CN102636554B - 地沟油的识别方法 - Google Patents

Abstract

本发明地沟油的识别方法，涉及用特殊方法来识别食用油油样，步骤是：第一步，选用食用油油样和被识别油样，进行随机抽样分组，直接进行质谱分析，得到全部抽样油样的质谱数据；第二步，将第一步得到的每组油样的质谱数据分为1～100，101～200，201～300，301～400，401～500，501～600六个区段，分别计算各区段的局部混乱熵指数，计算公式为：

(i＝1，2，3.....n)；第三步，对第二步得到的局部混乱熵指数采用模式识别方法，识别出第一步的被识别油样中的地沟油及食用油油样中存在的不合格的食用油油样。通过比较合格食用油及地沟油的质谱数据在不同核质比范围内的峰形混乱度，确定识别地沟油的质谱区间，实现对地沟油的识别。

Description

地沟油的识别方法

技术领域

本发明的技术方案涉及用特殊方法来识别食用油油样，具体地说是地沟油的识别方法。

背景技术

地沟油是人们对各类废弃劣质油脂的统称。其来源主要有三种，一是从餐饮业油水分离系统或下水道中捞取出的油腻漂浮物，二是经过反复煎炸后的酸败老油，三是由劣质动物油脂炼制而成的不合格食用油油样。地沟油中含有大量重金属等对人体危害很大的物质，长期食用可能致癌。

由于缺乏地沟油的有效检验方法，给市场监管带来了极大困难。近年来，地沟油中毒事件的频繁出现已引起广大消费人群及政府部门的高度重视，为此卫生部于2011年9月18日曾发布消息，全力组织科研攻关研究地沟油识别方法。虽然目前已征集到一些地沟油识别方法，但均不能作为地沟油的有效判断手段。现有地沟油的检测方法主要有：酸价、过氧化值、羟值和重金属常规理化指标的电导率和折光率测定法，脂肪酸组成谱和胆固醇的气相色谱法测定，洗涤剂残留物十二烷基苯磺酸钠的测定，脂肪酸不饱和度测定，谷氨酸钠和其它外源性物质的测定。此外，利用油脂的检测方法如红外光谱和近红外光谱法、食用油油样谱图模型建立以及检测油脂中三酰甘油及其氧化产物的变化也又被用于地沟油的测定。上述现有地沟油的检测方法都是通过标记物来找，存在专一性不强或灵敏度低的不足，另外加之地沟油的来源不同，在组成上有很大的差异，因此上述现有地沟油的检测方法均不能有效和准确识别地沟油。研发快速识别地沟油的方法已刻不容缓。

发明内容

本发明所要解决的技术问题是：提供地沟油的识别方法，是将混乱熵指数和局部混乱熵指数应用于表面解吸常压化学电离质谱技术来甄别地沟油的方法。该方法通过比较合格食用油油样及地沟油的质谱数据在不同质荷比范围内的峰形混乱度，确定能有效识别地沟油的质谱区间，从而实现对地沟油高效和准确地识别。

本发明解决该技术问题所采用的技术方案是：地沟油的识别方法，是一种将局部混乱熵指数应用于表面解吸常压化学电离质谱技术来甄别地沟油的方法，具体步骤是：

第一步，油样的选用及进行质谱分析

共选用油样32～37种，其中，食用油油样12～13种，对每种食用油油样进行20次随机抽样，放置在DAPCI离子源下，直接进行质谱分析，共得240～260组食用油油样的质谱数据，被识别油样20～25种，对每种地沟油油样进行10次随机抽样，放置在DAPCI离子源下，直接进行质谱分析，共得200～250组被识别油样的质谱数据；所述的质谱分析方法是将未经任何油样预处理的油油样直接涂覆在干净的载玻片上，待其扩散成较薄的一层油膜后，放置在DAPCI离子源下，直接进行质谱分析；

第二步，油样的局部混乱熵指数计算

将第一步得到的每组油样的质谱数据分为1～100，101～200，201～300，301～400，401～500，501～600六个区段，分别计算各区段的局部混乱熵指数，计算公式如下：

$H_x=-\mathrm{\Σ}{P}_{x_i}{\mathrm{LogP}}_{x_i}$ (i＝1，2，3.....n)

其中，H_x为局部混乱熵指数，

为谱峰的强度占谱峰总强度的比率；

第三步，油样的判别分析

对第二步得到的局部混乱熵指数采用常见的模式识别方法进行模式识别，从而识别出第一步选用油样中的被识别油样中的地沟油及食用油油样中存在的不合格的食用油油样；

上述的质谱数据是由表面解吸常压化学电离质谱技术测得的DAPCI-MS谱图数据的简称；上述的局部混乱熵指数是指在谱图某一局部范围内的混乱熵指数。

上述地沟油的识别方法，第一步中共选用油样的数目、食用油油样的数目和被识别油样的数目可以根据实际需要检测的油样数目来确定，并不受限于此中列出的数目。

上述地沟油的识别方法，所述常见的模式识别方法有：fisher投影算法、Bayers意义的判别分析、逐步判别分析、主成分-线性判别分析，均为公知的模式识别方法。

本发明的有益效果是：本发明地沟油的识别方法突出的实质性特点是：本分析方法跳出了传统理化检验依靠特征标记物来鉴别地沟油的思想，混乱熵指数的算法避免了对特定标记物的寻找，首次从谱图整体混乱程度出发，抓住了地沟油的本质特点，即使杂质成分不高，但由于油内杂质成分较多，依然可以很容易的鉴别开来。即便不法商贩进行脱臭、脱溶、脱色和脱水处理，虽然可以改善地沟油的感官指标，但无法改变地沟油纯度差和杂质成分多的本质，将混乱熵指数和局部混乱熵指数应用于表面解吸常压化学电离质谱技术来进行甄别，通过比较合格食用油油样及地沟油的质谱数据在不同质荷比范围内的峰形混乱度，确定能够有效识别地沟油的质谱区间，从而识别出用不同工艺和不同地域生产出来的各种地沟油。

本发明地沟油的识别方法的显著进步在于，运用混乱熵指数的概念计算油样质谱峰在不同质荷比范围内的混乱程度，不仅能快速准确地识别地沟油，同时还能确定有效区分食用油与地沟油的质谱区间分别在101～200和501～600m/z，这一结论可作为日常实践及研究中甄别地沟油的判断依据。运用本发明地沟油的识别方法不仅可以识别各种地沟油，也可以识别变质的食用油。本方法分析速度快，信息提取准确，识别精度高，对食用油品质的快速鉴定也具有重要的借鉴意义。混乱熵指数在质谱分析中有较好的鉴别效果，也可以用于色谱气相和液相色谱分析等其他分析手段。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1为本发明方法的实施例1中的油茶籽油油样的DAPCI-MS谱图。

图2为本发明方法的实施例1中的地沟油1号油样的DAPCI-MS谱图。

图3为本发明方法的实施例1中的33种油样的Fisher判别系数即投影向量V。

图4为本发明方法的实施例2中的调和油油样和芝麻油油样的DAPCI-MS谱图。

图5为本发明方法的实施例2中的过期玉米油油样和过期芝麻油油样的DAPCI-MS谱图。

图6为本发明方法的实施例2中的地沟油3号油样和地沟油7号油样的DAPCI-MS谱图。

图7为本发明方法的实施例2中的主成分得分图分布图。

具体实施方式

实施例1

本实施例对油样进行化学电离质谱分析所用的仪器包括：东华理工大学研制的DAPCI离子源、美国Finnigan公司的LTQ2XL增强型线性离子阱质谱仪和配有Xcalibur数据系统；所用到的试剂为色谱纯甲醇；下面第一步中选用的油样包括：采购自超市的金龙鱼菜籽油、金龙鱼大豆油、金龙鱼花生油、金龙鱼调和油、金龙鱼玉米油、金龙鱼芝麻油、福临门葵花籽油、福临门调和油、福临门玉米油、金托天油茶籽油、鲁花芝麻油、欧丽薇兰橄榄油和上饶茶油共13种食用油油样；由北京工商部门提供的地沟油1号、地沟油2号、地沟油3号、地沟油4号、地沟油5号、地沟油6号、地沟油7号、地沟油8号、地沟油9号、地沟油10号、地沟油11号、地沟油12号、地沟油13号、地沟油14号、地沟油15号、地沟油16号、地沟油17号、地沟油18号、地沟油19号和地沟油20号共20种地沟油油样作为被识别油样，总共33种油样。

本实施例对油样进行质谱分析的操作过程是：将未经任何油样预处理的油油样直接涂覆在干净的载玻片上，待其扩散成较薄的一层油膜后，放置在DAPCI离子源下，直接进行质谱分析。设置DAPCI离子源为负离子检测模式，质量范围为50～300Da，电离电压为3.6kV，离子传输管温度为150℃，放电针与水平面夹角为43°。通过针尖电晕放电产生的大量初级离子，将承载在载玻片上的食用油油油样解吸和电离，形成的离子引入质谱进行分析。其它实验参数由系统自动优化。

第一步，油样的选用及进行质谱分析

共选用油样33种，其中，食用油油样13种，对每种食用油油样进行20次随机抽样，放置在DAPCI离子源下，直接进行质谱分析，共得260组合格食用油油样的质谱数据，地沟油油样20种，对每种地沟油油样进行10次随机抽样，放置在DAPCI离子源下，直接进行质谱分析，共得200组地沟油油样的质谱数据。所述的质谱分析的操作过程如上所述。

图1给出了本实施例中的金托天油茶籽油油样的DAPCI-MS谱图；图2给出了本实施例中的地沟油1号油样的DAPCI-MS谱图；同样也可以得到其他油样的DAPCI-MS谱图，由于篇幅关系不再一一列出。

第二步，油样的局部混乱熵指数计算

将第一步得到的每组油样的质谱数据分为1～100，101～200，201～300，301～400，401～500，501～600六个区段，分别计算各区段的局部混乱熵指数，计算公式如下：

$H_x=-\mathrm{\Σ}{P}_{x_i}{\mathrm{LogP}}_{x_i}$ (i＝1，2，3.....n)

其中，H_x为局部乱熵指数，

为谱峰的强度占谱峰总强度的比率。

计算结果见表1。

表1实施例1中33种油样的局部混乱熵指数

注：本表列举了每种油样中1组质谱数据的局部混乱熵指数。

从表1所示分别计算得到的各区段的局部混乱熵指数发现，地沟油在各区间的峰形混乱程度普遍高于食用油，尤其以101～200和501～600两区段最为明显。这主要是因为食用油中部分有机物蛋白质和脂肪酸经过煎炸烹制而发生分解，以及食盐和味精等调料的添加使得油品中的小分子物增加，从而造成小区间质谱峰的增多。同时，一些大分子发生氧化、缩合及环化等反应，产生大量烃、醛、酮、内酯、芳香和丙烯酰胺及多环芳烃类杂环化合物等大分子物，使得大区间质谱峰也增多。由表1还可得知，不同种地沟油的混乱熵指数不尽相同，表明地沟油因其来源和制作途径的差异，油样中组分含量也存在很大差异，这正是使用常规理化检测技术不能识别的原因所在。

第三步，油样的判别分析

对第二步得到的局部混乱熵指数采用Fisher投影算法进行模式识别，从而识别出第一步选用油样中的地沟油油样及不合格的食用油油样。

在本实例中每个油样用6个局部混乱熵指数描述，并进行判别分析，具体方法是：

随机选取第一步中的一半选用油样的质谱数据，即食用油油样130组的质谱数据和地沟油油样100组的质谱数据作为训练集，建立判别函数，剩余一半选用油样的230组油样的质谱数据作为验证集，从而确定可有效区别食用油油样与地沟油油样的质谱数据区间，由此识别出地沟油。判别结果如表2所示。

表2实施例1中33种油样的Fisher判别结果

表2表明，其中训练集的地沟油及验证集食用油和地沟油被完全识别，正确率均为100％，这表明该分析方法对地沟油的鉴别十分有效。训练集中的食用油只有1组被错判，这组数据的Fisher投影点为-30.24，与临界值-29.86的差别很小，这表明是由于该食用油长期放置，发生自然氧化和细菌腐化等作用，产生了一些新鲜食用油中不含有的物质，从而造成峰形混乱度的增加。

图3为本实施例的33种油样的Fisher判别系数即投影向量V。从中不难发现，101～200区段及501～600区段质荷比范围的判别系数值最大，分别为-11.0460和-8.0370，该结果和由混乱熵指数计算所得结果相符，更进一步证实了地沟油与食用油的质谱峰混乱程度在这两段范围差异最为显著。本实例说明，用已知的油样的质谱数据求出投影向量V和分界点Z^*，未知油样同样计算出气Z值，并和Z^*比较大小，就可判别其是否为地沟油。

实施例2

本实施例对油样进行化学电离质谱分析所用的仪器同实施例1。所用到的试剂同实施例1。下面第一步中选用的油样包括：采购自超市的金龙鱼菜籽油、金龙鱼大豆油、金龙鱼花生油、金龙鱼调和油、金龙鱼玉米油、金龙鱼芝麻油、福临门葵花籽油、福临门调和油、福临门玉米油、金托天油茶籽油、鲁花芝麻油、欧丽薇兰橄榄油共12种食用油油样；由北京工商部门提供的地沟油1号、地沟油2号、地沟油3号、地沟油4号、地沟油5号、地沟油6号、地沟油7号、地沟油8号、地沟油9号、地沟油10号、地沟油11号、地沟油12号、地沟油13号、地沟油14号、地沟油15号、地沟油16号、地沟油17号、地沟油18号、地沟油19号和地沟油20号共20种作为被识别油样的地沟油油样，总共32种油样。

本实施例对油样进行质谱分析的操作过程是同实施例1。

第一步，油样的选用及进行质谱分析

共选用油样32种，其中食用油油样12种，每种进行20次随机抽样，放置在DAPCI离子源下，直接进行质谱分析，共得质谱数据20组；地沟油油样20种，每种进行10次随机抽样，放置在DAPCI离子源下，直接进行质谱分析，共得200组油样的质谱数据。所述的质谱分析方法的操作过程同实施例1。

第二步，油样的局部混乱熵指数计算

将第一步得到的每组油样的质谱数据分为1～100，101～200，201～300，301～400，401～500，501～600六个区段，分别计算各区段的局部混乱熵指数，计算公式如下：

$H_x=-\mathrm{\Σ}{P}_{x_i}{\mathrm{LogP}}_{x_i}$ (i＝1，2，3.....n)

其中，H_x为局部乱熵指数，

为谱峰的强度占谱峰总强度的比率。

计算结果见表3。

表3实施例2中32种油样的局部混乱熵指数

注：本表列举了每种油样中1组质谱数据的局部混乱熵指数。

表3说明的问题同实施例1。

第三步，油样的逐步判别分析

对第二步得到的局部混乱熵指数采用逐步判别分析，从而识别出第一步选用油样中的地沟油油样及不合格的食用油油样。具体方法是：

随机选取第一步中的一半选用油样的质谱数据，即食用油油样120组的质谱数据和地沟油油样100组的质谱数据作为训练集，建立判别函数，剩余一半选用油样的220组油样的质谱数据作为验证集，从而确定可有效区别食用油油样与地沟油油样的质谱数据区间，由此识别出地沟油。判别结果如表4所示。

表4实施例2中32种油样的逐步判别结果

表4表明，本实施例的训练集的食用油油样和地沟油油样以及验证集的食用油和地沟油被完全识别，正确率均为100％，这表明该分析方法对地沟油的识别十分有效。

实施例3

本实施例对油样进行化学电离质谱分析所用的仪器同实施例1。所用到的试剂同实施例1。下面第一步中选用的油样包括：采购自超市的金龙鱼大豆油、金龙鱼菜籽油、金龙鱼花生油、金龙鱼玉米油、金龙鱼芝麻油、金龙鱼调和油、福临门葵花籽油、福临门玉米油、福临门调和油、金托天菜籽油、鲁花芝麻油和欧丽微兰橄榄油共12种食用油油样；作为地沟油油样的作为被识别油样的地沟油油样包括：由北京工商部门提供的地沟油1号、地沟油2号、地沟油3号、地沟油4号、地沟油5号、地沟油6号、地沟油7号、地沟油8号、地沟油9号、地沟油10号、地沟油11号、地沟油12号、地沟油13号、地沟油14号、地沟油15号、地沟油16号、地沟油17号、地沟油18号、地沟油19号和地沟油20号共20种地沟油油样作为被识别油样；放置两年以上的过期的福临门玉米油、过期的金龙鱼菜籽油、过期的金龙鱼芝麻油，过期的鲁花芝麻香油，过期的上饶茶油共5种也作为被识别油样。总共37种油样。

本实施例对油样进行质谱分析的操作过程是同实施例1。

第一步，油样的选用及进行质谱分析

共选用油样37种，其中食用油油样12种，每种进行20次随机抽样，放置在DAPCI离子源下，直接进行质谱分析，共得质谱数据260组；地沟油油样地沟油20种，每种进行10次随机抽样，放置在DAPCI离子源下，直接进行质谱分析，共得200组油样的质谱数据；地沟油油样放置两年以上的过期食用油5种，每种进行10次随机抽样，放置在DAPCI离子源下，直接进行质谱分析，共得50组油样的质谱数据。所述的质谱分析方法同实施例1。

图4-a给出了本实施例中的金龙鱼调和油油样的DAPCI-MS谱图；图4-b给出了本实施例中的金龙鱼芝麻油油样的DAPCI-MS谱图；图5-a给出了本实施例中的过期福临门玉米油油样的DAPCI-MS谱图；图5-b给出了本实施例中的过期金龙鱼芝麻油油样的DAPCI-MS谱图；图6-a给出了本实施例中的地沟油3号油样的DAPCI-MS谱图；图6-b给出了本实施例中的地沟油7号油样的DAPCI-MS谱图；同样也可以得到其他油样的DAPCI-MS谱图，由于篇幅关系不再一一列出。

比较图4～6可发现，地沟油的DAPCI-MS谱图的峰数明显比普通正常食用油多，谱图混乱复杂。原因是地沟油中含有金属离子、细菌毒素、脂肪水解和氧化产生的游离脂肪酸、脂肪酸的二聚体和多聚体、过氧化物、多环芳烃类物质和低分子分解产物等。这些杂质成分含量不定，随地沟油的来源差异很大，因此通过单一杂质或某种杂质的定量分析较难加以区分。杂质的加入使地沟油成分复杂，较普通食用油混乱程度增加，因此可以将混乱熵指数作为鉴别地沟油的指标。

第二步，油样的局部混乱熵指数计算

将第一步得到的每组油样的质谱数据分为1～100，101～200，201～300，301～400，401～500，501～600六个区段，分别计算各区段的局部混乱熵指数，计算公式如下：

$H_x=-\mathrm{\Σ}{P}_{x_i}{\mathrm{LogP}}_{x_i}$ (i＝1，2，3.....n)

其中，H_x为局部乱熵指数，为谱峰的强度占谱峰总强度的比率。

计算结果见表5。

表5 32种油样的局部混乱熵指数

注：本表列举了每种油样中1组质谱数据的局部混乱熵指数

表5说明的问题同实施例1。

第三步，油样的主成分-线性判别分析

对第二步得到的局部混乱熵指数采用采用主成分-线性判别分析方法进行分析，从而识别出第一步选用油样中的地沟油油样及不合格的食用油油样。具体方法是：

随机选取第一步中的一半选用油样的质谱数据，即食用油油样120组的质谱数据、地沟油油样100组和过期食用油油样25组的质谱数据作为训练集，进行主成分分析，用第一主成分和第二主成分得分为坐标。对主成分分析结果进行线性判别，建立判别方程，结果如图7中直线所示。剩余一半选用油样的220组油样的质谱数据作为验证集，判别结果如图7所示。

观察图7看出，训练集中合格食用油油样自成一类，聚类明显，与另外两类不合格的油样存在明显界限，地沟油油样和过期食用油油样较为发散，同时还说明各种不同地沟油油样之间差距较大，可以较好地区分。验证集中所有合格食用油油样得到正确区分，地沟油油样和过期食用油油样同合格食用油可以正确区分。地沟油油样和过期食用油油样之间没有明显界限，还说明过期食用油与地沟油差距较小。

上述实施例中，所述的质谱数据是由表面解吸常压化学电离质谱技术测得的DAPCI-MS谱图数据的简称；所述的局部混乱熵指数是指在谱图某一局部范围内的混乱熵指数。

Claims (1)

1.地沟油的识别方法，其特征在于：是一种将局部混乱熵指数应用于表面解吸常压化学电离质谱技术来甄别地沟油的方法，具体步骤是：

第一步，油样的选用及进行质谱分析

共选用油样32～37种，其中，食用油油样12～13种，对每种食用油油样进行20次随机抽样，放置在DAPCI离子源下，直接进行质谱分析，共得240～260组食用油油样的质谱数据，被识别油样20～25种，对每种地沟油油样进行10次随机抽样，放置在DAPCI离子源下，直接进行质谱分析，共得200～250组被识别油样的质谱数据；所述的质谱分析方法是将未经任何油样预处理的油样直接涂覆在干净的载玻片上，待其扩散成较薄的一层油膜后，放置在DAPCI离子源下，直接进行质谱分析；

第二步，油样的局部混乱熵指数计算

将第一步得到的每组油样的质谱数据分为1～100，101～200，201～300，301～400，401～500，501～600六个区段，分别计算各区段的局部混乱熵指数，计算公式如下：

$H_x=-\mathrm{\Σ}{P}_{x_i}\mathrm{Log}{P}_{x_i},(i=\mathrm{1,2,3}.....n)$

其中，H_x为局部混乱熵指数，

为谱峰的强度占谱峰总强度的比率；

第三步，油样的判别分析

对第二步得到的局部混乱熵指数采用常见的模式识别方法进行模式识别，从而识别出第一步选用油样中的被识别油样中的地沟油及食用油油样中存在的不合格的食用油油样，

上述的质谱数据是由表面解吸常压化学电离质谱技术测得的DAPCI-MS谱图数据的简称；上述的局部混乱熵指数是指在谱图某一局部范围内的混乱熵指数，所述常见的模式识别方法为fisher投影算法、逐步判别分析和主成分-线性判别分析。

Images