光谱技术在食用植物油品质检测中的应用现状优化

食用植物油在近红外光谱区可以获得包含大量有用信息的近红外吸收光谱，不同种类的食用油各个成分也都包含了特有的吸收光谱特征，为实现定量或是定性检测分析提供了有力的基础。但是近红外光谱范围比较宽，组分共存使各组分光谱之间产生重叠而造成了严重的干扰，需要结合多元校正方法实现有效的定量分析，对于定性分析也需要结合模式识别的方法，进行有效的分类判别。

吴静珠、刘翠玲等人针对花生油掺伪的问题，采用近红外光谱技术区分花生油与按照10个梯度的体积比掺入大豆油、棕榈油、菜籽油以及调和油的掺伪花生油。将40个掺伪样本与5个花生油样本结合支持向量机算法建立了花生油的掺伪鉴别模型，识别和预测的结果正确率均能达到100%，模型具有一定的可行性与实用性。张辉、吴迪等人基于近红外光谱方法实现了对食用油主成分中的α—亚麻酸及亚油酸的定量快速检测，采用偏最小二乘回归算法和最小二乘支持向量机算法分别建立定量分析模型，并比较不同预处理方法对模型结果的影响，为食用油脂肪酸含量的快速检测提供了依据。Luna A.S、da Silva A.P等人采用近红外光谱法对转基因和非转基因大豆油进行了分类识别，应用主成分分析算法提取特征光谱并剔除了异常样本，然后分别用支持向量机算法和PLS法对结果进行了分析，分类结果的正确率约为90%。结果表明，应用近红外光谱技术可以实现识别转基因与非转基因大豆油。

中红外（MIR）光谱通过基频、倍频及合频吸收产生的吸收峰来表征分子的结构特征。根据某物质的中红外光谱便能够像指纹识别一样判断是否存在该物质或是某个化学基团，实现定性判别分析；或是根据某组分的吸收峰强度，结合朗伯比尔定律实现对该组分的定量预测分析。

VincentBaeten等人采用FTIR光谱方法检测橄榄油掺入榛子油的比例，对油品及其皂化物质采集中红外光谱，结果表明该方法对于橄榄油中掺入榛子油的鉴别是完全可行的，且对于榛子油掺杂量的检测限为不低于8%。YokeW.Lai等人应用FTIR光谱技术，结合主成分分析与判别分析算法检测玉米油、葵花油、菜籽油等8个种类食用油，并利用2800～3100cm^-1和100～1800cm^-1范围的光谱信息进行食用油的聚类分析，根据橄榄油与其他种类油的明显差异实现掺假橄榄油的定性鉴别分析。HongYang、JosephIrudayaraj等人利用FTIR、FTNIR和拉曼检测方法对食用油和脂肪酸分别进行分类辨别，并应用LDA（Linear Discriminant Analysis，线性判别式分析）和CVA（Canonical Variate Analysis，规范变量分析）的分析方法对光谱数据进行分析处理。结果表明，采用FTIR检测方法得到的分类结果最好，准确率为98%，而另外两种方法分类的准确率略低于FTIR检测方法，但是3种方法都是可行的。(www.xing528.com)

拉曼光谱有诸多优点，检测时需要的样本量极少，而且可以实现痕量分析；可以对样本直接测量而不损坏样本，可实现无接触无损测量。拉曼光谱在食用油检测领域一方面可以应用于食用油的真伪和掺假识别，如判断食用油的真伪以及产地或者对食用油种类的分析识别，另一方面也可以应用于食用油理化指标的定量检测分析中。

章颖强、董伟等人研究了橄榄油中掺杂葵花籽油、大豆油、玉米油的定性识别和掺伪定量预测分析，对117个掺伪的橄榄油样本用拉曼光谱法定性分析检测，采用经过优化的最小二乘支持向量机算法实现定性识别，准确率为97%。比较采用最小二乘支持向量机、人工神经网络算法、偏最小二乘回归算法建立的掺伪定量分析模型预测结果表明，采用最小二乘支持向量机算法建立的定量模型预测方均根误差（RMSEP）为0.0074～0.0142，预测效果最好。Jun Luo、Tao Liu等人使用拉曼光谱法检验掺入体积比为5%～20%的大豆油、玉米油和花生油的掺假芝麻油，应用主成分分析法与PLS法分别对光谱进行定性建模，分类结果准确率可达100%，表明拉曼光谱技术能够实现检测芝麻油是否掺伪。冯巍巍、付龙文等人实现了基于光谱技术的食用油检测系统，并利用此系统获取了某餐馆回收地沟油、油烟机油、压榨花生油以及某品牌花生油4类食用油样本的拉曼光谱及荧光光谱信号，结果表明食用油样本可以检测到包含特征信息的拉曼信号和荧光光谱信号，且不同种类的食用油的光谱信号有一定的区别。因此，采用激光拉曼法和激光诱导荧光检测法相结合的检测手段能够应用于食用油品质的快速检测。

上述光谱技术以其快速、无损、绿色的检测优势在食用油的品质及掺伪分析检测领域有广阔的应用前景。