茶油品質鑒別的透射和透反射模式分析比較

張菊華朱向榮蘇東林尚雪波

（1.湖南省食品測試分析中心，湖南 長沙 410125；2.湖南省農業科學院，湖南 長沙 410125）

茶油品質鑒別的透射和透反射模式分析比較

張菊華1，2朱向榮1，2蘇東林1，2尚雪波1，2

（1.湖南省食品測試分析中心，湖南 長沙 410125；2.湖南省農業科學院，湖南 長沙 410125）

采用近紅外光譜透射模式與透反射模式結合化學計量學方法對茶油進行品質鑒別。對收集的139個樣品，分別用透射和透反射模式掃描，采用全光譜10 000～4 000 cm－1波段，對光譜不做任何預處理，采用判別分析（discriminant analysis，DA）建立油茶籽油（包括原茶油）和其它油的分類模型，真假茶油分類模型及原茶油和精煉茶油分類模型。透反射和透射模式都能夠得到滿意的結果，兩種光譜采集方法的分類準確率均達到92%以上，透反射采集模式要優于透射采集模式。結果表明，近紅外光譜可作為一種簡單、快速、無損、可靠的方法用于鑒別茶油品質。

茶油；近紅外光譜；透反射；透射

茶油全稱是油茶籽油，是目前世界上備受青睞的保健油，具有預防高血壓、冠心病、動脈粥樣硬化等心血管疾病的功效［1］。茶油的高營養價值與其脂肪酸組成有關，茶油中油酸的含量（74%～87%）為天然植物油中之冠；含有的亞油酸、亞麻酸等多不飽和脂肪酸為人體生長和生理活動不可缺少的必需脂肪酸，茶油還富含生理活性物質甾醇、生育酚、角鯊烯等，對提高人體抗病能力，延緩衰老有重要作用［2］。

GB 11765——2003《油茶籽油》采用 GB／T 5539——2008《糧油檢驗 油脂定性檢驗方法》和油茶籽油的特征指標脂肪酸組成等作為油茶籽油品質鑒別的主要依據。有些國家采用液相色譜法［3］、氣相色譜法［4］、氣相質譜法［5］等 化學方法來鑒別油脂的品質，但其溶劑消耗量大、成本較高，耗時長且對樣品有破壞性。這些缺點限制了對大批量樣品脂肪酸的測定，所以有必要尋找一種簡單、快速、準確鑒別方法來保證茶油品質。

目前采用近紅外光譜技術對茶油的品質進行分析的報導較少。Li Wang等［6］曾采用近紅外光譜與中紅外光譜結合簇類獨立軟模式法（soft independent modeling of class analogy，SIMCA）法和偏最小二乘法回歸（partial least squares method，PLS）法分析了茶油中大豆油摻雜量。

本試驗采用判別分析（discriminate analysis，DA），分別建立茶油（包括原茶油）和其它種類油、真假茶油以及原茶油和精煉茶油的透反射和透射的定性鑒別模型，并對所建模型進行比較分析，旨在尋找茶油品質鑒別的最適宜的近紅外光譜采集模式。

1 材料與方法

1.1 儀器與試劑

氣相色譜儀：GC 2010（FID檢測器），日本島津公司；

傅里葉變換近紅外光譜儀：Nicolet AntarisⅡ，美國Thermo公司；

金反射板的樣品杯：丹麥FOSS公司；

培養管：6 mm×50 mm，美國Thermo公司；

脂肪酸甲酯標樣：油酸甲酯、亞油酸甲酯、亞麻酸甲酯、棕櫚酸甲酯和硬脂酸甲酯，美國Sigma－Aldrich公司；

甲醇：色譜純，美國Tedia公司；

異辛烷：色譜純，天津科密歐公司；

KOH：分析純，汕頭市西隴化工有限公司；

Na HSO4：分析純，上海市振興化工有限公司。

1.2 試驗方法

1.2.1 樣品收集 本試驗所用的樣品為139個，其中包括30個未精煉的原茶油，43個精煉純茶油，16個假茶油（標稱油茶籽油），18個菜籽油，6個大豆油，11個花生油，15個芝麻油。未精煉茶籽油由常德當地農戶提供，部分樣品購自于長沙、常德、益陽、武漢、北京各大超市，部分樣品從廣西、江西等地網購。

1.2.2 氣相色譜方法

（1）前處理方法：參照 GB／T 17376——2008《動植物油脂脂肪酸甲脂制備》。

（2） 氣 相 色 譜 條 件：色 譜 柱：RTX－WAX （30 m×0.25 mm×0.25μm）；進樣口溫度：250 ℃；柱流速：氮氣1.1 m L／min；程 序 升 溫：170 ℃ （0.5 min），升 溫 速 度 為12℃／min，終溫230℃（21 min）；檢測器FID：280℃；氫氣流 速：40.0 m L／min；空 氣 流 速：400 m L／min；尾 吹：30.0 m L／min；分流比30∶1。

1.2.3 近紅外光譜方法 近紅外光譜采集采用兩種模式：透反射和透射檢測系統。

透反射NIR光譜掃描波數10 000～4 000 cm－1，掃描次數32次，分辨率8 cm－1，以內置背景為參照。每批樣品4次平行試驗，取其平均光譜。在樣品杯中置入3 m L樣品，然后用金反射板小心蓋壓在樣品杯中，以消除氣泡對光程的影響。每次采集光譜之后，依次用洗滌劑、自來水以及蒸餾水將樣品杯與金反射板洗凈，然后用電吹風吹干，待用。

透射NIR光譜掃描波數10 000～4 000 cm－1，掃描次數32次，分辨率8 cm－1，以內置背景為參照。每批樣品4次平行試驗，取其平均光譜。在樣品管中置入1 m L樣品。每次采集透射光譜之后，依次用洗滌劑、自來水以及蒸餾水將樣品管洗凈，然后烘干，待用。

1.2.4 數據處理方法 采用TQ Analyst V6.2.1分析軟件建立數學定性鑒別模型。

2 結果與討論

2.1 油脂肪酸組成的測定

將本試驗收集的139個樣品，首先通過上述已經優化好的樣品預處理方法以及氣相色譜條件測定這些樣品中棕櫚酸、硬脂酸、油酸、亞油酸、亞麻酸5種脂肪酸的含量。

表1分別列出原茶油、油茶籽油、菜籽油、大豆油、花生油、芝麻油的脂肪酸組成范圍。由表1可知，油茶籽油及原茶油的脂肪酸組成相對其它植物油脂肪酸組成，較為突出特點的是不飽和脂肪酸－油酸含量高達76%以上。

部分標稱茶油的不合格樣品的油酸和亞油酸含量測定結果見表2。由表2可知，16個茶油樣品的油酸含量小于74%，14個樣品中的亞油酸含量大于14%。由于74號和87號樣品的油酸含量分別為71.8%和71.6%，非常接近茶油的油酸含量74%；且亞油酸含量分別為13.9%和13.6%，均小于合格茶油的上限值14%。所以74號和87號樣品均認定為合格的純茶油，而余下的14個樣品均判定為不合格的茶油。

2.2 樣本的不同光譜模式采集

圖1為代表性樣本的近紅外透反射光譜圖，圖2為代表性樣本的近紅外透射光譜圖，其中光譜1和2分別表示合格與不合格純茶油樣品圖。圖1與圖2記錄了10 000～4 000 cm－1波數樣品的透反射和透射光譜曲線，該區域包含了CH鍵的一級倍頻、二級倍頻與合頻信息以及OH鍵的一級倍頻。光譜范圍4 500～4 800 cm－1是順式雙鍵的－CH伸縮振動組合頻，此范圍的峰強度隨著總的不飽和度的增加而增加；在5 500～6 000 cm－1光譜范圍的吸收峰是由油脂中的—CH2，—CH3和—CH ═CH—官能團的—C—H伸縮振動的第一組合頻產生的；在7 100～7 400 cm－1光譜范圍是由油脂中的—CH2和—CH3官能團的—C—H伸縮振動的二級倍頻產生的；在8 000～9 000 cm－1光譜范圍是由油脂中的—CH2，—CH3和—CH═CH—官能團的—C—H伸縮振動的第二組合頻產生的［7］。Frank Westad等［8］報道了油脂中不同脂肪酸所屬的近紅外光譜波數，飽和脂肪酸（SFA）位于5 682 cm－1；C18∶1位于5 797 cm－1；C18∶2位于5 824 cm－1；C18∶3位于5 868 cm－1。

表1 油茶籽油、菜籽油、大豆油、花生油、芝麻油的脂肪酸組成Table 1 Fatty acid composition of camellia oils，rapeseed oil，soybean oil，peanut oil and sesame oil／%

表2 部分不合格樣品的油酸與亞油酸含量Table 2 The content of oleic acid and linoleic acid in some unqualified samples ／%

圖1 具有代表性樣本的透反射光譜圖Figure 1 Representative transflection spectra of the samples

圖2 具有代表性樣本的透射光譜圖Figure 2 Representative transmission spectra of the samples

2.3 采用判別分析對不同光譜模式進行比較分析

判別分析是在主成分分析的基礎上進行的，求每個樣本點距各類中心（該類所有建模樣本主成分得分的平均值）的馬氏距離，通過馬氏距離就可以反映樣本點與該類的聚集程度，樣本點距哪一類中心的距離最近，則歸為哪一類［9］。本試驗的研究目的是比較不同光譜采集方法的準確度，所以在此對光譜不做處理。利用儀器所集成的TQ Analyst V6.2.1提取了各個光譜的前10個主成分，其前10個主成分的累計貢獻率為100%。

2.3.1 油茶籽油（包括原茶油）和其它油的判別分析圖 圖3～8中的小正方形代表真茶油、小三角形代表其它油。圖3和圖4分別為油茶籽油與其它油的透反射、透射分類圖，從分類效果圖可以看出透反射的分類效果要優于透射，各類樣本的聚集程度高。

圖3 油茶籽油（包括原茶油）和其它油透反射分類圖Figure 3 Classification model of transflection for Camellia oils（including crude oil）and other oils

圖4 油茶籽油（包括原茶油）和其它油透射分類圖Figure 4 Classification model of transmission for pure camellia oils and other oils

圖5 真假茶油透反射分類圖Figure 5 Classification model of transflection for Camellia oils and unqualified oils

圖6 真假茶油透射分類圖Figure 6 Classification model of transmission for Camellia oils and unqualified oils

2.3.2 真假茶油判別分析圖 圖5和圖6分別為真茶油和假茶油的透反射、透射分類圖，從圖可以看出，兩種采集模式分類效果都很好。

2.3.3 原茶油和精煉茶油判別分析圖 圖7和圖8為原茶油和精煉茶油的透反射、透射分類圖，兩種采集方式的樣本重疊在一起（都是真茶油），但透反射分類效果略優于透射。

圖7 原茶油和精煉茶油透反射分類圖Figure 7 Classification model of transflection for crude Camellia oils and refined Camellia oils

圖8 原茶油和精煉茶油透射分類圖Figure 8 Classification model of transmission for crude Camellia oils and refined Camellia oils

2.3.4 透反射與透射判別分析模型比較 在近紅外光譜技術中，通常采用透射和透反射方式。兩種方式由于在樣品池的設計和光信號的接收方面都不一樣，因此光信號中攜帶的物質結構信息也存在較大差異，導致對最終的測量結構貢獻不同［10］。本試驗采用TQ軟件處理，采用DA初步建立定性判別模型。對透射和透反射方法進行了對比，結果表明透反射光譜采集方法建立的模型較好，更適合于油茶籽油品質分析，透反射和透射光譜采集模式建立模型正確識別率比較結果見表3。

表3 透反射與透射方法建模比較Table 3 Comparison of transflection and transmission mode

3 結論

本試驗以近紅外光譜技術為基礎，構建了基于馬氏距離的判別分析模型，用于油茶籽油和其它種類油、真假茶油以及原茶油和精煉茶油定性鑒別。真茶油－其它種類油的透反射和透射的模型正確識別率分別為100%，95.0%；真茶油－假茶油的兩種分類模型識別率都為100%；原茶油與精煉油的透反射和透射模型正確識別率分別為96.7%，92.3%。因此，NIR光譜分析技術可以作為一種簡單、可靠、快速、準確的無損檢測方法來鑒別茶油品質，其中透反射光譜采集模式更適合于油茶籽油品質分析。

1 柏云愛，宋大海，張富強，等.油茶籽油與橄欖油營養價值的比較［J］.中國油脂，2008，33（3）：39～41.

2 劉玉蘭，汪學德.油脂制取工藝學［M］.北京：化學工業出版社，2006.

3 Zabaras D，Gordon M H.Detection of pressed hazelnut oil in virgin olive oil by analysis of polar components：improvement and validation of the method［J］.Food Chemistry，2004，84（3）：475～483.

4 Hajimahmoodi M，Vander Heyden Y，Sadeghi N，et al.Gaschromatographic fatty－acid fingerprints and partial least squares modeling as a basis for the simultaneous determination of edible oil mixtures［J］.Talanta，2005，66（5）：1 108～1 116.

5 Damirchi S A，Savage G P，Dutta P C.Sterol fractions in hazelnut and virgin oils and 4，4′－dimethylsterols as possible markers for detection of adulteration of virgin olive oil［J］.Journal of A－merican Oil Chemistry Society，2005，82（10）：717～725.

6 Li Wang，Frank S C Lee，Xiaoru Wang，et al.Feasibility study of quantifying and discriminating soybean oil adulteration in camellia oils by attenuated total reflectance MIR and fiber optic diffuse reflectance NIR［J］.Food Chemistry，2006，95：529～536.

7 Hourant P，Baeten V，M T，et al.Oil and fat classification by selected bands of near－infrared spectroscopy［J］.Applied Spectroscopy，2000，54：1 168～1 174.

8 Frank Westad，Angela Schmidt，Martin Kermit.Incorporating chemical band－assignment in near infrared spectroscopy regression models［J］.Journal of Near Infrared Spectrosc，2008，16：265～273.

9 王家俊，邱啟楊，劉巍.FTIR－ATR指紋圖譜的主成分分析－馬氏距離法應用于煙用香精質量控制［J］.光譜學與光譜分析，2007，25（5）：895～898.

10 鍺鵬蛟，呂麗娜，常敏，等.復合近紅外光譜法在牛奶測定中的應用［J］.理化檢驗－化學分冊，2007，43（2）：116～118.

Comparison of transreflection and transmission mode to identify camellia oils

ZHANG Ju－hua1，2ZHU Xiang－rong1，2SU Dong－lin1，2SHANG Xue－bo1，2

（1.Hunan Food Test and Analysis Centre，Changsha，Hunan410125，China；2.Hunan Academy of Agricultural Science，Changsha，Hunan410125，China）

Transreflection and transmission sample presentation mode of near infrared spectra were combined with chemometrics methods for the analysis of the camellia oils quality detection.139 samples were scamed with transreflection and transmission mode respectively，the whole spectrum of 10 000～4 000 cm－1was adopted and made no pretreatment，morever，the camellia oils（including crude oil）and other oil Classification model，pure camellia oils and unqualified camellia oils Classification model and the crude oil and refining oil Classification model were established by discriminant analysis（DA）.Satisfactory results were obtained through transreflection and transmission mode，and the correct recognition rates of two methods all can reach above 92%，the transreflection model was superior to the transmission model.The results showed that Near infrared spectroscopy can be used as a simple，rapid，nondestructive and reliable method to identify the quality of Camellia oils.

camellia oils；near infrared spectroscopy（NIRS）；transflection mode；transmission mode

10.3969／j.issn.1003－5788.2012.01.025

湖南省農業科學院科技創新項目（編號：2009hnnkycx29）

張菊華（1971－），女，湖南省食品測試分析中心副研究員，碩士研究生。E－mail：zhangjuhua99＠163.com

2011－08－25