朱雨田，李錦才，高素君，鄭燕燕

(深圳市計(jì)量質(zhì)量檢測(cè)研究院，國(guó)家營(yíng)養(yǎng)食品質(zhì)量監(jiān)督檢驗(yàn)中心，廣東 深圳 518131)

近紅外光譜技術(shù)在食用油快速檢測(cè)領(lǐng)域中的研究進(jìn)展

朱雨田，李錦才，高素君，鄭燕燕

(深圳市計(jì)量質(zhì)量檢測(cè)研究院，國(guó)家營(yíng)養(yǎng)食品質(zhì)量監(jiān)督檢驗(yàn)中心，廣東 深圳 518131)

近紅外光譜作為一種無(wú)損、快速的新型檢測(cè)技術(shù)，在食品品質(zhì)檢測(cè)方面的研究已相當(dāng)廣泛。就近紅外光譜技術(shù)在食用油種類鑒別、摻偽摻假鑒別、理化指標(biāo)定量分析及產(chǎn)地溯源等方面的應(yīng)用進(jìn)行了綜述。探討了近紅外光譜技術(shù)在食用油快速檢測(cè)領(lǐng)域中的應(yīng)用優(yōu)勢(shì)及發(fā)展前景。

近紅外光譜;食用油;快速檢測(cè);研究進(jìn)展

近年來(lái)，頻頻被曝光的地溝油事件、食用油摻假事件、食用油氧化酸敗變質(zhì)等問(wèn)題越來(lái)越引起監(jiān)管部門及企業(yè)的重視，質(zhì)量問(wèn)題日益受到消費(fèi)者的關(guān)注。

近紅外光譜區(qū)的波長(zhǎng)范圍是770～2 500 nm，其頻率范圍是13 000～4 000 cm-1，該譜區(qū)承載的分析信息主要是分子含氫基團(tuán)振動(dòng)的倍頻與合頻特征信息。近年來(lái)，近紅外光譜技術(shù)在農(nóng)業(yè)、食品、醫(yī)藥、化工等領(lǐng)域應(yīng)用已相當(dāng)廣泛，在食用油分析檢測(cè)方面也得到了人們的認(rèn)可和重視[1]。與傳統(tǒng)分析方法相比，運(yùn)用近紅外光譜技術(shù)建立的檢測(cè)模型不消耗任何化學(xué)試劑，便能達(dá)到快速準(zhǔn)確測(cè)定的目的。本文就近紅外光譜技術(shù)在食用油種類鑒別、摻偽摻假鑒別、理化指標(biāo)定量分析及產(chǎn)地溯源等方面的應(yīng)用進(jìn)行了綜述，對(duì)近紅外光譜技術(shù)應(yīng)用于食用油快速檢測(cè)進(jìn)行了展望。

1 近紅外光譜技術(shù)在食用油種類及摻偽摻假鑒別方面的應(yīng)用

目前市場(chǎng)上銷售的食用油種類繁多，然而食用油以次充好、以假亂真的現(xiàn)象十分普遍，且摻偽摻假手段較為隱蔽。盡管我國(guó)已經(jīng)發(fā)布相關(guān)的食用油產(chǎn)品標(biāo)準(zhǔn)及市場(chǎng)準(zhǔn)入制度，但是依然較難滿足對(duì)食用油摻偽摻假的快速、方便、準(zhǔn)確的檢測(cè)手段需求[1]。

近紅外光譜技術(shù)通過(guò)結(jié)合化學(xué)計(jì)量學(xué)方法，比較油脂的整體指紋特征，辨別各譜圖之間的細(xì)微差別，以此達(dá)到油脂種類鑒別和摻假分析的目的。劉翠玲等[2]將近紅外光譜技術(shù)與歐式距離聚類分析方法相結(jié)合，建立了大豆油、芝麻油、花生油的定性快速鑒定模型，模型的識(shí)別率和預(yù)測(cè)率可達(dá)到100%。Zhou等[3]利用近紅外光譜技術(shù)結(jié)合半監(jiān)督支持向量機(jī)(GS3VM)建立模型，對(duì)快速鑒別食用油和泔水油進(jìn)行了研究，結(jié)果表明GS3VM結(jié)合近紅外光譜信息可以有效地鑒別食用油和泔水油；此外，當(dāng)可利用的建模信息較少時(shí)，相比較偏最小二乘法(PLS)和支持向量機(jī)(SVM)，合并未標(biāo)識(shí)的樣本可以提高模型的預(yù)測(cè)結(jié)果，GS3VM較PLS和SVM更準(zhǔn)確。Yang等[4]利用傅里葉遠(yuǎn)紅外、近紅外和拉曼光譜技術(shù)對(duì)10種食用油的光譜特性進(jìn)行了對(duì)比研究，結(jié)果表明紅外光譜技術(shù)結(jié)合化學(xué)計(jì)量分析法能簡(jiǎn)單、快速鑒定食用油的種類。

對(duì)于一些營(yíng)養(yǎng)價(jià)值高、價(jià)格昂貴的油脂(如橄欖油、油茶籽油等)，不法商販常常摻雜其他油脂以降低成本，欺騙消費(fèi)者，但由于摻入的油脂在脂肪酸組成上與這些油脂非常接近，用普通的分析方法很難識(shí)別。研究表明近紅外光譜技術(shù)可以較好地應(yīng)用于油脂摻偽摻假鑒別。Rohman等[5]利用近紅外光譜技術(shù)建立了摻入鱈魚肝油中的菜籽油、玉米油、大豆油、核桃油的鑒別檢測(cè)方法。Vlachos等[6]利用紅外光譜技術(shù)對(duì)摻有芝麻油和玉米油的橄欖油樣品進(jìn)行了研究，通過(guò)對(duì)3 009 cm-1處紅外光譜吸收峰變化規(guī)律的分析，獲得了較為理想的鑒別結(jié)果。莊小麗等[7]利用近紅外光譜和化學(xué)計(jì)量學(xué)方法進(jìn)行了橄欖油品質(zhì)與摻雜檢測(cè)的研究，該研究基于橄欖油的近紅外光譜數(shù)據(jù)，用判別分析方法把20個(gè)樣品分為特級(jí)初榨橄欖油和普通橄欖油兩類，準(zhǔn)確率為100%，同時(shí)研究人員還測(cè)定了純橄欖油中摻入多種其他植物油的混合油的近紅外光譜數(shù)據(jù)，利用PLS方法建立定量分析模型，模型檢驗(yàn)預(yù)測(cè)相對(duì)誤差在-5.67%～5.61%之間。隨著傅里葉變換近紅外光譜技術(shù)(FT-NIR)的出現(xiàn)，近紅外光譜技術(shù)在食用油檢測(cè)領(lǐng)域的應(yīng)用越來(lái)越廣泛。楊佳等[8]研究了FT-NIR在芝麻油真?zhèn)舞b別與摻假分析中的應(yīng)用，結(jié)果表明FT-NIR結(jié)合化學(xué)計(jì)量學(xué)方法可以用于芝麻油真?zhèn)舞b別及品質(zhì)分析。劉福莉等[9]以8種食用油的43個(gè)樣本為研究對(duì)象，采集了其在12 500～4 000 cm-1范圍內(nèi)的FT-NIR光譜數(shù)據(jù)，利用聚類分析法對(duì)譜圖進(jìn)行了定性分類鑒別，光譜經(jīng)二階導(dǎo)數(shù)預(yù)處理后，樣本被準(zhǔn)確無(wú)誤地分為8類，判別模型對(duì)預(yù)測(cè)樣品集的準(zhǔn)確率達(dá)到100%。

2 近紅外光譜技術(shù)用于食用油理化指標(biāo)定量分析

目前，針對(duì)食用油的理化指標(biāo)分析，油脂加工業(yè)及監(jiān)督檢驗(yàn)機(jī)構(gòu)主要依靠化學(xué)分析和色譜分析。為了提高生產(chǎn)、分析效率和減少環(huán)境污染，利用近紅外光譜技術(shù)替代日常分析已成為國(guó)內(nèi)外學(xué)者的研究熱點(diǎn)。在近紅外區(qū)，油脂的主要組分都有吸收，能夠獲得穩(wěn)定的光譜信息，因此近紅外光譜技術(shù)可以用于油脂理化指標(biāo)的定量分析。自20世紀(jì)90年代以來(lái)，在油脂品質(zhì)分析工作中，研究人員已逐步構(gòu)建了多種檢測(cè)模型適用于分析油脂的質(zhì)量指標(biāo)和特征指標(biāo)。

2.1 近紅外光譜技術(shù)在食用油質(zhì)量指標(biāo)檢測(cè)方面的應(yīng)用

色澤、酸值、過(guò)氧化值等作為評(píng)價(jià)油脂質(zhì)量等級(jí)的理化指標(biāo)，傳統(tǒng)的分析檢測(cè)方法具有誤差大、消耗試劑多、操作復(fù)雜等缺點(diǎn)，而使用近紅外光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)建立模型，可以實(shí)現(xiàn)對(duì)這些指標(biāo)的快速、準(zhǔn)確的定量分析。王立琦等[10]建立了大豆油過(guò)氧化值近紅外光譜預(yù)測(cè)模型，并對(duì)比分析PLS、多元線性回歸(MLR)和主成分回歸(PCR)3種模型，確定PLS為最優(yōu)模型，性能測(cè)試顯示其校正集的相關(guān)系數(shù)為0.916，預(yù)測(cè)集的相關(guān)系數(shù)為0.922，結(jié)果表明使用近紅外光譜技術(shù)分析測(cè)定油脂過(guò)氧化值是可行的。李貴濱[11]以大豆油色澤檢測(cè)為研究對(duì)象，利用近紅外光譜技術(shù)結(jié)合化學(xué)計(jì)量學(xué)及其模式識(shí)別方法，主要從光譜數(shù)據(jù)處理和校正模型建立等方面探討了近紅外光譜分析技術(shù)在快速檢測(cè)大豆油色澤中的應(yīng)用。Rao等[12]采用近紅外光譜技術(shù)結(jié)合偏最小二乘判別分析(DPLS)建立了花生油酸值的定量模型，經(jīng)檢驗(yàn)該模型的識(shí)別準(zhǔn)確率達(dá)到96.5%。Vieira等[13]利用一種新型的近紅外發(fā)射光譜儀對(duì)食用油的氧化穩(wěn)定性進(jìn)行了研究，結(jié)果表明利用該款近紅外光譜儀所建立的測(cè)定油脂氧化穩(wěn)定性方法與Rancimat法一樣準(zhǔn)確，且其相比后者具有更加快速、操作便捷、消耗樣品量低等優(yōu)勢(shì)。Armenta等[14]利用近紅外光譜技術(shù)對(duì)橄欖油、玉米油、葵花籽油的酸值和過(guò)氧化值同時(shí)進(jìn)行了定量分析的研究，結(jié)果表明，該方法可以同時(shí)快速、準(zhǔn)確地測(cè)定食用油的酸值和過(guò)氧化值。

2.2 近紅外光譜技術(shù)在食用油特征指標(biāo)檢測(cè)方面的應(yīng)用

2.2.1 碘值檢測(cè)方面的應(yīng)用

近紅外光譜技術(shù)建立油脂碘值快速測(cè)定的模型已有較為廣泛的研究[15-18]。趙武善等[19]采用近紅外光譜投射技術(shù)分別建立了油脂低碘值(I)范圍(6～62 g/100 g)定標(biāo)和高碘值(I)范圍(97～134 g/100 g)定標(biāo)，定標(biāo)標(biāo)準(zhǔn)偏差分別為0.347和0.376，相關(guān)系數(shù)分別為0.999和0.998。運(yùn)用驗(yàn)證樣品集對(duì)定標(biāo)進(jìn)行驗(yàn)證，獲得標(biāo)準(zhǔn)偏差及相關(guān)系數(shù)分別為0.446、0.572和1.000、0.997。結(jié)果表明，近紅外光譜用于快速測(cè)定油脂碘值是完全可行的，其快速、便捷的測(cè)定大大提高了油脂生產(chǎn)效率，降低了企業(yè)的生產(chǎn)成本。Mba等[20]通過(guò)混合不同比例的橄欖油和菜籽油獲得了多份不同的建模樣本，使用PLS回歸分析將樣本的近紅外光譜與化學(xué)方法測(cè)定的樣本質(zhì)量參數(shù)結(jié)果相結(jié)合，建立了同時(shí)測(cè)定橄欖油、菜籽油及其混合物的碘值、游離脂肪酸、過(guò)氧化值近紅外光譜模型。Adewale等[15]利用FT-NIR結(jié)合PLS建立了用于同時(shí)快速測(cè)定動(dòng)物油脂的碘值和游離脂肪酸的模型，通過(guò)對(duì)模型優(yōu)化、檢驗(yàn)，結(jié)果表明該模型的穩(wěn)健性和方法的再現(xiàn)性都很好，該方法的建立可以達(dá)到降低企業(yè)生產(chǎn)成本和減少環(huán)境污染的目的。

2.2.2 脂肪酸組成分析方面的應(yīng)用

于燕波等[21]應(yīng)用近紅外光譜技術(shù)建立了快速測(cè)定植物油中棕櫚酸、硬脂酸、油酸和亞油酸含量的模型方法，研究者應(yīng)用氣相色譜法測(cè)定了建模樣品集4種脂肪酸含量作為真值，通過(guò)對(duì)模型優(yōu)化，結(jié)果表明氣相色譜法測(cè)定的含量與模型預(yù)測(cè)值存在較好的線性關(guān)系，應(yīng)用近紅外光譜測(cè)定植物油中主要脂肪酸含量是可行的。Siemens等[22]利用近紅外光譜技術(shù)快速測(cè)定了菜籽油、亞麻籽油和蘇林油中的脂肪酸組成，并對(duì)該方法進(jìn)行了評(píng)價(jià)，均得到理想的結(jié)果。Wu等[23]建立了同時(shí)快速檢測(cè)8種植物油及其混合物中α-亞麻酸和亞油酸含量的近紅外光譜模型。吳靜珠等[24]采用PLS建立了油脂中棕櫚酸、硬脂酸、油酸的近紅外定量分析模型，采用最佳主成分?jǐn)?shù)，交叉檢驗(yàn)定標(biāo)標(biāo)準(zhǔn)差、相關(guān)系數(shù)、預(yù)測(cè)標(biāo)準(zhǔn)差作為模型的評(píng)價(jià)指標(biāo)，結(jié)果顯示該模型具有較好的預(yù)測(cè)效果，可以為定量分析油脂中脂肪酸含量提供一種快速的檢測(cè)方法。宋濤等[25]首次應(yīng)用透反射近紅外光譜技術(shù)收集大豆油1 100～2 500 nm波段的近紅外光譜圖，以氣相色譜法測(cè)定了158個(gè)大豆油樣品中棕櫚酸、硬脂酸、油酸、亞油酸和亞麻酸含量作為化學(xué)值，采用改進(jìn)的PLS法建立了近紅外光譜快速測(cè)定大豆油中5種主要脂肪酸含量的方法，通過(guò)對(duì)模型的優(yōu)化，盲樣驗(yàn)證集預(yù)測(cè)值與化學(xué)值的相對(duì)標(biāo)準(zhǔn)誤差均小于5.5%，結(jié)果表明所建立的模型用于快速測(cè)定大豆油脂肪酸含量是可行的。

近紅外光譜結(jié)合化學(xué)計(jì)量學(xué)用于快速測(cè)定油脂的多項(xiàng)理化指標(biāo)是可行的，且此類方法也已漸漸成為傳統(tǒng)分析方法的補(bǔ)充和替代。此外，近紅外光譜的優(yōu)勢(shì)又同時(shí)在測(cè)定油脂多組分上得到發(fā)揮，近紅外光譜技術(shù)應(yīng)用于生產(chǎn)企業(yè)在線監(jiān)測(cè)及檢測(cè)機(jī)構(gòu)快速檢測(cè)愈來(lái)愈成熟。

3 近紅外光譜技術(shù)在食用油產(chǎn)地溯源方面的應(yīng)用

隨著人們生活水平的提高，消費(fèi)者對(duì)食用油質(zhì)量的要求不僅僅是簡(jiǎn)單的追求安全，對(duì)“高檔”油脂的需求越來(lái)越多，諸如橄欖油、油茶籽油等。而此類油脂往往受制于產(chǎn)地及產(chǎn)量的制約，價(jià)格較高昂，造假及虛假宣傳產(chǎn)地信息也成為不法商販逐利的手段。因此對(duì)于監(jiān)管部門為維護(hù)食用油產(chǎn)品的品質(zhì)及標(biāo)識(shí)信息的準(zhǔn)確性，產(chǎn)品溯源信息顯得尤為重要。此外，隨著食品貿(mào)易在世界范圍內(nèi)流通的增加及相關(guān)法律法規(guī)要求注明食品原產(chǎn)地信息，因此針對(duì)一些進(jìn)口食用油的產(chǎn)地溯源漸漸成為研究熱點(diǎn)。陳永明等[26]運(yùn)用近紅外光譜光譜儀測(cè)定了3種不同產(chǎn)地的90個(gè)橄欖油的光譜漫反射特征曲線，利用全局搜索算法——遺傳算法從751個(gè)光譜波長(zhǎng)數(shù)據(jù)中提取9個(gè)特征波長(zhǎng)數(shù)據(jù)，然后用主成分分析法對(duì)特征波長(zhǎng)進(jìn)行主成分提取，將提取到的6種主成分作為BP神經(jīng)網(wǎng)絡(luò)的輸入變量，品種類型作為神經(jīng)網(wǎng)絡(luò)的輸出變量，建立了人工神經(jīng)網(wǎng)絡(luò)模型，通過(guò)對(duì)30個(gè)未知產(chǎn)地的橄欖油樣本進(jìn)行預(yù)測(cè)，準(zhǔn)確率達(dá)到100%。結(jié)果表明，該模型對(duì)不同產(chǎn)地的橄欖油有很好的聚類作用，其能夠快速地鑒別橄欖油產(chǎn)地。Woodcock等[27]運(yùn)用近紅外光譜技術(shù)對(duì)產(chǎn)自意大利利古里亞地區(qū)和歐洲其他地區(qū)的橄欖油產(chǎn)地進(jìn)行了建模分析，在2005—2007年間研究者共收集了913份橄欖油樣本，其中210份來(lái)自利古里亞地區(qū)，703份來(lái)自其他地區(qū)。樣本被隨機(jī)的分為校正集和驗(yàn)證集，然后運(yùn)用主成分分析法對(duì)樣本進(jìn)行預(yù)檢驗(yàn)，通過(guò)PLS對(duì)光譜數(shù)據(jù)進(jìn)行回歸分析建立模型方法，根據(jù)預(yù)測(cè)結(jié)果顯示，該模型對(duì)利古里亞地區(qū)的橄欖油和其他地區(qū)產(chǎn)地預(yù)測(cè)準(zhǔn)確率分別達(dá)到92.8%和81.5%。

4 展 望

隨著國(guó)家對(duì)食品安全的重視，面臨龐大的食品檢測(cè)需求，檢測(cè)機(jī)構(gòu)及監(jiān)督檢驗(yàn)現(xiàn)場(chǎng)檢測(cè)如何能做到快速、準(zhǔn)確，甚至無(wú)損檢測(cè)成為越來(lái)越多分析方法開發(fā)者研究的熱點(diǎn)。近紅外光譜技術(shù)在食用油種類鑒別、摻偽摻假分析、理化指標(biāo)定量分析、產(chǎn)地溯源等方面已有大量研究，且取得了較好的驗(yàn)證結(jié)果，充分表明該技術(shù)在食用油檢測(cè)分析領(lǐng)域具有很大的潛在應(yīng)用前景。然而，在食用油檢測(cè)分析領(lǐng)域，由于標(biāo)準(zhǔn)方法的制約，生產(chǎn)企業(yè)及監(jiān)督檢測(cè)機(jī)構(gòu)主要依據(jù)傳統(tǒng)的化學(xué)分析方法，鑒于近紅外光譜技術(shù)的巨大優(yōu)勢(shì)，開展近紅外光譜相關(guān)技術(shù)檢測(cè)標(biāo)準(zhǔn)的研究具有較大意義，既可以滿足企業(yè)在線檢測(cè)的需求，又可以達(dá)到快速檢測(cè)的目的，且可以為推動(dòng)我國(guó)食品安全檢測(cè)的進(jìn)步提供充分的技術(shù)依據(jù)。

[1] 嚴(yán)衍祿. 近紅外光譜分析的原理、技術(shù)與應(yīng)用[M]. 北京：中國(guó)輕工業(yè)出版社，2013.

[2] 劉翠玲, 位麗娜, 趙薇，等. 近紅外光譜技術(shù)在食用油種類鑒別及定量分析中的應(yīng)用[J]. 中國(guó)釀造， 2014,11: 149-151.

[3] ZHOU Y, LIU T, LI J. Rapid identification between edible oil and swill-cooked dirty oil by using a semi-supervised support vector machine based on graph and near-infrared spectroscopy[J]. Chemometr Intell Lab Syst，2015,143: 1-6.

[4] YANG H, IRUDAYARAJ J, PARADKAR M M. Discriminant analysis of edible oils and fats by FTIR, FT-NIR and FT-Raman spectroscopy[J]. Food Chem，2005,93(1): 25-32.

[5] ROHMAN A , MAN Y B C. Application of Fourier transform infrared (FT-IR) spectroscopy combined with chemometrics for authentication of cod-liver oil[J]. Vib Spectrosc，2011,55(2): 141-145.

[6] VLACHOS N, SKOPELITIS Y, PSAROUDAKI M, et al. Applications of Fourier transform-infrared spectroscopy to edible oils[J]. Anal Chim Acta，2006, 573/574(1): 459-465.

[7] 莊小麗, 相玉紅, 強(qiáng)洪，等. 近紅外光譜和化學(xué)計(jì)量學(xué)方法用于橄欖油品質(zhì)分析與摻雜量檢測(cè)[J]. 光譜學(xué)與光譜分析，2010,30(4): 933-936.

[8] 楊佳, 武彥文, 李冰寧，等. 傅里葉變換紅外光譜技術(shù)在食用油分析領(lǐng)域的應(yīng)用[J]. 中國(guó)油脂，2013,38(3): 81-86.

[9] 劉福莉, 陳華才, 姜禮義，等. 近紅外透射光譜聚類分析快速鑒別食用油種類[J]. 中國(guó)計(jì)量學(xué)院學(xué)報(bào)，2008,19(3): 278-282.

[10] 王立琦, 張禮勇, 朱秀超. 大豆油脂過(guò)氧化值的近紅外光譜分析[J]. 食品科學(xué)，2010,31(6): 205-207.

[11] 李貴濱. 基于SVM的大豆油脂色澤近紅外光譜檢測(cè)算法研究[D]. 哈爾濱：哈爾濱商業(yè)大學(xué),2013.

[12] RAO Y L, XIANG B R, ZHOU X H, et al. Quantitative and qualitative determination of acid value of peanut oil using near-infrared spectrometry[J]. J Food Eng，2009,93(2): 249-252.

[13] VIEIRA F S , PASQUINI C. Near infrared emission photometer for measuring the oxidative stability of edible oils[J]. Anal Chim Acta，2013,796(17): 101-107.

[14] ARMENTA S, GARRIGUES S, DE LA GUARDIA M. Determination of edible oil parameters by near infrared spectrometry[J]. Anal Chim Acta，2007,596(2): 330-337.

[15] ADEWALE P, MBA O, DUMONT M J, et al. Determination of the iodine value and the free fatty acid content of waste animal fat blends using FT-NIR[J]. Vib Spectrosc，2014,72: 72-78.

[16] POCKLINGTON W D. Determination of the iodine value of oils and fats: results of a collaborative study[J]. Pure Appl Chem，2013,62(12): 403-409.

[17] COX R, LEBRASSEUR J, MICHIELS E, et al. Determination of iodine value with a Fourier transform-near infrared based global calibration using disposable vials: an international collaborative study[J]. J Am Oil Chem Soc，2000,77(12): 1229-1234.

[18] POCKLINGTON W D. Determination of the iodine value of oils and fats: results of a collaborative study[J]. Pure Appl Chem，2001,62(12): 403-409.

[19] 趙武善, 陳云波, 李向陽(yáng)，等. 采用近紅外透射技術(shù)分析油脂碘值[J]. 中國(guó)油脂，2003,28(9): 38-40.

[20] MBA O, ADEWALE P, DUMONT M J, et al. Application of near-infrared spectroscopy to characterize binary blends of palm and canola oils[J]. Ind Crop Prod，2014,61: 472-478.

[21] 于燕波, 臧鵬, 付元華, 等. 近紅外光譜法快速測(cè)定植物油中脂肪酸含量[J]. 光譜學(xué)與光譜分析，2008,28(7): 1554-1558.

[22] SIEMENS B J , DAUN J K. Determination of the fatty acid composition of canola, flax, and solin by near-infrared spectroscopy[J]. J Am Oil Chem Soc，2005,82(3): 153-157.

[23] WU D, CHEN X, SHI P, et al. Determination ofα-linolenic acid and linoleic acid in edible oils using near-infrared spectroscopy improved by wavelet transform and uninformative variable elimination[J]. Anal Chim Acta，2009,634(2): 166-171.

[24] 吳靜珠, 劉翠玲, 李慧，等. 基于近紅外光譜的純花生油摻偽快速鑒別方法研究[J]. 北京工商大學(xué)學(xué)報(bào)(自然科學(xué)版)，2011,29(1): 75-78.

[25] 宋濤, 張鳳枰, 劉耀敏，等. 透反射近紅外光譜法快速測(cè)定大豆油中的脂肪酸[J]. 光譜學(xué)與光譜分析，2012,32(8): 2100-2104.

[26] 陳永明, 林萍, 何勇. 基于遺傳算法的近紅外光譜橄欖油產(chǎn)地鑒別方法研究[J]. 光譜學(xué)與光譜分析，2009,29(3): 671-674.

[27] WOODCOCK T, DOWNEY G, O’DONNELL C P. Confirmation of declared provenance of European extra virgin olive oil samples by NIR spectroscopy[J]. J Agric Food Chem,2008,56(23): 11520-11525.

Progressinrapiddeterminationfieldofedibleoilsbynearinfraredspectroscopytechnology

ZHU Yutian, LI Jincai, GAO Sujun, ZHENG Yanyan

(National Nutrition Food Quality Supervision and Inspection Center，Shenzhen Academy of Metrology & Quality Inspection, Shenzhen 518131，Guangdong,China)

As a rapid, nondestructive new testing technology, near infrared spectroscopy technology is increasingly widely used in food quality testing. The application of near infrared spectroscopy in classification detection, adulteration detection, quantitative analysis of physical and chemical indicators and geographical origin traceability of edible oils were reviewed. The application advantages and development prospect of near infrared spectroscopy technology in the rapid determination field of edible oils were discussed.

near infrared spectroscopy; edible oil; rapid determination; research progress

2016-12-02；

：2017-03-15

朱雨田(1987)，男，工程師，碩士，主要從事食品安全檢測(cè)工作(E-mail)1231661111zyt@163.com。

鄭燕燕，高級(jí)工程師(E-mail)zhengyy@smq.com.cn。

Q657.33；TS227

：A

：1003-7969(2017)07-0140-04