电子鼻在餐厨废弃油脂掺假判别中的应用

殷志康，笪丹丹，赵 迪，李春保

(南京农业大学 食品科技学院 农业农村部肉品加工重点实验室 教育部肉品加工与质量控制重点实验室 江苏省肉类生产与加工质量控制协同创新中心，江苏 南京 210095)

我国是世界上最大的油脂消费国，食用植物油的质量关系到每个人的身体健康[1]。不法商贩收集废弃食用油或劣质油以制备食用油的报道屡见不鲜，造成了严重的食品安全问题。餐厨废弃油脂的主要成分是脂肪酸甘油酯，在被污染的环境中，餐厨废弃油脂会发生酸败、氧化、分解等一系列化学反应，产生有毒或致癌的物质[2]。由于回收油脂来源复杂，且经深度精炼后，回收油脂中大部分可以检测的物质可能已经被去除，难以找出与合格食用油不同的特征指标，导致国家至今未制定关于餐厨废弃油脂的标准检测方法。目前常用的掺假油脂检测方法是一些物理或者化学的方法，如热分析法、液相色谱法、红外光谱法、核磁共振法、质谱联用法或分子生物学法等[3-8]。

热分析法可根据样品的结晶温度、结晶特性的不同来区分餐厨废弃油脂与食用植物油[9]，但在分析过程中受外界的扰动影响较大。高效液相色谱法一般通过检测泔水油中的阴离子表面活性剂(如十二烷基苯磺酸钠[10])来鉴别食用植物油中是否掺入了回收泔水油，但若合格食用油中泔水油的掺入量低于10%，则该方法不能有效检出。红外光谱法可以根据不同种类餐厨废弃油脂的特征吸收峰作为其判别依据[11]，但一般不单独作为判断和考量的标准。低场核磁共振法可根据H的弛豫时间的不同从而实现对食用植物油中餐厨废弃油脂的检测[12]，但其对仪器设备有较高的要求。实时荧光PCR方法可以区分植物油中是否掺有动物油脂[8]，但其成本较高且不适用于煎炸老油的鉴别。综上所述，现有的方法存在前处理复杂、耗时长、检测成本高等缺陷，在检测油品掺假方面具有一定的局限性。

电子鼻，又称人工嗅觉系统，是一种能够分析识别复杂气味和易挥发成分的仪器。作为来源于20世纪80年代发展起来的电子仿生技术，电子鼻由传感器、信号处理与模式识别3个系统组成[13]。电子鼻检测的原理是基于气体传感器阵列接触到样品中挥发性物质后电导率信号的改变，传感器阵列不只是获取某一特定挥发性气体的信号，而是测定样品中所有可识别的挥发性气体的全部信息，然后在所谓的“指纹”数据中对这些信号进行比较和识别[14]。使用电子鼻测量的样品无需预处理，检测费用低廉，重复性好，且不对样品产生任何破坏。目前，电子鼻已应用于食用油品质和掺假的鉴别研究[15]。胡晓慧等[16]利用气体传感器阵列采集油样气味特征信息，使用支持向量机算法对油样进行识别，发现该方法在一定程度上对食用油和餐厨废弃油脂的识别是可行的。电子鼻技术也已被应用于新鲜油脂和酸败油脂的鉴别、食用油氧化程度的判定以及煎炸老油品质的鉴定。张丽[17]在研究餐厨废弃油脂与食用植物油挥发性物质的差异中发现，醛类是油脂氧化的重要产物之一，而在氧化过程中还伴随着氮氧化物和醇类物质的产生；醛类、醇类、氮氧化物可能是餐厨废弃油脂与食用植物油的主要差异性挥发物。

目前，国外对电子鼻在油脂检测方面的应用研究则主要为食用植物油的质量控制、油品的保质期预测、橄榄油和牡丹籽油的掺假检测等方向[18]。现有文献已报道采用电子鼻对餐厨废弃油脂和大豆油、花生油、橄榄油进行定性区分，但未考虑餐厨废弃油脂掺入正常商品油的情况[16,19-20]。而现实中广泛存在将餐厨废弃油脂掺入正常油中的情况，这种掺假情况则更为隐蔽。

鉴于此，本实验中，笔者将不同比例餐厨废弃油脂掺入市售花生油中，利用电子鼻技术对有关传感器的响应值进行线性拟合分析，并结合主成分分析法(PCA)和线性判别式分析法(LDA)的信息，建立掺入不同比例餐厨废弃油脂的花生油的定性鉴别方法，以期为商品食用油中餐厨废弃油脂掺假的检测提供一定的参考。

1 材料与方法

1.1 材料

食用油购自南京市苏果超市(卫岗店)，实验前密封保存于4 ℃冷库中，以防止氧化变质。2种实验花生油的信息如表1所示。餐厨废弃油脂源于上海市杨浦区废弃油回收公司(上海市餐厨垃圾集中处置定点公司)。

表1 实验用油的信息列表

1.2 仪器与设备

PEN3型电子鼻设备购自德国Air sense公司，包含10个金属氧化物传感器阵列：W1C、W5S、W3C、W6S、W5C、W1S、W1W、W2S、W2W和W3S，分别对芳香族成分、氮氧化物、氨类、氢气、烷烃、甲烷、硫化物、乙醇、有机硫化物和芳香烷烃类物质较敏感。

1.3 样品制备

将5 mL的油样加入到20 mL的顶空进样瓶中，样品中花生油(1号油或2号油)混合餐厨废弃油脂的比例分别为0%、0.5%、1%、2%、5%、10%、20%、50%和100%，以餐厨废弃油脂的掺入比例由低到高依次标注为A、B、C、D、E、F、G、H和I号。

1.4 电子鼻测定方法

取装入油样的顶空进样瓶，压紧瓶盖，室温下静置平衡2 h，待其顶部气体成分稳定后进行测量。电子鼻传感器在每次测量前后都进行清洗，以消除漂移。经过预实验确定了电子鼻参数，气体的进样速率为400 mL/min，载气速率为400 mL/min，清洗时间为100 s，检测时间为120 s。实验时顶空进样瓶上方插有2个针头，一个针头用于将油样上方气体导入电子鼻传感器，另一个则用于输入外部空气以保持气压平衡。在相对电导率G/G0稳定后，采集数据进行分析。所有样本的实验平行数为3。其中G0和G分别为传感器在初始阶段和平衡阶段的电导率。

1.5 数据分析方法

采用电子鼻系统自带的Win Muster软件进行数据采集和测量，在Win Muster系统中对115 s处数据进行主成分分析(PCA)和线性判别分析(LDA)。使用Origin 2016软件对数据进行图像绘制并作线性拟合分析。

2 结果与讨论

2.1 电子鼻对不同浓度掺假油的响应

当电子鼻的传感器接触到挥发性气体时，其电导率G发生变化，导致G与初始电导率G0的比值(相对电导率)也随之改变。样品中某一挥发性气体的浓度越大，对应传感器的G/G0的变化就越大。如果样品中某种挥发性气体的浓度低于传感器的检测限，则相应的G/G0值为1。电子鼻传感器对掺入不同浓度餐厨废弃油脂的假花生油的响应曲线如图1所示，图中每一条曲线都代表一个传感器的G/G0随时间变化的情况。所有样品的传感器响应值曲线均有一个快速上升而后逐渐下降的过程，大约60 s后曲线趋于平缓，约100 s后即可达到稳定，因此后续的PCA和LDA分析中取第115 s处的数据进行采集分析。

从图1可以看出，纯花生油与餐厨废弃油脂的响应存在不同程度的差别。其中，W1W、W2W和W5S这3个传感器对纯花生油样品具有较大峰值和平衡响应值，而这3个传感器对纯餐厨废弃油脂样品的响应则表现为峰值响应低、平衡信号值小。赵泽伟等[15]采用PEN3型电子鼻分析了薏苡仁油氧化过程，发现传感器对油脂中氧化前后的氮氧化物、氢氧化合物、甲烷、硫化物和芳香成分敏感。李靖等[21]利用PEN3型电子鼻系统分析研究了大豆色拉油煎炸过程中挥发性成分的变化特征时发现，经长时间煎炸的大豆油中开始出现H2S类物质，而氨氧化物、芳香苯类、乙醇等挥发性成分的含量均有一定程度的升高。姜岩等[20]在研究花生油煎炸前后挥发性气味成分变化的实验中也证实，煎炸废花生油产生的氨氧化物、氨类、烷烃、硫化物以及醇类物质是其气味变化的主要原因。李小凤等[22]对市售植物油与餐厨废弃油脂中的挥发性物质进行分析，发现芳香类与醚类物质可以作为区分植物油中是否有含有餐厨废弃油脂的依据。通过电子鼻判别同一类香气成分之间的差异，可以更好地把握香气成分的整体信息。在本实验中，W1W、W2W和W5S这3个传感器对纯花生油和餐厨废弃油脂的响应具有明显差别，其对应的敏感类物质为硫化物和氮氧化物，这与赵泽伟等[15]和姜岩等[20]的研究结果相类似。

图1 电子鼻传感器对掺入不同比例餐厨废弃油脂的假花生油(1号商品油)的传感器响应曲线

为更好地观察传感器的响应值随着花生油中餐厨废弃油脂掺假比例变化的趋势，对W1W、W2W和W5S这3个传感器的响应曲线进行进一步分析，结果如图2(a～c)所示。由图2(a)～(c)可知，随着掺假比例的上升，W1W、W2W和W5S传感器响应值的峰值信号逐渐下降，峰值出现时间滞后。此外，在所有掺假油样的响应值曲线图中，只有W2S和W1S传感器出现了响应信号值低于1的情况。图2(d～e)为W2S和W1S传感器的响应曲线图，由图2(d)～(e)可知，掺假油的平衡响应值远低于正常花生油，且掺假比例越高平衡响应值越低。周玥等[23]利用电子鼻对油茶籽油中菜籽油的掺假情况进行了分析，发现电子鼻部分传感器的相对电导率发生了明显的变化，可用来区分2种油料。因此，餐厨废弃油脂掺假的花生油确实会导致电子鼻对应传感器的响应强度发生明显改变，其响应值与纯花生油相比存在差异。在本实验中，可能是餐厨废弃油脂中的含硫化合物、氮氧化物、甲烷以及乙醇类成分使得纯花生油和掺假花生油的电子鼻信号产生差异。

图2 不同比例掺假的1号花生油W1W、W2W、W5S、W2S、W1S传感器响应曲线

为进一步考察掺假比例与传感器响应值的变化之间是否存在线性关系，以纯花生油样品的峰值相对电导率为基准，与不同掺假比例样品的峰值相对电导率作差，将上述5个传感器峰值相对电导率的下降值对掺假比例作图，线性方程如表2所示。由表2可知，在较低掺假比例下，传感器峰值相对电导率的差值与掺假比例之间存在一定的线性关系。其中W2S和W1S传感器的线性拟合决定系数R2分别达到0.988和0.997。因此，W2S和W1S这2个传感器可能是鉴别餐厨废弃油脂掺入情况的特征性传感器，在较低的餐厨废弃油脂掺假比例范围内(<5%)具有较好的线性响应规律。

表2 低浓度下餐厨废弃油脂掺假比例(掺入1号商品油)与峰值相对电导率下降值的线性拟合

2.2 主成分分析和线性判别式分析

PCA通过对提取的传感器多指标信息进行数据转换和降维，提取多元数据的主要因素，最后由二维散点图的形式显示出来。使用该方法可在较少损失样品信息的情况下反映原始数据的主要信息。横坐标和纵坐标表示在PCA转换中方差贡献最大的2个指标，分别称为第一主成分和第二主成分[24]。第一主成分和第二主成分的贡献率之和越大，主成分分析法越能反映数据的原始信息，一般来说总贡献率在85%以上，就可以采用PCA法对数据进行分析[25]。2种花生油中掺假餐厨废弃油脂的PCA和LDA分析图餐厨废弃油脂餐厨废弃油脂，结果如图3所示。

图3 2种花生油中掺假餐厨废弃油脂的PCA和LDA分析

图3(a)为1号花生油中掺假餐厨废弃油脂的PCA分析图，图中2个主成分的总贡献率达到99.28%，这表明提取的信息能够充分反映原始数据的绝大部分信息。由图3(a)可以看出，纯花生油样品与其他掺假油样品数据点相距较远，区分显著，但是不同掺假油样的数据点间分布较为密集。例如掺入0.5%与20%，1%与100%比例餐厨废弃油脂的样品间有部分重叠区域，不能很好地区分。图3(b)为2号花生油中掺假餐厨废弃油脂的PCA分析图，2个主成分的总贡献率为97.72%，远远大于85%，说明此PCA图可以很好地反映2号油样的整体实际情况。与1号油样的结果相类似，2号纯花生油样品与其他掺假油样品数据点分布较远，区分显著，但是不同掺假比例油样数据间相互重叠(如掺假1%、2%和5%)，难以区别。潘磊庆等[26]采用主成分分析法，分别对掺入了大豆油、玉米油和葵花籽油的芝麻油进行鉴别分析，结果表明不同掺假比例芝麻油的数据点分布互有重叠，掺假至少需达到50%以上才能有明显区分。彭星星等[27]用电子鼻分析了核桃油掺假前后PCA法鉴别的效果，结果发现只有当核桃油中掺入大于20%的大豆油、大于7%的菜籽油或者大于75%的玉米油才能有较好的识别效果。综上所述，利用 PCA 分析能够清晰地鉴别出纯正花生油与掺假花生油，但是对于掺假油的掺假比例未见很好的区分度。

LDA是另一种对数据降维的分类方法，它尽可能地使样本空间均匀分布，即“投影后组内方差最小，组间方差最大”。LDA所构造的判别函数是由原始变量的线性组合得到的，这样可以最大限度地区分不同的样本集，使其在空间中具有最佳的可分离性，在降低数据维数的同时减少信息的损失。与PCA相比，LDA组间距逐渐增大而组内点则更加集中，该法在实际分析中易于实现、分类效果好，在电子鼻数据的处理中得到广泛的应用[28]。

图3(c)为1号花生油中掺假餐厨废弃油脂的LDA分析图，纯花生油和掺假油样品的数据点相距较远，区分明显。但花生油中掺假餐厨废弃油脂的含量不同，数据分布点之间也有重叠，彼此间的区分并不明显，特别是掺假比例为5%、10%、20%和50%的油样之间有一个共同的重叠区域。图3(d)为2号花生油中掺假餐厨废弃油脂的LDA分析图，由图3(d)可以发现，纯花生油和掺假油样品的数据点分布较远，区分明显。2号花生油中掺假餐厨废弃油脂的含量不同，数据点分布情况也不相同，相互之间没有交集，都可以比较明显地进行区分。杨冬燕等[29]在进行电子鼻技术研究时发现，LDA法考虑了数据组类间的差异以及组内点最大化的集中程度，可以有效区分精炼餐厨废弃油脂与8种不同的食用植物油。胡国梁等[30]在使用电子鼻进行油脂氧化判别分析时，发现LDA法可以有效地对食用油氧化程度进行定性分析。Wei等[31]采用电子鼻技术对牡丹籽油中其他油脂的掺假情况进行了分析，实验发现仅使用LDA分析无法鉴别纯牡丹籽油与其他掺假油，若结合了电子鼻图像的数据之后，则可以较好地区分纯牡丹籽油与掺假10%以上的掺假油。结合本实验的结果分析，利用LDA分析可以清晰地鉴别出纯正花生油与掺假花生油，但是对于不同掺假比例的掺假油区分度仍然不高，仅利用LDA分析无法准确区分所有不同比例的掺假油。

3 结论

利用PEN3型电子鼻系统研究了在花生油中掺入不同比例餐厨废弃油脂后挥发性成分的变化特征。研究结果表明，餐厨废弃油脂的加入会导致PEN3型电子鼻系统W2S和W1S传感器中出现在纯花生油中未见的平衡响应值低于1的信号。掺假油样的W1W、W2W和W5S传感器的平衡响应值较纯花生油相比也有降低现象，掺假比例越高，平衡响应值越低。在较低掺假浓度下，W2S与W1S传感器的峰值相对电导率之差与样品中餐厨废弃油脂含量存在较好的线性关系，可以将这2个传感器作为定量检测食用植物油中低浓度餐厨废弃油脂的特征传感器。利用电子鼻系统结合主成分分析法和线性判别式法对纯花生油和掺假油进行鉴别是可行的，PCA法和LDA法均能有效地定性分析花生油和掺假油。综上所述，利用电子鼻系统判别餐厨废弃油脂掺假具有较好的可行性。