原姣姣 王成章，2 陳虹霞

(中國林業(yè)科學(xué)研究院林產(chǎn)化學(xué)工業(yè)研究所國家林業(yè)局林產(chǎn)化學(xué)工程重點(diǎn)開放性實(shí)驗(yàn)室國家油茶科學(xué)中心加工重點(diǎn)實(shí)驗(yàn)室1，南京 210042)

(中國林業(yè)科學(xué)研究院林業(yè)新技術(shù)研究所2，北京 100091)

近紅外透射光譜分析油茶籽油摻入豆油的研究

原姣姣1王成章1，2陳虹霞1

(中國林業(yè)科學(xué)研究院林產(chǎn)化學(xué)工業(yè)研究所國家林業(yè)局林產(chǎn)化學(xué)工程重點(diǎn)開放性實(shí)驗(yàn)室國家油茶科學(xué)中心加工重點(diǎn)實(shí)驗(yàn)室1，南京 210042)

(中國林業(yè)科學(xué)研究院林業(yè)新技術(shù)研究所2，北京 100091)

采用傅里葉近紅外透射光譜技術(shù)，應(yīng)用于不同比例(0%～50%)的豆油和油茶籽油的二元體系樣品，通過各種光譜預(yù)處理方法和回歸方法的優(yōu)化，建立了檢測(cè)油茶籽油中摻雜豆油含量的近紅外光譜的定量模型。以“二階導(dǎo)數(shù)+Norris derivative filter”的最佳預(yù)處理方法和PLS的回歸方法所建模型最佳，其校正相關(guān)系數(shù)(Rc)和校正標(biāo)準(zhǔn)誤差(RMSEC)分別為0.999 99、0.057 70;交叉檢驗(yàn)相關(guān)系數(shù)(Rcv)和交叉檢驗(yàn)校準(zhǔn)誤差(RMSECV)分別為 0.999 99、0.071 9;最優(yōu)波段為 5 037.16 ～ 4 728.60 cm－1、7 852.72 ～7 089.04 cm－1、8 577.82～8 323.26 cm－1;最佳主因子數(shù)為6。另外，經(jīng)外部驗(yàn)證15份隨機(jī)樣品的化學(xué)值和NITS預(yù)測(cè)值的相關(guān)系數(shù)(R2)為0.998。表明近紅外透射光譜法能夠快速、準(zhǔn)確地定量分析摻假油茶籽油中豆油的含量(范圍為0%～50%)。

近紅外透射光譜 油茶籽油 摻假 豆油 偏最小二乘法

油茶籽油，其組成類似于被稱為“植物油皇后”的橄欖油［1］，被譽(yù)為“東方橄欖油”。其脂肪酸組成主要有油酸、亞油酸、軟脂酸和硬脂酸等［2］，其中油酸質(zhì)量分?jǐn)?shù)達(dá)75%以上，不飽和脂肪酸質(zhì)量分?jǐn)?shù)可達(dá)90%。脂肪酸比例符合國際營養(yǎng)標(biāo)準(zhǔn)，且不皂化物含量少，易于人體營養(yǎng)吸收［3］，是一種高品質(zhì)的食用油。不飽和脂肪酸可以防止動(dòng)脈硬化，抑制和預(yù)防冠心病、高血壓等心腦血管疾?。?］，加強(qiáng)人類對(duì)各種疾病的抵抗能力。所含的角鯊烯、VE等也有很好的抗氧化作用。由于油茶籽油的營養(yǎng)和醫(yī)學(xué)雙重價(jià)值，使得油茶籽油在市場(chǎng)上的價(jià)格遠(yuǎn)遠(yuǎn)高于日常食用油。隨著人們生活水平的提高及保健意識(shí)的加強(qiáng)，油茶籽油需求量不斷增長。然而，部分廠家為了眼前的利益，在市場(chǎng)上出現(xiàn)了油茶籽油摻假現(xiàn)象，如將大豆油、菜籽油、玉米油等低價(jià)油摻入油茶籽油，進(jìn)而影響油茶籽油的特有品質(zhì)和營養(yǎng)特征。

目前，油脂的摻偽方法主要有理化檢測(cè)和儀器分析方法，比如顯色法［5］、分光光度法［6］、氣相［7］、液相［8］、紅外光譜法［9］、電子鼻法［10－11］、近紅外光譜法［12］等方法。常用的物理化學(xué)方法操作簡便，適合現(xiàn)場(chǎng)檢測(cè)，但只能對(duì)食用油是否摻假進(jìn)行簡單判斷，而不能確定摻入的成分或?qū)嶋H摻偽量。氣相色譜、液相色譜等大型儀器對(duì)摻偽檢測(cè)具有較高的準(zhǔn)確率，但前處理復(fù)雜、檢測(cè)周期長、儀器設(shè)備昂貴。近紅外光譜技術(shù)(包括透射和反射)是20世紀(jì)90年代以來發(fā)展最快、最引人注目的綠色分析技術(shù)之一，已被廣泛應(yīng)用于農(nóng)業(yè)和食品［13］、油脂［14］等的品質(zhì)分析檢測(cè)，被國際農(nóng)業(yè)分析界認(rèn)為是“具有解決全球農(nóng)業(yè)分析潛力”的方法。馮利輝等［15］采用偏最小二乘法建立了芝麻油中摻雜菜籽油含量的近紅外定量檢測(cè)模型。所得模型的校正相關(guān)系數(shù)為0.998 39，經(jīng)外部驗(yàn)證認(rèn)為該模型可準(zhǔn)確預(yù)測(cè)芝麻油含量為10%～70%。Wang等［12］利用衰減全反射紅外光譜和光纖漫反射近紅外光譜對(duì)油茶籽油中摻入大豆油的摻假(比例為5%～25%)進(jìn)行了比較分析，認(rèn)為兩種方法都可行。且采用偏最小二乘法建立的近紅外光譜模型相關(guān)系數(shù)為0.992，校正標(biāo)準(zhǔn)誤差(RMSEC)、交叉檢驗(yàn)標(biāo)準(zhǔn)誤差(RMSECV)分別為 0.70、1.79，其模型結(jié)果很好。

本試驗(yàn)是采用傅里葉近紅外透射光譜技術(shù)，對(duì)不同比例的豆油和油茶籽油的二元體系樣品建立線性關(guān)系，通過各種光譜預(yù)處理方法和回歸方法的優(yōu)化，建立了快速、精準(zhǔn)地檢測(cè)油茶籽油中摻雜豆油含量的近紅外光譜定量模型，以期為市場(chǎng)上快速檢測(cè)摻假油茶籽油提供一定的方法及理論依據(jù)。

1 材料與方法

1.1 材料與主要儀器

純油茶籽油:上海嘉里食品工業(yè)有限公司，加工工藝為壓榨;豆油:中糧食品營銷有限公司，工工藝為浸出。

EL－204型電子天平:梅特勒－托利多儀器(上海)有限公司;Nicolet Antaris FT－NIR Analyzer光譜儀:美國Thermo Nicolet公司。

1.2 方法

1.2.1 摻入不同比例豆油的油茶籽油樣品的配制

配制摻入不同比例(質(zhì)量比)豆油的油茶籽油，范圍在0%～50%梯度內(nèi)，共66個(gè)樣品。

1.2.2 油茶籽油的近紅外透射光譜采集

樣品準(zhǔn)備:將樣品放入樣品瓶2/3處即可，待掃描光譜。

開機(jī)1 h使儀器預(yù)熱。采集光譜前，先使用RESULT－Integration軟件編寫光譜采集程序，設(shè)置儀器工作參數(shù):測(cè)量光譜范圍4 000～12 000 cm－1，掃描次數(shù)為64次，分辨率為16 cm－1，2倍增益。采樣方式為透射(tranmittance);數(shù)據(jù)采集形式為吸收率(absorbance)。編好采集程序后直接對(duì)樣品進(jìn)行近紅外光譜的采集。每個(gè)樣品掃描3次(從不同角度)，每次均掃描背景，計(jì)算其平均光譜，保存，待分析。

1.2.3 模型的建立及建模效果評(píng)價(jià)

首先采用校正樣品集建立近紅外透射光譜(NITS)模型，運(yùn)用各種光譜預(yù)處理方法和回歸方法對(duì)模型優(yōu)化，并且選擇最優(yōu)光譜范圍。預(yù)處理方法有一階導(dǎo)數(shù)(First derivative，1stDeriv.)、二階導(dǎo)數(shù)(Second derivative，2ndDeriv.)、Savitzky － Golay 平滑處理和Norris平滑處理等;回歸統(tǒng)計(jì)方法有多元線性回歸法(multiple linear regression，MLR)、主成分回歸法(principal component regression，PCR)、偏最小二乘法(partial least square，PLS)、人工神經(jīng)網(wǎng)(artificial neural network，ANN)和拓?fù)?topology，TP)等方法［16］。再者，應(yīng)用內(nèi)部交叉驗(yàn)證和外部驗(yàn)證對(duì)模型的預(yù)測(cè)能力進(jìn)行檢驗(yàn)。優(yōu)化模型時(shí)以模型的校正相關(guān)系數(shù)(Rc)、交叉檢驗(yàn)相關(guān)系數(shù)(Rcv)、校正標(biāo)準(zhǔn)誤差(RMSEC)、交叉檢驗(yàn)標(biāo)準(zhǔn)誤差(RMSECV)、外部檢驗(yàn)相關(guān)系數(shù)(R2)等作為衡量模型優(yōu)劣的重要指標(biāo)。試驗(yàn)利用TQ Analyst 8光譜處理軟件進(jìn)行光譜預(yù)處理、譜區(qū)選擇和回歸統(tǒng)計(jì)分析。

1.3 數(shù)據(jù)處理

首先運(yùn)用RESULT－Integration軟件收集校正集和驗(yàn)證集樣品光譜，再者使用TQ Analyst 8對(duì)校正集樣品光譜進(jìn)行分析，整理，進(jìn)而建立最佳的近紅外光譜模型。為了說明所建立模型的預(yù)測(cè)性能，使用SPSS11.0對(duì)對(duì) NITS模型的預(yù)測(cè)值和真實(shí)值進(jìn)行Paired Samples Test。根據(jù)t值來說明兩者的顯著性問題。

2 結(jié)果與分析

2.1 摻入不同比例豆油的茶油樣品的配制結(jié)果

配制摻入不同比例(質(zhì)量比)豆油的茶油，范圍在0－50%梯度內(nèi)，共66個(gè)樣品。全部樣品分為兩部分，校正集51個(gè)和檢驗(yàn)集15個(gè)。

表1 摻假油茶籽油的統(tǒng)計(jì)結(jié)果/%

2.2 油茶籽油和豆油的近紅外光譜圖

近紅外光是指波長介于可見光區(qū)與中紅外區(qū)之間的電磁波，其波長范圍為780～2 526 nm(對(duì)應(yīng)的波數(shù)范圍為12 000～4 000 cm－1)。該光譜是由于分子振動(dòng)能級(jí)的躍遷(同時(shí)伴隨轉(zhuǎn)動(dòng)能級(jí)躍遷)而產(chǎn)生的，它反映的是含氫基團(tuán)X—H(X為C、O、S、N等)振動(dòng)的倍頻和合頻吸收［17］。油茶籽油、豆油中都有油酸、亞油酸、棕櫚酸、硬脂酸等脂肪酸成分，這些物質(zhì)都有常見的C—H、O—H等基團(tuán)，故在近紅外光譜區(qū)域會(huì)有吸收。

由于油茶籽油和豆油的化學(xué)組成及其含量有些差異，且油中甘三酯結(jié)構(gòu)不同，使得光能量吸收使原子間引起震動(dòng)、擺動(dòng)，致使光能變化，因此在近紅外光譜區(qū)域有著不同的圖譜。

圖1顯示出它們各自的吸收?qǐng)D譜。由圖1可看出，油茶籽油和豆油均在 4 500、4 700、5 700、5 800、7 100、8 250 cm－1等處有強(qiáng)烈的吸收［18］。4 500、4 700 cm－1左右是—CH3、—CH2和C—H 的伸縮振動(dòng)的合頻吸收。5 700、5 800 cm－1左右是—CH3、—CH2、HC == C H —中的C—H伸縮振動(dòng)的一級(jí)倍頻，在8 250cm－1波數(shù)附近是C—H伸縮振動(dòng)的二級(jí)倍頻吸收，7 100 cm－1為O—H伸縮振動(dòng)的一級(jí)倍頻吸收。但是，油茶籽油和豆油在4 700、8 250 cm－1處稍有不同，在5 800 cm－1處有著很大的不同，豆油比油茶籽油的吸收峰形寬且鈍。摻有不同比例豆油的油茶籽油的近紅外光譜圖吸收峰強(qiáng)度不同，即含量不同，這是摻假油茶籽油的近紅外光譜法能夠作為定量分析的依據(jù)。

圖1 油茶籽油和豆油的近紅外光譜圖

2.3 最佳光譜預(yù)處理方法的確定

樣品物理性質(zhì)的不同會(huì)引起光譜基線和斜率的變化，一般在建立校正模型前需要采用化學(xué)計(jì)量學(xué)方法對(duì)近紅外光譜圖進(jìn)行預(yù)處理以消除這些影響。一階導(dǎo)數(shù)及二階導(dǎo)數(shù)方法可以最大程度地降低光譜峰的偏移和漂移，Savitzky－Golay平滑處理和 Norris平滑處理方法可以對(duì)光譜進(jìn)行平滑處理。一個(gè)好的模型應(yīng)該有較高的 Rc、Rcv和較低的 RMSEC、RMSECV。本研究以此作為建模效果的評(píng)判依據(jù)。

表2 不同的光譜預(yù)處理方法對(duì)摻有豆油的油茶籽油近紅外模型的影響

由表2可看出，通過各種預(yù)處理方法所建的模型都有著很好的相關(guān)系數(shù)和預(yù)測(cè)效果，之間的差別并不大，Rc、Rcv并沒有很大的變幅。但相比之下，各個(gè)模型還是有優(yōu)劣之分。由一階導(dǎo)數(shù)預(yù)處理得到的模型是最差的，一階導(dǎo)數(shù)與各種平滑處理結(jié)合所得模型都優(yōu)于僅用一階導(dǎo)數(shù)處理得到的模型，可能是由于光譜經(jīng)一階導(dǎo)數(shù)處理中放大了所有信號(hào)，既包括有效信號(hào)，也含有噪音信號(hào)，從而影響到模型效果。而且二階導(dǎo)數(shù)、二階導(dǎo)數(shù)與各種平滑處理的模型也有此規(guī)律。這同時(shí)又可說明平滑處理可提高信噪比，減少隨機(jī)噪音。因此，單純地使用一階或者二階導(dǎo)數(shù)并不能很高效地得到很好的預(yù)測(cè)模型，每種方法都有缺點(diǎn)，可結(jié)合其他的預(yù)處理方式互相彌補(bǔ)不足，或許能得到意想不到的結(jié)果。再者，比較使用SG、Nd的模型，不管是一階導(dǎo)數(shù)還是二階導(dǎo)數(shù)，都呈現(xiàn)出Nd平滑處理優(yōu)于SG平滑法。按照建模效果的評(píng)判依據(jù)，二階導(dǎo)數(shù)+Nd為模型的最佳光譜預(yù)處理方式。

2.4 最優(yōu)波段、最佳主因子數(shù)的確定

建模波段過寬，含有特征信息之余必然也包含冗余信息，且各方法得到的譜圖也存在差異，使得各自對(duì)應(yīng)的最優(yōu)建模波段并不相同。因此，波段的選擇有利于提高模型預(yù)測(cè)精度。在“二階導(dǎo)數(shù)+Nd”的最優(yōu)預(yù)處理方法下，軟件自動(dòng)優(yōu)化的最優(yōu)波段為5 037.16～4 728.60 cm－1、7 852.72 ～7 089.04 cm－1、8 577.82～8 323.26 cm－1。

主因子數(shù)使用過多或過少，會(huì)出現(xiàn)“過擬合”或者“欠擬合”現(xiàn)象，故需要確定最佳主因子數(shù)。采用交叉驗(yàn)證的RMSECV來確定，其值越小，模型的預(yù)測(cè)能力越好。依據(jù)TQ軟件的功能PRESS，選取最小的RMSECV來確定。圖2顯示的是模型的RMSECV隨主因子數(shù)的變化圖。主因子數(shù)為6時(shí)，RMSECV最小，所以最佳的主因子數(shù)為6。

圖2 RMSECV隨主因子數(shù)的變化圖

表3 RMSECV隨主因子數(shù)的變化統(tǒng)計(jì)

2.5 最佳回歸方法的確定

分別采用PCR、PLS兩種回歸方法來建立模型，并仍使用 Rc、RMSEC、Rcv、RMSECV 這4個(gè)指標(biāo)評(píng)價(jià)所建模型的預(yù)測(cè)結(jié)果。由表3看出，PLS法所建模型的預(yù)測(cè)效果優(yōu)于PCR法。因此選PLS法為最佳回歸方法。

表4 不同的回歸方法對(duì)摻有豆油的油茶籽油近紅外模型的影響

2.6 模型的建立

通過各種光譜預(yù)處理方法和回歸方法的優(yōu)化，建立了摻偽油茶籽油的最優(yōu)近紅外光譜模型。以“二階導(dǎo)數(shù)+Nd”的最佳預(yù)處理方法和PLS的回歸方法的選擇下，最優(yōu)波段為 5 037.16 ～4 728.60 cm－1、7 852.72 ～ 7 089.04 cm－1、8 577.82 ～ 8 323.26 cm－1;最佳主因子數(shù)為 6。其 Rc、RMSEC、Rcv、RMSECV 分別為 0.999 99、0.057 7、0.999 99、0.071 9。

圖3 NITS模型的校正圖和交叉驗(yàn)證圖

2.7 NITS的重現(xiàn)性試驗(yàn)

為了考察近紅外光譜法的重現(xiàn)性，對(duì)61號(hào)樣品進(jìn)行4次光譜掃描，使用本試驗(yàn)所建立的模型進(jìn)行預(yù)測(cè)，4次預(yù)測(cè)結(jié)果分別為 36.596%、36.559%、36.548%、36.568%，而真實(shí)值是 36.463%。經(jīng)計(jì)算標(biāo)準(zhǔn)偏差為0.021，RSD為0.1%，所以該方法有很好的重現(xiàn)性。

2.8 NITS模型的外部驗(yàn)證

隨機(jī)對(duì)15個(gè)未知樣品進(jìn)行模型的外部檢驗(yàn)。將真實(shí)值和NITS值進(jìn)行線性回歸，由圖4可知，其R2高達(dá)0.999 8，具有很好的線性關(guān)系，意味著該NITS有很好的預(yù)測(cè)效果。

圖4 摻有豆油的油茶籽油近紅外光譜模型的外部驗(yàn)證

經(jīng)統(tǒng)計(jì)學(xué)分析，對(duì)NITS模型的預(yù)測(cè)值和真實(shí)值進(jìn)行 Paired Samples Test，t值為0.659，P=0.521 ＞0.05，說明這兩者沒有顯著性差異。所以可使用該光譜法對(duì)油茶籽油中摻入的豆油含量進(jìn)行定量分析。

3 結(jié)論

本試驗(yàn)成功地論證了運(yùn)用近紅外透射光譜法來定量分析摻入不同比例(0%～50%)豆油的摻偽油茶籽油二元體系的可行性。通過各種光譜預(yù)處理方法和回歸方法的優(yōu)化，建立了摻偽油茶籽油的近紅外光譜的模型。以“二階導(dǎo)數(shù)+Nd”的最佳預(yù)處理方法和PLS的回歸方法的前提下，其 Rc、RMSEC、Rcv、RMSECV 分別為 0.999 99、0.057 7、0.999 99、0.071 9;最優(yōu)波段為 5 037.16 ～ 4 728.60 cm－1、7 852.72～7 089.04 cm－1、8 577.82 ～8 323.26 cm－1;最佳主因子數(shù)為6。經(jīng)外部驗(yàn)證，摻有豆油的偽油茶籽油的近紅外光譜法測(cè)定值與真實(shí)值之間有著很好的線性關(guān)系，R2達(dá)到0.998，且經(jīng)統(tǒng)計(jì)學(xué)T檢驗(yàn)，二者沒有顯著性差異。所以該方法能很好地運(yùn)用于定量分析摻偽油茶籽油中豆油的含量。

［1］柏云愛，宋大海，張富強(qiáng)，等.油茶籽油與橄欖油營養(yǎng)價(jià)值的比較［J］.中國油脂，2008，33(3):39 －41

［2］王湘南，陳永忠，伍利奇，等.油茶種子含油率和脂肪酸組成研究［J］.中南林業(yè)科技大學(xué)學(xué)報(bào)，2008，28(3):11－17

［3］廖書娟，吉當(dāng)玲，童華榮.茶油脂肪酸組成及其營養(yǎng)保健功能［J］.糧食與油脂，2005(6):7－9

［4］吳雪輝，黃永芳，謝治芳.油茶籽油的保健功能作用及開發(fā)前景［J］.食品科技，2005(8):94－96

［5］周祥德.摻偽芝麻油中芝麻油含量分析方法的比較［J］.糧食與食品工業(yè)，2004，12(2):53－55

［6］朱杏冬，王凱雄，臧榮春，等.芝麻油摻偽檢測(cè)的紫外分光光度法研究［J］.中國油脂，2000，25(1):50 －51

［7］鄒潔，趙維佳，汪海峰，等.大豆油中摻偽棕櫚油的檢測(cè)方法研究［J］.中國油脂，2009，34(4):73 －76

［8］Kapoulas V M，Andrikopoulos N K.Detection of olive oil adulteration with linoleic acid－rich oils by reversed－phase high － performance liquid chromatography［J］.Chromatography，1986，366:311 －320

［9］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

［10］Hai Z，Wang J.Detection of adulteration in camellia seed oil and sesame oil using an electronic nose［J］.European Journal Lipid Science Technology，2006，108:116 －124

［11］Oliveros C C，Perez－ Pavon J L，Pinto C G，et al.Elecronic nose base on metal oxide semiconductor sensors as a fast alternative for the detection of adulteration of virgin olive oils［J］.Analytica Chimica Acta，2002，459(2):219 －228

［12］Wang L，Lee Frank S C，Wang X R，et al.Feasibility study of quantifying and discriminating soybean oil adulteration in camellia oils by attenuated total reflectance MIR and fiber optic diffuse reflectance NIR［J］.Food chemistry，2006，95:529－536

［13］王多加，周向陽，金同銘，等.近紅外光譜檢測(cè)技術(shù)在農(nóng)業(yè)和食品分析上的應(yīng)用［J］.光譜學(xué)與光譜分析，2004，24(4):447－450

［14］劉婭，趙國華，陳宗道，等.近紅外光譜技術(shù)及其在油脂檢測(cè)中應(yīng)用［J］.糧食與油脂，2002(11):35－37

［15］馮利輝，劉波平，張國文，等.芝麻油中摻入菜籽油的近紅外光譜研究［J］.食品科學(xué)，2009，30(18):296－299

［16］陸婉珍，袁洪福，徐廣通.現(xiàn)代近紅外光譜分析技術(shù)［M］.北京:中國石化出版社，2004

［17］徐廣通，袁洪福，陸婉珍.現(xiàn)代近紅外光譜技術(shù)及應(yīng)用進(jìn)展［J］.光譜學(xué)與光譜分析，2000，20(2):134－142

［18］杰爾.沃克曼，洛伊斯.文依.近紅外光譜解析實(shí)用指南［M］;褚小立，許育鵬，田高友譯.北京:化學(xué)工業(yè)出版社，2009.

Study on the Quantitative Analysis of Camellia Oil Adulterated with Soybean Oil by Near Infrared Transmittance Spectroscopy(NITS)

Yuan Jiaojiao1Wang Chengzhang1，2Chen Hongxia1
(Institute of Chemical Industry of Forestry Products，CAF;Key and Open Lab.on Forest Chemical Engineering，SFA;Key Laboratory on National Science Center for Processing of Camellia oleifera1，Nanjing 210042)
(Institute New Technology of Forest2，CAF，Beijing 100091)

The quantitative model of camellia oil adulterated with mixed different proportions(0%～50%)soybean oil was well developed by the near infrared transmittance spectroscopy with different spectral pretreatment methods and regression analysis.The results demonstrated that，the best model was established with second derivative and Norris derivative filter pretreatment methods and PLS regression analysis.Meanwhile，the correlation coefficients of calibration(Rc)and the root mean square errors of calibration(RMSEC)were 0.999 99 and 0.057 7;the correlation coefficients of cross－validation(Rcv)and the root mean square errors of cross－validation(RMSECV)were 0.999 99 and 0.071 9 respectively;the best spectral ranges were 5 037.16 ～4 728.60 cm－1，7 852.72 ～7 089.04 cm－1，8 577.82 ～ 8 323.26 cm－1;the best factor was 6.Furthermore，the correlation coefficients(R2)of chemical values and NITS values in external validation was 0.999 8.Therefore，the near infrared spectroscopy methods will broad application in detection of camellia oil adulterated with soybean oil(range from 0%～50%).

near infrared transmittance spectroscopy，camellia oil，adulteration，soybean oil，partial least square

O657.3

A

1003－0174(2012)03－0110－05

國家科技支撐計(jì)劃(2009BADB1B03)

2011－07－07

原姣姣，女，1988年出生，碩士，天然產(chǎn)物化學(xué)研究

王成章，男，1966年出生，研究員，博士生導(dǎo)師，天然產(chǎn)物研究與開發(fā)