基于吸光度線性混合模型的橄欖油摻雜定量分析方法

許 洪，楊基春

(1.天津大學 精密儀器與光電子工程學院，天津 300072；2.中國醫(yī)學科學院 生物醫(yī)學工程研究所，天津 300192)

油脂安全

基于吸光度線性混合模型的橄欖油摻雜定量分析方法

許 洪1，楊基春2

(1.天津大學 精密儀器與光電子工程學院，天津 300072；2.中國醫(yī)學科學院 生物醫(yī)學工程研究所，天津 300192)

提出了橄欖油摻雜的吸光度線性混合模型，利用朗伯-比爾吸收機理推導出摻雜比的計算公式，可以定量分析二組分橄欖油摻雜油的組分比例構(gòu)成。通過誤差分析理論分析了摻雜比的計算誤差，確定了在橄欖油和摻入油的吸光度差值最大的波長區(qū)具有最小的檢測誤差。實驗中利用構(gòu)建的可見近紅外光譜采集系統(tǒng)對橄欖油摻雜玉米油、花生油和大豆油的情況進行了驗證，對于摻雜10%以上的摻雜混合油的摻雜比計算值和實際配比值的相關(guān)系數(shù)分別達到0.999 2、0.999 6和0.999 7，標準誤差分別為0.008 2、0.005 9和0.005 1，相對誤差可以控制在5%以內(nèi)。實驗結(jié)果表明根據(jù)吸光度線性混合模型計算橄欖油摻雜其他食用油的摻雜比例是準確可行的，可以用于橄欖油摻雜的組分定量檢測。

線性混合；吸光度；橄欖油；摻雜；吸收光譜；定量分析

Abstract：A linear absorbance mixing model of adulterated olive oil was presented to quantitatively analyze the proportion of adulterated oil based on an equation derived from the Lambert-Beer’s Law.According to theory of errors,the calculation error of adulteration proportion was analyzed,and the minimal detection error could be obtained at the wavelength where the difference between absorbances of olive oil and adulterated oil was the largest.A VIS/NIR spectrum acquisition system was assembled to validate the adulteration proportions of corn oil,peanut oil and soybean oil adulterated in olive oil.The results showed that the relative errors between calculation values and actual adulteration proportion values were less than 5% for adulteration proportions above 10%,and correlation coefficients were respectively 0.999 2,0.999 6 and 0.999 7 with root-mean-square errors of 0.008 2,0.005 9 and 0.005 1,which proved that the method of calculating adulteration proportions of adulterating other oils in olive oil was correct based on the linear absorbance mixing model.

Keywords：linear mixing; absorbance; olive oil; adulteration; absorption spectrum; quantitative analysis

橄欖油是一種高品質(zhì)的食用油，具有極好的保健、美容功效，被譽為“液體黃金”。我國市場上的橄欖油基本是從國外進口，價格遠高于其他食用植物油，因此市場上銷售的一些橄欖油經(jīng)常會被摻入其他低價食用油來非法牟利。由于摻入的食用油的脂肪酸成分和橄欖油很接近，所以很難從外觀、口感上分辨，更難以判斷摻雜的含量多少，需要使用專業(yè)的技術(shù)手段進行定量檢測。

目前，定量檢測橄欖油摻雜的方法主要有色譜法和光譜法。色譜法包括氣相色譜法[1-4]和高效液相色譜法[5-6]，在定量檢測摻雜方面具有較高的準確率，但是所需設(shè)備昂貴、前處理復雜、檢測周期長。近十幾年來，利用光譜技術(shù)檢測食用油摻雜的研究受到日益重視，在定量檢測橄欖油摻雜方面有紫外可見光譜法[7-8]、近紅外光譜法[9-11]、拉曼光譜法[12-14]等。這些光譜檢測方法具有樣品處理簡單、分析速度快、不破壞樣品等優(yōu)點，得到廣泛關(guān)注，但是仍然存在儀器價格高，需要配制大量定標樣本，需要對光譜數(shù)據(jù)進行復雜的各種預處理工作，以及需要運用各種化學計量學方法確定定標模型來預測摻雜濃度，不利于需要快速檢測的現(xiàn)場應用場合等缺點。除了上述方法外，也有研究者利用電子鼻技術(shù)結(jié)合多元統(tǒng)計方法對橄欖油的摻偽研究進行探索[15]。

本文在光譜檢測法的基礎(chǔ)上，結(jié)合二組分食用摻雜油的線性混合原理，分析了橄欖油、摻入油及其摻雜混合油的朗伯-比爾吸收規(guī)律，得到了一種可以通過僅檢測橄欖油、摻入油和摻雜混合油在某一波長的吸收光強數(shù)據(jù)，即可計算得到摻雜比例的方法。利用搭建的光譜檢測實驗系統(tǒng)，對橄欖油分別摻雜玉米油、花生油和大豆油的情況進行了實驗檢測與定量分析。

1 材料與方法

1.1 實驗樣品

本實驗將花生油、玉米油、大豆油3種油作為摻入油，分別摻入到橄欖油中制備成待測摻雜油樣，所用的橄欖油和3種摻入油都是購于超市的著名品牌。配制橄欖油和每種摻入油的摻雜油樣，摻入油的體積分數(shù)從10%到90%，以10%的體積分數(shù)遞增，共得到27個摻雜油樣。將這些摻雜油樣分別倒入同樣的平底透明實驗皿中，制備成液高25 mm的摻雜檢測樣本。另外，將純橄欖油、純花生油、純玉米油和純大豆油也以同樣高度分別倒入同樣的實驗皿中，制備成純油檢測樣本，一共制備出31個待檢測樣本。

1.2 實驗系統(tǒng)

本實驗設(shè)計構(gòu)建了一個可見近紅外光譜采集系統(tǒng)來進行摻雜比檢測驗證。該系統(tǒng)主要包括照明光源、準直光路、光譜采集模塊和控制程序等部分。照明光源是一個光譜分布范圍380～820 nm的20 W鹵鎢燈；準直光路包括一個放置在鹵鎢燈前的直徑1 mm的孔徑光闌，一個焦點和孔徑光闌小孔重合的準直透鏡，以及一個控制光束口徑的漸變光闌，待測油樣置于平行光束經(jīng)過的光路中；光譜采集模塊是美國海洋光學的USB4000型光纖光譜儀，光譜范圍200～1 100 nm，光譜分辨率0.3 nm；控制程序可以用來調(diào)節(jié)光譜儀采集時間和平滑次數(shù)。

1.3 檢測過程與數(shù)據(jù)處理

打開系統(tǒng)電源，待系統(tǒng)穩(wěn)定后，先遮蓋光源，記錄光譜儀的暗電流基線Idark(λ)，再打開光源記錄光源的光譜數(shù)據(jù)I0(λ)，然后分別采集橄欖油、摻入油以及它們的摻雜混合油的光譜數(shù)據(jù)I1(λ)、I2(λ)、Im(λ)。

食用油的線性混合機理體現(xiàn)在吸光度的線性混合上。對同等光程的基礎(chǔ)油、摻入油和摻雜混合油的吸光度A1(λ)、A2(λ)和Am(λ)，存在如下關(guān)系式(1)：

Am(λ)=A1(λ)·K+A2(λ)·(1-K)

(1)

式中：K為摻入油比例；λ為入射光波長。

從公式(1)可以得到摻雜比K的計算公式，如下式(2)所示：

(2)

由公式(2)可見，如果要檢測摻雜橄欖油中的摻雜比，可以僅通過檢測橄欖油、摻入油和摻雜混合油的吸光度，即可算出。而吸光度可以在測得入射光強I0(λ)和吸收光強I(λ)后，通過下式(3)中朗伯-比爾定律的定義求取。

(3)

因此，去除暗電流的影響，橄欖油、摻入油和摻雜混合油的吸光度可由下式(4)求得：

A1(λ)=ln[I0(λ)-Idark(λ)]-ln[I1(λ)-

Idark(λ)]

A2(λ)=ln[I0(λ)-Idark(λ)]-ln[I2(λ)-

Idark(λ)]

Am(λ)=ln[I0(λ)-Idark(λ)]-ln[Im(λ)-

Idark(λ)]

(4)

摻入油的摻雜比K則可由公式(2)求出。

2 結(jié)果與分析

利用搭建的光譜采集系統(tǒng)記錄照明源的光譜強度曲線，然后在同樣的光照條件下分別將純橄欖油、純玉米油、純花生油、純大豆油放入檢測光路中，記錄它們的吸收光譜強度曲線，結(jié)果如圖1(a)所示。根據(jù)公式(4)可以計算并繪制出幾種純原料油的隨波長分布的吸光度曲線，如圖1(b)所示。由圖1可以看出，橄欖油的吸光度大于玉米油、花生油和大豆油的吸光度，在480 nm以前對入射光有較強吸收，使得480 nm以前光譜區(qū)的吸收光譜強度較小，從而導致此區(qū)域吸光度的計算值存在較大誤差，因而不能作為有效分析區(qū)，在480 nm以后的光譜區(qū)域可以作為有效分析區(qū)。

圖1 光源光譜曲線(a)和橄欖油、玉米油、花生油及大豆油的吸收光譜強度曲線(b)

首先研究橄欖油中摻雜玉米油的情況，用光譜采集系統(tǒng)記錄配制的玉米油摻雜比從10%到90%的橄欖油、玉米油混合油的吸收光譜曲線，按照公式(4)計算橄欖油、玉米油混合油的吸光度，再結(jié)合純橄欖油和純玉米油的吸光度由公式(2)可以計算并繪制出玉米油的摻雜比曲線，如圖2所示。

圖2橄欖油、玉米油混合油中的玉米油摻雜比(K)曲線

由圖2可以看出，在515～645 nm之間的摻雜比(K)計算值存在較大誤差，在兩端存在摻雜比計算值的平緩區(qū)，即誤差小的區(qū)域。在440～515 nm和645～685 nm波段的計算值平緩區(qū)，將摻雜比計算值和標準配比值的差值平方求和取均值，作出隨波長分布的平均誤差曲線，如圖3(a)、圖3(b)所示。由圖3可以看出，在482 nm和667 nm處摻雜比計算值和標準配比的平均誤差最小。

圖3 不同波段的計算摻雜比(a)和標準摻雜比(b)的平均誤差曲線

作出橄欖油和玉米油的吸光度差曲線，如圖4所示。

圖4橄欖油和玉米油的吸光度差曲線

由圖4可以看出，在418、457、484 nm和670 nm存在局部峰值，由前面分析可知在480 nm以前的波段由于橄欖油的吸收較強，所以吸光度計算誤差較大，因此418 nm和457 nm波長處的摻雜比計算值誤差較大，不能作為分析波長。484 nm和670 nm位于有效分析區(qū)，和按照圖3平均誤差最小的原則選取的482 nm和667 nm波長基本重合，這說明可以按照橄欖油和摻入油的吸光度差最大的原則選擇檢測波長。

在兩個有效峰值484 nm和670 nm附近取10個點，計算玉米油摻雜比(K)的均值和相對誤差，結(jié)果如表1所示。

表1 橄欖油摻雜玉米油的摻雜比計算均值和相對誤差

由表1可以看出，484 nm處的摻雜比計算值優(yōu)于670 nm處的，因為484 nm處的橄欖油和玉米油的吸光度差值要大于670 nm處的，因此可以選擇有效工作區(qū)中的吸光度差最大波長作為檢測波長。作出484 nm處的計算摻雜比和標準配比的散點圖，結(jié)果見圖5。由圖5可以看出，相關(guān)系數(shù)為0.999 2，標準誤差為0.008 2，具有較好的相關(guān)性。

圖5 玉米油摻雜比計算值和實際配比值的散點圖

進一步研究橄欖油摻雜花生油和大豆油的情況，作出橄欖油和花生油及大豆油的吸光度差曲線，如圖6所示。

由圖6可以看出，與橄欖油和玉米油的吸光度差類似，在480 nm以上的有效工作區(qū)中橄欖油和花生油的吸光度差有485 nm和670 nm兩個峰值，橄欖油和大豆油的吸光度差則有484 nm和670 nm兩個峰值。

按照同樣的計算方法，由公式(2)分別計算出在有效光譜工作區(qū)內(nèi)的吸光度差峰值波長處的花生油和大豆油的摻雜比(K)計算均值和相對誤差，結(jié)果如表2、表3所示。

圖6 橄欖油和花生油、大豆油的吸光度差曲線

表2 橄欖油摻雜花生油的摻雜比計算均值和相對誤差

表3 橄欖油摻雜大豆油的摻雜比計算均值和相對誤差

由表2、表3可以看出，花生油和大豆油的摻雜比計算值均在吸光度差更大的波長處有更好的精度，相對誤差可控制在5%的范圍內(nèi)。

分別作出485 nm處的花生油計算摻雜比和標準配比的散點圖和484 nm處的大豆油計算摻雜比和標準配比的散點圖，如圖7所示。由圖7可以看出，花生油計算摻雜比和標準配比的相關(guān)系數(shù)為0.999 6，標準誤差為0.005 9；大豆油計算摻雜比和標準配比的相關(guān)系數(shù)為0.999 7，標準誤差為0.005 1，都具有很好的相關(guān)性。

圖7 花生油、大豆油摻雜比計算值和實際配比值的散點圖

3 結(jié) 論

本研究探索了一種吸光度法直接計算橄欖油中摻入油摻雜比的方法，利用線性混合原理得到摻雜比的計算公式，并由誤差分析理論確定了在橄欖油和摻入油的吸光度差最大的波長區(qū)的檢測誤差最小。實驗中利用構(gòu)建的可見近紅外光譜采集系統(tǒng)對橄欖油摻雜玉米油、花生油和大豆油的情況進行了研究，均在吸光度差最大的波長區(qū)得到了最佳檢測結(jié)果，相應的相關(guān)系數(shù)為0.999 2、0.999 6和0.999 7，標準誤差為0.008 2、0.005 9和0.005 1，結(jié)果表明該方法在原理上是正確的。本方法操作簡便，適宜制作易于便攜的儀器，還需要進一步對大量油樣在不同光譜波段建立完善的數(shù)據(jù)庫，確定特征穩(wěn)定的光譜區(qū)，增強應用的通用性。本方法對其他光譜檢測法在有效波段選擇方面具有一定的參考作用。

[1] ANDRIKOPOULOS N K,GIANNAKIS I G,TZAMTZIS V.Analysis of olive oil and seed oil triglycerides by capillary gas chromatography as a tool for the detection of the adulteration of olive oil[J].J Chromatogr Sci,2001,39(4): 137-145.

[2] 黃飛，奉夏平，唐麗娜，等.橄欖油摻偽的氣相色譜質(zhì)譜鑒別方法研究[J].食品工業(yè)科技，2014，35(18): 54-58.

[3] 肖昌珍，吳渝，甘東生，等.食用植物油摻偽檢測[J].中國油料作物學報，1999，21(1)：63-66,73.

[4] 魏明，廖成華.食用植物油摻偽的氣相色譜檢測方法研究[J].西南科技大學學報，2003，18(3)：57-60.

[5] DIONISI F,PRODOLLIET J,TAGLIAFERRI E.Assessment of olive oil adulteration by reversed-phase high-performance liquid chromatography/amperometric detection of tocopherols and tocotrienols[J].J Am Oil Chem Soc,1995,72(12): 1505-1511.

[6] 張欣，楊瑞鈺，陳迪，等.豆甾二烯用于特級初榨橄欖油摻假檢測的研究[J].食品工業(yè)科技，2014，35(18)：80-83,92.

[7] TORRECILLA J S,ROJO E,DOMINGUEZ J C,et al.A novel method to quantify the adulteration of extra virgin olive oil with low-grade olive oils by UV-Vis[J].J Agric Food Chem,2010,58(3): 1679-1684.

[8] 鐘誠，薛雅琳，王興國，等.紫外光譜結(jié)合化學計量學檢測初榨橄欖油摻偽研究[J].中國糧油學報，2013，28(10): 113-117.

[9] 翁欣欣，陸峰，王傳現(xiàn)，等.近紅外光譜-BP神經(jīng)網(wǎng)絡-PLS 法用于橄欖油摻雜分析[J].光譜學與光譜分析，2009，29(12): 3283-3287.

[10] 莊小麗，相玉紅，強洪，等.近紅外光譜和化學計量學方法用于橄欖油品質(zhì)分析與摻雜量檢測[J].光譜學與光譜分析，2010，30(4): 933-936.

[11] 貢東軍，王宇，董靜，等.基于近紅外光譜的橄欖油中玉米油摻雜量檢測[J].食品工業(yè)科技，2014，35(4): 62-65.

[12] 鄧平建，耿藝介，梁裕，等.快速鑒別摻偽橄欖油的拉曼光譜-聚類分析方法[J].中國油脂，2015，40(2): 50-55.

[13] 章穎強，董偉，張冰，等.基于拉曼光譜和最小二乘支持向量機的橄欖油摻偽檢測方法研究[J].光譜學與光譜分析，2012，32(6): 1554-1558.

[14] 陳達，許云濤，李奇峰，等.基于多尺度二維相關(guān)拉曼光譜的橄欖油摻雜檢測[J].納米技術(shù)與精密工程，2016，14(1)：60-65.

[15] 鐘誠，薛雅琳，王興國，等.初榨橄欖油風味特征在摻偽檢測中的應用[J].中國油脂，2013，38(12): 84-87.

Aquantitativeanalysismethodofadulterationofoliveoilbasedonalinearabsorbancemixingmodel

XU Hong1,YANG Jichun2

(1.College of Precision Instruments & Optoelectronics Engineering,Tianjin University,Tianjin 300072,China; 2.Institute of Biomedical Engineering,Chinese Academy of Medical Sciences,Tianjin 300192,China)

TS227;O657.3

A

1003-7969(2017)09-0078-05

2016-11-14；

2017-04-21

國家863計劃項目資助(2015AA021105)

許 洪(1975)，男，博士，主要從事光譜分析技術(shù)和儀器方面的研究工作(E-mail)xuhongpost@163.com。

楊基春，副研究員，博士(E-mail)yic@tju.edu.cn。