基于太赫茲時域光譜的食用油過氧化值定量分析研究

劉翠玲，楊雨菲*，田 芳，吳靜珠，孫曉榮

1.北京工商大學食品安全大數據技術北京市重點實驗室，北京 100048 2.北京工商大學外國語學院，北京 100048

引 言

食用油作為人體的三大營養源之一，其品質的優劣直接影響到消費者身體健康。而油脂在加工和貯存過程中十分容易受到光照、溫度、氧氣等環境條件影響，而產生氫過氧化物，該物質進一步受環境影響氧化分解成小分子的醛、酮、酸(即酸敗現象)，致使過氧化值發生改變[1-2]。

近年來，太赫茲時域光譜(Terahertz time domain spectroscopy，THz-TDS)技術因其具有輻射波長長、穿透性好、可反映分子集體振動模式和分子間相互作用等方面的特點而得到了迅速的發展[3]。文獻[4]通過采用THz-TDS技術采集未加熱與加熱后的花生油光譜特性，由于加熱后的花生油氧化分解程度更顯著，通過比較兩者譜圖信息，發現譜圖吸收峰在1～1.6 THz之間兩者差別最顯著，加熱后表現為吸收性更強，該研究結果表明THz光譜技術可準確反映食用油組分的變化，并論證了食用油的氧化情況可通過THz光譜技術得到。文獻[5]通過采集得到黑芝麻油、芝麻油、小磨香油和花生油四種食用油的THz-TDS，選擇波段在0.2～1.6 THz之間的延遲特性和折射率特性作為建模輸入，將其結合多種模式識別方法鑒別出食用油的種類。

文獻[6]應用衰減全反射式THz-TDS技術，發現由于食用油中脂肪酸分子的低頻振動和轉動，從而影響光譜圖的吸收峰，表明食用油的吸收峰與所含脂肪酸分子種類與含量有關。

雖然已有少數研究者在應用THz-TDS探索油脂品質和油料作物的檢測方面取得了一些進展，但多用于食用油品的分子結構和組分的定性分析，鮮有關注某一指標的定量研究，因此定性多、定量難的現象使得THz技術的發展還有很大的探索空間。

本文旨在實現衰減全反射式THz-TDS光譜技術用于食用油品質定量分析研究。將衰減全反射式THz-TDS光譜技術與化學計量學方法相結合，建立定量分析模型，以期驗證THz-TDS光譜技術檢測食用油過氧化值的可行性，并為食用油品質評價找到新方法。

1 實驗部分

1.1 材料與儀器

由北京糧食科學研究院提供不同生產日期、不同批次的大豆油、菜籽油和玉米油，共70個，過氧化值覆蓋范圍0.41～8.547 mmol·kg-1。其中，23個樣本的過氧化值小于1.2 mmol·kg-1；21個樣本的過氧化值在1.2～2.4 mmol·kg-1；26個樣本的過氧化值大于2.4 mmol·kg-1。

實驗設備由來自英國劍橋TeraView公司生產的型號為TeraPulse 4000的太赫茲脈沖光譜儀。工作時儀器參數設置為：Terahertz光源：激光門控光電導體半導體發射器，激光器：超短脈沖光纖激光器；光譜測量范圍在2～133 cm-1之間，信噪比最高達到70 dB；掃描范圍：2 400 ps；快速掃描：30次·s-1，1.2 cm-1光譜分辨率。

光譜采集由太赫茲脈沖光譜儀配備的衰減全反射(attenuated total reflection,ATR)模塊完成。ATR能夠測量固體和液體樣本，具備采樣面積小、樣本量小等優點，并且樣本制備和采集方式簡單。它的工作范圍在10～120 cm-1左右的電磁頻譜區域，入射角35°。

1.2 過氧化值的測定

依照2016年頒布的GB5009.227—2016《食品安全國家標準 食品中過氧化值的測定》中規定的滴定法測定食用油的過氧化值[7]。

1.3 光譜采集

由于太赫茲波易受溫度和濕度變化的影響，本實驗環境為溫度和光線恒定的超凈間實驗室，恒定溫度為22 ℃、恒定濕度25%。實驗過程中還需要不間斷地使用空氣壓縮機對TeraPulse 4000光譜儀腔體進行吹掃，以去除空氣中水蒸氣對實驗數據的影響。

在逐個測定樣本時，均要保證在ATR晶體干凈無污染的條件下完成。檢測樣本前，需檢測實驗環境的太赫茲信號，作為參考信息。檢測樣本的過程中，采用移液槍逐一取樣(取樣量統一為600 μL)，每采集完一份樣本均需用酒精反復擦拭ATR晶體，并確保無任何液體殘留后，再進行下一次樣本采集工作。圖1(a)所示為3個不同氧化程度食用油樣本的太赫茲時域光譜圖，圖中橫坐標代表時延，單位ps，縱坐標代表太赫茲信號強度。圖1(b)為局部放大圖。

圖1 不同氧化程度食用油樣本的太赫茲時域光譜圖(a):全局圖;(b):局部放大圖Fig.1 THz-TDS spectra of edible oil samples with different oxidation degrees(a):Global picture;(b):Partial enlarged picture

如圖1所示，不同氧化程度食用油的脈沖幅度在相同波數下存在差異，分析原因：雖然食用油內部所含化學元素種類和數量是相同的，但由于不同程度的氧化反應已引起樣本組分微觀化學結構發生變化。

1.4 分析模型評價指標

評價光譜模型的優劣，需要判斷的指標有校正集決定系數R2、預測集決定系數r2(決定系數取值范圍0～1)，校正均方根誤差(root mean square error of calibration，RMSEC)，預測均方根誤差(root mean square error of prediction，RMSEP)，各指標計算公式如式(1)—式(3)所示。通常認為一個理想的分析模型，其決定系數越大且接近1，回歸性越好；同時還需滿足，RMSEC和RMSEP的值越小且RMSEC值小于RMSEP，建模結果和模型實用性越理想[8]。

(1)

(2)

(3)

2 結果與討論

2.1 光譜預處理

2.1.1 光學常數的提取

光學常數是表征物質宏觀光學性質的物理量。光學常數的提取，首先利用快速傅里葉變換對參考信息和樣本的時域光譜進行轉換，得到對應的頻域信號；進而利用頻域信號中的幅值和相位值，計算得到光學常數，即折射率和吸光系數。折射率定義為光在真空中的傳播速度與傳播速度之比，也可通過不同樣本在時域信號上的延遲反映；吸收系數定義為該樣本單位厚度的吸光度。折射率n(ω)和吸收系數α(ω)的計算公式如式(4)和式(5)所示。

(4)

(5)

式中，ω為角頻率，d為樣本厚度，c為太赫茲波在空氣中的傳播系數，φ(ω)和ρ(ω)由樣本的頻域信號與參考頻域信號的比值函數所得，φ(ω)為比值函數的相位，ρ(ω)為比值函數的幅值[9]。

計算得到不同氧化程度菜籽油、玉米油和大豆油的光學常數譜圖，如圖2所示。

圖2 不同氧化程度菜籽油、玉米油和大豆油的光學常數譜圖(a):折射率譜圖;(b):吸收系數譜圖Fig.2 Optical constant spectrograms of rapeseed oil, corn oil and soybean oil with different oxidation degree(a):Refractive index spectrums;(b):Absorption coefficient spectrums

圖2(a)中，不同種類的食用油，在10～55 cm-1波數范圍分別分布于不同的折射率區間，根據折射率譜分布情況可判別食用油的種類，因此食用油的營養組分和官能團對折射率譜的分布影響較大。圖2(b)中，菜籽油和玉米油吸收系數譜波動情況相似，而大豆油吸收系數譜波動較大，明顯區別于其他兩類食用油。但兩類譜圖的波動情況對過氧化值研究無明顯規律，需進一步結合化學計量學方法進行分析。

2.1.2 光譜噪聲的處理

由于原始光學常數譜數據含有來自高頻隨機噪音、基線漂移、光散射等不利因素的影響，因此在建模時需對其進行預處理，從而達到去除信號干擾、校正樣本有效特征信息的目的。Savitzky-Golay卷積平滑法通過移動窗口內的數據進行多項式最小二乘擬合，可降低隨機噪音、改善模型的魯棒性[10]。針對光學常數譜圖基線不穩、噪聲干擾強的特點，采用Savitzky-Golay 7點卷積平滑對譜圖數據進行預處理。

2.2 數據建模

2.2.1 建模分析方法

偏最小二乘(partial least square，PLS)法能夠在自變量存在嚴重多重相關性的條件下進行回歸建模，并且可高效辨識系統信息與噪聲(甚至一些非隨機性的噪聲)，PLS模型的建立同時兼顧樣本光譜矩陣X和過氧化值真實值矩陣Y，使得X的主成分與Y的主成分直接關聯起來[11-12]。

主成分回歸 (principle component regression，PCR)法是一種用于解決樣本變量間共線性問題的分析方法。該算法既可用于剔除干擾噪聲，對有效光譜信息進行挑選，又可分離多重共線性的重疊信息，提高模型的預測能力和準確性。

2.2.2 基于折射率的過氧化值定量分析

采用SPXY法以3∶1的比例劃分樣本集，校正集48個，預測集16個，剔除異樣本6個。主成分數均取6。建立基于折射率的食用油過氧化值分析模型，預測結果如圖3所示。

圖3 基于折射率的食用油過氧化值分析模型預測結果圖(a):PLS法;(b):PCR法Fig.3 Prediction results of edible oil peroxide value analysis model based on refractive index(a):PLS method;(b):PCR method

PLS過氧化值分析模型，RMSEC為0.168%、R2為0.981，RMSEP為0.231%、r2為0.977；PCR過氧化值分析模型，RMSEC為0.329%、R2為0.922，RMSEP為0.375%、r2為0.892。

2.2.3 基于吸收系數的過氧化值定量分析

采用SPXY法以3∶1的比例劃分樣本集，校正集48個，預測集16個，剔除異樣本6個。主成分數均取10。建立基于吸收系數的食用油過氧化值分析模型，預測結果如圖4所示。

圖4 基于吸收系數的食用油過氧化值分析模型預測結果圖(a):PLS法;(b):PCR法Fig.4 Prediction results of edible oil peroxide value analysis model based on absorption coefficient(a):PLS method;(b):PCR method

PLS過氧化值分析模型，RMSEC為0.317%、R2為0.927，RMSEP為0.333%、r2為0.912；PCR過氧化值分析模型，RMSEC為0.192%、R2為0.979，RMSEP為0.262%、r2為0.97。

2.2.4 建模結果對比與分析

食用油過氧化值分析模型建模結果,如表1所示。

對比表1中模型性能評價指標可知，對于分析食用油THz折射率時，采用SG卷積7點平滑預處理算法結合PLS算法建立的過氧化值分析模型性能穩健、預測精度高，建模集與預測集決定系數均大于0.97，模型回歸性好。而分析食用油THz吸收系數時，由于樣本間的吸收系數共線性顯著，通過SG卷積7點平滑預處理原始吸收系數數據后，采用PCR算法較PLS算法更為合適。

表1 食用油過氧化值定量分析結果表Table 1 Quantitative analytical results of peroxide value

3 結 論

選用不同種類、不同生產批次的大豆油、菜籽油和玉米油樣本共70個，采集其衰減全反射式THz-TDS光譜圖，通過快速傅里葉變換提取光學常數折射率和吸收系數。經Savitzky-Golay 7點卷積平滑預處理后，分別建立PCR模型和PLS模型。基于折射率的PLS模型預測精度高、模型穩健性良好，選擇6維主成分，其RMSEC為0.168%、R2為0.981，RMSEP為0.231%、r2為0.977；基于吸收系數的PCR模型預測誤差小，選擇10維主成分，RMSEC為0.192%、R2為0.979，RMSEP為0.262%、r2為0.97。該研究結果的得出論證了THz-TDS應用于食用油過氧化值分析的可行性，并通過對比模型性能評價指標尋找出了切實可行的食用油過氧化值分析方法，實現了食用油品質的精確、快速無損檢測。