韩建勋，孙瑞雪，陈颖，孙崇德，温志刚

1(浙江大学 农业与生物技术学院，浙江 杭州，310058) 2(中国检验检疫科学研究院农产品安全研究中心，北京，100176) 3(中国农业大学 食品与营养工程学院，北京，100083) 4(赣州市产品质量监督检验所，江西 赣州，341000)

山茶油是由油茶树(CamelliaOleiferaAbel)的成熟种子经压榨或浸提而得，富含油酸、亚油酸、亚麻酸等不饱和脂肪酸，含量高达90%，营养价值高。

山茶油的价格一般是普通食用油的3倍以上，部分不法厂商为获取高利润，往往在山茶油中掺杂大豆油、玉米油等廉价植物油以降低成本。为实现山茶油的真伪鉴别，许多科研工作者采用气相色谱[1]、质谱[2-3]、核磁共振[4]、电子鼻[5]以及光谱[6-7]等技术广泛开展了山茶油掺假检测的研究。其中，色谱、质谱等技术可对食用油组分进行定性定量分析，但前处理相对繁琐，检测时间长，且需要大量化学试剂；核磁共振技术快速、高效，但仪器设备价格昂贵，且数据分析具有难度，不适于在基层实验室的日常检测；电子鼻技术操作简便快捷，但仪器自身产生的漂移问题会降低方法的准确性和灵敏性。红外光谱技术操作简单、无需或较少前处理、对样品破坏程度低，日益受国内外学者的青睐。在山茶油及其掺假油种类识别、山茶油加工工艺判别等定性定量检测方面，目前研究最多的是近红外光谱法[8-11]。傅里叶变换红外充谱(Fourier transform inforared spectroscopy，FTIR)是基于对干涉后的红外光作傅里叶变换而得到的光谱，在分辨率、信噪比、灵敏度、结果重现性及准确性等方面更具优势。近年来，FTIR光谱技术在橄榄油[12]、大麻籽油[13]、胡桃油[14]、亚麻籽油[15]及其掺假油的定量检测以及反式脂肪酸、羰基值、酸价测定等方面多有报道，但在山茶油真伪鉴别中研究相对较少，国内研究人员朱启思等[16]研究了FTIR光谱快速鉴别山茶油的方法。本文将采用FTIR光谱技术结合化学计量学建立山茶油中掺杂大豆油的定性定量方法，为山茶油真伪的快速识别提供技术参考。

1 材料与方法

1.1 材料与仪器

1.1.1 材料

山茶油样品19份(编号为1#～19#)，产地分别为江西省(4份)，湖北省、湖南省、浙江省、广东省、广西省、福建省、云南省各2份，安徽省1份，其中压榨原油样品13份，压榨精炼油6份，上述山茶油样品均由赣州市产品质量监督检验所提供(详见表1)。大豆油、玉米油以及菜籽油，各8份，编号分别为1#～8#，购自北京大型超市。

随机挑选大豆油(编号：1#)，按0%、1%、3%、5%、10%、15%、20%、25%、30%、35%、40%、45%、50%、100%(质量分数)的比例，分别掺入到产地为江西赣州兴国县(编号：1#)、广东河源(编号：11#)以及云南文山(编号：16#)的3份山茶油样品中，用于定量模型的构建；此外，将该大豆油按2%、4%、6%、10%、12%、15%、17%、20%、23%、25%、27%、30%、32%、35%、38%、42%、48%、55%、60%、70%、80%以及90%(质量分数)的随机比例掺入到产地为浙江常山的山茶油样品(编号：13#)中，作为掺杂未知样品用于定量模型可靠性的验证。

表1 不同山茶油样品信息Table 1 the information of different camellia oil samples

1.1.2 仪器

PerkinElmer FrontierTM傅里叶变换红外光谱仪，中红外(DTGS)检测器，衰减全反射(attenuated total reflection，ATR)检测附件，Spectrum软件。

1.2 方法

1.2.1 FTIR光谱采集

直接吸取食用油样品约20 μL置于FTIR的ATR附件表面(ZnSe晶体)，扫描获得FTIR谱图，每个样品做2个平行，每个平行扫描3次，扫描范围4 000～650cm-1，扫描信号累加16次，分辨率4 cm-1。

1.2.2 数据处理

采用Origin2018软件和Matlab2018a软件对食用油光谱数据进行主成分分析(principal component analysis，PCA)及偏最小二乘回归(partial least square regression，PLSR)定量模型构建等。采用交互验证方法对光谱数据和实际掺杂量进行建模质量评判，并用不同比例掺杂油样品对模型的可靠性进行验证。

2 结果与分析

2.1 光谱分析

对19份山茶油、8份大豆油、8份菜籽油以及8份玉米油等43份食用油(表1)进行了FTIR光谱测定，分别选取山茶油1#、大豆油1#、菜籽油1#以及玉

米油1#作为代表性食用油，其光谱图结果(图1)显示，4种食用油的红外光谱曲线相似，均在3 006、2 923、2 853、1 744、1 464、1 377、1 240、1 160、1 122、1 096以及722 cm-1处有特征吸收峰，其吸收强度存在微小差异，且在1 464～722 cm-1范围内，光谱峰峰形也有微弱不同，如在云南、湖南、湖北、广西、江西、福建、安徽、浙江及广东等我国9个主要产地山茶油中，1 122 cm-1处特征峰峰高均高于1 096 cm-1特征峰峰高，而在其他3种食用油中，1 122 cm-1处特征峰峰高均低于1 096 cm-1特征峰，因此，利用1 122与1 096 cm-1处2个特征峰峰高差异可定性区分纯山茶油与其他3种食用油。

a-山茶油1#；b-大豆油1#；c-菜籽油1#；d-玉米油1#图1 代表性山茶油、大豆油、菜籽油以及玉米油的FTIR光谱图Fig.1 FTIR spectra of representative camellia oil, soya beam oil, rapeseed oil and corn oil

a-云南；b-湖南；c-湖北；d-广西；e-江西；f-福建；g-安徽；h-浙江；i-广东图2 不同产地山茶油的FTIR光谱图Fig.2 FTIR spectra of camellia oils from different geographical origins

将大豆油(编号：1#)按0%、1%、3%、5%、10%、15%、20%、25%、30%、35%、40%、45%、50%、100%(质量分数)的比例掺入到产地为江西赣州兴国县(编号：1#)的山茶油中。根据1 122与1 096 cm-1处两个特征峰峰高差异发现，当山茶油中掺入等于或大于30%含量大豆油时，1 096 cm-1处特征峰峰高几乎等于或高于1 122 cm-1处特征峰峰高，而当山茶油中掺入低于30%含量大豆油时，1 096 cm-1处特征峰峰高明显低于1 122 cm-1处特征峰峰高(图3)。结果表明，当山茶油中掺入含量为30%及以上(质量分

数)大豆油时，通过1 122与1 096 cm-1处2个特征峰峰高差异，可肉眼直接判定山茶油是否存在掺假。1 122与1 096 cm-1处两个特征吸收峰是由脂肪酸的—C—O键的伸缩振动引起[17]。结合4种食用油的脂肪酸组成(表2)发现，不同油的脂肪酸种类差别较小，除大豆油不含芥酸外，其他脂肪酸组成相同，但脂肪酸含量差异较大，如山茶油中油酸含量明显高于其他植物油，由此可能致使其特征吸收强度和指纹区域(如1 464～722 cm-1)吸收略有不同。基于山茶油与大豆油、菜籽油及玉米油的光谱差异，借助化学计量学，可进一步分析不同食用油的组分变量，进而实现山茶油与其他食用油的有效鉴别。

图3 山茶油与大豆油不同掺杂比的FTIR光谱图Fig.3 FTIR spectra of camellia oil adulterated with soya bean oil

表2 4种食用油的脂肪酸组成[18-19]Table 2 the fatty acid composition of four kinds of edible oils

2.2 主成分分析

研究中首先对19份山茶油、8份大豆油、8份菜籽油以及8份玉米油的光谱数据开展全光谱(4 000～650 cm-1)聚类分析，PCA结果表明，山茶油、大豆油、菜籽油以及玉米油4种食用油很难区分(结果未显示)，在此基础上，截取1 464～722 cm-1范围内的指纹光谱数据，以尽可能消除首位噪声，避免因数据量大而造成冗余信息。4种食用油的特征光谱数据经聚类分析，获得第1、2主成分(principal component，PC)，其中PC1贡献率97.28%，PC2贡献率1.88%，2个主成分累计贡献率达99.16%，能够涵盖99%以上的原始光谱信息。利用第1、2主成分得分作散点图(图4)，结果表明，第1、2主成分得分可将4种食用油明显分为3个部分：山茶油、菜籽油与玉米油、大豆油，有明显的聚类趋势，虽然菜籽油与玉米油无法分开，但利用FTIR光谱技术可有效识别山茶油和其他3种食用油。同时发现，不同产地的山茶油样品间离散度较大，这与艾芳芳的研究结果[20]相似，大豆油样品间离散度较小。因此，在后续定量模型构建中，分别选择了离散度较大的云南文山(编号：16#)、江西赣州兴国县(编号：1#)以及广东河源(编号：11#)3个产地的山茶油样品作为被掺假对象，随机选取大豆油(编号：1#)作为掺假对象。

图4 山茶油、大豆油、菜籽油以及玉米油的PCA结果Fig.4 the PCA results for camellia oils, soya beam oils,rapeseed oils and corn oils

2.3 PLSR定量模型构建

将产地为云南文山(编号：16#)、江西赣州兴国县(编号：1#)以及广东河源(编号：11#)的3份山茶油样品中，分别按0%、1%、3%、5%、10%、15%、20%、25%、30%、35%、40%、45%、50%以及100%(质量分数)的比例掺入大豆油(编号：1#)，共获得126个光谱，其中84个用作校正集分析，其余42个用作验证集分析。采用PLSR算法对1 464～722 cm-1范围内光谱数据进行建模。模型的好坏主要由交叉验证均方根误差(root mean square error of cross validation，RMSECV)、预测均方根误差(root mean square error of prediction，RMSEP)以及决定系数(coefficient of determination，R2)等综合评判。一般情况下，RMSECV和RMSEP数值越低，R2数值越大，模型越好[9,21]。由图5和图6可知，校正集的RMSECV值为0.032 0，验证集的RMSEP值为0.029 7，校正集和验证集的R2值均能达到0.99，说明本研究所构建的PLSR模型能够满足山茶油中掺杂大豆油的定量判别要求，最低检测限可达1%。

图5 山茶油与大豆油不同掺杂比校正集PLSR分析结果Fig.5 PLSR results of actual vs predicted soya bean oil content in camellia oil for calibration sets

图6 山茶油与大豆油不同掺杂比验证集PLS分析结果Fig 6 PLSR results of actual vs predicted soya bean oil content in camellia oil for validation sets

2.4 模型可靠性验证

为检验山茶油中掺杂大豆油定量模型的可靠性，研究中将大豆油(编号：1#)掺入到产地为浙江常山的山茶油(编号：13#)中，掺杂比例为2%、4%、6%、10%、12%、15%、17%、20%、23%、25%、27%、30%、32%、35%、38%、42%、48%、55%、60%、70%、80%、90%以及100%(质量分数)，采用上述定量模型对不同掺杂比例的23份样品进行了预测。由表3可知，所有样品中预测比例与实际比例的绝对误差在±10%范围之内，最大绝对误差为-8.22%，对应的实际比例为60.00%，预测比例为68.22%；当实际比例低于10%时，相对误差在±30%范围之内，实际比例等于或高于10%时，相对误差在±15%范围之内。

表3 山茶油中掺杂大豆油预测模型可靠性验证结果Table 3 the validation of predicted model reliabilityfor soya bean oil content in adulterated camellia oil

结果表明，本研究建立的PLSR模型可用于山茶油中掺杂大豆油的定量检测，尤其是针对掺杂大豆油比例较高的山茶油，模型预测的结果更加准确。

3 讨论与结论

近年来，围绕食用油的种类掺假、压榨与浸出工艺判别等，国内外学者采用FTIR光谱技术结合PCA、层次聚类分析(hierarchical cluster analysis，HCA)、簇类独立软模式(soft independent modeling of class analogy，SIMCA)、判别因子分析(discrimination factor analysis，DFA)、PLSR等化学计量学算法开展了大量研究，取得了不错的成果。有研究表明，由于食用油均为多种脂肪酸甘油三酯的混合物，因此不同种类的食用油有相似的FTIR光谱图[22]。本研究通过比较山茶油与大豆油、玉米油和菜籽油的FTIR光谱图发现，4种食用油的光谱图峰形相近，但山茶油的1 122 cm-1处的峰高明显高于1 096 cm-1处峰高，且不同产地山茶油两个吸收峰的峰高差异基本一致，而大豆油、玉米油和菜籽油的两个吸收峰峰高差异正好相反，因此，可将1 122 cm-1与1 096 cm-1处2个吸收峰作为山茶油的特征吸收峰。对于纯食用油而言，通过对比2个特征吸收峰峰高，即可肉眼直观判别是否是纯山茶油，结果判定简捷快速，且掺入大豆油含量在30%及以上(质量分数)的山茶油也可通过特征峰峰高差异进行判别。由于大豆油、玉米油和菜籽油的两个特征峰高差异类似，因此，很难通过峰高差异将该3种食用油区分。PCA算法是一种常用的无监督的多元统计学方法，主要是通过运用少量的特征对样品进行描述，从而降低特征空间维数。目前有文献已报道采用PCA算法即可实现冷榨葡萄籽油掺杂大豆油[23]、特级压榨橄榄油掺杂葵花籽油[24]的鉴别。本研究通过对4种食用油1 464～722 cm-1范围内的原始光谱图进行PCA分析发现，山茶油、菜籽油与玉米油、大豆油，有明显的聚类趋势，虽然菜籽油与玉米油无法分开，但可有效识别山茶油和其他3种食用油，后期将对光谱进行平滑、归一化、求导等光谱预处理，以期实现山茶油与多种食用油的更高效区分。基于PLSR算法，本研究建立了山茶油中掺入大豆油的定量鉴别方法，最低检测限达1%(质量分数)。前期有研究利用近红外光谱技术结合PLSR算法建立了山茶油中掺杂大豆油的检测方法，预测最低掺杂量≥2.5%(质量分数)[8]。也有研究采用中红外光谱技术实现了山茶油中掺入大豆油的定量检测，其方法灵敏度为5%(质量分数)[9]。对比而言，本方法检测灵敏度更高。

综上，本文建立的FTIR光谱分析技术简单、快速、可靠，可定性鉴别山茶油与大豆油、菜籽油和玉米油，并能定量检测山茶油中掺杂的大豆油，为市场筛查掺假山茶油的快速鉴别提供了技术方法。后续研究我们将扩大山茶油及其他食用油的代表性样品数量，以进一步提高判别模型的稳定性和准确性。