朱向荣，尚雪波，帅 鸣

（湖南省食品测试分析中心，湖南省农业科学院，湖南长沙410125）

采用偏最小二乘法（PLS）建立了油茶籽油中掺杂菜籽油和大豆油的近红外光谱定量检测模型。配制不同比例（0～100%）的油茶籽油和菜籽油、油茶籽油和大豆油混合样品共256个，采集样品在10000～4000cm－1范围内的近红外透反射光谱，模型采用交互验证和外部检验来考察所建立模型的可靠性，不需进行任何光谱预处理，所建立的PLS模型相关系数为0.9997，训练集的交叉验证均方根误差（RMSECV）为0.504，预测集的预测均方根误差（RMSEP）为0.66。应用建立的模型对未知样品进行预测，并对预测值和真实值进行比较，在掺杂油含量为2.5%～100%之间范围内准确可靠，研究结果表明，采用近红外光谱技术可以实现纯茶油中菜籽油和大豆油掺杂量检测。

近红外光谱，偏最小二乘法，茶油，掺杂，菜籽油，大豆油

茶油全称是油茶籽油，是油茶树（Camellia Oleifera Abel）所产种子经压榨或浸提得到的植物油。茶油不仅色、香、味俱佳，且具有预防高血压、冠心病、动脉粥样硬化等心血管疾病的功效[1]，因此有“东方橄榄油”、“油王”及“油中珍品”等称号。茶油的高营养价值与其脂肪酸组成有关，茶油中油酸的含量为天然植物油中之冠；含有的亚油酸、亚麻酸等多不饱和脂肪酸为人体生长和生理活动不可缺少的必需脂肪酸，茶油食用后人体的消化吸收率达97%；茶油富含生理活性物质甾醇、生育酚、角鲨烯等，对提高人体抗病能力，延缓衰老有重要作用[2]；还含有山茶苷、山茶皂苷等特定的活性物质；茶油的抗氧化能力是菜籽油等普通油脂的60倍。茶油国内外市场发展前景均看好，联合国国际粮农组织把它列为首推的食用油料作物加以推广。目前市场上的一些茶油混有不同比例的、价格较低的其它食用油以降低成本，茶油的掺杂有两种情况，一是茶油掺杂其它价格低廉的油标称茶油，有的甚至是以其它油来冒充茶油；二是茶籽调和油，未标示其中纯茶油的具体含量。由于掺入的食用油在脂肪酸组成等方面与茶油接近，采用常规的化学方法识别起来十分困难。国内外研究组采用近红外光谱技术对茶油的定量掺杂进行分析的报导较少。Li Wang等人采用近红外光谱与中红外光谱结合SIMCA法和偏最小二乘法（PLS）定性、定量分析了在茶油中添加大豆油的掺假分析[3]。本研究采用近红外透反射光谱结合PLS建立了茶油掺杂大豆油和菜籽油的定量校正模型，取得了满意的效果。

1 材料与方法

1.1 材料与仪器

脂肪酸甲酯标样 购自SIGMA－ALDRICH公司，包括以下五种：油酸甲酯（CAS 0000112629）、亚油酸甲酯（CAS 0000112630）、亚麻酸甲酯（CAS 0000301008）、棕榈酸甲酯（CAS 0000112390）和硬脂酸甲酯（CAS 0000112618）；色谱纯甲醇 TEDIA公司；色谱纯异辛烷 KERMEL公司；分析纯KOH 汕头市西陇化工有限公司；分析纯NaHSO4上海市振兴化工有限公司。

2010气相色谱仪 包括自动进样器、进样口、柱温箱、FID检测器及GC SOLUTION数据处理工作站，日本Shimadzu公司；Nicolet AntarisⅡ傅里叶变换近红外光谱仪 配有积分球漫反射采样系统，美国Thermo公司；Omnic7.3光谱采集软件 配有金反射板的样品杯，采用Matlab7.1软件（Mathwork Inc.）进行数据处理，丹麦FOSS公司；InGaAs检测器。

1.2 实验方法

1.2.1 样品收集 本实验所用的样品为油茶籽油（苏仙、晶粹、金浩、金浩冷榨油4个品种）；掺杂油：大豆油（金龙鱼）、菜籽油（帅牌），均购自于长沙各大超市。

1.2.2 气相色谱方法 气相色谱前处理方法：采用《GB/T 17376－2008动植物油脂脂肪酸甲酯准备》。

气相色谱条件：色谱柱：RTX－WAX（30m×0.25mm× 0.25μm）；进样口温度：250℃；柱流速：氮气1.1mL/min；程序升温：170℃保持0.5min，升温速度为12℃/min，终温230℃保持21min；检测器氢火焰离子化（FID）：280℃；氢气流速：40.0mL/min；空气流速：400mL/min；尾吹：30.0mL/min；分流进样：分流比30∶1。

1.2.3 纯茶油掺杂方法 采用四种油茶籽油分别用大豆油和菜籽油进行掺杂，掺杂比例为0～100%（m/m）。掺杂量0%～55%之间间隔2.5%，56%～100%间隔5%，每种掺杂样本数为32个。四种油茶籽油分别用两种油掺杂共有掺杂处理256个样本。

1.2.4 近红外光谱方法 近红外光谱采用透反射检测系统，NIR光谱扫描波数10000～4000cm－1，扫描次数32次，分辨率8cm－1，以内置背景为参照。每批样品4次平行实验，取其平均光谱。在样品杯中置入3mL样品，然后用金反射板小心盖压在样品杯中，以消除气泡对光程的影响。每次采集光谱之后，依次用洗涤剂、自来水以及蒸馏水将样品杯与金反射板洗净，然后用电吹风吹干，待用。

1.2.5 定量校正方法 应用Matlab7.1定量分析软件中的PLS将近红外光谱数据和实际掺杂含量采用交互验证方法进行建模，并用该模型对未知掺杂油量进行预测。

2 结果与讨论

2.1 油茶籽油及掺杂油脂肪酸组成含量的测定

表1分别列出了所用样品的油茶籽油、菜籽油、大豆油脂肪酸组成，从表1可以看出，油茶籽油的脂肪酸组成相对掺杂油的脂肪酸组成，较为突出的特点是不饱和脂肪酸—油酸含量高达80%。大豆油比其它油的油酸含量较低，亚油酸含量较高。

表1 所用样本的脂肪酸组成Table 1 Main fatty acid composition of used sample

2.2 样本的透反射光谱采集

图1为代表性样本的近红外光谱图，记录了10000～4000cm－1波数样品的透反射光谱曲线，该区域包含了CH键的一级倍频、二级倍频与合频信息以及OH键的一级倍频，其中光谱1和2分别表示油茶籽油与掺杂茶油样品图。由图1可以看出，油茶籽油与掺杂茶油的NIR光谱无明显差异，用肉眼很难辨别，必须要采用化学计量学方法进行数据处理和建立模型。

图1 具有代表性样本的近红外光谱Fig.1 Representative NIR spectra of the samples

2.3 偏最小二乘法建立定量校正模型

四种油茶籽油中分别掺杂大豆油和菜籽油，对应每一种掺杂油均有32个样本（具体方法见1.2.3），采用KS法[4－5]对256个样品的NIR光谱进行划分，其中192个做训练集，剩下64个做预测集。然后对数据进行中心化处理。PLS是一种基于因子分析的多变量校正方法，现已成为化学计量学中最受推崇的多变量校正方法之一，在化学测量和近红外光谱中得到极为广泛的应用[6－7]。采用PLS建立全光谱模型，其中训练集的交叉验证均方根误差（RMSECV）值为0.504，验证集的预测均方根误差（RMSEP）值为0.66，训练集和验证集的相关系数（R）均能达到0.999，能够满足定量分析要求。训练集、验证集校正曲线分别见图2、图3。

2.4 校正模型的可靠性验证

通过对未知样品结果的预测来考察所建立的模型的准确性。采用所建立的定标模型对64个未知样品进行预测，表2为校正模型对未知样品的预测值及真实值的比较，预测的64个样本中，61个样本的实际值与预测值的相对误差在±5%的范围之内，仅有3个样本预测相对误差为9%～12%，预测最低掺杂量≥2.5%。

图2 纯茶油掺杂量训练集相关图Fig.2 The correlation figure of training set for camellia oil adulteration

图3 纯茶油掺杂量验证集相关图Fig.3 The correlation figure of validation set for camellia oil adulteration

3 结论

本文以近红外光谱技术结合化学计量学为基础，构建了PLS模型，用于油茶籽油中菜籽油和大豆油掺杂的定量分析。结果表明，NIR光谱分析技术可以作为一种简单、可靠、快速、准确的无损检测方法来测定油茶籽油中菜籽油和大豆油掺杂量或茶籽调和油中的菜籽油、大豆油含量，该技术将具有广泛的发展前景，可进一步在工业现场和消费市场实施。

表2 纯茶油掺杂量的真实值与预测值的比较Table 2 Prediction value vs.actual value for camellia oil adulteration

[1]柏云爱，宋大海，张富强，等.油茶籽油与橄榄油营养价值的比较[J].中国油脂，2008，33（3）：39－41.

[2]刘玉兰，汪学德.油脂制取工艺学[M].化学工业出版社，2006.

[3]Li Wang，Frank SC，Lee Xiaoru，et al.Feasibility study of quantifying and discriminating soybean oiladulteration in camellia oils by attenuated total reflectance MIR and fiber optic diffuse reflectance NIR[J].Food Chemistry，2006，95：529－536.

[4]Kennard RW，Stone LA.Computer aided design of experiments [J].Technometrics，1969，11：137－148.

[5]Pradova V，Walczak B，Massart DL，et al.A comparison of two algorithms for warping of analytical signals[J].Analytical Chimica Acta，2001，450：131－141.

[6]Yang H，Griffiths PR，Tate JD.Comparison of partial least squares regression and multi－layerneuralnetworks for quantification of nonlinear systems and application to gas phase Fourier transform infrared spectra[J].Analytical Chimica Acta，2003，489：125－136.

[7]Nes T，Isaksson T，Fearn T，et al.A user－friendly guide to multivariate calibration and classification，NIR publications[M]. Chichester，UK，2002.

Quantification analysis of camellia oils adulteration with rapeseed oil and soybean oil by combining near infrared spectroscopy and partial-least-squares

ZHANG Ju-hua，ZHU Xiang-rong，SHANG Xue-bo，SHUAI Ming
（Hunan Food Test and Analysis Centre，Hunan Academy of Agricultural Science，Changsha 410125，China）

Near infrared spectroscopy and partial-least-squares were combined to establish quantitative detection model of camellia oils adulteration with rapeseed oil and soybean oil.Mixed samples of camellia oils adulted by rapeseed oil and soybean oil with different proportions（0～100%），total samples was 256，samples were scanned and their near infrared reflectance spectrum were collected in 10000～4000cm-1region，the reliability of the model established was verified by cross-validation and external test.There was no any spectral pre-treatment，the correlation coefficient of the PLS calibration model was 0.9997，root mean square error in cross-validation（RMSECV）of training sets was 0.504，root-mean-square error value（RMSEP）of validation sets was 0.66.The model was applied to predict the unknown samples，and it was found that in the addition range of 2.5%～100%adulteration，the validation values were accurate and reliable，the results showed that quantitative detection of camellia oils adulated with rapeseed oil and soybean oil was reliable by near infrared spectroscopy.

near infrared spectroscopy（NIRS）；partial least squares；camellia oils；adulteration；rapeseed oil；soybean oil

TS227

A

1002－0306（2012）03－0334－03

2011－01－06

张菊华（1971－），女，副研究员，研究方向：食品加工和食品分析研究。