李 娟 黃木花 燕一波 梁漱玉

(1. 漳州城市職業(yè)學(xué)院，福建 漳州 363000；2. 中南林業(yè)科技大學(xué)食品科學(xué)與工程學(xué)院，湖南 長(zhǎng)沙 410000)

中國(guó)是油脂消費(fèi)大國(guó)，許多常用的烹調(diào)方法都會(huì)使用到食用油，食用油的安全緊系民生。近年來(lái)“地溝油”事件屢見(jiàn)不鮮，各級(jí)監(jiān)管部門(mén)雖不斷加大打擊力度，該現(xiàn)象卻屢禁不止[1]?！暗販嫌汀蓖ǔＪ侵干钪懈鞣N劣質(zhì)油、廢棄油[2]，主要包括煎炸或復(fù)炸油、泔水油、食品或其他以油脂為原輔料的加工企業(yè)產(chǎn)生的廢棄油脂等[3]?！暗販嫌汀苯M成成分復(fù)雜，制作方法也不斷推陳出新，較難通過(guò)某一個(gè)或幾個(gè)特定指標(biāo)進(jìn)行判定，“地溝油”的檢測(cè)方法也尚未標(biāo)準(zhǔn)化。目前，中國(guó)關(guān)于“地溝油”的研究大部分是將“地溝油”與合格油脂的理化指標(biāo)對(duì)比，進(jìn)行定性定量分析。各類食用植物油品質(zhì)的檢驗(yàn)和衛(wèi)生標(biāo)準(zhǔn)，常用的理化指標(biāo)包括：水分含量、折光率、過(guò)氧化值、碘值、重金屬、黃曲霉素、羰基值及比重等。常用的方法有：常規(guī)理化檢測(cè)[4]、氣相色譜—質(zhì)譜法[5]、液相色譜法—熒光衍生法[6]、原子吸收光譜技術(shù)[7]、核磁共振技術(shù)[8]等。這些理化方法需要檢測(cè)人員具備一定理論知識(shí)，步驟繁瑣，對(duì)操作水平要求高，易對(duì)操作人員造成傷害及污染環(huán)境，不適于對(duì)油品質(zhì)進(jìn)行現(xiàn)場(chǎng)把關(guān)。同時(shí)，這些理化方法耗材成本也較高。

從“地溝油”的來(lái)源組成可以發(fā)現(xiàn)，若在植物油中檢測(cè)到煎炸動(dòng)物油即可判定該植物油是“地溝油”或曾經(jīng)受到“地溝油”的污染。試驗(yàn)即通過(guò)向植物油樣品中摻入煎炸動(dòng)物油模擬一類地溝油的組成，并嘗試使用一種操作簡(jiǎn)便、耗時(shí)少的方法進(jìn)行檢測(cè)。近紅外光譜(near infrared reflectance spectroscopy， NIRS)分析是一種物理測(cè)試技術(shù)，特點(diǎn)有快速、無(wú)損、環(huán)保、對(duì)操作者要求不高、易于在線檢測(cè)等[9]。該技術(shù)近年來(lái)在農(nóng)產(chǎn)品檢測(cè)領(lǐng)域有廣泛應(yīng)用，如糧食新陳度檢測(cè)[10]、水果黑心病在線檢測(cè)[11]、肉類脂肪含量檢測(cè)[12]、油料摻偽定性[13-14]等。張丙芳等[15]嘗試采用近紅外技術(shù)與偏最小二乘法結(jié)合對(duì)煎炸老油含量進(jìn)行定量分析，沈雄[16]嘗試采用近紅外光譜技術(shù)結(jié)合偏最小二乘法對(duì)食用植物油摻偽廢棄油脂進(jìn)行定量分析，但上述兩個(gè)覆蓋植物油種類較少，模型研究對(duì)象過(guò)于單一僅有大豆油。試驗(yàn)擬使用近紅外技術(shù)結(jié)合偏最小二乘法，對(duì)摻雜2種煎炸動(dòng)物油的5種不同類別植物油脂進(jìn)行定量分析，以期為油脂品質(zhì)安全的檢測(cè)提供參考。

1 材料與方法

1.1 材料

長(zhǎng)康菜籽油、金龍魚(yú)調(diào)和油、金龍魚(yú)大豆油、魯花花生油、歐麗薇蘭橄欖油、帶皮雞塊、豬肥肉：市售。

1.2 主要儀器

傅里葉變換近紅外光譜儀：Nicolet Antaris Ⅱ型，美國(guó)Thermo公司；

電子天平：CP124C型，奧豪斯儀器(上海)有限公司；

電磁爐：WK2102型，美的科技集團(tuán)公司。

1.3 試驗(yàn)方法

1.3.1 樣品前處理

(1) 復(fù)炸雞油制備：將帶皮雞塊通過(guò)鐵板反復(fù)加熱累計(jì)時(shí)長(zhǎng)1 h。

(2) 豬油制備：將豬肥肉于100 ℃煎炸10 min。

(3) 植物油中摻入煎炸動(dòng)物油：長(zhǎng)康菜籽油、金龍魚(yú)調(diào)和油、魯花花生油、歐麗薇蘭橄欖油，金龍魚(yú)大豆油中分別摻入復(fù)炸雞油及豬油，摻入質(zhì)量分?jǐn)?shù)為0%～90%，摻雜量間隔為10%。每種摻雜樣本數(shù)為10個(gè)，共計(jì)100個(gè)樣品。

1.3.2 樣品近紅外光譜采集 分析前儀器光源需預(yù)熱30 min，為確保樣品具有代表性將其充分混合，在樣品杯中加入1 mL樣品，并使用金反射蓋嚴(yán)密蓋合樣品杯以消除氣泡對(duì)光程的影響，保證重復(fù)測(cè)量精度。光譜采集波數(shù)范圍10 000～4 000 cm-1，近紅外光譜采用透反射系統(tǒng)，掃描次數(shù)32次，分辨率8 cm-1，內(nèi)置背景作為參照，每批樣品采集3次，取平均光譜。每次使用完樣品杯后用清洗劑、自來(lái)水、蒸餾水清洗，晾干，備用。

1.4 數(shù)據(jù)處理

利用TQ-Analyst軟件，建立煎炸油摻雜量的近紅外光譜模型，并用模型對(duì)驗(yàn)證集樣品進(jìn)行預(yù)測(cè)。利用SPSS 18軟件，將驗(yàn)證集真實(shí)值(配制比例)與模型預(yù)測(cè)值進(jìn)行配對(duì)t檢驗(yàn)以判斷模型可靠性。

2 結(jié)果與分析

2.1 光譜波段范圍的確定

從圖1可以看出，所有樣品的光譜變化趨勢(shì)基本一致，說(shuō)明摻入不同比例煎炸油對(duì)植物油光譜無(wú)明顯影響。其細(xì)微區(qū)別可能是在煎炸過(guò)程中，動(dòng)物油脂在高溫及空氣存在的條件下與食物中的水分、蛋白質(zhì)、淀粉等成分，發(fā)生一系列理化反應(yīng)(如聚合、氧化裂變、水解、環(huán)化及異構(gòu)化等)產(chǎn)生的物質(zhì)導(dǎo)致。從樣品原始光譜可看出，油樣中吸收基團(tuán)的含量差異引起吸收峰大小區(qū)別。全光譜區(qū)域主要吸收峰在6 000～5 600 cm-1，其中包括C—H鍵的一級(jí)倍頻，二級(jí)倍頻，合頻信息及O—H鍵的一級(jí)倍頻信息。樣品中物質(zhì)含量的信息主要是通過(guò)物質(zhì)結(jié)構(gòu)特征基團(tuán)對(duì)近紅外光譜吸收不同所表現(xiàn)出來(lái)。選擇不同光譜區(qū)間，因此對(duì)不同光譜范圍分別建立數(shù)學(xué)模型，并通過(guò)相關(guān)系數(shù)(r)及預(yù)測(cè)均方根誤差(RMSEP)的數(shù)值來(lái)確定最佳光譜范圍[10]，結(jié)果如表1所示。

圖1 所有樣品光譜全譜圖

由表1可知，全譜圖與譜區(qū)在6 000.0～4 000.0 cm-1的相關(guān)系數(shù)較優(yōu)、預(yù)測(cè)均方根誤差均較小，綜合影響因子數(shù)的結(jié)果，在后續(xù)建立模型時(shí)將選用全譜波段。采用PLS建立全譜區(qū)模型，其中訓(xùn)練集的交叉驗(yàn)證均方根誤差(RMSEP)值為4.41，相關(guān)系數(shù)(r)能達(dá)到0.983 9。

表1 不同光譜范圍的建模結(jié)果

2.2 光譜預(yù)處理方法的確定

掃描過(guò)程中，由于高頻噪音信號(hào)、光程的變化、光散射、斜坡背景等因素，會(huì)使光譜產(chǎn)生偏移或飄移。從圖1可以看出，原始樣品全譜圖存在雜峰，即受到噪音干擾。為提高模型的準(zhǔn)確性，選用固定光程的樣品池進(jìn)行光譜采集，采用平滑分別與導(dǎo)數(shù)處理中的一階導(dǎo)數(shù)及二階導(dǎo)數(shù)結(jié)合的方法對(duì)樣品光譜進(jìn)行預(yù)處理。其中，平滑方法有經(jīng)典的Savitzky-Golay濾波及Norris Derivative濾波，主要是用于消除隨機(jī)噪聲、提高信噪比等以提高模型的適用性。而前期導(dǎo)數(shù)處理可能會(huì)造成噪聲放大而使光譜毛糙，采用Norris Derivative可通過(guò)剔除無(wú)關(guān)的信息變量消除該影響并提高模型的擬合度及穩(wěn)定性，因此采用這種平滑方法。

導(dǎo)數(shù)處理也是凈化光譜圖較常用的方法之一，主要用于消除基線漂移，消除儀器背景干擾，分辯重疊峰信息的作用以及信號(hào)放大作用。由于信號(hào)放大作用對(duì)噪聲信號(hào)同樣起效，因此先進(jìn)行平滑處理再進(jìn)行導(dǎo)數(shù)處理。通過(guò)PLS法[10]對(duì)摻入雞油的植物油進(jìn)行模型的建立，結(jié)果分別如圖2、3及表2所示。

圖2 一階導(dǎo)+平滑處理全譜圖

圖3 二階導(dǎo)+平滑處理全譜圖

表2 不同預(yù)處理方法對(duì)摻入煎炸動(dòng)物油植物油建模結(jié)果比較

從圖2、3可以看出，在6 000.0～5 400.0 cm-1及4 800.0～4 400.0 cm-1區(qū)間，譜圖之間差異較大。

從表2可以看出，對(duì)光譜進(jìn)行預(yù)處理后，所建立的模型參數(shù)整體更優(yōu)，其中建模效果最好的是一階導(dǎo)+平滑處理，相關(guān)系數(shù)達(dá)到0.985 7，RMSEP為4.13。因此后續(xù)的光譜預(yù)處理使用一階導(dǎo)數(shù)+平滑法。

2.3 預(yù)測(cè)模型的優(yōu)化

測(cè)量過(guò)程中，可能會(huì)因?yàn)椴僮魅藛T、樣品光源及測(cè)量環(huán)境的細(xì)微變化產(chǎn)生異常樣品，所以通過(guò)馬氏距離剔除法將其剔除。采用TQ-Analyst軟件中的光譜異常點(diǎn)(Spectrum Outlier)選項(xiàng)計(jì)算求得馬氏距離，并通過(guò)一條垂直虛線將未通過(guò)檢驗(yàn)的樣品與其他樣品分開(kāi)，結(jié)果如圖4所示。

從圖4可看出，97個(gè)樣品通過(guò)檢驗(yàn)，另外3個(gè)樣品沒(méi)有通過(guò)檢驗(yàn)而被剔除。剔除后建模結(jié)果變化如表3所示。由表3可以看出，通過(guò)剔除異常點(diǎn)，相關(guān)系數(shù)可提高至0.992 0，且RMSEP也降低至3.11，剔除后模型精度有所提高。

圖4 建模樣品的馬氏距離排序圖

表3 通過(guò)診斷后的摻入煎炸動(dòng)物油植物油建模結(jié)果比較

2.4 模型可靠性檢驗(yàn)

為檢測(cè)模型的可靠性，以隨機(jī)比例配制30個(gè)摻入煎炸動(dòng)物油的植物油樣品，采用建模時(shí)相同的前處理及掃描方法處理后利用所建模型預(yù)測(cè)，結(jié)果如表4所示。由表4可知，預(yù)測(cè)的30個(gè)樣本，相對(duì)誤差最大為-8.48%。說(shuō)明該植物油中摻煎炸動(dòng)物油含量的近紅外模型具有較好的適用性。

表4 摻煎炸動(dòng)物油植物油真實(shí)值與預(yù)測(cè)值的比較

為檢驗(yàn)兩組數(shù)據(jù)差異性，對(duì)真實(shí)值(配制比例)與預(yù)測(cè)值進(jìn)行配對(duì)t檢驗(yàn)，結(jié)果如表5所示。由表5可知，真實(shí)值(配制比例)與預(yù)測(cè)值差異不顯著(P>0.05)。說(shuō)明該模型適用于煎炸動(dòng)物油摻入植物油的檢測(cè)中。

表5 植物油摻入動(dòng)物油的真實(shí)值與模型預(yù)測(cè)值的t-檢驗(yàn)

3 結(jié)論

(1) 試驗(yàn)對(duì)共計(jì)100個(gè)摻入煎炸動(dòng)物油的植物油樣品進(jìn)行近紅外光譜掃描，后經(jīng)光譜預(yù)處理、模型優(yōu)化、模型可靠性檢驗(yàn)等步驟建立摻入煎炸動(dòng)物油的植物油模型。模型相關(guān)系數(shù)r達(dá)到0.992 0，RMSEP為3.11，對(duì)預(yù)測(cè)樣本集的預(yù)測(cè)結(jié)果經(jīng)t檢驗(yàn)顯示差異不顯著，表明該模型預(yù)測(cè)效果優(yōu)良。該法速度快：?jiǎn)蝹€(gè)樣品可在1 min內(nèi)出結(jié)果；簡(jiǎn)單：對(duì)操作者專業(yè)性要求不高；環(huán)保：無(wú)需任何試劑即可對(duì)樣品進(jìn)行檢測(cè)；無(wú)損：無(wú)需破壞樣品；成本低廉等特點(diǎn)。綜上所述，試驗(yàn)方法可應(yīng)用于煎炸動(dòng)物油摻入植物油的檢測(cè)中，為植物油及地溝油安全的快速檢測(cè)方法提供了一種可借鑒的方法。

(2) 試驗(yàn)建模所收集的樣本較有限，故該模型應(yīng)用時(shí)有一定局限性。為提高模型的實(shí)用性及預(yù)測(cè)準(zhǔn)確性，可在后續(xù)研究中收集足夠多的樣本以覆蓋實(shí)際生活中可能遇到的各種類型的油樣。