杜 馨，孫曉榮，劉翠玲，李敬琪，李睿雯

（北京工商大學(xué) 計算機與信息工程學(xué)院 食品安全大數(shù)據(jù)技術(shù)北京市重點實驗室，北京 100048）

食用油是三分子脂肪與一分子甘油酸化成的甘油酯，許多食用油都含有不飽和脂肪酸，油脂中的過氧化物是油脂在加工、運輸和儲藏的過程中與空氣中的氧發(fā)生氧化作用所得的產(chǎn)物，其具有高度的活性，能夠迅速的反應(yīng)，分解為醛、酮類和氧化物等物質(zhì)，再加上外界的影響，如受到光、熱、水、微生物以及油脂中些許雜質(zhì)的影響，就會造成油脂酸敗變質(zhì)[1-3]。如果過期變質(zhì)的食用油被人們長期食用，將會直接損害人體健康，如引發(fā)發(fā)育障礙、細(xì)胞功能衰竭、腎臟腫大、腸炎以及脂肪肝等疾病。通過對食用油過氧化值的檢測，可以了解油脂酸敗的程度，衡量食用油是否超過保質(zhì)期限，是了解油脂的品質(zhì)情況的重要指標(biāo)[4]。

國家對油品安全的檢測標(biāo)準(zhǔn)正在不斷地完善，而對于食用油過氧化值的檢測，雖然我國一直在不斷加大對食用油的監(jiān)管力度，但是控制效果并不理想，其中主要原因是食用油成分復(fù)雜，不易檢測。長期以來，油品的質(zhì)量檢測主要依靠化學(xué)檢測手段，傳統(tǒng)的油品過氧化值檢測方法是滴定法，雖精確度較高，但是過程繁瑣，需要耗費大量的時間和人力，還需使用大量的有機溶劑。隨著科學(xué)技術(shù)的革新和新檢測方法的建立，有關(guān)食用油領(lǐng)域的質(zhì)量檢測方法也趨于多樣化，傳統(tǒng)的食用油檢測方法被科學(xué)的、現(xiàn)代化的檢測技術(shù)逐漸替代。目前較先進(jìn)的油類檢測技術(shù)主要包括：電導(dǎo)檢測法、質(zhì)譜檢測法、薄層色譜檢測技術(shù)、地磁場核磁共振檢測法等方法[5-6]。但對于食用油過氧化值的檢測，仍亟需一種更先進(jìn)、更準(zhǔn)確、更快速的無損檢測方法。

拉曼光譜又稱為“指紋光譜”，可以直接對樣本進(jìn)行無損定性定量分析，鑒定出物質(zhì)的類型并確定其所含化學(xué)成分以及各組成成分的相對含量[7-8]。拉曼光譜檢測技術(shù)的主要優(yōu)點有快速準(zhǔn)確、多組分可同時檢測、無污染、便于推廣[9-11]。因此采用拉曼光譜技術(shù)對食用油過氧化值進(jìn)行建模分析的快速檢測，探索其可行性和準(zhǔn)確性具有重大意義。

1 材料與方法

1.1 材料與試劑

本次實驗樣本采用了由北京市糧食科學(xué)研究院提供的包括大豆油、花生油、玉米油、菜籽油、葵花籽油、芝麻香油等不同批次、不同氧化程度的84種油品樣本，食用油樣本經(jīng)北京市糧食科學(xué)研究院置于老化箱中進(jìn)行老化處理，并提供氧化時間及過氧化值真實值，油品置于老化箱老化1h相當(dāng)于自然環(huán)境放置18d左右。食用油樣本信息見表1。

表1 食用油樣本信息Table 1 Information of edible oil sample

1.2 儀器與設(shè)備

Thermo Fisher DXR型顯微拉曼成像光譜：美國賽默飛世爾科技公司；光譜采集配套軟件：OMNIC軟件。

1.3 方法

將少量樣本倒在液體槽內(nèi)置于光譜儀載玻片上，在顯微拉曼光譜儀物鏡下進(jìn)行掃描，樣本溫度為室溫，通過調(diào)節(jié)OMNIC軟件設(shè)置實驗參數(shù)，參數(shù)設(shè)置見表2。

表2 儀器參數(shù)設(shè)置Table 2 Parameter setting of instrument

調(diào)節(jié)拉曼光譜儀粗調(diào)轉(zhuǎn)鈕使光譜儀物鏡聚焦于樣本，觀察屏幕成像，運用OMNIC軟件工作臺觀察光譜圖峰值，并進(jìn)行細(xì)調(diào)，待光譜穩(wěn)定且噪聲較小時進(jìn)行最終的掃描，最終得到84個樣本的拉曼光譜圖。本研究算法類型最終采用了偏最小二乘回歸法（partial least squares regression，PLS），并采用“一階導(dǎo)數(shù)+SNV”法對光譜進(jìn)行預(yù)處理。

1.3.1 偏最小二乘回歸法

偏最小二乘回歸法是一種新型多元統(tǒng)計數(shù)據(jù)的分析方法，它有機地結(jié)合了認(rèn)識性的方法和模型式的方法，在這一個算法下，可以同時實現(xiàn)回歸建模、數(shù)據(jù)結(jié)構(gòu)簡化以及兩組變量之間的相關(guān)性分析，因而多用于研究多個因變量關(guān)于多個自變量的建模方法，計算光譜數(shù)據(jù)X及目標(biāo)分析物性質(zhì)Y之間的最大方差，在對光譜和數(shù)據(jù)矩陣解析的過程中，剖析數(shù)據(jù)和目標(biāo)分析物的性質(zhì)之間的關(guān)系。尤其當(dāng)各個變量呈現(xiàn)高度線性相關(guān)時，偏最小二乘回歸法可以解決以往普通多元回歸無法解決的問題[12-14]。

其評價指標(biāo)可選擇相關(guān)系數(shù)R來表示，通常也用校正模型的決定系數(shù)R2來表示，以及用校正均方根誤差（root mean square error of calibration，RMSEC）和預(yù)測均方根誤差（root mean square error of prediction，RMSEP）來表示模型的預(yù)測能力。當(dāng)RMSEC越小，R2越趨近于1時，模型的建模效果越好[15-17]。

1.3.2 光譜預(yù)處理方法

標(biāo)準(zhǔn)正態(tài)變量變換（standard normal variate transformation，SNV）主要是用以消除固體顆粒大小、表面散射以及光程變化對光譜的影響。SNV算法主要是基于光譜陣的行對一條光譜進(jìn)行處理，便于進(jìn)一步研究[18]。

一階導(dǎo)數(shù)（firstderivative）和二階導(dǎo)數(shù)（secondderivative）是光譜分析中非常常見的預(yù)處理方式。導(dǎo)數(shù)光譜可以很好的消除基線的平移和漂移以及其他背景的干擾，可以有效地提高分辨率和靈敏度，并且能分辨出重疊峰，增強樣本光譜特征。通常，采取直接差分法或S-G卷積法對光譜求導(dǎo)。對于求導(dǎo)法，選擇差分寬度是非常重要的，若差分寬度過小，則噪聲就會大，進(jìn)而影響建模的預(yù)測能力；若差分寬度過大，就會出現(xiàn)平滑過度，導(dǎo)致很多細(xì)節(jié)內(nèi)容信息丟失[19-20]。

2 結(jié)果與分析

2.1 拉曼光譜圖譜分析

食用油的拉曼光譜譜圖信息非常豐富，對于食用油拉曼光譜圖峰值信息如圖1所示。拉曼光譜可以從分子振動的水平上體現(xiàn)物質(zhì)的分子結(jié)構(gòu)，譜圖中有幾處明顯的主要特征峰，對其所對應(yīng)的分子結(jié)構(gòu)官能團(tuán)進(jìn)行分析。拉曼位移為2 850 cm-1左右的譜帶主要體現(xiàn)對稱的次甲基（-CH2）伸縮；拉曼位移為1 656 cm-1左右處的特征峰對應(yīng)不飽和雙鍵的伸縮振動峰，它體現(xiàn)了不飽和烯烴鍵（C=C）的含量；拉曼位移為1 439 cm-1處的特征峰對應(yīng)于烴基碳?xì)滏I（C-H）剪式振動峰；拉曼位移1 301cm-1處的特征峰對應(yīng)于烴基的變形振動峰，同時1 260 cm-1處的特征峰反映了不飽和烯烴鍵所在碳原子碳?xì)滏I（=C-H）[21-22]。

圖1 食用油樣本拉曼光譜峰值信息Fig.1 Peak information of Raman spectrum of oil sample

碳-碳雙鍵在油脂結(jié)構(gòu)中對于拉曼光譜中的分子振動起主要作用，在拉曼光譜中，碳-碳雙鍵通常以很強的特征峰出現(xiàn)，且在一定范圍的濃度內(nèi)，特征峰的強度與碳-碳雙鍵的濃度成正比，而當(dāng)油脂發(fā)生氧化酸敗反應(yīng)時，雙鍵發(fā)生降解，濃度降低，進(jìn)而特征峰的強度下降。并且由于拉曼光譜是具有高度分子特征性的指紋光譜，譜峰重疊少，因此碳-碳雙鍵特征峰可以體現(xiàn)食用油的不飽和程度，故可將位于1 656 cm-1的特征峰值強度信息作為食用油的氧化酸敗檢測分析的重要參考依據(jù)，從而通過此處特征峰的信息來檢測碳-碳雙鍵的降解程度，進(jìn)而對食用油的過氧化值進(jìn)行分析，檢測食用油的品質(zhì)。

2.2 食用油過氧化值建模分析

本研究采用偏最小二乘法（PLS）對84個食用油樣本的過氧化值進(jìn)行定量分析，數(shù)據(jù)分析與處理采用TQ Analyst軟件完成。采集到的食用油樣本拉曼光譜圖如圖2所示，其中橫坐標(biāo)為拉曼位移，縱坐標(biāo)為拉曼強度。

圖2 食用油樣本拉曼光譜Fig.2 Raman spectroscopy of edible oil samples

食用油的成分非常復(fù)雜，當(dāng)發(fā)生氧化酸敗反應(yīng)時，除碳-碳雙鍵之外，食用油中許多其它成分會發(fā)生一定的反應(yīng)和變化，因而本研究在不同光譜預(yù)處理組合方式與波長篩選做了大量實驗，提取與成分含量相關(guān)的信息，旨在優(yōu)化食用油過氧化值拉曼光譜定量分析模型，使模型具備良好的預(yù)測準(zhǔn)確性與穩(wěn)健性[23]。經(jīng)過多次波長篩選，最終選擇拉曼位移范圍為848.25～1 800 cm-1和2 600～3 299.34 cm-1兩段，此范圍譜峰信息豐富且清晰，能最有效地提取光譜中的信息。

定義待測組分過氧化值，并定義分析值范圍為0～10 mmol/kg；導(dǎo)入84個標(biāo)準(zhǔn)樣本光譜，對應(yīng)輸入每個樣本光譜的過氧化值標(biāo)準(zhǔn)含量，選定建模樣本（calibration）和預(yù)測樣本（validation）[24]。本研究按照食用油樣本過氧化值梯度選擇實驗樣本，盡量保證實驗樣本過氧化值均勻分布且具有代表性，對采集的84個油品樣本，選取60份樣本作為建模樣本，14份樣本作為預(yù)測樣本，10份樣本作為范圍擴展樣本。基于PLS的食用油過氧化值含量在導(dǎo)數(shù)、標(biāo)準(zhǔn)正態(tài)變量變換（SNV）、多元散射校正（multiplicative scatter correction，MSC）、Savitzky-Golay（SG）卷積平滑四種不同組合的預(yù)處理法下的校正集決定系數(shù)R12及校正均方根誤差RMSEC、預(yù)測集相關(guān)系數(shù)R22以及預(yù)測均方根誤差RMSEP如表3所示。

表3 不同組合預(yù)處理方法的PLS定量模型結(jié)果對比Table 3 Comparison of PLS quantitative model results for different combination pretreatment methods

從表3中過氧化值PLS定量分析模型的評價指標(biāo)結(jié)果可以看出，當(dāng)采用“一階導(dǎo)數(shù)+SNV”方法進(jìn)行預(yù)處理時，建模效果最好，校正集相關(guān)系數(shù)R12達(dá)到了0.952 8，校正標(biāo)準(zhǔn)偏差（RMSEC）為0.572，預(yù)測相關(guān)系數(shù)R22為0.921 9，相對預(yù)測均方差（RMSEP）為0.698，模型相關(guān)系數(shù)較大，誤差在允許范圍內(nèi)，所建模型穩(wěn)定性和準(zhǔn)確性可靠。所建食用油樣本過氧化值分析模型擬合值與標(biāo)準(zhǔn)值之間的相關(guān)圖如圖3所示，誤差分布圖如圖4所示。

圖3 食用油過氧化值PLS校正集和預(yù)測集定量模型Fig.3 Quantitative model of PLS calibration set and prediction set of edible oil peroxide value

圖4 食用油過氧化值PLS校正集和預(yù)測集誤差分布圖Fig.4 Error distribution of PLS calibration set and prediction set of edible oil peroxide value

3 結(jié)論

本研究用拉曼光譜技術(shù)對食用油的過氧化值進(jìn)行了定量分析，進(jìn)而對食用油的品質(zhì)進(jìn)行檢測。在模型建立及預(yù)測環(huán)節(jié)，所選的方法、所設(shè)的參數(shù)以及所選擇的建模樣本和預(yù)測樣本都經(jīng)過了不斷的校正和改善，最終選擇“一階導(dǎo)數(shù)+SNV法”對光譜進(jìn)行預(yù)處理并用偏最小二乘法進(jìn)行建模，校正集相關(guān)系數(shù)達(dá)到了0.952 8，模型準(zhǔn)確性高，誤差小，可以滿足日常檢測的要求。研究結(jié)果表明，在現(xiàn)有樣本中，利用拉曼光譜技術(shù)結(jié)合偏最小二乘法分析光譜數(shù)據(jù)，能夠快速、有效地?zé)o損檢測食用油的過氧化值，具有可行性和準(zhǔn)確性，為拉曼光譜技術(shù)應(yīng)用于食用油品質(zhì)快速檢測奠定了基礎(chǔ)。而未來，拉曼光譜技術(shù)在此領(lǐng)域發(fā)展具有很好的前景，在本研究基礎(chǔ)上還可擴充樣本數(shù)量、選擇更多的光譜預(yù)處理方法及引進(jìn)新的建模算法等，提高模型的準(zhǔn)確性和可靠性，進(jìn)一步推進(jìn)拉曼光譜技術(shù)應(yīng)用于日常生活中的食用油品質(zhì)快速檢測，為食用油品質(zhì)檢測提供一種新的便捷高效的途徑。