基于特征脂肪酸的掺伪芝麻油快速鉴别模型建立

田 硕，刘建学*，韩四海，罗登林，李佩艳，徐宝成

（河南科技大学食品与生物工程学院，河南 洛阳 471023）

摘 要：脂肪酸是植物油中的主要营养成分，不同种类的食用油中所含的脂肪酸含量也不相同，本研究据此对芝麻油掺入大豆油、花生油、棉籽油的油样应用近红外光谱技术建立测定4 种脂肪酸含量的方法。以气相色谱法测定的脂肪酸含量作为化学值，校正集样品数为122，验证集样品数为38，结果表明：掺假芝麻油油样的亚麻酸（C18∶3）、花生酸（C20∶0）、木焦油酸（C24∶0）和肉豆蔻酸（C14∶0）对近红外有特异吸收。分别建立4 种脂肪酸含量的模型，通过对模型进行优化，校正集样品的化学值与近红外的预测值的相关系数（R2）分别为R2（C18∶3）=0.989、
R2（C20∶0）=0.995、R2（C24∶0）=0.993、R2（C14∶0）=0.996。验证集样品的化学值与近红外的预测值的R2分别为0.984、0.949、0.956、0.988。4 种脂肪酸含量的预测平均相对误差依次为6.0%、5.6%、4.4%、4.8%。

关键词：近红外光谱；特征脂肪酸；掺假芝麻油；鉴别

Establishment of a Model for Rapid Identification of Adulterated Sesame Oil Based on Characteristic Fatty Acids

TIAN Shuo, LIU Jian-xue*, HAN Si-hai, LUO Deng-lin, LI Pei-yan, XU Bao-cheng

(College of Food and Bioengineering, Henan University of Science and Technology, Luoyang 471023, China)

Abstract: Fatty acids are the major nutrients in vegetable oils in different amounts depending on the type of oil. A predictive method based on near infrared spectroscopy (NIR) was proposed to determine the contents of four fatty acids in adulterated sesame oil samples. The chemical values were analyzed by GC. The calibration set consisted of 122 samples and the number of samples in the validation set was 38. The results showed that linolenic acid (C18:3), arachidonic acid (C20:0), tetracosanoic acid (C24:0) and myristic acid (C14:0) were the characteristic NIR absorption peaks of the adulterated oils. The optimum conditions for mathematical modeling of the four components were studied with respect to sample set selection, chemical value analysis, detection methods and detection conditions. The correlation coefficients (R2) between the NIR-predicted data and the chemically measured data for the samples of the calibration set were R2 (C14:0) = 0.996, R2 (C18:3) = 0.989, R2 (C20:0) =
0.995, and R2 (C24:0) = 0.993, respectively, and 0.984, 0.949, 0.956, and 0.988 for the validation set samples, respectively. For the validation set, 9 unknown samples were selected to be analyzed by NIR. Our results demonstrated that the error between the predicted values and the chemical values was less than 6.0%.

Key words: near infrared spectroscopy; fatty acid; adulterated sesame oil; identification

中图分类号：TS225.1 文献标志码：A 文章编号：1002-6630（2014）22-0207-04

doi:10.7506/spkx1002-6630-201422040

芝麻油含有很高的多不饱和油脂（油酸和亚油酸）、芝麻林素、芝麻酚和芝麻素，并富含维生素、不含胆固醇，具有很好的保健功能。其香味浓郁，是消费者所喜爱的调味品之一。

在国内市场中，油类的掺假现象屡见不鲜。芝麻油的售价高于其他种类的食用油，一些不法商贩就在芝麻油中掺入其他植物油或从废弃油渣中提取残油，以次充好出售，谋取高润利益。国内销售的食用油主要以植物油为主，如大豆油、花生油、葵花籽油、菜籽油、玉米油、棉籽油等。不同的植物油的营养价值不同，主要是所含的脂肪酸种类和比例不同，市场售价也相差甚远。

植物油的成分相似，但所含的脂肪酸比例不同，近红外鉴别植物油种类已有大量报道[1-10]，在脂肪酸检测方面主要是对植物油中脂肪酸含量和组分的测定[11-17]，而对掺假油中对近红外有特异吸收的脂肪酸的研究很少。于燕波等[18]应用近红外光谱（near infrared spectroscopy，NIR）技术快速测定植物油中棕榈酸、硬脂酸、油酸、亚油酸含量，并建立模型，模型的预测精度误差均小于10%。张辉等[19]基于NIR技术检测食用油中α-亚麻酸和亚油酸含量的快速测定方法。通常脂肪酸的测定方法有气相色谱（gas chromatography，GC）和高效液相色谱（high performance liquid chromatography，HPLC），这2 种方法都需要对样品进行前处理，耗时且需要消耗大量的有机试剂，难以实现大批量地快速定量检测。本研究基于近红外在脂肪酸含量方面的测定，对不同种类、不同梯度的掺假芝麻油采集NIR，结合化学计量法，检测不同种类掺假芝麻油中对近红外光有特异吸收的脂肪酸，继而可快速鉴别掺假油的品种。其检测费用低、耗时短，可为质检部门提供一种快速检测掺假油的方法。

1 材料与方法

1.1 材料与试剂

芝麻油样品8 个、大豆油样品4 个、花生油样品4 个、棉籽油样品4个（纯度均为99.9%），由河南省农业科学院农产品加工研究所提供。将大豆油、花生油、棉籽油分别按不同的配比掺入芝麻油中，3 种掺入油的含量范围为5%～100%，复配间隔为5%，每个样品油调配量为5 mL。3 种掺假芝麻油样各为160 个样品，分别以油样配比比例顺序按1、2、4、5、7、8……选择作为校正集（共122个样品）用于建立模型，其余样品作为验证集（共38 个样品）用于检验。

脂肪酸甲酯11 组分混标 美国AOCS公司；氢氧化钠（分析纯）、甲醇、正己烷（均为色谱纯）等均为国产试剂。

1.2 仪器与设备

VECTOR33傅里叶变换近红外光谱仪 德国Bruker公司；7890A气相色谱仪（附氢火焰离子化检测器）、HP-5毛细管柱（30 m×0.320 mm，0.25 mm） 美国Aglient公司。

1.3 方法

1.3.1 脂肪酸GC分析

优化GC分析工作条件，用脂肪酸甲酯所对应的保留时间做定性分析，用标准曲线法对脂肪酸的含量作定量分析。样品的甲酯化方法采用GB/T 17376—2008《动植物油脂：脂肪酸甲酯制备》。

1.3.2 油样NIR建模

NIR数据采集：将调配好的油样移至1 mm的石英比色皿中，使用OPUS 6.5光谱采集及分析软件进行光谱采集，整个实验室内温度恒定在25 ℃。光谱扫描范围为10 000～3 200 cm－1，仪器分辨率为4 cm－1，扫描次数为32次，每个样品重新装样采集3 次，并求平均光谱作为最终光谱数据进行分析。

对NIR采集到的光谱数据，采用基于OPUS 6.5分析软件中的标准正态变量变换（standard normal variate transformation，SNV）、多元散射校正（multiplicative scatter correction，MSC）、一阶导数（1stD）、二阶导数（2ndD）、交互验证均方根误差（root mean squares error of cross validation，RMSECV）、一阶导数＋标准正态变量变换（1stD＋SNV）、一阶导数＋多元散射校正（1stD＋MSC）等光谱预处理方法进行预处理，选出最优波段和最佳预处理方法，利用偏最小二乘（partial least squares，PLS）法建立校正集样品NIR和不同脂肪酸含量的数学模型[20]，所建模型用相关系数（R2）和RMSECV值来评价，模型的预测能力可通过验证集样品R2和相对预测均方根误差（relative prediction mean square error，RMSEP）评价。

2 结果与分析

2.1 脂肪酸GC分析

脂肪酸GC分析条件：进样口温度250 ℃；检测器温度260 ℃；升温程序：100 ℃保持2 min，17 ℃/min
升至200 ℃保持4.7 min，40 ℃/min升至240 ℃保持15 min；载气为氮气；流量3 mL/min；H2流量30 mL/min；空气流量400 mL/min；进样量1 mL；Chem Station工作站。

按照1.3.1节GC工作条件和分析方法进行测定，脂肪酸甲酯标品（100 mg）全部转入100 mL容量瓶中，正己烷定容至刻度，得到脂肪酸甲酯含量为10 mg/mL的混合标准储备液。分别取400、500、750、1 000、1 500、3 000 mL的储备液置于5 mL的容量瓶，加正己烷定容，制成一系列质量浓度的标准溶液，以峰面积对质量浓度绘制标准曲线。由图1可知，9 种脂肪酸实现了完全分离，各个脂肪酸的标准曲线R2均大于0.989。由于仪器所带HP-5色谱柱是非极性的，硬脂酸和油酸没有得到很好的分离，采用硬脂酸和油酸混合峰的标准方程和脂肪酸甲酯混标中所占的比例得到这2 种脂肪酸的含量。

图 1 脂肪酸甲酯混标气相色谱图

Fig.1 GC profile of a mixture of 11 fatty acid methyl esters

2.2 NIR鉴别数学模型的建立

按照1.3.2节方法，在Vector 33型傅里叶变换光谱上扫描测试样品，所得光谱图见图2。

图 2 掺假芝麻油样的NIR图

Fig.2 Near infrared spectra of adulterated sesame oil samples

以GB/T 17377—2008《动植物油脂：脂肪酸甲酯的气相色谱分析》测得的脂肪酸含量值为参比值，与光谱数据进行校正分析，从而得到掺假芝麻油的定量鉴别模型。

芝麻油中掺入大豆油、花生油、棉籽油的最优波段和最佳预处理方法见表1。分别对3 种掺假油样中的各个脂肪酸建立分析模型，结果见表2～4。

表 1 3 种掺假油最优波段和最佳预处理方法

Table 1 Optimal waveband and pretreatment method for 3 kinds of adulterated vegetable oil

用分析软件将前述校正集的122 个油样的NIR数据进行校正分析，建立8 种变化较为明显的脂肪酸的模型，而后用验证集光谱数据对所建立的模型进行验证（表2），从表2可以看出，相对于其他7 种脂肪酸，亚麻酸的R2是最高的，RMSECV最小，说明在5 914.6～5 644.6 cm－1和3 972.6～3 442.3 cm－1波段内亚麻酸对NIR有特异吸收。从图3可以看出，验证集样品的真实值和近红外的预测值存在较好的相关性，验证集样品R2和RMSEP分别为0.984和0.412。

表 2 大豆油掺入芝麻油8 种脂肪酸校正集模型的评价指标

Table 2 Evaluation model for the calibration set of eight fatty acids in samples of soybean oil adulterated with sesame oil

从表3可以看出，花生酸和木焦油酸的R2较高，验证均方根误差较小，证明在9 052.2～7 765.9 cm－1
和6 219.3～5 621.5 cm－1波段下花生酸和木焦油酸的吸收率较高。预测模型的能力可以从图4和图5看出，预测值与化学值的相关性较好，验证集样品R2分别为0.949、0.956，RMSEP分别为0.208、0.194。

图 3 亚麻酸含量预测值与化学值的相关性

Fig.3 Correlation between predicted values and chemical values for linolenic acid content

表 3 花生油掺入芝麻油各个脂肪酸校正集模型的评价指标

Table 3 Evaluation model for the calibration set of eight fatty acids in samples of peanut oil adulterated with sesame oil

图 4 花生酸含量预测值与化学值的相关性

Fig.4 Correlation between predicted values and chemical values for arachidic acid content

图 5 木焦油酸含量预测值与化学值的相关性

Fig.5 Correlation between predicted values and chemical values for tetracosanoic acid content

表 4 棉籽油掺入芝麻油各个脂肪酸校正集模型的评价指标

Table 4 Evaluation model for the calibration set of seven fatty acids in samples of cottonseed oil adulterated with sesame oil

从表4可以看出，在6 976.3～5 501.9 cm－1和3 868.5～3 453.9 cm－1波段下肉豆蔻酸的R2最高，校正标准差最小，表明在此波段下肉豆蔻酸对NIR具有较高的吸收。从图6可以看出，肉豆蔻酸的预测值与气相色谱测得的化学值之间的相关性较高，其验证集样品R2和RMSEP分别为0.988、0.121。

图 6 肉豆蔻酸含量预测值与化学值的相关性

Fig.6 Correlation between predicted values and chemical values for myristic acid content

2.3 预测模型对未知样品的分析

为验证所建模型预测结果的正确性，另外每一种掺假油重新随机调配9 个油样，用GC法和所建模型分别测出其脂肪酸含量，见表5。亚麻酸、花生酸、木焦油酸、肉豆蔻酸的最小相对误差分别为0.02%、0.94%、1.10%、2.43%，表明所建模型对未知样品的预测精度已达到应用要求，也说明所建立测定4种脂肪酸含量的NIR模型方法可行。

表 5 样品中4 种脂肪酸真实值与模型预测值

Table 5 Chemical values and predicted value from PLS model for
four fatty acids in samples

mg/mL

3 结 论

采用NIR技术对掺入大豆油、花生油、棉籽油的芝麻油样品中主要变化的脂肪酸图谱结合GC法测得的脂肪酸含量进行建模，通过验证集样品R2、RMSECV和校正集的R2、RMSEP确定每一种掺假油样中对近红外有特异吸收的脂肪酸，以此判别掺假油的种类。

1）研究表明，掺假芝麻油油样的亚麻酸（C18∶3）、花生四烯酸（C20∶0）、木焦油酸（C24∶0）和肉豆蔻酸（C14∶0）对近红外有特异吸收。2）分别建立4 种脂肪酸含量的近红外定量分析模型，通过对模型进行优化，校正集样品的化学值与近红外的预测值的R2分别为R2（C18∶3）=0.989、R2（C20∶0）=0.995，R2（C24∶0）=0.993、R2（C14∶0）=0.996。验证集样品的化学值与近红外的预测值的R2分别为0.984、0.949、0.956、0.988。3）利用所建模型进行随机掺假混合油样检验，4 种脂肪酸含量的预测平均相对误差依次为6.0%、5.6%、4.4%、4.8%。

NIR法的检测结果是否准确依赖于定标样本基础数据的精准性和数学模型的精确性，因此对本实验所建立的模型后续应采集更广泛的样本，及时添加校正模型，以保证模型的稳定性和可靠性。

参考文献：

[1] 刘燕德, 万常斓. 芝麻油掺伪的近红外透射光谱检测技术[J]. 农业机械学报, 2012, 43(7): 137-140.

[2] 袁洪福, 张娴, 郭峥, 等. 近红外快速分析食用调合油[C]//科学仪器服务民生学术大会论文集. 北京: 中国学术期刊电子出版社, 2011: 78-81.

[3] 范璐, 王美美, 杨红卫, 等. 傅里叶变换红外吸收光谱识别五种植物油的研究[J]. 分析化学研究简报, 2007, 35(3): 390-392.

[4] 梁丹, 李小昱, 李培武, 等. 近红外光谱法对食用植物油品种的快速鉴别[J]. 湖北农业科学, 2011, 50(16): 3383-3385.

[5] 刘福莉, 陈华才. 近红外透射光谱法检测三组分食用调和油含量的研究[J]. 光谱学与光谱分析, 2009, 29(8): 2099-2102.

[6] 吴静珠, 刘翠玲, 李慧, 等. 基于近红外光谱的纯花生油掺伪快速鉴别方法研究[J]. 北京工商大学学报: 自然科学版, 2011, 29(1): 75-78.

[7] 庄小丽, 相玉红, 强洪, 等. 近红外光谱和化学计量学方法用于橄榄油品质分析与掺杂量检测[J]. 光谱学与光谱分析, 2010, 30(4): 933-936.

[8] 冯利辉, 刘波平, 张国文, 等. 芝麻油中掺入菜籽油的近红外光谱研究[J]. 食品科学, 2009, 30(18): 296-299.

[9] 梁丹. 应用近红外光谱分析判别芝麻油掺伪的研究[J]. 食品工程, 2011(2): 40-43.

[10] 刘建学, 刘珊珊. 芝麻油真伪快速检测方法研究[J]. 中国粮油学报, 2012, 27(12): 116-121.

[11] 翁欣欣, 陆峰, 王传现, 等. 近红外光谱-BP神经网络-PLS法用于橄榄油掺杂分析[J]. 光谱学与光谱分析, 2009, 29(12): 3283-3287.

[12] YUAN Jiaojiao, WANG Chengzhang, CHEN Hongxia, et al. Prediction of fatty acid composition in Camellia oleifera oil by near infrared transmittance spectroscopy (NITS)[J]. Food Chemistry, 2013, 138(2/3): 1657-1662.

[13] 吴静珠, 刘翠玲, 李慧, 等. 近红外光谱技术在食用油种类鉴别及脂肪酸含量检测中的应用[J]. 北京工商大学学报: 自然科学版, 2010, 28(5): 56-59.

[14] 宋涛, 张风枰, 刘耀敏, 等. 透反射近红外光谱法快速测定大豆油中的脂肪酸[J]. 光谱学与光谱分析, 2012, 32(8): 2100-2104.

[15] CASALE M, OLIVERI P, CASOLINO C, et al. Characterisation of PDO olive oil Chianti Classico by non-selective (UV-visible, NIR and MIR spectroscopy) and selective (fatty acid composition) analytical techniques[J]. Analytica Chimica Acta, 2012, 712(19): 56-63.

[16] 代秀迎, 陈斌, 刘飞, 等. FTIR-ATR光谱法测定植物油多种脂肪酸的含量[J]. 江苏农业科学, 2010, 21(4): 283-285.

[17] 张菊华, 朱向荣, 尚雪波, 等. 近红外光谱法结合化学计量学测定油茶籽油中脂肪酸组成[J]. 食品科学, 2011, 32(18): 205-208.

[18] 于燕波, 臧鹏, 付元华, 等. 近红外光谱法快速测定植物油中脂肪酸含量[J]. 光谱学与光谱分析, 2008, 28(7): 1554-1558.

[19] 张辉, 吴迪, 李想, 等. 近红外光谱快速检测食用油中必须脂肪酸[J]. 农业工程学报, 2012, 28(7): 266-270.

[20] 陈斌, 赵龙莲, 李军会, 等. 近红外光谱法快速分析葛根中的有效成分[J]. 光谱学与光谱分析, 2002, 22(6): 976-979.