應用主成分和判別分析的紅外光譜法快速鑒別酸敗植物油

周　　俊，張　　軍，*，謝夢圓，陳　　哲，汪　　勇，關賀元

（1.光電信息與傳感技術廣東普通高校重點實驗室（暨南大學），廣東廣州510632；2.暨南大學光電工程系，廣東廣州510632；3．暨南大學食品科學與工程系，廣東廣州510632）

應用主成分和判別分析的紅外光譜法快速鑒別酸敗植物油

周俊1，2，張軍1，2，*，謝夢圓1，2，陳哲1，2，汪勇3，關賀元1，2

（1.光電信息與傳感技術廣東普通高校重點實驗室（暨南大學），廣東廣州510632；2.暨南大學光電工程系，廣東廣州510632；3．暨南大學食品科學與工程系，廣東廣州510632）

通過收集并分析40個合格植物油和44個酸敗植物油的傅里葉變換紅外光譜，選取25個合格植物油和39個酸敗植物油組成訓練集，利用主成分分析獲得累積可信度95%的三個主成分及對應的1743～1710cm-1、1172～1130cm-1、2945～2844cm-1、1728～1689cm-1、2987～2840cm-1和1731～1660cm-1對植物油酸敗最為敏感的光譜波數范圍。在主成分分析的基礎上，選取對植物油酸敗敏感的波段，利用訓練集建立鑒別植物油酸敗判別分析模型。采用驗證集20個樣品驗證判別分析模型，判別正確率達100%。主成分結合判別分析的紅外光譜法能快速、準確、無損地區分合格植物油和酸敗植物油。

植物油酸敗鑒別，主成分分析，判別分析，傅里葉變換紅外光譜

食用油脂是人體三大營養源之一，其品質與人們健康密切相關，是人們生活中的必需品之一。當前由食用植物油引發的食品安全事件長期困擾著生產和監管部門，并由此引發消費者恐慌，嚴重影響了人們的正常生活。對于食用植物油安全問題，主要注意力都集中到地溝油、潲水油、工業油脂、煎炸油違規用于食品加工行業方面［1-2］。事實上，合格食用植物油在儲藏時，同樣存在很大的安全隱患且沒有引起足夠的重視。植物油在存放過程中，經常受到光、熱、空氣中的氧以及油脂中的水分和酶的作用，發生各種復雜的變化，這種變化通常稱之為酸敗［3］。研究證明，攝入這種酸敗的食用油對身體有極大的危害，甚至有可能誘發癌癥、心血管等疾病［4-5］。以前對于植物油酸敗的研究重點都放在預防和形成原因研究上，如董文麗、李德溥［6］研究了包裝對松仁油脂氧化酸敗的抑制效果，侯景芳、李桂霞等［7］對油脂酸敗及儲存進行了研究。已有植物油酸敗的檢測方法主要是高效液相色譜（HPLC）、氣相色譜-質譜聯用儀（GC/MS）等組分分析及對植物油的色澤、酸價、煙點、過氧化值等理化指標進行檢測［8］，如黃西文［9］對食用油脂的酸敗指標進行了研究。

這些檢測酸敗植物油的方法較為復雜，對操作人員的要求較高，且檢測周期較長。傅里葉變換紅外光譜（FTIR）具有采集簡單、快速，無需對樣品進行預處理的特點。對于植物油的FTIR譜圖，其譜峰的峰位、峰形和峰高就是油脂中各種成分的不同基團譜峰疊加的結果，當植物油的成分發生變化時，就會引起植物油的FTIR譜圖變化［10］。王美美等［11-12］已經證明了紅外光譜法在定性分析、分類與判斷不同油脂種類時的有效性。

另外在光譜分析采用的方法中，主成分分析在不丟失主要光譜信息的前提下，選擇為數較少的新變量來代替原來的變量，解決了由于譜帶的重疊而無法分析的困難；判別分析法是判別距離，通過計算樣品向量間的馬氏距離值，判別樣品的類別歸屬［13］。Tay A［14］研究了利用判別分析法來對橄欖油中是否摻入廉價植物油進行鑒別，Aderval S Luna［15］研究了利用主成分分析來對不同種類的植物油進行區分。

因此本文針對植物油的FTIR光譜，首先應用主成分分析方法對植物油是否酸敗進行聚類并取得主成分數，同時確定酸敗植物油的敏感波段，然后將植物油敏感波段的FTIR輸入到判別分析模型中，最后通過驗證集驗證該模型的準確度，從而探討將主成分分析方法和判別分析法相結合的FTIR用于植物油酸敗快速鑒別的正確率。

1　材料與方法

1.1材料與儀器

不同品牌與種類的合格植物油樣品共40個，購自廣州華潤萬家超市，包括大豆油、花生油、玉米油、葵花籽油，調和油等植物油樣品，以及本校食品科學與工程系實驗室提供的酸敗植物油樣品44個。

VERTEX 70 Bruker傅里葉變換紅外光譜儀德國布魯克光譜儀器公司，衰減全反射（Attenuated Total Reflection，ATR）附件，DTGS探測器；100～1000μL可調式移液器。

1.2實驗方法

采集樣品光譜前，將光譜儀預熱約1h，并進行儀器性能測試，通過后再進行光譜采集。實驗在室溫（20℃）條件下進行，采集每個樣品的光譜之前，均先測量背景光譜，扣除空氣中水和二氧化碳的干擾。使用可調式移液器吸取50μL樣品滴到ATR附件表面（ZnSe晶體），開始采集樣品光譜數據。檢測所使用的紅外光譜條件為［16］：掃描范圍為4000～550cm-1，分辨率為4cm-1，掃描次數為16。

1.3數據處理

采用Ominc、Unscrambler和TQ Analyst軟件分析處理數據，包括分析所有樣品的FTIR譜圖。分別選取25個合格植物油、39個酸敗植物油，用主成分分析法對這些樣本進行聚類；經過主成分分析后，獲取對植物油酸敗敏感的波段，同時獲取主成分個數；選取上述64個樣品組成訓練集（其余20個樣品組成驗證集），利用已經獲取的主成分建立鑒別植物油酸敗判別分析模型，依據由主成分分析得到對植物油脂酸敗程度最為敏感的波段來優化判別分析模型。

2　結果與討論

2.1合格植物油和酸敗植物油FTIR譜圖分析

油脂均為不同脂肪酸甘油三酯的混合物，所以合格植物油和酸敗植物油的主要分子結構與官能團基本相同［17］。圖1是部分合格油和酸敗油的FTIR光譜圖，在FTIR譜圖上表現出來的就是兩者具有類似的峰位、峰型和峰強。各譜峰對應的分子結構和官能團信息為：在3009、2923、2853cm-1處為C-H伸縮振動峰，2500～1600cm-1區域的強吸收峰是酯鍵羰基基團（C=O）的振和動峰；如果油脂發生氧化水解，會產生醛酮和游離脂肪酸中羰基基團（C=O）的吸收峰；1743cm-1處為C=O伸縮振動峰，1654cm-1處為C=C伸縮振動峰，1462cm-1和1377cm-1處為亞甲基的彎曲振動峰，1236、1120、1160、1098cm-1處甘油三酯C-O伸縮振動峰，以及721cm-1處是碳鏈骨架振動峰等［18］。

從圖1可以觀察到，在4000～3100cm-1波數范圍，酸敗植物油和合格植物油的吸收強度都很小，且兩者的光譜差別不大。仔細觀察，在1710cm-1附近，可以在酸敗植物油譜圖上觀察到一個特殊的吸收峰；而在合格植物油樣品的光譜中，在相同位置并沒有觀察到吸收峰的存在。分析這個吸收峰形成的原因可能是：平時在使用植物油后，把植物油長時間放置在高溫環境下，導致植物油和氧、水分以及微生物等作用，在酯鍵處發生水解、氧化和縮合等一系列反應［19］，從而生成食用植物油原本不含的醛、酮類等物質。由于醛、酮不受氧原子吸引電子誘導效應的影響，羰基峰會向低波數方向位移［20］，因此部分酸敗植物油在會1710cm-1出現特征吸收峰。

圖1　部分合格植物油和酸敗植物油的紅外光譜Fig.1　FTIR of partial qualified edible oil and rancid edible oil

2.2主成分分析

經過對64個訓練集樣本進行主成分分析，獲得主成分的累積可信度分別為：68%、85%和95%；因為三個主成分的累積可信度已經達到了95%，所以選用主成分個數為3。圖2是三個主成分聚類的得分圖，圖2（a）橫坐標表示每個樣本的第一主成分得分值，縱坐標表示每個樣本的第二主成分得分值。圖2（a）顯示利用第一主成分和第二主成分進行聚類，合格植物油和酸敗植物油可以分成兩類；酸敗植物油大部分位于第一象限，合格植物油基本位于第三象限；但是有3個酸敗植物油在第三象限，與合格植物油混在一起，同時有一個合格植物油聚類位置恰好位于PC2軸上，這很容易使該樣品被誤判為不合格油。圖2（b）橫坐標表示每個樣本的第三主成分得分值，縱坐標表示每個樣本的第一主成分得分值。圖2（b）顯示利用第一主成分和第三主成分進行聚類，合格植物油和酸敗植物油基本上無法區分。圖2（c）橫坐標表示每個樣本的第三主成分得分值，縱坐標表示每個樣本的第二主成分得分值。圖2（c）顯示利用第二主成分和第三主成分進行聚類，合格植物油和酸敗植物油也完全不能區分。由此可見，主成分分析方法不能很好的區分合格植物油和酸敗植物油，存在誤判現象。

圖2　主成分分析得分圖Fig.2　PCA scores plot

圖3是主成分1、2、3在整個波長范圍的載荷圖。圖3中橫坐標表示波數范圍4000～550cm-1，縱坐標表示各波長對主成分的載荷值，即是各個波長變量與主成分的相關性大小。從圖3可以看出主成分1、2、3與全波長變量的相關程度。主成分1與1743～1710cm-1和1172～1130cm-1光譜范圍的相關性最強；主成分2與2945～2844cm-1和1728～1689cm-1光譜范圍的相關性最強；主成分3與波數2987～2840cm-1和1731～1660cm-1光譜范圍的相關性最強；由于主成分1、2、3的累計可信度已經達到95%，即主成分1、2、3幾乎能解釋所有原變量，與它們有很高相關度的波數范圍1743～1710cm-1、1172～1130cm-1、2945～2844cm-1、1728～1689cm-1、2987～2840cm-1和1731～1660cm-1是對植物油脂酸敗程度最為敏感的光譜波段范圍。

圖3　主成分1、2和3在全光譜范圍內的載荷值Fig.3　Loading value of principal component 1，2 and 3 on whole spectrum range

2.3基于植物油酸敗敏感波段建立判別分析模型

由于單獨用主成分分析法對酸敗植物油進行鑒別時，有3個酸敗植物油混雜在合格植物油的類別中，被誤判成合格植物油；而且考慮到每個樣品FTIR譜圖從4000～550cm-1共有1788個數據點，如果采用全光譜來進行分類計算，從統計分析的角度講，自變量數目遠大于因變量數目，計算結果的可靠性及模型的穩定性都不好。另外有些光譜區域，例如4000～3100cm-1光譜波段范圍的吸光度小于0.02，與樣品的組成或性質缺乏相關性。所以本文在主成分分析的基礎上，選取三個主成分以及對植物油酸敗程度敏感的波段作為輸入建立了判別分析預測模型。

圖4　合格植物油脂和酸敗植物油的判別分析圖Fig.4　Discriminate analysis figure of qualified edible oil and rancid edible oil

圖4是訓練集合格植物油脂和酸敗植物油的判別分析圖，通過判別分析圖可以直觀的看到分類結果。從圖4可以看到，判別分析模型進行交叉檢驗時，沒有出現誤判的情況。用驗證集的20個樣品對判別分析模型進行檢驗，同樣沒有出現誤判的情形，最終模型的準確率為100%。

3　結論與討論

采用主成分分析法分析油脂的FTIR光譜，得到1743～1710cm-1、1172～1130cm-1、2945～2844cm-1、1728～1689cm-1、2987～2840cm-1和1731～1660cm-1光譜范圍是對植物油脂酸敗程度最為敏感的波數范圍。單獨使用主成分分析法對酸敗植物油進行鑒別時，出現3個酸敗植物油被誤判成合格植物油的情況。進一步將主成分分析法結合判別分析方法，利用上述光譜波數范圍對判別分析模型進行優化，建立植物油酸敗程度鑒別模型，該模型性能穩定，預測驗證集樣品的識別率達到100%。說明使用FTIR技術可以快速、準確、無損地對植物油酸敗與否進行鑒別。在以后的實驗中，需要隨時根據市場變化豐富樣品的品種和數量，進一步優化更新模型的處理方法是保證模型實際應用效果的關鍵。

［1］代小容，劉伯云.潲水油研究進展［J］.糧食與油脂，2008（4）：36-37.

［2］季祥，蔡祿.鑒別食用油脂中地溝油的方法探討［J］.技術油脂工程，2010，21（3）：32-34.

［3］孫麗琴，孫立君，鄭剛.不同的存放條件對油脂酸價和過氧化值的影響［J］.糧油檢測與加工，2007（2）：45-46.

［4］鄖海麗，劉樹彬.食用植物油的抗氧化研究進展［J］.煤炭與化工，2013，36（4）：31-34.

［5］潘紅紅.食用植物油脂品質監測和預警指標的研究［D］.成都：成都理工大學，2012.

［6］董文麗，李德溥.包裝對松仁油脂氧化酸敗抑制的研究［J］.包裝工程，2014，35（17）：53-56.

［7］侯景芳，李桂霞，李奕然，等.淺談油脂酸敗及儲存［J］.農產品加工，2013（6）：60-62.

［8］穆昭，王興國，劉元法.加熱過程煎炸油品質分析［J］.油脂工程，2008（2）：65-67.

［9］黃西文.食用油脂的酸敗指標檢測研究［J］.科技信息，2013（22）：418.

［10］Rohman A，Che M Y，Yusof F.The use of FTIR spectroscopy and chemometrics for rapid authentication of extra virgin olive oil［J］.J Am Oil Chem Soc，2014（91）：207-213.

［11］王美美，范璐，錢向明，等.3種植物油傅里葉變換紅外光譜信息的判別分析研究［J］.中國油脂，2009，34（10）：72-74.

［12］謝夢圓，張軍，陳哲，等.地溝油的近紅外光譜分析鑒別［J］.中國油脂，2011，36（12）：80-83.

［13］李沂光，單楊.近紅外光譜法定性檢測餐桌廢棄油脂的摻偽［J］.食品工業科技，2013（20）：87-90.

［14］Tay A，Singh R K，Krishnan S S，et al.Authentication of olive oil adulterated with vegetable oils using Fourier transform infrared spectroscopy［J］.LWT-Food Science and Technology，2002，35（1）：99-103.

［15］Luna A S，da Silva A P，Ferré J，et al.Classification of edible oils and modeling of their physico-chemical properties bychemometricmethodsusingmid-IRspectroscopy［J］. SpectrochimicaActaPartA：MolecularandBiomolecular Spectroscopy，2013，100：109-114.

［16］劉玲玲.應用紅外光譜技術進行食用油真偽及摻偽的快速鑒定［D］.北京：北京林業大學，2012.

［17］畢艷蘭.油脂化學［M］.北京：化學工業出版社，2005：1-7．

［18］Rohman A，Man Y B.Fourier transform infrared（FTIR）spectroscopy for analysis of extra virgin olive oil adulterated with palm oil［J］.Food Research International，2010，43（3）：886-892.

［19］潘劍宇，尹平河.潲水油、煎炸老油與合格食用植物油的鑒別研究［J］.食品科學，2003（8）：27-29.

［20］劉玲玲，武彥文.傅里葉變換紅外光譜結合模式識別法快速鑒別食用油真偽［J］.化學學報，2012（8）：995-1000.

Rapid authentication of rancid edible oil based on fourier transform infrared spectroscopy of principal component and discrimination analysis

ZHOU Jun1，2，ZHANG Jun1，2，*，XIE Meng-yuan1，2，CHEN Zhe1，2，WANG Yong3，GUAN He-yuan1，2
（1.Key Laboratory of Optoelectronic Information and Sensing Technologies of Guangdong Higher Education Institutes，Ji’nan University，Guangzhou 510632，China；2.Department of Optoelectronic Engineering，Ji’nan University，Guangzhou 510632，China；3.Department of Food Science and Engineering，Ji’nan University，Guangzhou 510632，China）

40 qualified edible oils and 44 rancid ones were collected and analyzed.25 qualified edible oils and 39 rancid ones were selected to compose training set.Principal component analysis（PCA）was used to compress thousands of spectral data into several variables and describe the body of spectra，the analysis suggested that the accumulate reliabilities of PC1，PC2 and PC3（the first three principle components）were more than 95% and corresponding 1743～1710cm-1，1172～1130cm-1，2945～2844cm-1，1728～1689cm-1，2987～2840cm-1and 1731～1660cm-1were the most sensitive bands for edible oil rancidity.The training set was used to build discrimination analysis（DA）model，and then the most sensitive bands were applied as DA model inputs.The model was validated by other 20 samples as validation set with the correct recognition rate of 100%，which showed this method could be used to distinguish the rancid edible oil rapidly，accurately and soundly.

authentication of rancid edible oil；principal component analysis；discrimination analysis；FTIR

TS207.3

A

1002-0306（2015）12-0053-04

10.13386/j.issn1002-0306.2015.12.002

2014－09－24

周俊（1990-），男，在讀碩士研究生，研究方向：光譜分析。

張軍（1968-），女，博士，研究員，研究方向：光譜分析，光電檢測。

國家自然科學基金項目（61177075，61275046，61475066，61405075）；廣東省戰略性新興產業核心技術攻關項目（2012A032300016，2012A080302004）；廣東省學科建設專項資金項目（2013CXZDA005）；廣東省自然科學基金項目（2014A030313377）；中央高校基本科研業務費專項資金項目（21614313，21615307）。