拉曼光譜結(jié)合偏最小二乘法對(duì)食用油品質(zhì)快速檢測(cè)研究

杜 馨，孫曉榮，劉翠玲，李敬琪，李睿雯

（北京工商大學(xué) 計(jì)算機(jī)與信息工程學(xué)院 食品安全大數(shù)據(jù)技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100048）

食用油是三分子脂肪與一分子甘油酸化成的甘油酯，許多食用油都含有不飽和脂肪酸，油脂中的過氧化物是油脂在加工、運(yùn)輸和儲(chǔ)藏的過程中與空氣中的氧發(fā)生氧化作用所得的產(chǎn)物，其具有高度的活性，能夠迅速的反應(yīng)，分解為醛、酮類和氧化物等物質(zhì)，再加上外界的影響，如受到光、熱、水、微生物以及油脂中些許雜質(zhì)的影響，就會(huì)造成油脂酸敗變質(zhì)[1-3]。如果過期變質(zhì)的食用油被人們長(zhǎng)期食用，將會(huì)直接損害人體健康，如引發(fā)發(fā)育障礙、細(xì)胞功能衰竭、腎臟腫大、腸炎以及脂肪肝等疾病。通過對(duì)食用油過氧化值的檢測(cè)，可以了解油脂酸敗的程度，衡量食用油是否超過保質(zhì)期限，是了解油脂的品質(zhì)情況的重要指標(biāo)[4]。

國(guó)家對(duì)油品安全的檢測(cè)標(biāo)準(zhǔn)正在不斷地完善，而對(duì)于食用油過氧化值的檢測(cè)，雖然我國(guó)一直在不斷加大對(duì)食用油的監(jiān)管力度，但是控制效果并不理想，其中主要原因是食用油成分復(fù)雜，不易檢測(cè)。長(zhǎng)期以來，油品的質(zhì)量檢測(cè)主要依靠化學(xué)檢測(cè)手段，傳統(tǒng)的油品過氧化值檢測(cè)方法是滴定法，雖精確度較高，但是過程繁瑣，需要耗費(fèi)大量的時(shí)間和人力，還需使用大量的有機(jī)溶劑。隨著科學(xué)技術(shù)的革新和新檢測(cè)方法的建立，有關(guān)食用油領(lǐng)域的質(zhì)量檢測(cè)方法也趨于多樣化，傳統(tǒng)的食用油檢測(cè)方法被科學(xué)的、現(xiàn)代化的檢測(cè)技術(shù)逐漸替代。目前較先進(jìn)的油類檢測(cè)技術(shù)主要包括：電導(dǎo)檢測(cè)法、質(zhì)譜檢測(cè)法、薄層色譜檢測(cè)技術(shù)、地磁場(chǎng)核磁共振檢測(cè)法等方法[5-6]。但對(duì)于食用油過氧化值的檢測(cè)，仍亟需一種更先進(jìn)、更準(zhǔn)確、更快速的無損檢測(cè)方法。

拉曼光譜又稱為“指紋光譜”，可以直接對(duì)樣本進(jìn)行無損定性定量分析，鑒定出物質(zhì)的類型并確定其所含化學(xué)成分以及各組成成分的相對(duì)含量[7-8]。拉曼光譜檢測(cè)技術(shù)的主要優(yōu)點(diǎn)有快速準(zhǔn)確、多組分可同時(shí)檢測(cè)、無污染、便于推廣[9-11]。因此采用拉曼光譜技術(shù)對(duì)食用油過氧化值進(jìn)行建模分析的快速檢測(cè)，探索其可行性和準(zhǔn)確性具有重大意義。

1 材料與方法

1.1 材料與試劑

本次實(shí)驗(yàn)樣本采用了由北京市糧食科學(xué)研究院提供的包括大豆油、花生油、玉米油、菜籽油、葵花籽油、芝麻香油等不同批次、不同氧化程度的84種油品樣本，食用油樣本經(jīng)北京市糧食科學(xué)研究院置于老化箱中進(jìn)行老化處理，并提供氧化時(shí)間及過氧化值真實(shí)值，油品置于老化箱老化1h相當(dāng)于自然環(huán)境放置18d左右。食用油樣本信息見表1。

表1 食用油樣本信息Table 1 Information of edible oil sample

1.2 儀器與設(shè)備

Thermo Fisher DXR型顯微拉曼成像光譜：美國(guó)賽默飛世爾科技公司；光譜采集配套軟件：OMNIC軟件。

1.3 方法

將少量樣本倒在液體槽內(nèi)置于光譜儀載玻片上，在顯微拉曼光譜儀物鏡下進(jìn)行掃描，樣本溫度為室溫，通過調(diào)節(jié)OMNIC軟件設(shè)置實(shí)驗(yàn)參數(shù)，參數(shù)設(shè)置見表2。

表2 儀器參數(shù)設(shè)置Table 2 Parameter setting of instrument

調(diào)節(jié)拉曼光譜儀粗調(diào)轉(zhuǎn)鈕使光譜儀物鏡聚焦于樣本，觀察屏幕成像，運(yùn)用OMNIC軟件工作臺(tái)觀察光譜圖峰值，并進(jìn)行細(xì)調(diào)，待光譜穩(wěn)定且噪聲較小時(shí)進(jìn)行最終的掃描，最終得到84個(gè)樣本的拉曼光譜圖。本研究算法類型最終采用了偏最小二乘回歸法（partial least squares regression，PLS），并采用“一階導(dǎo)數(shù)+SNV”法對(duì)光譜進(jìn)行預(yù)處理。

1.3.1 偏最小二乘回歸法

偏最小二乘回歸法是一種新型多元統(tǒng)計(jì)數(shù)據(jù)的分析方法，它有機(jī)地結(jié)合了認(rèn)識(shí)性的方法和模型式的方法，在這一個(gè)算法下，可以同時(shí)實(shí)現(xiàn)回歸建模、數(shù)據(jù)結(jié)構(gòu)簡(jiǎn)化以及兩組變量之間的相關(guān)性分析，因而多用于研究多個(gè)因變量關(guān)于多個(gè)自變量的建模方法，計(jì)算光譜數(shù)據(jù)X及目標(biāo)分析物性質(zhì)Y之間的最大方差，在對(duì)光譜和數(shù)據(jù)矩陣解析的過程中，剖析數(shù)據(jù)和目標(biāo)分析物的性質(zhì)之間的關(guān)系。尤其當(dāng)各個(gè)變量呈現(xiàn)高度線性相關(guān)時(shí)，偏最小二乘回歸法可以解決以往普通多元回歸無法解決的問題[12-14]。

其評(píng)價(jià)指標(biāo)可選擇相關(guān)系數(shù)R來表示，通常也用校正模型的決定系數(shù)R2來表示，以及用校正均方根誤差（root mean square error of calibration，RMSEC）和預(yù)測(cè)均方根誤差（root mean square error of prediction，RMSEP）來表示模型的預(yù)測(cè)能力。當(dāng)RMSEC越小，R2越趨近于1時(shí)，模型的建模效果越好[15-17]。

1.3.2 光譜預(yù)處理方法

標(biāo)準(zhǔn)正態(tài)變量變換（standard normal variate transformation，SNV）主要是用以消除固體顆粒大小、表面散射以及光程變化對(duì)光譜的影響。SNV算法主要是基于光譜陣的行對(duì)一條光譜進(jìn)行處理，便于進(jìn)一步研究[18]。

一階導(dǎo)數(shù)（firstderivative）和二階導(dǎo)數(shù)（secondderivative）是光譜分析中非常常見的預(yù)處理方式。導(dǎo)數(shù)光譜可以很好的消除基線的平移和漂移以及其他背景的干擾，可以有效地提高分辨率和靈敏度，并且能分辨出重疊峰，增強(qiáng)樣本光譜特征。通常，采取直接差分法或S-G卷積法對(duì)光譜求導(dǎo)。對(duì)于求導(dǎo)法，選擇差分寬度是非常重要的，若差分寬度過小，則噪聲就會(huì)大，進(jìn)而影響建模的預(yù)測(cè)能力；若差分寬度過大，就會(huì)出現(xiàn)平滑過度，導(dǎo)致很多細(xì)節(jié)內(nèi)容信息丟失[19-20]。

2 結(jié)果與分析

2.1 拉曼光譜圖譜分析

食用油的拉曼光譜譜圖信息非常豐富，對(duì)于食用油拉曼光譜圖峰值信息如圖1所示。拉曼光譜可以從分子振動(dòng)的水平上體現(xiàn)物質(zhì)的分子結(jié)構(gòu)，譜圖中有幾處明顯的主要特征峰，對(duì)其所對(duì)應(yīng)的分子結(jié)構(gòu)官能團(tuán)進(jìn)行分析。拉曼位移為2 850 cm-1左右的譜帶主要體現(xiàn)對(duì)稱的次甲基（-CH2）伸縮；拉曼位移為1 656 cm-1左右處的特征峰對(duì)應(yīng)不飽和雙鍵的伸縮振動(dòng)峰，它體現(xiàn)了不飽和烯烴鍵（C=C）的含量；拉曼位移為1 439 cm-1處的特征峰對(duì)應(yīng)于烴基碳?xì)滏I（C-H）剪式振動(dòng)峰；拉曼位移1 301cm-1處的特征峰對(duì)應(yīng)于烴基的變形振動(dòng)峰，同時(shí)1 260 cm-1處的特征峰反映了不飽和烯烴鍵所在碳原子碳?xì)滏I（=C-H）[21-22]。

圖1 食用油樣本拉曼光譜峰值信息Fig.1 Peak information of Raman spectrum of oil sample

碳-碳雙鍵在油脂結(jié)構(gòu)中對(duì)于拉曼光譜中的分子振動(dòng)起主要作用，在拉曼光譜中，碳-碳雙鍵通常以很強(qiáng)的特征峰出現(xiàn)，且在一定范圍的濃度內(nèi)，特征峰的強(qiáng)度與碳-碳雙鍵的濃度成正比，而當(dāng)油脂發(fā)生氧化酸敗反應(yīng)時(shí)，雙鍵發(fā)生降解，濃度降低，進(jìn)而特征峰的強(qiáng)度下降。并且由于拉曼光譜是具有高度分子特征性的指紋光譜，譜峰重疊少，因此碳-碳雙鍵特征峰可以體現(xiàn)食用油的不飽和程度，故可將位于1 656 cm-1的特征峰值強(qiáng)度信息作為食用油的氧化酸敗檢測(cè)分析的重要參考依據(jù)，從而通過此處特征峰的信息來檢測(cè)碳-碳雙鍵的降解程度，進(jìn)而對(duì)食用油的過氧化值進(jìn)行分析，檢測(cè)食用油的品質(zhì)。

2.2 食用油過氧化值建模分析

本研究采用偏最小二乘法（PLS）對(duì)84個(gè)食用油樣本的過氧化值進(jìn)行定量分析，數(shù)據(jù)分析與處理采用TQ Analyst軟件完成。采集到的食用油樣本拉曼光譜圖如圖2所示，其中橫坐標(biāo)為拉曼位移，縱坐標(biāo)為拉曼強(qiáng)度。

圖2 食用油樣本拉曼光譜Fig.2 Raman spectroscopy of edible oil samples

食用油的成分非常復(fù)雜，當(dāng)發(fā)生氧化酸敗反應(yīng)時(shí)，除碳-碳雙鍵之外，食用油中許多其它成分會(huì)發(fā)生一定的反應(yīng)和變化，因而本研究在不同光譜預(yù)處理組合方式與波長(zhǎng)篩選做了大量實(shí)驗(yàn)，提取與成分含量相關(guān)的信息，旨在優(yōu)化食用油過氧化值拉曼光譜定量分析模型，使模型具備良好的預(yù)測(cè)準(zhǔn)確性與穩(wěn)健性[23]。經(jīng)過多次波長(zhǎng)篩選，最終選擇拉曼位移范圍為848.25～1 800 cm-1和2 600～3 299.34 cm-1兩段，此范圍譜峰信息豐富且清晰，能最有效地提取光譜中的信息。

定義待測(cè)組分過氧化值，并定義分析值范圍為0～10 mmol/kg；導(dǎo)入84個(gè)標(biāo)準(zhǔn)樣本光譜，對(duì)應(yīng)輸入每個(gè)樣本光譜的過氧化值標(biāo)準(zhǔn)含量，選定建模樣本（calibration）和預(yù)測(cè)樣本（validation）[24]。本研究按照食用油樣本過氧化值梯度選擇實(shí)驗(yàn)樣本，盡量保證實(shí)驗(yàn)樣本過氧化值均勻分布且具有代表性，對(duì)采集的84個(gè)油品樣本，選取60份樣本作為建模樣本，14份樣本作為預(yù)測(cè)樣本，10份樣本作為范圍擴(kuò)展樣本。基于PLS的食用油過氧化值含量在導(dǎo)數(shù)、標(biāo)準(zhǔn)正態(tài)變量變換（SNV）、多元散射校正（multiplicative scatter correction，MSC）、Savitzky-Golay（SG）卷積平滑四種不同組合的預(yù)處理法下的校正集決定系數(shù)R12及校正均方根誤差RMSEC、預(yù)測(cè)集相關(guān)系數(shù)R22以及預(yù)測(cè)均方根誤差RMSEP如表3所示。

表3 不同組合預(yù)處理方法的PLS定量模型結(jié)果對(duì)比Table 3 Comparison of PLS quantitative model results for different combination pretreatment methods

從表3中過氧化值PLS定量分析模型的評(píng)價(jià)指標(biāo)結(jié)果可以看出，當(dāng)采用“一階導(dǎo)數(shù)+SNV”方法進(jìn)行預(yù)處理時(shí)，建模效果最好，校正集相關(guān)系數(shù)R12達(dá)到了0.952 8，校正標(biāo)準(zhǔn)偏差（RMSEC）為0.572，預(yù)測(cè)相關(guān)系數(shù)R22為0.921 9，相對(duì)預(yù)測(cè)均方差（RMSEP）為0.698，模型相關(guān)系數(shù)較大，誤差在允許范圍內(nèi)，所建模型穩(wěn)定性和準(zhǔn)確性可靠。所建食用油樣本過氧化值分析模型擬合值與標(biāo)準(zhǔn)值之間的相關(guān)圖如圖3所示，誤差分布圖如圖4所示。

圖3 食用油過氧化值PLS校正集和預(yù)測(cè)集定量模型Fig.3 Quantitative model of PLS calibration set and prediction set of edible oil peroxide value

圖4 食用油過氧化值PLS校正集和預(yù)測(cè)集誤差分布圖Fig.4 Error distribution of PLS calibration set and prediction set of edible oil peroxide value

3 結(jié)論

本研究用拉曼光譜技術(shù)對(duì)食用油的過氧化值進(jìn)行了定量分析，進(jìn)而對(duì)食用油的品質(zhì)進(jìn)行檢測(cè)。在模型建立及預(yù)測(cè)環(huán)節(jié)，所選的方法、所設(shè)的參數(shù)以及所選擇的建模樣本和預(yù)測(cè)樣本都經(jīng)過了不斷的校正和改善，最終選擇“一階導(dǎo)數(shù)+SNV法”對(duì)光譜進(jìn)行預(yù)處理并用偏最小二乘法進(jìn)行建模，校正集相關(guān)系數(shù)達(dá)到了0.952 8，模型準(zhǔn)確性高，誤差小，可以滿足日常檢測(cè)的要求。研究結(jié)果表明，在現(xiàn)有樣本中，利用拉曼光譜技術(shù)結(jié)合偏最小二乘法分析光譜數(shù)據(jù)，能夠快速、有效地?zé)o損檢測(cè)食用油的過氧化值，具有可行性和準(zhǔn)確性，為拉曼光譜技術(shù)應(yīng)用于食用油品質(zhì)快速檢測(cè)奠定了基礎(chǔ)。而未來，拉曼光譜技術(shù)在此領(lǐng)域發(fā)展具有很好的前景，在本研究基礎(chǔ)上還可擴(kuò)充樣本數(shù)量、選擇更多的光譜預(yù)處理方法及引進(jìn)新的建模算法等，提高模型的準(zhǔn)確性和可靠性，進(jìn)一步推進(jìn)拉曼光譜技術(shù)應(yīng)用于日常生活中的食用油品質(zhì)快速檢測(cè)，為食用油品質(zhì)檢測(cè)提供一種新的便捷高效的途徑。