近红外光谱技术在食用油快速检测领域中的研究进展

朱雨田，李锦才，高素君，郑燕燕

(深圳市计量质量检测研究院，国家营养食品质量监督检验中心，广东 深圳 518131)

近红外光谱技术在食用油快速检测领域中的研究进展

朱雨田，李锦才，高素君，郑燕燕

(深圳市计量质量检测研究院，国家营养食品质量监督检验中心，广东 深圳 518131)

近红外光谱作为一种无损、快速的新型检测技术，在食品品质检测方面的研究已相当广泛。就近红外光谱技术在食用油种类鉴别、掺伪掺假鉴别、理化指标定量分析及产地溯源等方面的应用进行了综述。探讨了近红外光谱技术在食用油快速检测领域中的应用优势及发展前景。

近红外光谱;食用油;快速检测;研究进展

近年来，频频被曝光的地沟油事件、食用油掺假事件、食用油氧化酸败变质等问题越来越引起监管部门及企业的重视，质量问题日益受到消费者的关注。

近红外光谱区的波长范围是770～2 500 nm，其频率范围是13 000～4 000 cm-1，该谱区承载的分析信息主要是分子含氢基团振动的倍频与合频特征信息。近年来，近红外光谱技术在农业、食品、医药、化工等领域应用已相当广泛，在食用油分析检测方面也得到了人们的认可和重视[1]。与传统分析方法相比，运用近红外光谱技术建立的检测模型不消耗任何化学试剂，便能达到快速准确测定的目的。本文就近红外光谱技术在食用油种类鉴别、掺伪掺假鉴别、理化指标定量分析及产地溯源等方面的应用进行了综述，对近红外光谱技术应用于食用油快速检测进行了展望。

1 近红外光谱技术在食用油种类及掺伪掺假鉴别方面的应用

目前市场上销售的食用油种类繁多，然而食用油以次充好、以假乱真的现象十分普遍，且掺伪掺假手段较为隐蔽。尽管我国已经发布相关的食用油产品标准及市场准入制度，但是依然较难满足对食用油掺伪掺假的快速、方便、准确的检测手段需求[1]。

近红外光谱技术通过结合化学计量学方法，比较油脂的整体指纹特征，辨别各谱图之间的细微差别，以此达到油脂种类鉴别和掺假分析的目的。刘翠玲等[2]将近红外光谱技术与欧式距离聚类分析方法相结合，建立了大豆油、芝麻油、花生油的定性快速鉴定模型，模型的识别率和预测率可达到100%。Zhou等[3]利用近红外光谱技术结合半监督支持向量机(GS3VM)建立模型，对快速鉴别食用油和泔水油进行了研究，结果表明GS3VM结合近红外光谱信息可以有效地鉴别食用油和泔水油；此外，当可利用的建模信息较少时，相比较偏最小二乘法(PLS)和支持向量机(SVM)，合并未标识的样本可以提高模型的预测结果，GS3VM较PLS和SVM更准确。Yang等[4]利用傅里叶远红外、近红外和拉曼光谱技术对10种食用油的光谱特性进行了对比研究，结果表明红外光谱技术结合化学计量分析法能简单、快速鉴定食用油的种类。

对于一些营养价值高、价格昂贵的油脂(如橄榄油、油茶籽油等)，不法商贩常常掺杂其他油脂以降低成本，欺骗消费者，但由于掺入的油脂在脂肪酸组成上与这些油脂非常接近，用普通的分析方法很难识别。研究表明近红外光谱技术可以较好地应用于油脂掺伪掺假鉴别。Rohman等[5]利用近红外光谱技术建立了掺入鳕鱼肝油中的菜籽油、玉米油、大豆油、核桃油的鉴别检测方法。Vlachos等[6]利用红外光谱技术对掺有芝麻油和玉米油的橄榄油样品进行了研究，通过对3 009 cm-1处红外光谱吸收峰变化规律的分析，获得了较为理想的鉴别结果。庄小丽等[7]利用近红外光谱和化学计量学方法进行了橄榄油品质与掺杂检测的研究，该研究基于橄榄油的近红外光谱数据，用判别分析方法把20个样品分为特级初榨橄榄油和普通橄榄油两类，准确率为100%，同时研究人员还测定了纯橄榄油中掺入多种其他植物油的混合油的近红外光谱数据，利用PLS方法建立定量分析模型，模型检验预测相对误差在-5.67%～5.61%之间。随着傅里叶变换近红外光谱技术(FT-NIR)的出现，近红外光谱技术在食用油检测领域的应用越来越广泛。杨佳等[8]研究了FT-NIR在芝麻油真伪鉴别与掺假分析中的应用，结果表明FT-NIR结合化学计量学方法可以用于芝麻油真伪鉴别及品质分析。刘福莉等[9]以8种食用油的43个样本为研究对象，采集了其在12 500～4 000 cm-1范围内的FT-NIR光谱数据，利用聚类分析法对谱图进行了定性分类鉴别，光谱经二阶导数预处理后，样本被准确无误地分为8类，判别模型对预测样品集的准确率达到100%。

2 近红外光谱技术用于食用油理化指标定量分析

目前，针对食用油的理化指标分析，油脂加工业及监督检验机构主要依靠化学分析和色谱分析。为了提高生产、分析效率和减少环境污染，利用近红外光谱技术替代日常分析已成为国内外学者的研究热点。在近红外区，油脂的主要组分都有吸收，能够获得稳定的光谱信息，因此近红外光谱技术可以用于油脂理化指标的定量分析。自20世纪90年代以来，在油脂品质分析工作中，研究人员已逐步构建了多种检测模型适用于分析油脂的质量指标和特征指标。

2.1 近红外光谱技术在食用油质量指标检测方面的应用

色泽、酸值、过氧化值等作为评价油脂质量等级的理化指标，传统的分析检测方法具有误差大、消耗试剂多、操作复杂等缺点，而使用近红外光谱技术结合化学计量学建立模型，可以实现对这些指标的快速、准确的定量分析。王立琦等[10]建立了大豆油过氧化值近红外光谱预测模型，并对比分析PLS、多元线性回归(MLR)和主成分回归(PCR)3种模型，确定PLS为最优模型，性能测试显示其校正集的相关系数为0.916，预测集的相关系数为0.922，结果表明使用近红外光谱技术分析测定油脂过氧化值是可行的。李贵滨[11]以大豆油色泽检测为研究对象，利用近红外光谱技术结合化学计量学及其模式识别方法，主要从光谱数据处理和校正模型建立等方面探讨了近红外光谱分析技术在快速检测大豆油色泽中的应用。Rao等[12]采用近红外光谱技术结合偏最小二乘判别分析(DPLS)建立了花生油酸值的定量模型，经检验该模型的识别准确率达到96.5%。Vieira等[13]利用一种新型的近红外发射光谱仪对食用油的氧化稳定性进行了研究，结果表明利用该款近红外光谱仪所建立的测定油脂氧化稳定性方法与Rancimat法一样准确，且其相比后者具有更加快速、操作便捷、消耗样品量低等优势。Armenta等[14]利用近红外光谱技术对橄榄油、玉米油、葵花籽油的酸值和过氧化值同时进行了定量分析的研究，结果表明，该方法可以同时快速、准确地测定食用油的酸值和过氧化值。

2.2 近红外光谱技术在食用油特征指标检测方面的应用

2.2.1 碘值检测方面的应用

近红外光谱技术建立油脂碘值快速测定的模型已有较为广泛的研究[15-18]。赵武善等[19]采用近红外光谱投射技术分别建立了油脂低碘值(I)范围(6～62 g/100 g)定标和高碘值(I)范围(97～134 g/100 g)定标，定标标准偏差分别为0.347和0.376，相关系数分别为0.999和0.998。运用验证样品集对定标进行验证，获得标准偏差及相关系数分别为0.446、0.572和1.000、0.997。结果表明，近红外光谱用于快速测定油脂碘值是完全可行的，其快速、便捷的测定大大提高了油脂生产效率，降低了企业的生产成本。Mba等[20]通过混合不同比例的橄榄油和菜籽油获得了多份不同的建模样本，使用PLS回归分析将样本的近红外光谱与化学方法测定的样本质量参数结果相结合，建立了同时测定橄榄油、菜籽油及其混合物的碘值、游离脂肪酸、过氧化值近红外光谱模型。Adewale等[15]利用FT-NIR结合PLS建立了用于同时快速测定动物油脂的碘值和游离脂肪酸的模型，通过对模型优化、检验，结果表明该模型的稳健性和方法的再现性都很好，该方法的建立可以达到降低企业生产成本和减少环境污染的目的。

2.2.2 脂肪酸组成分析方面的应用

于燕波等[21]应用近红外光谱技术建立了快速测定植物油中棕榈酸、硬脂酸、油酸和亚油酸含量的模型方法，研究者应用气相色谱法测定了建模样品集4种脂肪酸含量作为真值，通过对模型优化，结果表明气相色谱法测定的含量与模型预测值存在较好的线性关系，应用近红外光谱测定植物油中主要脂肪酸含量是可行的。Siemens等[22]利用近红外光谱技术快速测定了菜籽油、亚麻籽油和苏林油中的脂肪酸组成，并对该方法进行了评价，均得到理想的结果。Wu等[23]建立了同时快速检测8种植物油及其混合物中α-亚麻酸和亚油酸含量的近红外光谱模型。吴静珠等[24]采用PLS建立了油脂中棕榈酸、硬脂酸、油酸的近红外定量分析模型，采用最佳主成分数，交叉检验定标标准差、相关系数、预测标准差作为模型的评价指标，结果显示该模型具有较好的预测效果，可以为定量分析油脂中脂肪酸含量提供一种快速的检测方法。宋涛等[25]首次应用透反射近红外光谱技术收集大豆油1 100～2 500 nm波段的近红外光谱图，以气相色谱法测定了158个大豆油样品中棕榈酸、硬脂酸、油酸、亚油酸和亚麻酸含量作为化学值，采用改进的PLS法建立了近红外光谱快速测定大豆油中5种主要脂肪酸含量的方法，通过对模型的优化，盲样验证集预测值与化学值的相对标准误差均小于5.5%，结果表明所建立的模型用于快速测定大豆油脂肪酸含量是可行的。

近红外光谱结合化学计量学用于快速测定油脂的多项理化指标是可行的，且此类方法也已渐渐成为传统分析方法的补充和替代。此外，近红外光谱的优势又同时在测定油脂多组分上得到发挥，近红外光谱技术应用于生产企业在线监测及检测机构快速检测愈来愈成熟。

3 近红外光谱技术在食用油产地溯源方面的应用

随着人们生活水平的提高，消费者对食用油质量的要求不仅仅是简单的追求安全，对“高档”油脂的需求越来越多，诸如橄榄油、油茶籽油等。而此类油脂往往受制于产地及产量的制约，价格较高昂，造假及虚假宣传产地信息也成为不法商贩逐利的手段。因此对于监管部门为维护食用油产品的品质及标识信息的准确性，产品溯源信息显得尤为重要。此外，随着食品贸易在世界范围内流通的增加及相关法律法规要求注明食品原产地信息，因此针对一些进口食用油的产地溯源渐渐成为研究热点。陈永明等[26]运用近红外光谱光谱仪测定了3种不同产地的90个橄榄油的光谱漫反射特征曲线，利用全局搜索算法——遗传算法从751个光谱波长数据中提取9个特征波长数据，然后用主成分分析法对特征波长进行主成分提取，将提取到的6种主成分作为BP神经网络的输入变量，品种类型作为神经网络的输出变量，建立了人工神经网络模型，通过对30个未知产地的橄榄油样本进行预测，准确率达到100%。结果表明，该模型对不同产地的橄榄油有很好的聚类作用，其能够快速地鉴别橄榄油产地。Woodcock等[27]运用近红外光谱技术对产自意大利利古里亚地区和欧洲其他地区的橄榄油产地进行了建模分析，在2005—2007年间研究者共收集了913份橄榄油样本，其中210份来自利古里亚地区，703份来自其他地区。样本被随机的分为校正集和验证集，然后运用主成分分析法对样本进行预检验，通过PLS对光谱数据进行回归分析建立模型方法，根据预测结果显示，该模型对利古里亚地区的橄榄油和其他地区产地预测准确率分别达到92.8%和81.5%。

4 展 望

随着国家对食品安全的重视，面临庞大的食品检测需求，检测机构及监督检验现场检测如何能做到快速、准确，甚至无损检测成为越来越多分析方法开发者研究的热点。近红外光谱技术在食用油种类鉴别、掺伪掺假分析、理化指标定量分析、产地溯源等方面已有大量研究，且取得了较好的验证结果，充分表明该技术在食用油检测分析领域具有很大的潜在应用前景。然而，在食用油检测分析领域，由于标准方法的制约，生产企业及监督检测机构主要依据传统的化学分析方法，鉴于近红外光谱技术的巨大优势，开展近红外光谱相关技术检测标准的研究具有较大意义，既可以满足企业在线检测的需求，又可以达到快速检测的目的，且可以为推动我国食品安全检测的进步提供充分的技术依据。

[1] 严衍禄. 近红外光谱分析的原理、技术与应用[M]. 北京：中国轻工业出版社，2013.

[2] 刘翠玲, 位丽娜, 赵薇，等. 近红外光谱技术在食用油种类鉴别及定量分析中的应用[J]. 中国酿造， 2014,11: 149-151.

[3] ZHOU Y, LIU T, LI J. Rapid identification between edible oil and swill-cooked dirty oil by using a semi-supervised support vector machine based on graph and near-infrared spectroscopy[J]. Chemometr Intell Lab Syst，2015,143: 1-6.

[4] YANG H, IRUDAYARAJ J, PARADKAR M M. Discriminant analysis of edible oils and fats by FTIR, FT-NIR and FT-Raman spectroscopy[J]. Food Chem，2005,93(1): 25-32.

[5] ROHMAN A , MAN Y B C. Application of Fourier transform infrared (FT-IR) spectroscopy combined with chemometrics for authentication of cod-liver oil[J]. Vib Spectrosc，2011,55(2): 141-145.

[6] VLACHOS N, SKOPELITIS Y, PSAROUDAKI M, et al. Applications of Fourier transform-infrared spectroscopy to edible oils[J]. Anal Chim Acta，2006, 573/574(1): 459-465.

[7] 庄小丽, 相玉红, 强洪，等. 近红外光谱和化学计量学方法用于橄榄油品质分析与掺杂量检测[J]. 光谱学与光谱分析，2010,30(4): 933-936.

[8] 杨佳, 武彦文, 李冰宁，等. 傅里叶变换红外光谱技术在食用油分析领域的应用[J]. 中国油脂，2013,38(3): 81-86.

[9] 刘福莉, 陈华才, 姜礼义，等. 近红外透射光谱聚类分析快速鉴别食用油种类[J]. 中国计量学院学报，2008,19(3): 278-282.

[10] 王立琦, 张礼勇, 朱秀超. 大豆油脂过氧化值的近红外光谱分析[J]. 食品科学，2010,31(6): 205-207.

[11] 李贵滨. 基于SVM的大豆油脂色泽近红外光谱检测算法研究[D]. 哈尔滨：哈尔滨商业大学,2013.

[12] RAO Y L, XIANG B R, ZHOU X H, et al. Quantitative and qualitative determination of acid value of peanut oil using near-infrared spectrometry[J]. J Food Eng，2009,93(2): 249-252.

[13] VIEIRA F S , PASQUINI C. Near infrared emission photometer for measuring the oxidative stability of edible oils[J]. Anal Chim Acta，2013,796(17): 101-107.

[14] ARMENTA S, GARRIGUES S, DE LA GUARDIA M. Determination of edible oil parameters by near infrared spectrometry[J]. Anal Chim Acta，2007,596(2): 330-337.

[15] ADEWALE P, MBA O, DUMONT M J, et al. Determination of the iodine value and the free fatty acid content of waste animal fat blends using FT-NIR[J]. Vib Spectrosc，2014,72: 72-78.

[16] POCKLINGTON W D. Determination of the iodine value of oils and fats: results of a collaborative study[J]. Pure Appl Chem，2013,62(12): 403-409.

[17] COX R, LEBRASSEUR J, MICHIELS E, et al. Determination of iodine value with a Fourier transform-near infrared based global calibration using disposable vials: an international collaborative study[J]. J Am Oil Chem Soc，2000,77(12): 1229-1234.

[18] POCKLINGTON W D. Determination of the iodine value of oils and fats: results of a collaborative study[J]. Pure Appl Chem，2001,62(12): 403-409.

[19] 赵武善, 陈云波, 李向阳，等. 采用近红外透射技术分析油脂碘值[J]. 中国油脂，2003,28(9): 38-40.

[20] MBA O, ADEWALE P, DUMONT M J, et al. Application of near-infrared spectroscopy to characterize binary blends of palm and canola oils[J]. Ind Crop Prod，2014,61: 472-478.

[21] 于燕波, 臧鹏, 付元华, 等. 近红外光谱法快速测定植物油中脂肪酸含量[J]. 光谱学与光谱分析，2008,28(7): 1554-1558.

[22] SIEMENS B J , DAUN J K. Determination of the fatty acid composition of canola, flax, and solin by near-infrared spectroscopy[J]. J Am Oil Chem Soc，2005,82(3): 153-157.

[23] WU D, CHEN X, SHI P, et al. Determination ofα-linolenic acid and linoleic acid in edible oils using near-infrared spectroscopy improved by wavelet transform and uninformative variable elimination[J]. Anal Chim Acta，2009,634(2): 166-171.

[24] 吴静珠, 刘翠玲, 李慧，等. 基于近红外光谱的纯花生油掺伪快速鉴别方法研究[J]. 北京工商大学学报(自然科学版)，2011,29(1): 75-78.

[25] 宋涛, 张凤枰, 刘耀敏，等. 透反射近红外光谱法快速测定大豆油中的脂肪酸[J]. 光谱学与光谱分析，2012,32(8): 2100-2104.

[26] 陈永明, 林萍, 何勇. 基于遗传算法的近红外光谱橄榄油产地鉴别方法研究[J]. 光谱学与光谱分析，2009,29(3): 671-674.

[27] WOODCOCK T, DOWNEY G, O’DONNELL C P. Confirmation of declared provenance of European extra virgin olive oil samples by NIR spectroscopy[J]. J Agric Food Chem,2008,56(23): 11520-11525.

Progressinrapiddeterminationfieldofedibleoilsbynearinfraredspectroscopytechnology

ZHU Yutian, LI Jincai, GAO Sujun, ZHENG Yanyan

(National Nutrition Food Quality Supervision and Inspection Center，Shenzhen Academy of Metrology & Quality Inspection, Shenzhen 518131，Guangdong,China)

As a rapid, nondestructive new testing technology, near infrared spectroscopy technology is increasingly widely used in food quality testing. The application of near infrared spectroscopy in classification detection, adulteration detection, quantitative analysis of physical and chemical indicators and geographical origin traceability of edible oils were reviewed. The application advantages and development prospect of near infrared spectroscopy technology in the rapid determination field of edible oils were discussed.

near infrared spectroscopy; edible oil; rapid determination; research progress

2016-12-02；

：2017-03-15

朱雨田(1987)，男，工程师，硕士，主要从事食品安全检测工作(E-mail)1231661111zyt@163.com。

郑燕燕，高级工程师(E-mail)zhengyy@smq.com.cn。

Q657.33；TS227

：A

：1003-7969(2017)07-0140-04