張菊華，朱向榮，尚雪波，帥 鳴

（湖南省食品測(cè)試分析中心，湖南省農(nóng)業(yè)科學(xué)院，湖南長(zhǎng)沙410125）

近紅外光譜結(jié)合偏最小二乘法用于純茶油中摻雜菜籽油和大豆油的定量分析

張菊華，朱向榮，尚雪波，帥 鳴

（湖南省食品測(cè)試分析中心，湖南省農(nóng)業(yè)科學(xué)院，湖南長(zhǎng)沙410125）

采用偏最小二乘法（PLS）建立了油茶籽油中摻雜菜籽油和大豆油的近紅外光譜定量檢測(cè)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樣品共256個(gè)，采集樣品在10000～4000cm－1范圍內(nèi)的近紅外透反射光譜，模型采用交互驗(yàn)證和外部檢驗(yàn)來(lái)考察所建立模型的可靠性，不需進(jìn)行任何光譜預(yù)處理，所建立的PLS模型相關(guān)系數(shù)為0.9997，訓(xùn)練集的交叉驗(yàn)證均方根誤差（RMSECV）為0.504，預(yù)測(cè)集的預(yù)測(cè)均方根誤差（RMSEP）為0.66。應(yīng)用建立的模型對(duì)未知樣品進(jìn)行預(yù)測(cè)，并對(duì)預(yù)測(cè)值和真實(shí)值進(jìn)行比較，在摻雜油含量為2.5%～100%之間范圍內(nèi)準(zhǔn)確可靠，研究結(jié)果表明，采用近紅外光譜技術(shù)可以實(shí)現(xiàn)純茶油中菜籽油和大豆油摻雜量檢測(cè)。

近紅外光譜，偏最小二乘法，茶油，摻雜，菜籽油，大豆油

茶油全稱是油茶籽油，是油茶樹(shù)（Camellia Oleifera Abel）所產(chǎn)種子經(jīng)壓榨或浸提得到的植物油。茶油不僅色、香、味俱佳，且具有預(yù)防高血壓、冠心病、動(dòng)脈粥樣硬化等心血管疾病的功效[1]，因此有“東方橄欖油”、“油王”及“油中珍品”等稱號(hào)。茶油的高營(yíng)養(yǎng)價(jià)值與其脂肪酸組成有關(guān)，茶油中油酸的含量為天然植物油中之冠；含有的亞油酸、亞麻酸等多不飽和脂肪酸為人體生長(zhǎng)和生理活動(dòng)不可缺少的必需脂肪酸，茶油食用后人體的消化吸收率達(dá)97%；茶油富含生理活性物質(zhì)甾醇、生育酚、角鯊烯等，對(duì)提高人體抗病能力，延緩衰老有重要作用[2]；還含有山茶苷、山茶皂苷等特定的活性物質(zhì)；茶油的抗氧化能力是菜籽油等普通油脂的60倍。茶油國(guó)內(nèi)外市場(chǎng)發(fā)展前景均看好，聯(lián)合國(guó)國(guó)際糧農(nóng)組織把它列為首推的食用油料作物加以推廣。目前市場(chǎng)上的一些茶油混有不同比例的、價(jià)格較低的其它食用油以降低成本，茶油的摻雜有兩種情況，一是茶油摻雜其它價(jià)格低廉的油標(biāo)稱茶油，有的甚至是以其它油來(lái)冒充茶油；二是茶籽調(diào)和油，未標(biāo)示其中純茶油的具體含量。由于摻入的食用油在脂肪酸組成等方面與茶油接近，采用常規(guī)的化學(xué)方法識(shí)別起來(lái)十分困難。國(guó)內(nèi)外研究組采用近紅外光譜技術(shù)對(duì)茶油的定量摻雜進(jìn)行分析的報(bào)導(dǎo)較少。Li Wang等人采用近紅外光譜與中紅外光譜結(jié)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摻假分析[3]。本研究采用近紅外透反射光譜結(jié)合PLS建立了茶油摻雜大豆油和菜籽油的定量校正模型，取得了滿意的效果。

1 材料與方法

1.1 材料與儀器

脂肪酸甲酯標(biāo)樣 購(gòu)自SIGMA－ALDRICH公司，包括以下五種：油酸甲酯（CAS 0000112629）、亞油酸甲酯（CAS 0000112630）、亞麻酸甲酯（CAS 0000301008）、棕櫚酸甲酯（CAS 0000112390）和硬脂酸甲酯（CAS 0000112618）；色譜純甲醇 TEDIA公司；色譜純異辛烷 KERMEL公司；分析純KOH 汕頭市西隴化工有限公司；分析純NaHSO4上海市振興化工有限公司。

2010氣相色譜儀 包括自動(dòng)進(jìn)樣器、進(jìn)樣口、柱溫箱、FID檢測(cè)器及GC SOLUTION數(shù)據(jù)處理工作站，日本Shimadzu公司；Nicolet AntarisⅡ傅里葉變換近紅外光譜儀 配有積分球漫反射采樣系統(tǒng)，美國(guó)Thermo公司；Omnic7.3光譜采集軟件 配有金反射板的樣品杯，采用Matlab7.1軟件（Mathwork Inc.）進(jìn)行數(shù)據(jù)處理，丹麥FOSS公司；InGaAs檢測(cè)器。

1.2 實(shí)驗(yàn)方法

1.2.1 樣品收集 本實(shí)驗(yàn)所用的樣品為油茶籽油（蘇仙、晶粹、金浩、金浩冷榨油4個(gè)品種）；摻雜油：大豆油（金龍魚(yú)）、菜籽油（帥牌），均購(gòu)自于長(zhǎng)沙各大超市。

1.2.2 氣相色譜方法 氣相色譜前處理方法：采用《GB/T 17376－2008動(dòng)植物油脂脂肪酸甲酯準(zhǔn)備》。

氣相色譜條件：色譜柱：RTX－WAX（30m×0.25mm× 0.25μm）；進(jìn)樣口溫度：250℃；柱流速：氮?dú)?.1mL/min；程序升溫：170℃保持0.5min，升溫速度為12℃/min，終溫230℃保持21min；檢測(cè)器氫火焰離子化（FID）：280℃；氫氣流速：40.0mL/min；空氣流速：400mL/min；尾吹：30.0mL/min；分流進(jìn)樣：分流比30∶1。

1.2.3 純茶油摻雜方法 采用四種油茶籽油分別用大豆油和菜籽油進(jìn)行摻雜，摻雜比例為0～100%（m/m）。摻雜量0%～55%之間間隔2.5%，56%～100%間隔5%，每種摻雜樣本數(shù)為32個(gè)。四種油茶籽油分別用兩種油摻雜共有摻雜處理256個(gè)樣本。

1.2.4 近紅外光譜方法 近紅外光譜采用透反射檢測(cè)系統(tǒng)，NIR光譜掃描波數(shù)10000～4000cm－1，掃描次數(shù)32次，分辨率8cm－1，以內(nèi)置背景為參照。每批樣品4次平行實(shí)驗(yàn)，取其平均光譜。在樣品杯中置入3mL樣品，然后用金反射板小心蓋壓在樣品杯中，以消除氣泡對(duì)光程的影響。每次采集光譜之后，依次用洗滌劑、自來(lái)水以及蒸餾水將樣品杯與金反射板洗凈，然后用電吹風(fēng)吹干，待用。

1.2.5 定量校正方法 應(yīng)用Matlab7.1定量分析軟件中的PLS將近紅外光譜數(shù)據(jù)和實(shí)際摻雜含量采用交互驗(yàn)證方法進(jìn)行建模，并用該模型對(duì)未知摻雜油量進(jìn)行預(yù)測(cè)。

2 結(jié)果與討論

2.1 油茶籽油及摻雜油脂肪酸組成含量的測(cè)定

表1分別列出了所用樣品的油茶籽油、菜籽油、大豆油脂肪酸組成，從表1可以看出，油茶籽油的脂肪酸組成相對(duì)摻雜油的脂肪酸組成，較為突出的特點(diǎn)是不飽和脂肪酸—油酸含量高達(dá)80%。大豆油比其它油的油酸含量較低，亞油酸含量較高。

表1 所用樣本的脂肪酸組成Table 1 Main fatty acid composition of used sample

2.2 樣本的透反射光譜采集

圖1為代表性樣本的近紅外光譜圖，記錄了10000～4000cm－1波數(shù)樣品的透反射光譜曲線，該區(qū)域包含了CH鍵的一級(jí)倍頻、二級(jí)倍頻與合頻信息以及OH鍵的一級(jí)倍頻，其中光譜1和2分別表示油茶籽油與摻雜茶油樣品圖。由圖1可以看出，油茶籽油與摻雜茶油的NIR光譜無(wú)明顯差異，用肉眼很難辨別，必須要采用化學(xué)計(jì)量學(xué)方法進(jìn)行數(shù)據(jù)處理和建立模型。

圖1 具有代表性樣本的近紅外光譜Fig.1 Representative NIR spectra of the samples

2.3 偏最小二乘法建立定量校正模型

四種油茶籽油中分別摻雜大豆油和菜籽油，對(duì)應(yīng)每一種摻雜油均有32個(gè)樣本（具體方法見(jiàn)1.2.3），采用KS法[4－5]對(duì)256個(gè)樣品的NIR光譜進(jìn)行劃分，其中192個(gè)做訓(xùn)練集，剩下64個(gè)做預(yù)測(cè)集。然后對(duì)數(shù)據(jù)進(jìn)行中心化處理。PLS是一種基于因子分析的多變量校正方法，現(xiàn)已成為化學(xué)計(jì)量學(xué)中最受推崇的多變量校正方法之一，在化學(xué)測(cè)量和近紅外光譜中得到極為廣泛的應(yīng)用[6－7]。采用PLS建立全光譜模型，其中訓(xùn)練集的交叉驗(yàn)證均方根誤差（RMSECV）值為0.504，驗(yàn)證集的預(yù)測(cè)均方根誤差（RMSEP）值為0.66，訓(xùn)練集和驗(yàn)證集的相關(guān)系數(shù)（R）均能達(dá)到0.999，能夠滿足定量分析要求。訓(xùn)練集、驗(yàn)證集校正曲線分別見(jiàn)圖2、圖3。

2.4 校正模型的可靠性驗(yàn)證

通過(guò)對(duì)未知樣品結(jié)果的預(yù)測(cè)來(lái)考察所建立的模型的準(zhǔn)確性。采用所建立的定標(biāo)模型對(duì)64個(gè)未知樣品進(jìn)行預(yù)測(cè)，表2為校正模型對(duì)未知樣品的預(yù)測(cè)值及真實(shí)值的比較，預(yù)測(cè)的64個(gè)樣本中，61個(gè)樣本的實(shí)際值與預(yù)測(cè)值的相對(duì)誤差在±5%的范圍之內(nèi)，僅有3個(gè)樣本預(yù)測(cè)相對(duì)誤差為9%～12%，預(yù)測(cè)最低摻雜量≥2.5%。

圖2 純茶油摻雜量訓(xùn)練集相關(guān)圖Fig.2 The correlation figure of training set for camellia oil adulteration

圖3 純茶油摻雜量驗(yàn)證集相關(guān)圖Fig.3 The correlation figure of validation set for camellia oil adulteration

3 結(jié)論

本文以近紅外光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)為基礎(chǔ)，構(gòu)建了PLS模型，用于油茶籽油中菜籽油和大豆油摻雜的定量分析。結(jié)果表明，NIR光譜分析技術(shù)可以作為一種簡(jiǎn)單、可靠、快速、準(zhǔn)確的無(wú)損檢測(cè)方法來(lái)測(cè)定油茶籽油中菜籽油和大豆油摻雜量或茶籽調(diào)和油中的菜籽油、大豆油含量，該技術(shù)將具有廣泛的發(fā)展前景，可進(jìn)一步在工業(yè)現(xiàn)場(chǎng)和消費(fèi)市場(chǎng)實(shí)施。

表2 純茶油摻雜量的真實(shí)值與預(yù)測(cè)值的比較Table 2 Prediction value vs.actual value for camellia oil adulteration

[1]柏云愛(ài)，宋大海，張富強(qiáng)，等.油茶籽油與橄欖油營(yíng)養(yǎng)價(jià)值的比較[J].中國(guó)油脂，2008，33（3）：39－41.

[2]劉玉蘭，汪學(xué)德.油脂制取工藝學(xué)[M].化學(xué)工業(yè)出版社，2006.

[3]Li Wang，F(xiàn)rank 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，F(xiàn)earn 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

張菊華（1971－），女，副研究員，研究方向：食品加工和食品分析研究。