基于FTIR技术的食用植物油快速鉴别

虞 佳， 武 春

(黑龙江大学 物理科学与技术学院, 哈尔滨 150080)

0 引 言

食用油是人类膳食的重要组成部分，我国人民生活对植物油的需求量逐年增高，2019 年，我国八大油料作物的总产量较2018年增长了3.7%[1]。食用油是脂肪酸甘油三脂的混合物，常见的食用油多为植物油，种类繁多，包括大豆油、菜籽油、棕榈油、花生油、玉米油、葵花籽油、亚麻籽油、葡萄籽油和橄榄油等。不同品牌、不同种类的植物油中主要成分类似，并且脂肪酸碳链长度接近,因而造成了不同食用油鉴别的困难。并且随着市场上食用油掺伪现象频发，食用油的分析鉴别得到了越来越多的重视[2]，通过对植物油中脂肪酸的种类和成分比例的差异分析，可以对其进行有效区分[3]。国内外食品监管和食品研究人员已经对食用油的鉴别进行了大量研究[4]，目前，鉴别法大致分为色谱分析法[5-6]、质谱分析法和光谱分析法[7-8]，前两种相较于光谱法来讲局限性大，光谱法操作简单、经济、快捷、可进行批量测量。

油脂的光谱检测法包括拉曼光谱法[9]、核磁共振法[10-11]以及红外光谱法[8]等。国内外对植物油的光谱方法测量进行了大量的研究[15]，每种方法均有自己的适用范围，可鉴别不同种类的食用油，并且鉴别方法的复杂程度、成本、精度、准确率和抗干扰性能各不相同。周孟然等利用激光诱导荧光技术结合AdaBoost算法鉴别了花生油、大豆油、葵花籽油、菜籽油以及玉米油这5种食用油[13]，荧光的强度相对于激发光源来说较弱，并且受环境和温度的影响较大，因此,需要较高的实验条件和较为复杂的算法来去除环境影响。红外光谱法可以克服荧光强度受环境影响的缺点，在食用油鉴别分析中具有相当广泛的应用。红外光谱本质上是一种根据分子内部原子间相对振动和分子旋转等信息来确定物质分子结构、鉴定化合物的分析方法，用仪器记录分子对红外光的吸收，就得到红外光谱[1]。不过，由于许多不同种类油脂类官能团类似，光谱图较难区分，因此常常结合化学计量的方法建立定量的模型来实现食用油的鉴别[14]。Gurdeniz等采用红外光谱法结合化学计量方法对高级鲜榨橄榄油进行了掺假分析，能够测出混入最低限度10%其他油的橄榄油[15]；Akin等使用衰减全反射-中红外 (Attenuated total reflectance-mid infrared, ATR-MIR) 光谱法对冷榨葡萄籽油与精制大豆油的混合物进行化学计量学分类和量化[16]。当鉴别过程对含量要求不高，但是需要同时对于多种食用油进行高精度的鉴别时，目前往往采用傅里叶变换红外光谱技术(FTIR)，该方法可以实现不同油脂的快速鉴别，并且可在非实验室环境下进行测量，同时结合不同的化学计量和数据处理方法可以进一步提高鉴别的准确度和精度[17]。

傅里叶变换红外光谱技术是利用傅里叶变换红外光谱仪获得辐射光透过样品后的干涉图，通过傅里叶变换，转换为红外光谱图，近年来FTIR技术已经被越来越广泛的用于食用油鉴别中[18]。Vlachos等利用傅里叶变换红外光谱法研究了特级橄榄油中掺入低价其他植物油的鉴别，检测了玉米油样品在加热状态下部分有机物的氧化变化等[19]。范璐等采用傅里叶变换红外吸收光谱提取5种植物油(花生油、大豆油、芝麻油、棉籽油和米糠油)的红外特征信息，利用特征吸收峰面积比值法对5种油脂进行了有效区分[20]；Tay等应用傅里叶变换红外光谱进行橄榄油掺假鉴别，通过ATR取样的多元分类判别分析，可以鉴别出纯油和混杂其他油的样品，最低可以鉴别出一升特级初榨橄榄油中掺入20 mL向日葵油[21]。韩建勋等采用FTIR方法定性的鉴别了山茶油与大豆油、菜籽油和玉米油，并且实现了定量检测山茶油中掺杂大豆油的含量[22]。Kou等利用FTIR方法实现了食用油是否掺杂煎炸过食用油的鉴别[26]。从国内外的相关研究可以看出，FTIR方法可以实现对多种食用油的快速鉴别，精度和灵敏度各有不同。根据国家粮油中心的报道，2021年棕榈油产量占全球比重的35%，为目前世界上生产量、消费量和国际贸易量最大的植物油品种[23]；张洋等根据《中国食品工业年鉴》统计了我国8种食用植物油料产量，其中2019年榨油量前两位的是菜籽油和花生油，产量分别为412.6万吨和288.2万吨[24]；2017和2018年,全球葵花籽油产量位居八大油料中的第四位[25]；玉米油也可称之为玉米胚芽油，其产量在中国植物油中属于弱势地位，但是其独特的口感和高营养价值有很好的市场前景。因此，本文对5种常见食用油(菜籽油、玉米油、葵花籽油、花生油和棕榈油)进行分析,对这5种食用油同时进行快速鉴别。

本文基于傅里叶变换红外光谱法探究如何利用光谱信息对5种食用油样品(菜籽油、玉米油、葵花籽油、花生油和棕榈油)进行分析鉴别，研究了选取不同特征峰面积比对5种食用油样品的分析鉴别，最终给出可实现这5种食用植物油鉴别的最佳特征峰面积比，并研究了光谱峰位偏移对油脂鉴别的应用。

1 傅里叶变换红外光谱法检测食用油

1.1 实验方法

本文采用的光谱仪型号为FTIR-7600型，仪器的光谱范围在350～7 800 cm-1，分束器采用多层镀膜溴化钾，检测器是高灵敏度DLATGS，光源是陶瓷光源。实验样品种类包括：菜籽油、玉米油、葵花籽油、花生油以及棕榈油，5种食用油基本信息如表1所示。盛放食用油样品的CaF晶片为两个直径一英寸(D≈2.24 cm)的圆片，利用微量移液器分别吸取体积V为30、20、10和5 μL的油滴滴在一片CaF晶片上，放入可拆卸液体池，将另一CaF晶片放于上方，让样品在晶片之间压成厚度均匀的薄膜，形状近似为圆柱体，因此油膜厚度可由4V/πD2计算，上述吸取的体积对应的油膜厚度分别为76.1、25.4、50.7、12.7 μm。经测试发现：(1) 76.1 μm的油膜过厚，按压两片CaF晶片时有部分油滴溢出，不利于实验的操作，并且实验结果有很大误差，因此不适用; (2) 12.7 μm的油膜过薄，无法在晶片之间形成均匀的薄膜，亦会造成实验误差; (3) 50.7 μm的油膜会使FTIR方法测得的透过率谱在某些波数处的透过率为0，即吸收过饱和，也不适用。因此,最终选择了体积为10 μL即厚度为25.4 μm的油膜进行实验，可以得到最佳的FTIR光谱。FTIR光谱仪扫描分辨率设置为4 cm-1，扫描平均次数为32，得到了5种食用油在500～4 000 cm-1波段的傅里叶变换红外透过光谱。

表1 食用油样品基本情况

1.2 光谱信息处理

通过光谱仪得到样品的红外光谱图是波数和透过率之间的关系，由于红外光谱容易受到空间温度和湿度以及盛放样品的晶片的影响，同时在测量过程中易受外界噪声以及仪器噪声等干扰，所以会形成一个背景光谱如图1(a)所示，该背景下以菜籽油样品为例的光谱如图1(b)所示。对比图1(a)和图1(b)，两者在同一波数下的不同透过率反映了油脂中特定官能团对入射光强的特征吸收性质。可以看到，在图1(a)的背景光谱下，图1(b)所示吸收峰范围比较宽，分别在500～2 000 cm-1和2 750～3 250 cm-1波段，这给分析造成了很大干扰，所以需要先对原始光谱图去除背景光谱的影响，背景光谱与放入样品之后的光谱之间满足朗伯-比尔定律。

朗伯-比尔定律的物理意义是当一束平行单色光垂直通过某一均匀非散射的吸光物质时，其吸光度A与吸光物质的浓度及吸收层厚度成正比，与透过率T成反相关。

(1)

式中：K为摩尔吸光系数，它与入射光的波长λ有关；b为吸收层厚度，cm;c为吸光物质的浓度，mol·L-1。

根据以上关系去除背景光谱，得到的光谱图就是波数和吸光度之间的关系如图1(c)所示，光谱图中吸收峰体现了油脂中不同化学成分官能团的信息。这是通过FTIR光谱仪测量物质透过率进而得到物质吸收光谱的常用方法，其他4种食用油的吸收光谱均采用此方法得到。

(a) 背景光透过率谱

2 光谱信息分析

2.1 食用油FTIR光谱主要特征吸收峰分析

利用FTIR光谱法测量得到的5种食用油样品的FTIR光谱如图2所示。不同种类样品油的红外吸收光谱中主要的特征吸收峰位置与形状基本相同，这显示出不同种类的食用油的主要组成成分是相同的，特征峰波数略有波动，这是由于分子中各个基团振动并不孤立，一种基团的振动会受到其他基团的影响，并且会受到物质所处状态和外部环境的影响。对照表2官能团与吸收波数的关系可知，不同食用油中虽然有机物种类类似，但含量存在一定程度的差别，因此，可以利用特征吸收峰的特点进行不同食用油种类鉴别。

图2 5种食用油样品的FTIR光谱图

表2 食用油的FTIR光谱主要特征吸收峰及官能团

2.2 吸收峰面积比法

食用油样品的FTIR光谱由于实验条件和环境变化等存在一定误差，例如同种类食用油多次取样测量时含量的微小差异会对吸光度有影响，同一样品及测量条件在多次重复扫描测量时，由于仪器本身的精度问题也会使光谱出现误差。因此，只利用某一处吸收峰高或面积进行不同食用油的对比分析是不准确的。为了提高测量精度，一般采用某两个特征吸收峰高的比值或者吸收峰面积比的方法进行吸光度分析。将两个特征吸收峰高或面积比作为横坐标，另两个特征吸收峰高或面积比作为纵坐标，绘制二维分布图，根据不同食用油的分布区域不同进行种类鉴别。王美美等研究发现，相比于吸收峰高比值法，采用吸收峰面积比得到的二维分布信息更集中，判别结果较好[30]。为了实现利用吸收峰面积比的方法对菜籽油、玉米油、葵花籽油、花生油以及棕榈油这5种常见食用油的鉴别，对特征吸收峰比值的选取至关重要。范璐等以1 746 cm-1与2 855 cm-1的吸收峰面积比作为横坐标，1 099 cm-1与1 199 cm-1的吸收峰面积比作为纵坐标进行了芝麻油、大豆油、棉籽油、米糠油和花生油的鉴别分析，可以对芝麻油、大豆油和花生油实现较好的鉴别[20]。

图4 特征峰面积比值散点图Fig.4 Scatter plots of characteristic peak area ratio

本研究以不同特征吸收峰处的面积比作为横纵坐标，研究了菜籽油、玉米油、葵花籽油、花生油以及棕榈油的分析鉴别。试验发现，选择不同的吸收峰做出的面积比二维分布图差别较大，若选择不合理可使5种油的分布有高度重合区域，无法实现鉴别。若选用范璐[20]等所用的吸收峰面积比值法，可以区分花生油、菜籽油和棕榈油，但玉米油和葵花籽油有大量区域重叠无法区分。最终，选取以1 747 cm-1与2 852 cm-1波数处峰面积的比值S1747/S2852作为横坐标，1 162 cm-1与1 463 cm-1波数处峰面积的比值S1162/S1463为纵坐标，给出的5种食用油二维分布图如图4所示。由图4可以看出，每种油数据点的波动范围较小，区分比较明显，可以实现这5种油的鉴别，并且菜籽油、葵花籽油和棕榈油数据较为集中，但花生油纵坐标比较分散，玉米油横坐标浮动较大。从鉴别效果来看，花生油和其他4种油可明显区分；菜籽油和玉米油有少量重叠区域，与其他3种油可有效区分；葵花籽油和棕榈油有少量重叠区，与其他3种油可有效区分。从图4可以看出，几种油的重叠区域均在边缘处，总的来说，这种吸收峰面积比的方法可以实现5种食用油的区分和鉴别。

2.3 特征吸收峰位偏移

5种食用油的红外吸收谱的特征吸收峰位虽然基本相同，但存在不同程度的偏移，这是由于食用油成分复杂，除均含有甲基、亚甲基和甘油三酯等主要成分外，还含有不同组分的类胡萝卜素、叶绿素及维生素等微量元素，会引起特征吸收峰的峰位偏移[30]。图5(a)给出了5种食用油在3 100～2 700 cm-1波段的吸收光谱，可以看出3 006、2 910和2 852 cm-1附近5种油的特征吸收峰位变化范围分别为4、20和9 cm-1。

2 700～500 cm-1波段内的特征吸收峰位的变化范围较小，均在0～4 cm-1范围。因此，可以将食用油吸收光谱在2 910 cm-1附近的吸收峰位作为食用油种类鉴别的参数之一。将吸收峰面积比S1747/S2852和S1162/S1463，以及5种食用油在2 910 cm-1附近的特征吸收峰位作三维分布图，如图5(b)所示。对比图4所示的二维分布图，图5(b)中5种油的分布区域无重叠，可以更为有效地区分5种食用油样品。这种鉴别法不需要测量食用油中各种组分的具体含量，鉴别快速准确，具有很好的实际应用价值。

3 结 论

基于傅里叶变换红外光谱法，利用1 747和2 852 cm-1，1 162和1 463 cm-1两组特征吸收峰面积比，结合2 910 cm-1附近的特征吸收峰位偏移三维分布图，给出了菜籽油、玉米油、葵花籽油、花生油和棕榈油这5种常见食用油的分析鉴别方法。在三维图中，每种食用油的数据分布集中，并且各种油脂的分布无重叠，因此可以实现这5种食用油的快速鉴别。对于其他种类的食用油样品，也可以选择相应合适的特征吸收峰进行吸收峰面积比的计算，并结合特定吸收峰位的偏移进行油脂种类鉴别。这种方法对于多种食用油的快速分析鉴别具有很好的实用价值和应用前景。