利用FTIR/ATR快速測定大豆油的過氧化值

楊本志 潘秋月 潘丹杰 孟祥河

(浙江工業大學生物與環境工程學院1，杭州 310018)

(中國農業大學食品科學與營養工程學院2，北京 100000)

(杭州市糧油中心檢驗監測站3，杭州 310014)

食用油是日常生活中不可或缺的必需品，同時也是現代食品加工業重要的原料。食用油中富含人體必須的維生素，脂肪酸，礦物質以及微量元素等，對人體的健康起著重要的調節作用，然而油脂氧化所產生的產物會對食用油的風味、色澤以及組織都會產生不良的影響，不僅降低食用油的商品價值和營養價值，而且氧化產物還會對膜、酶、蛋白質造成破壞，甚至可以導致老年化的很多疾病還可以致癌，嚴重危害人體健康。因此過氧化值是影響食用油質量的一個重要理化指標，如何對其進行快速、準確的測定，對油脂抗氧化以及提高產品質量都具有重要的意義。

目前，測定植物油過氧化值的方法主要有化學法、物理法、色譜法、光譜法、電化學法等［1］。這些方法不但非常耗時，并且須消耗大量有機溶劑，難以實現大批量快速定量檢測。Gülgün Yildiz等［2］比較分析了化學法，比色法以及紅外法，通過分析后發現紅外法具有快速、無毒、準確性高等優點，可以替代傳統的化學法。近年來，FTIR/ATR作為紅外光譜法的重要試驗方法之一，克服了傳統透射法測試的不足，簡化了樣品的制作和處理過程，極大地擴展了紅外光譜的應用范圍［3］。Kangming Ma 等［4］將 TPP 與過氧化物反應生成TPPO，利用FTIR/ATR檢測TPPO在1 118 cm－1的特殊吸收峰，利用峰高與過氧化值之間的關系，可以快速檢測油樣的過氧化值，但試驗過程比較繁瑣，使用化學試劑較多，試驗時間較長，不能滿足快速檢測的需要。鑒于此，本試驗利用傅里葉變換衰減全反射紅外光譜法(FTIR/ATR)采集樣品光譜，然后利用偏最小二乘法(PLS)建立過氧化值的快速預測模型［5］，優化比較不同光譜預處理方法對建模效果的影響，期望為糧油加工業過氧化值精度測定提供一套高效、準確、快速的分析方法。

1 材料與方法

1.1 試劑與儀器

碘化鉀:分析純，天津市羅密歐化學試劑有限公司;硫代硫酸鈉:分析純，杭州化學試劑有限公司;三氯甲烷:分析純，杭州化學試劑有限公司;冰醋酸:分析純，天津市德恩化學試劑有限公司;淀粉指示劑(取可溶性淀粉配成10 g/L溶液):分析純，無錫市晶科化工有限公司。

BRUKER TENSOR 27傅里葉紅外光譜儀(配有ATR采樣系統，OPUS操作軟件):德國布魯克公司。

1.2 樣品

精煉大豆油購自超市。將樣品進行相應處理后得到以下基礎樣品:A精煉大豆油;B用活化硅膠過濾;C加入5%水后放在空氣中自然氧化60 d;D加熱到150℃持續15 min，放置空氣中60 d。待分析樣品是基于這4種基礎樣品按一定比例配制獲得的，具體過氧化值等相關樣品信息見表1。

表1 樣品信息

1.3 測定方法

1.3.1 光譜采集和參數設定

取適量樣品均勻地滴在ATR附件的晶體材料(ZnSe)上，使其能完全覆蓋晶體材料，儀器的光譜采集范圍400～4 000 cm－1，光譜分辨率為2 cm－1，掃描次數為32次，測量環境的濕度需小于70%，溫度保持在25℃左右，然后操作OPUS軟件采集光譜。

1.3.2 化學法測定

通過碘量法(GB/T5 538—2 005)測定其過氧化值，每個樣品測定3次，取其平均值。

1.4 數據處理

利用TQ Analyst光譜分析軟件進行定標模型的建立，建立模型后需要驗證模型的準確性和穩定性，其中準確性通過平均偏差和相對平均偏差進行評價，而穩定性需要標準以及變異系數來評價，相關指標的計算公式如下:

式中:n為樣品測量次數;xi為樣品測定值;珋x為n次測定結果的平均值

2 結果與分析

2.1 數據預處理

由于油樣的主要吸收峰集中1 000～3 100 cm－1范圍內，故本試驗將此范圍當作全波段，利用TQ Analyst定標軟件在全波段范圍內對采集的光譜依次進行SNV(標準歸一化法)，多點平滑，一階導數等處理，SNV是用于消除光程長短或樣品濃度等的變化對光譜響應產生影響比較理想的方法［6］，采用偏最小二乘法(PLS)進行定標建模，平滑以及導數處理對R值，SEC和SEP的影響見表2，由表可以看出，在高氧化值組的預處理中，SNV、平滑和一階導數的組合預處理方法雖然R值稍低，但是SEC和SEP值比較接近，模型穩定性較好，比較適合建模。在低氧化值組的預處理中，平滑和一階導數的組合預處理方法所建模型比較穩定且準確度較高，適合建模。

表2 預處理方法對高過氧化物值組及低過氧化物值組模型準確性的影響

2.2 定量波段選擇

選擇合適的波段能使所建立的模型具有更好的預測性，能夠提高模型預測的準確度和穩定性。M H MOH等［7］利用近紅外透射法檢測粗棕櫚油的過氧化值，比較了在3 710～3 210 cm－1范圍和在3 710 cm－1處所建立模型的優劣性，此范圍主要包含了3 450 cm－1處—OH的伸縮振動峰，3 600～3 310 cm－1的－OH吸收峰，但此范圍不能較全面地反映油脂的氧化過程。本文將光譜全波段平均分成7段，然后根據全波段，分波段以及分波段組合分別建立模型［8］，結果見表3，利用主因子數，預測標準偏差均方值(PRESS)，交互驗證系數(R)，以及預測方差(SEP)等指標綜合評價模型的準確性，由表可知，基于1 600～3 030 cm－1波段所建立的模型較好。

圖1 大豆油典型的的ATR光譜

表3 波段選擇結果

根據油脂氧化過程中發生的基團變化，在這個波段內主要包含了在1 650 cm－1附近的C=C伸縮振動峰，在1 745 cm－1附近的C=O伸縮振動峰，3 010 cm－1附近的C=C—H伸縮振動峰等基團吸收峰的變化，結果見圖1。

隨著樣品氧化過程的進行，油樣中的羰基C = O基團在逐漸的增加，這是由于食用油中的C = C逐漸被氧化而生成醛、酮、酸等物質，從而使得C = O基團的吸收強度增加。同時油脂發生過度的氧化和分解，雙鍵發生斷裂，使得1 650 cm－1處的C = C及3010 cm－1附近的C=C—H含量下降，吸收強度降低。

2.3 異常波譜剔除及主因子數確定

為保障參與建模的所有波譜的有效性以及代表性，在進行建模前要將誤差較大的光譜進行剔除，本試驗利用杠桿值與殘差檢驗工具對異常樣品進行檢驗［9］，但未發現需要剔除的光譜。采用PLS法建立定量校正模型時，為了充分利用光譜信號的有效信息，同時避免過度擬合現象，需對主因子的階數進行合理選擇［10］。按交互檢驗得到的主因子數與RMSECV(交互驗證均方差)的關系進行選擇［11］(見圖2)，從圖2中可以得出，當高氧化值和低氧化值模型的主因子數分別在8和5以后RMSECV基本趨于平穩，因此可以得到兩組模型的最佳主因子數分別為8和5。

圖2 主因子數與RMSECV的關系

2.4 模型的建立

利用FTIR/ATR采集光譜，綜合上述的優化結果以偏最小二乘法建立定標模型，首先在過氧化值0～90 mmol/kg范圍內建立定標模型，得到 R值為0.975 2，SEC 和 SEP 分別為 5.26 和 12.90，模型擬合較好但準確度并不理想。試驗嘗試將過氧化值分為高過氧化值(10～90 mmol/kg)和低過氧化值(0～10 mmol/kg)組分別建模(從兩組樣品中各選出30個樣品作為驗證集，剩余樣品作為定標集)，結果如圖3所示。其中高氧化值模型得到R值為0.999 9，SEC和SEP分別為0.27、0.58。低氧化值模型得到R值為0.996 0，SEC 和 SEP 分別為 0.21、0.26。實際應用中，高氧化值模型適用于毛油以及高度氧化油的檢測，而低氧化值模型則可以用于精煉大豆油的分析。

圖3 食用大豆油過氧化值測定值與模型預測值的散點圖

Van de Voort等［12］以丁基過氧化物代替初級氧化產物作為標準物質加入到植物油中，利用FTIR透射技術采集光譜，以偏最小二乘法建立定標模型，得到SEC以及SEP分別為1.30和2.66，模型精確度不高，且操作過程較復雜。G Setiowaty等［13］用透射法采集棕櫚油的近紅外光譜后建立測定過氧化值的定標模型，得到SEC以及SEP分別為0.15和0.17，精確度較高，但是樣品池清洗比較困難，容易導致樣品殘留，可能會影響到模型的準確度。本文采用ATR技術，樣品無需任何處理，儀器清洗容易，同時分析不使用任何有機試劑，而且通過分組建模實現了油脂過氧化值的在線、快速、精確分析，具有一定的實用性。

2.5 準確性試驗

定標模型建立后，隨機配制7個不同過氧化值的樣品驗證分析模型的準確性，并同碘量法測定值進行比較［14］，得到高氧化值樣品組的平均相對偏差為1.57%，低氧化值樣品組的平均相對偏差為4.32%，兩組樣品的平均相對偏差均小于5%，模型的準確度較高，結果見表4。同時將化學測定值與紅外預測值進行配對t檢驗，設定置信度為95%，兩組樣品的t值均小于理論t值，說明紅外預測值和化學測定值之間沒有顯著(P＞0.05)，即用FTIR/ATR法取代碘量法對大豆油進行過氧化值的快速測定是可行的。

表4 準確性實驗統計結果

2.6 穩定性試驗

要建立一種穩定的分析方法，除了要有較高的精確度以外，所建立的模型要具有一定的穩定性［15］。利用本試驗已建立的過氧化值定量分析模型對同一樣品進行平行測定試驗。以標準差、變異系數作為評價指標，以檢驗FTIR/ATR定量分析方法測定油樣樣品的穩定性。從驗證集中隨機挑選大豆油樣品，分別采用化學法及FTIR法獨立測定5次，數據如表5所示。結果顯示，高過氧化值和低過氧化值兩組樣品紅外預測值的標準差和變異系數均小于化學法的分析值，故兩組模型的穩定性較好，能滿足快速檢測分析的需求。

表5 化學法與紅外法的統計比較

3 結論

以大豆油為對象，利用FTIR/ATR采集調和油的紅外光譜，采用TQAnalyst軟件對采集的光譜數據進行處理，比較了多種預處理方法對PLS法建立模型的準確度的影響，并且對優化的定量模型進行了準確性和穩定性驗證，結果表明，高氧化值組依次經過SNV、平滑以及一階導數處理后所得模型的交互驗證系數為0.999 9，SEC 和 SEP 分別為0.27 和0.58，低氧化值依次采用平滑和一階導數處理后的交互驗證系數為0.996 0，SEC 和 SEP 分別為0.21 和0.25，所建定量模型的穩定性良好。t檢驗表明紅外預測值和化學測定值之間的沒有明顯差異(P＞0.05)，因此研究開發的基于FTIR/ATR快速分析食用大豆油過氧化物值的模型是有效的，具有明顯的優勢和實用性。

［1］李書國，薛文通，張慧.食用油脂過氧化值分析檢測方法研究進展［J］.糧食與油脂，2007，(7):35 －38

［2］G Yildiz，Randy L Wehling，Susan L Cuppett.Comparison of four analytical methods comparition for PV in oxidized soybean oil［J］.J Am Oil Chem Soc，2003，80:103 － 106

［3］黃紅英，尹齊和.傅里葉變換衰減全反射紅外光譜法(ATR－FTIR)的原理與應用進展［J］.中山大學研究生學刊:自然科學、醫學版，2011，32(1):20 －21

［4］K M Ma，F R van de Voort，A A Ismail，et al.Monitoring peroxide value in fatliquor manufacture by fourier transform infrared spectroscopy［J］.J.Am.Oil Chem.Soc.，2000，77:681－685

［5］F R van de Voort，A A Ismail，R Cox，et al.The determination of peroxide value by fourier transform infrared spectroscopy［J］.J.Am.Oil Chem.Soc.，1999，71:921 －926

［6］徐瑋，譚紅，包娜，等.近紅外光譜法快速測定白酒中的酒精度［J］.中國農學通報，2010，26(19):70 －72

［7］M H Moh，T STang ，Y B Che Man，et al.Rapid determination of peroxide value in crude palm oil products using fourier transform infrared spectroscopy ［J］.J.Food Lipids ，1999)6):261－270

［8］M H Moh，Y BChe Man，F R van de Voort，et al.Determination of peroxide value in thermally oxidized crude palm oil by near infrared spectroscopy［J］.J.Am.Oil Chem.Soc.，1999，76:19－23

［9］鮑丹青，畢艷蘭，吳存榮，等.利用近紅外光譜技術快速測定大豆油的過氧化值.中國糧油學報，2008，23(6):206－209

［10］崔曉君，袁昌明，徐立恒.花生油中過氧化物的近紅外光譜分析［J］.應用化學，25(3):375－376

［11］孫巖峰，袁洪福，王艷彬，等.近紅外光譜用于過氧化氫含量的定量分析研究［J］.分析化學研究簡報，2005，33(10):1445－1448

［12］F R van de Voort，Sodman J，Dubois J，et al.The determination of peroxide value by FTIR spectroscopy［J］.J.Am.Oil Chem.Soc.，1994，71:921 －926

［13］GSetiowaty，Y B Che Man，SJinap，et al.Quantitative determination of peroxide value in thermally oxidized palm olein by fourier transform infrared spectroscopy［J］.Phytochem.Anal，2000，11:74 －78

［14］畢艷蘭，鮑丹青，田原，等.利用傅里葉近紅外技術快速測定食用植物油的過氧化值［J］.中國油脂，2009，34(3):71－74

［15］陳萍，吳玉萍，業粉蘭，等.近紅外光譜預測云南香料煙中總糖﹑還原糖和總氮［J］.光譜實驗室，2012，29(1):95－98.