吳靜珠 張宇靖 石瑞杰 陳 巖 劉翠玲

（北京工商大學(xué)計算機(jī)與信息工程學(xué)院，北京 100048）

拉曼光譜結(jié)合距離匹配法快速鑒別摻偽食用油

吳靜珠 張宇靖 石瑞杰 陳 巖 劉翠玲

（北京工商大學(xué)計算機(jī)與信息工程學(xué)院，北京 100048）

以農(nóng)貿(mào)市場購買的散裝問題油為摻偽物，采用大豆油和玉米油為簡單背景制備摻偽樣本65份，采用4類食用調(diào)和油為復(fù)雜背景制備摻偽樣本40份，收集市售合格食用植物油樣本27份。按樣本數(shù)3∶1劃分建模集和校驗集，采用拉曼光譜和距離匹配法分別建立簡單背景和復(fù)雜背景的食用油摻偽快速定性識別模型：在簡單背景摻偽下采用全譜建模預(yù)測可得真樣本識別率為85.7%，偽樣本識別率為94.1%，總識別率為91.7%；在復(fù)雜背景摻偽下經(jīng)譜區(qū)挑選優(yōu)化建模預(yù)測可得真樣本識別率為87.5%，偽樣本識別率為100%，總識別率為94.4%。試驗結(jié)果表明拉曼光譜結(jié)合距離匹配法能簡單、有效、快速地檢測食用植物油是否摻偽。

拉曼光譜 距離匹配 食用植物油 摻偽

食用植物油質(zhì)量的優(yōu)劣對人體健康有著重要的影響。一些不法商家為追求利潤，將一些價格低廉的棕櫚油、棉籽油，甚至動物油、經(jīng)加工后的餐廚廢棄油脂等摻入食用植物油或者直接進(jìn)行售賣，以次充好，以假亂真，從中牟取暴利，嚴(yán)重威脅到公共衛(wèi)生安全［1］。由于不法分子通過精煉等方法可以使問題油的各項理化指標(biāo)達(dá)到國家標(biāo)準(zhǔn)允許的范圍內(nèi)，因此采用傳統(tǒng)理化指標(biāo)來檢測食用油的安全性已經(jīng)不可行。采用外源特異性指標(biāo)來判別食用植物油是否摻偽成為目前該領(lǐng)域的研究熱點(diǎn)，但仍處于起步階段。

拉曼光譜（Raman）是近年蓬勃發(fā)展起來的一種極具前景的快速檢測手段，具有無污染、無需前處理、樣品量少等優(yōu)點(diǎn)，適合于定量研究、數(shù)據(jù)庫搜索、以及定性研究，在食品、石油化工等領(lǐng)域已經(jīng)得到初步的應(yīng)用和探索［2－3］。食用油的拉曼光譜信息非常豐富，油脂結(jié)構(gòu)中含有大量的C—C和C＝C基團(tuán)等的伸縮振動會產(chǎn)生強(qiáng)的拉曼光譜帶（而在近紅外光譜中為弱譜帶），脂肪族化合物的C—H鍵伸縮振動的拉曼光譜也屬于強(qiáng)譜帶［4］。Pieter Samyn［5］采用近紅外和拉曼光譜分別對巴西植物油進(jìn)行統(tǒng)計和分類；Zhang［6］采用拉曼光譜結(jié)合主成分分析（PCA）對橄欖油摻假的識別，取得了較好的識別效果；北京歐普圖斯光學(xué)納米科技有限公司完成了國內(nèi)首個“地溝油檢測手提實驗室”（激光拉曼光譜儀）的研發(fā)工作［7］。目前國內(nèi)基于拉曼光譜的食用油品質(zhì)檢測研究尚處于起步階段［8－9］。

本試驗以農(nóng)貿(mào)市場購買的散裝問題油為食用植物油中的外源性污染物，采用拉曼光譜技術(shù)結(jié)合距離匹配法來判別食用植物油是否摻偽，探索拉曼光譜技術(shù)用于食用植物油安全鑒別分析的可行性。

1 材料與方法

1.1 樣品制備

超市購買不同品牌（金龍魚、福臨門、魯花等）；不同種類（大豆油、玉米油、橄欖油、葵花籽油等）純食用油樣本23份，調(diào)和食用油樣本4份（金鼎調(diào)和油、金龍魚橄欖調(diào)和油、金龍魚調(diào)和油和魯花調(diào)和油）。

從農(nóng)貿(mào)市場購買的散裝油，常溫下色澤、狀態(tài)與普通大豆油無異，無明顯氣味。且該樣本的拉曼光譜與超市購買的幾種食用油光譜相似。采用冰箱冷藏1～2 h后，出現(xiàn)明顯的白色凝固狀。出現(xiàn)上述現(xiàn)象是由于該散裝油中可能摻雜了棕櫚油，或是由于摻雜了動物油脂所導(dǎo)致的，因此通過冷凍法可簡易判斷為問題油。以問題油為摻偽原料，分別制備摻偽樣本。試驗設(shè)計分兩步走，一是制備簡單背景下?lián)絺螛颖咀R別的可行性；二是模擬真實的摻偽情況，在復(fù)雜背景下制備摻偽樣本。

單一背景摻偽樣本：以大豆油為背景制備樣本33份，以玉米油為背景制備樣本32份，共計65份摻偽樣本。樣本分布如表1所示。

表1 單一背景摻偽樣本信息分布

復(fù)雜背景摻偽樣本：以市售的金鼎調(diào)和油、金龍魚橄欖調(diào)和油、金龍魚調(diào)和油、魯花調(diào)和油為背景各制備摻偽樣本10份，共計40份。摻偽樣本配置比例如下表2所示。與表1中的摻偽比例相比，復(fù)雜背景下的摻偽樣本的摻偽量明顯下降，這也更符合實際遇到的食用油摻偽情況。

表2 復(fù)雜背景摻偽樣本配制比例表

1.2 拉曼光譜數(shù)據(jù)采集

采用Thermo－fisher公司：DXR激光顯微拉曼光譜儀。光譜儀參數(shù)如下：780 nm激光光源；奧林巴斯BX51研究級顯微鏡，10X目鏡聚焦；拉曼位移范圍50～3 300 cm－1。采用金屬制容器裝樣。每次測量前均用石油醚分析純清洗金屬質(zhì)容器，避免樣品間交叉污染。

1.3 距離匹配法

距離匹配法計算原理如下，首先按式（1）計算待測樣本的新光譜。

式中：xi為待預(yù)測的樣本光譜為已知類別樣本集的中心光譜；xcstd為已知類別樣本集的準(zhǔn)偏差光譜。

然后計算新光譜xinew中超過距離匹配限值的波長點(diǎn)所占的百分比，即為該待測樣本與已知類別的匹配值。距離匹配方法的匹配值范圍是100～0，0表示最匹配。若有多個類別，則根據(jù)匹配值大小確定待測樣本所屬的最終類別。本文采用TQ Analyst通用光譜分析軟件進(jìn)行距離匹配識別，距離匹配限值設(shè)定為5。

1.4 評價指標(biāo)

采用真樣本識別率，偽樣本識別率及總體識別率［10］對識別性能進(jìn)行評價，如式（2）所示。

其中真樣本個數(shù)n1，偽樣本個數(shù)n2，樣本總體個數(shù)則為n1＋n2；被正確識別的真樣本個數(shù)m1，被正確識別的偽樣本個數(shù)m2。

2 結(jié)果與分析

2.1 單一背景食用油摻偽樣本的識別分析

2.1.1 光譜預(yù)處理

樣本集由23個純食用油真實樣本和65個單一背景的摻偽樣本構(gòu)成。拉曼譜圖一般都存在噪聲和基線漂移等問題，因此光譜預(yù)處理在拉曼光譜分析中通常是有效和必要的。導(dǎo)數(shù)處理既可以消除基線偏移，還可以起到一定的放大和分離重疊信息的作用，但需要注意的是，在對光譜數(shù)據(jù)作微分處理時，由于噪聲信號也被放大，因此通常在微分之前需要對光譜數(shù)據(jù)作平滑處理。本試驗采用Norris Derivative濾波平滑方法和一階導(dǎo)凈化譜圖，并采用了樣條校正法進(jìn)一步進(jìn)行了基線校正。結(jié)果如下圖1所示，與原始譜圖相比，處理后的譜圖譜峰更為清晰尖銳，且出現(xiàn)了更多的特征峰信息。

圖1 光譜預(yù)處理

2.1.2 建模分析

按樣本數(shù)3∶1隨機(jī)劃分建模集和校驗集。建模集樣本有67個（其中包含51個摻偽樣品，16個純食用油樣品）；校驗集樣本有21個樣品（其中包含14個摻偽樣品和7個純食用油樣品）。

將合格食用植物油樣本設(shè)定為真樣本，問題油摻雜樣本設(shè)定為偽樣本。采用距離匹配法驗證建模集樣品的歸屬，以待測樣本與問題油樣本集中心的距離匹配值為橫坐標(biāo)，待測樣本與合格食用油樣本集中心的距離匹配值為縱坐標(biāo)構(gòu)建待測樣本的分布空間，如下圖2所示。其中，正方形代表了偽樣本，三角形代表了真樣本。只需比較每個樣本的橫坐標(biāo)值（x）與縱坐標(biāo)值（y）得大小即可判斷出樣本的歸屬，若x＜y即為偽樣本，反之為真樣本。從圖中可以看出，真?zhèn)螛颖镜淖R別率均達(dá)到了100%。

圖2 建模集樣本的距離匹配值分布圖

2.1.3 校驗測試

校驗集樣本的預(yù)測結(jié)果如表3所示。其中1為摻偽樣本，即偽樣本，2為合格食用油樣本，即真樣本。真樣本測試集中僅有一個樣本被誤判，真樣本的識別率為85.7%。偽樣本測試集中也僅有一個樣本被誤判，偽樣本的識別率為94.1%，樣本的總體識別率為91.7%。從試驗結(jié)果看，采用拉曼光譜以及距離匹配法識別單一背景的摻偽樣品具有較好的可行性。

表3 基于距離匹配法的摻偽定性識別結(jié)果

2.2 復(fù)雜背景的食用油摻偽樣本的識別分析

樣本集由27個食用油真實樣本（23個純食用油樣本及4個作為背景的調(diào)和油樣本）和40個復(fù)雜背景的摻偽樣本構(gòu)成。建模集和校驗集個數(shù)約按3∶1劃分。其中，隨機(jī)選擇以金鼎調(diào)和油為背景的摻偽樣本3個，以金龍魚橄欖調(diào)和油為背景的摻偽樣2個，以金龍魚調(diào)和油為背景的摻偽樣本3個，以魯花調(diào)和油為背景的摻偽樣2個以及合格食用油樣本8個共計18個樣本作為校驗集，剩余49個樣本作為建模集。

參照2.1中步驟進(jìn)行全譜建模和校驗分析，比較了多種光譜平滑和求導(dǎo)（一階和二階）組合方法，最終確定Norris Derivative濾波平滑方法和一階導(dǎo)凈化譜圖，并采用了樣條校正法進(jìn)一步進(jìn)行了基線校正。在此基礎(chǔ)上，采用全譜建模，偽樣本識別率達(dá)到了100%（10／10），而真樣本中始終有兩個樣本被誤判，真樣本的識別率為75%（2／8），樣本的總體識別率為88.9%（16／18）。

圖3 復(fù)雜背景摻偽情況下的樣本距離匹配圖

試驗進(jìn)一步嘗試選取了多個含有特征峰的波段進(jìn)行建模比較，最終確定了1812.16～726.44 cm－1建模。建模和校驗結(jié)果如下圖3所示。其中，正方形代表了偽樣本，三角形代表了真樣本，空心的代表建模集樣本，實心的代表校驗集樣本，虛線代表了識別異常的樣本。根據(jù)試驗結(jié)果，無陰影的所示建模集樣本均能被正確識別，而有陰影的所示的校驗集樣本中，偽樣本識別率達(dá)到了100%（10／10），而真樣本識別率中有一個樣本被誤判，則真樣本的識別率為87.5%（7／8）。樣本的總體識別率為94.4%（17／18）。

3 結(jié)論

采用拉曼光譜技術(shù)結(jié)合距離匹配法判別合格食用油中是否摻偽，試驗首先在單一種類植物油背景下制備摻偽含量較高的樣本，采用全譜建模分析待測樣本：真樣本識別率為85.7%，偽樣本識別率為94.1%，總識別率為91.7%；在此基礎(chǔ)上進(jìn)一步模擬摻偽的真實情況，在食用調(diào)和油背景下制備摻偽含量較低的樣本，經(jīng)特征譜區(qū)挑選，優(yōu)化建模進(jìn)行預(yù)測：真樣本識別率為87.5%，偽樣本識別率為100%，總識別率為94.4%。試驗結(jié)果表明拉曼光譜結(jié)合距離匹配法在快速檢測食用植物油中是否摻雜問題油等外源性污染物具有較好的可行性和應(yīng)用前景。

［1］孫通，許文麗，劉木華，等.地溝油鑒別的研究現(xiàn)狀與展望［J］.食品工業(yè)科技，2012，24：418－422

［2］褚小立.化學(xué)計量學(xué)方法與分子光譜分析技術(shù)［M］.北京：化學(xué)工業(yè)出版社，2011

［3］陳健，肖凱軍，林福蘭.拉曼光譜在食品分析中的應(yīng)用［J］.食品科學(xué)，2007，28（12）：554－558

［4］于燕波，臧鵬，付元華，等.近紅外光譜法快速測定植物油中脂肪酸含量［J］.光譜學(xué)與光譜分析，2008，28（07）：1554－1558

［5］Pieter S，Dieter V N，Gustaaf S，et al.Quality and statistical classification of Brazilian vegetable oils using mid－infraredand Raman spectroscopy［J］.Applied Spectroscopy，2012，66（5）：552－562

［6］Zhang Xiaofang，Qi Xiaohua，Zou Mingqiang，et al.Rapid authentication of olive oil by Raman spectroscopy using principal component analysis［J］.Analytical Letters，2011，44（12）：2209－2220

［7］滕繼濮.納米增強(qiáng)拉曼光譜技術(shù)：一分鐘現(xiàn)地溝油原形［N］.科技日報，2011

［8］周秀軍，戴連奎，李晟.基于拉曼光譜的食用植物油快速鑒別［J］.光譜學(xué)與光譜分析，2012，32（7）：1829－1833

［9］吳靜珠，石瑞杰，陳巖等.基于PLS－LDA和拉曼光譜快速定性識別食用植物油［J］.食品工業(yè)科技，2014，35（06）：55－58

［10］嚴(yán)衍祿，陳斌，朱大洲，等.近紅外光譜分析的原理、技術(shù)與應(yīng)用［M］.中國輕工業(yè)出版社，2013.

Rapid Detection of Adulterated Edible Oil Using Raman Spectroscopy and Distance Match Method

Wu Jingzhu Zhang Yujing Shi Ruijie Chen Yan Liu Cuiling

（School of Computer and Information Engineering，Beijing Technology and Business University，Beijing 100048）

Experimental subject are edible oil samples adulterated with problematic bulk oil，purchased from the farmers market.65 adulterated samples have beenprepared in the single background（soybean oil and corn oil），40 adulterated samples in the complex background，respectively.27 true edible vegetable oil samples were taken from supermarket.The calibration samples and validation samples were divided at ratio 3∶1.The rapid qualitative identification model was built based on Raman spectrum and distance match method to identify the adulteration quickly.On condition that adulterations were made in single background，the model could be built based on the whole spectrums.The recognition rate of true sample（pure edible vegetable oil samples）was 85.7%；false sample（adulteration samples）of 94.1%；overall recognition rate reached 91.7%.On condition that adulterations were made in complex background，the model could be built based on the selected spectrums.The recognition rate of true sample was 87.5%；false sample of 100%，overall recognition rate reached 94.4%.The experimental results showed that Raman spectroscopy applied with distance match method could identify adulterated edible oil simply，quickly and effectively.

raman spectroscopy，distance match，edible vegetable oil，adulteration

O433.4

A

1003－0174（2015）09－0119－04

時間：2015－09－22 12：06：06

網(wǎng)絡(luò)出版地址：http：／／www.cnki.net／kcms／detail／11.2864.TS.20150922.1206.002.html

北京市自然科學(xué)基金面上項目 （4132008），北京市教委重點(diǎn)項目（KZ201310011012）

2014－05－08

吳靜珠，女，1979年出生，副教授，智能檢測與控制