基于傅里叶变换中红外光谱识别正常食用
植物油和精炼潲水油模型分析

李 红1,2，赵 博1,2，冉晓鸿1，屠大伟1,2,*，陈世奇1,2

（1.重庆市计量质量检测研究院，重庆市食品安全工程技术中心，国家农副加工产品及调味品质量监督检验中心，

重庆 401123；2.重庆市食品药品检验所，重庆 401121）

摘 要：潲水油回流餐桌等食品安全问题越来越受到社会关注，探寻准确、快速、高效的潲水油鉴别新方法成为食用油安全性检测的新要求。用傅里叶变换中红外光谱技术（Fourier transform mid-infrared spectroscopy，FT-MIR）对精炼潲水油（refining hogwash oils，RHOs）和4 种不同正常食用植物油（菜籽油、大豆油、花生油和玉米油）进行快速检测，结合偏最小二乘判别法（PLS-DA）建立了RHOs和4 种不同正常食用植物油的判别模型。结果表明，在全光谱范围（4000～450 cm–1）内，经二阶求导（Savitzky-Golay，5 点）后，RHOs和4种不同正常食用植物油FT-MIR有显著差异。PLS-DA模型对22个未知样品预测发现，判别模型的整体正确判别率均为100%。此结果表明FT-MIR结合化学计量学方法可以作为RHOs和4种不同正常食用植物油（菜籽油、大豆油、花生油和玉米油）区分的一种有效技术手段。

关键词：精炼潲水油；正常食用植物油；傅里叶变换中红外光谱；偏最小二乘判别法；模型

Discrimination of Refined Hogwash Oils from Edible Vegetable Oils by FT-MIR Spectroscopy

LI Hong1,2, ZHAO Bo1,2, RAN Xiao-hong1, TU Da-wei1,2,*, CHEN Shi-qi1,2

(1. Chongqing Engineering Research Center of Food Safety, National Quality Supervision & Inspection Center for Processed Agricultural Products and Condiments, Chongqing Academy of Metrology and Quality Inspection, Chongqing 401123, China;

2. Chongqing Institute for Food and Drug Control, Chongqing 401121, China)

Abstract: In this study, Fourier transform-infrared spectroscopy (FT-MIR）was applied to rapidly distinguish refined hogwash oils (RHOs) from four different edible vegetable oils, rapeseed oil, soybean oil, peanut oil and corn oil. A multivariate statistical procedure based on cluster analysis (CA) coupled to partial least squares-discriminant analysis (PSL-DA), was elaborated, providing an effective classification method. It was shown that there were significant differences between RHOs and different edible vegetable oils based on FT-MIR spectra after second derivative (Savitzky-Golay, 5 point) transformation in the whole wavelength range (4000–450 cm–1). The PLS-DA procedure was then applied to classify twenty-two unknown oil samples with a correction rate of 100%. These results demonstrate that FT-MIR combined with chemometric analysis can be used as an effective method to discriminate RHOs from these four different edible vegetable oils.

Key words: refined hogwash oils; edible vegetable oils; FT-MIR; PLS-DA; model

中图分类号：TS201.6 文献标志码：A 文章编号：1002-6630（2014）06-0121-04

doi:10.7506/spkx1002-6630-201406025

潲水油是指以餐厅、居民生活、下水道以及其他人们日常生活中的食物残渣为原料，经过过滤、煎煮及其他工序等加工提炼而成的非食用混合油脂[1-2]。因为废弃油脂制备简单、成本低廉，一些不法分子为了谋取暴利，暗中将其直接作为食用油或者将其添加到其他食用植物油中销售和使用，给广大人民的生命健康带来巨大的安全隐患[3]。目前，潲水油的鉴别方法主要是利用仪器分析手段获得潲水油的指纹图谱，但受到仪器操作复杂，价格不菲等缺点及限制[4-10]。因此，正常食用油脂交易市场迫切需要一种快速、准确并且经济的真假鉴别技术。

傅里叶变换中红外光谱（Fourier transform mid-infrared spectroscopy，FT-MIR）法能够有效地避免样品因预处理所造成的微量（或次要）组分的损失，保证了最大限度地保留不同相似来源样品之间的微小差异，具有简单、快速、精确和专属性指纹特性等优点，已结合化学计量学方法应用于食品掺伪的鉴定[11-16]。偏最小二乘判别法（partial least squares-discriminatory analysis，PLS-DA）是偏最小二乘法（PLS）的一种变体，它是通过创造“虚拟变量”来建立模型，利用PLS法建立“虚拟变量（y）”与“光谱变量（x）”的回归预测模型，然后通过比较“虚拟变量”预测值大小确定样品的类别[17-18]。目前，化学计量方法结合红外光谱技术已广泛应用于食用油的掺假鉴别研究，如橄榄油和椰子油等掺假鉴别[19-21]和掺假食用植物油中煎炸油的分析[22]。通过实验研究，建立了基于FT-MIR的精炼潲水油（refining hogwash oils，RHOs）与4 种不同正常食用植物油（菜籽油、大豆油、花生油和玉米油）PLS-DA判别分析模型，为FT-MIR分析技术应用于潲水油和食用油的快速检测提供可靠的理论依据，也为潲水油监管体系提供重要的技术支持。

1 材料与方法

1.1 材料与试剂

潲水油样品收集于潲水油回收精炼厂（重庆市某油脂有限公司、重庆市某生物液体燃料有限公司，以及通过实验室参考潲水油提炼过程制取）；正常食用植物油（菜籽油、大豆油、花生油和玉米油）均购买于国内各大超市及农贸市场；溴化钾 成都市科龙化工试剂厂。

1.2 仪器与设备

Spectrum GX 傅里叶变换红外光谱仪 Perkin Elmer 公司；ALPAAI-4LSC中红外DTGS检测器 美国Christ公司。

1.3 方法

1.3.1 样品制备和处理

潲水油样品均经过精炼处理，具体方法参考潲水油精炼方法[23]，精炼潲水油样品的判定依据参考方法[24]。试验共取样品51 个，29 个（RHOs 7 种、菜籽油7 种、大豆油5 种、花生油5 种、玉米油5 种）用于PLS-DA模型的建立（编号如下：1～7. RHOs；8～14. 菜籽油；15～19. 大豆油；20～24. 花生油；25～29. 玉米油。），其余22 个盲样（RHOs 6 种、菜籽油4 种、大豆油4 种、花生油4 种、玉米油4 种）用于预测。

1.3.2 FT-MIR扫描条件

FT-MIR采用溴化钾压片法。准确取0.3g溴化钾（色谱纯）进行压片，压力为27 MPa，压片时间为4～5 min。涂抹一薄层油样（2 μL）于光滑的溴化钾片上，使用溴化钾片作为空白。使用DTGS检测器，光谱分辨率4 cm–1，扫描范围4000～450 cm–1，扫描次数16次，扫描时即时去除水分和CO2的背景干扰。扫描前，预热仪器1h后使用。扫描过程中保持室温25 ℃，并严格控制室内湿度，保持环境的一致性。采用FT-MIR自带的操作软件采集及处理红外图谱[19]。

1.3.3 数据分析

采用Unscramber 7.8统计分析软件进行红外数据分析，建立PLS-DA分析模型。将5 种类别的油样，分别赋予值0（RHOs）、1（菜籽油）、2（大豆油）、3（花生油）、4（玉米油），作为光谱数据的参考值，以相关系数（r2）和均方差为评价指标，采用留一法交叉验证确定建模最佳主成分数[17]。一般r2值越大，均方差值越小，模型精度越高。如果预测值在赋予值（0、1、2、3和4）±0.5范围内，则判断其预测准确。聚类分析参数：采用欧氏距离、凝聚状态方法为Ward’s离差平方和法[17]。

2 结果与分析

2.1 正常食用植物油和精炼潲水油的FT-MIR

为了去除高频随机噪音、基线漂移和样品不均匀等影响，采用红外光谱仪自带的Spectrum 3.0操作软件对红外图谱进行必要的预处理（图1）。经过前期预实验研究发现，初始全光谱波段数据经二阶求导（Savitzky-Golay，5 点）卷积平滑处理，不但可以有效消除噪音信号和散射等干扰因素的影响，增强与评价指标相关的光谱吸收信息[17,25-26]，而且经二阶求导卷积平滑处理后，可以提高判别分析模型的相关系数。

图 1 经过Savitzky-Golay处理的29个校正集样品的FT-MIR光谱图

Fig.1 FT-MIR spectra of 29 samples pretreated by Savitzky-Golay smoothing

2.2 PLS-DA校正模型的建立

根据试验建立的PLS-DA校正模型，计算29 个样品的主成分值（principal components，PCs），分别以PC1为X轴、PC2为Y轴，将29 个样品点分别标入坐标系中， 即得到PCs得分的二维图（图2）。由图2可见 （图中数字1～29分别代表正常食用植物油和精炼潲水油样品），每个点都是由原多维空间的样品点降维映射而来，反映了29 个样品的分类情况。其中精炼潲水油样品（1～7）集中在左方中间一个区域，菜籽油样品（8～14）集中在下方一个区域，大豆油样品（15～19）集中在右中一个区域，花生油样品（20～24）集中在上方一个区域，玉米油样品（25～29）集中在右上方一个区域。

图 2 29个建模样品的PC1/PC2 得分散点图

Fig.2 PC1/PC2 score plots of 29 samples

图 3 不同正常食用植物油和精炼潲水油的聚类分析

Fig.3 Dendrogram of cluster analysis of different edible vegetable oils and RHOs

在此基础上，采用聚类分析的办法，将样本划为不同类群进行相似性评价，聚类结果如图3所示，可以将分析对象准确分成5类，第1类是精炼潲水油，包括样品7、1、5、4、6、3、2；第2类是菜籽油，包括样品13、11、12、8、14、10、9；第3类是大豆油，包括样品16、15、19、18、17；第4类是花生油，包括样品24、23、22、21、20；第5类是玉米油，包括样品27、26、25、28、29。由此可见，在鉴别正常食用植物油和精炼潲水油方面，聚类分析的方法可以为选择适宜的原料提供有效的指导。

2.3 PLS-DA判别分析模型的预测

PLS-DA模型对另外22 个样品（RHOs 6 种、菜籽油4 种、大豆油4 种、花生油4 种、玉米油4 种）预测发现，没有一个误判，判别模型的整体正确判别率均为 100%（图4），判别效果良好，说明所建立的判别模型是可靠的。此结果表明FT-MIR技术结合化学计量学方法可以作为精炼潲水油和4 种不同正常食用植物油（菜籽油、大豆油、花生油、玉米油）区分的一种有效技术手段。

0、1、2、3、4分别代表RHOs、菜籽油、大豆油、花生油、玉米油。

图 4 22个未知样品的PLS-DA模型预测结果

Fig.4 Predicted results for 22 unknown samples with PLS-DA model

3 结 论

应用PLS-DA法建立了精炼潲水油和4 种正常食用植物油（菜籽油、大豆油、花生油、玉米油）的傅里叶变换中红外光谱判别分析模型，确定了PLS-DA模型的参数，并将PLS-DA模型用于预测。结果表明，最佳建模参数：光谱波段4000～450 cm－1、二阶求导（Savitzky-Golay，5 点）处理；在该优化条件下，所建立的傅里叶变换中红外光谱的PLS-DA判别分析模型准确的预测了22 个样品（RHOs 6 种、菜籽油4 种、大豆油4 种、花生油4 种、玉米油4 种），PLS-DA模型判别正确率为100%，为精炼潲水油的快速检测提供了新的思路，也对提高我国食用油质量控制水平具有重要意义。

参考文献：

[1] 黄道平, 彭进. 潲水油鉴别检测方法研究[J]. 中国卫生检验杂志, 2006, 16(2): 151-153.

[2] 李占彬, 谭红, 谢锋, 等. 紫外分光光度计检测十二烷基苯磺酸钠鉴别潲水油的方法研究[J]. 分析测试学报, 2012, 31(4): 379-382.

[3] 冉莉, 周永, 朱俊东, 等. 潲水油的急性毒性和遗传毒性研究[J]. 第三军医大学学报, 2011, 33(13): 1366-1369.

[4] 李红, 屠大伟, 李根容, 等. 顶空固相微萃取-气相色谱-质谱联用技术鉴别潲水油[J]. 分析试验室, 2010, 29(6): 61-65.

[5] 杨冬燕, 杨永存, 杨小柯, 等. 潲水油、掺假食用植物油鉴定方法研究进展[J]. 中国卫生检验杂志, 2009, 9(10): 2459-2460.

[6] 胡小泓, 刘志金, 郑雪玉, 等. 应用电导率检测潲水油方法的研究[J]. 食品科学, 2007, 28(11): 482-484.

[7] 李红, 屠大伟, 李根容, 等. 固相微萃取及主成分分析用于潲水油GC-MS指纹图谱的分析[J]. 计量学报, 2010, 31(5A): 101-105.

[8] 唐盼盼, 李诗言. 气相色谱法鉴别潲水油[J]. 食品与发酵工业, 2013, 39(2): 186-191.

[9] 李殷, 毕承路, 冯华刚, 等. 顶空-气质联用法测定潲水油中的挥发性有机化合物[J]. 质谱学报, 2012, 33(5): 308-314.

[10] 孙艳辉, 安海洋. 利用同步荧光光谱快速鉴别潲水油[J]. 光谱学与光谱分析, 2012, 32(10): 2726-2729.

[11] GURDENIZ G, OZEN B. Detection of adulteration of extra-virgin olive oil by chemometric analysis of mid-infrared spectral data[J]. Food Chemistry, 2009, 116(2): 519-525.

[12] HONG Y, JOSEPH I, MANISH M P. Discriminant analysis of edible oils and fats by FTIR, FT-NIR and FT-Raman spectroscopy[J]. Food Chemistry, 2005, 93(1): 25-32.

[13] VINCENT B, JUAN A F P, PIERRE D, et al. Detection of the presence of hazelnut oil in olive oil by FT-Raman and FT-MIR spectroscopy[J]. Journal of Agricultural and Food Chemistry, 2005, 53(16): 6201-6206.

[14] COZZOLINO D, HOLDSTOCK M, DAMBERGS R G, et al. Mid infrared spectroscopy and multivariate analysis: a tool to discriminate between organic and non-organic wines grown in Australia[J]. Food Chemistry, 2009, 116(3): 761-765.

[15] HASHIM D M, CHEMAN Y B, NORAKASHA R, et al. Potential use of Fourier transform infrared spectroscopy for differentiation of bovine and porcine gelatins[J]. Food Chemistry, 2010, 118(3): 856-860.

[16] 许洪勇, 成莲, 王东峰, 等. 傅里叶变换红外光谱-加热顶空法鉴别地沟油[J]. 中国油脂, 2013, 28(1): 64-66.

[17] LUCA M D, TEROUZI W, IOELE G. Derivative FTIR spectroscopy for cluster analysis and classi?cation of morocco olive oils[J]. Food Chemistry, 2011, 124: 1113-1118.

[18] 张琳, 张黎明, 李燕, 等. 偏最小二乘法在傅里叶变换红外光谱中的应用及进展[J]. 光谱学与光谱分析, 2005, 25(10): 76-79.

[19] ROHMA, A, CHE MAN Y B. The use of Fourier transform mid infrared (FT-MIR) spectroscopy for detection and quantification of adulteration in virgin coconut oil[J]. Food Chemistry, 2011, 129(2): 583-588.

[20] LERMA-GARCÍA M J, RAMIS-RAMOS G, HERRERO-MARTÍNEZ J M, et al. Authentication of extra virgin olive oils by Fourier-transform infrared spectroscopy[J]. Food Chemistry, 2010, 118(1): 78-83.

[21] 王志嘉, 赵延华. 傅里叶变换红外光谱法对掺假橄榄油的快速鉴别[J]. 理化检验: 化学分册, 2012, 48(7): 785-788; 792.

[22] ZHANG Q, LIU C, SUN Z, et al. Authentication of edible vegetable oils adulterated with used frying oil by Fourier Transform Infrared Spectroscopy[J]. Food Chemistry, 2012, 132(3): 1607-1613.

[23] 潘剑宇, 尹平河, 余汉豪. 潲水油、煎炸老油与合格食用植物油的鉴别研究[J]. 食品科学, 2003, 24(8): 27-29.

[24] 祝诗平, 梁晶, 屠大伟, 等. 基于近红外光谱与DPLS的潲水油快速鉴别方法[J]. 西南大学学报: 自然科学版, 2012, 34(5): 1-6.

[25] 李本祥, 王玲, 董新荣. 二阶导数预处理法在中红外光谱定量分析中的应用研究[J]. 分析试验室, 2008, 27(7): 9-12.

[26] 李本祥, 董新荣. 主成分分析和二阶导数用于混合物含量的傅里叶变换中红外光谱测定[J]. 理化检验: 化学分册, 2013, 49(11): 1301-1304.