CN103217411A - 基于拉曼光谱的食用植物油中油酸、亚油酸和饱和脂肪酸含量检测方法 - Google Patents

Abstract

本发明公开了一种基于拉曼光谱的食用植物油中油酸、亚油酸和饱和脂肪酸含量检测方法，包括检测已知油酸、亚油酸和饱和脂肪酸含量的食用植物油的拉曼光谱并进行预处理；预置特征峰集，将待测食用植物油的特征峰集所对应的拉曼光谱强度与已知的油酸、亚油酸和饱和脂肪酸含量进行关联建模；获得待测食用植物油的拉曼光谱，预处理后，提取与特征峰集所对应的拉曼光谱强度，代入预测模型，得到待测食用植物油的油酸、亚油酸或饱和脂肪酸含量。本发明操作简单，检测速度快，能够根据预测模型同时预测三种脂肪酸含量，其预测结果与通过气相色谱法（GC）所检测的真实结果相比，具有较高的精准度。

Description

基于拉曼光谱的食用植物油中油酸、亚油酸和饱和脂肪酸含量检测方法

技术领域

本发明涉及食用植物油脂肪酸含量检测的方法,具体涉及一种基于拉曼光谱技术的食用植物油中油酸、亚油酸和饱和脂肪酸含量检测方法。

背景技术

常用的食用植物油有玉米油、花生油、大豆油、山茶油、菜籽油、葵花籽油和橄榄油等，所含的成分复杂，但都包含脂肪酸、维他命等各类营养物质，是人类膳食的重要组成部分。在代谢循环中，除提供能量外，还提供了一些人体自身不能合成的营养物质，如不饱和脂肪酸和脂溶性维他命。

食用植物油的主要成分是脂肪酸，种类有几十种，按不饱和度（C=C双键个数）可把脂肪酸分为饱和脂肪酸（不含C=C双键）、单不饱和脂肪酸（只含一个C=C双键）和多不饱和脂肪酸（含两个以上C=C双键）。其中饱和脂肪酸主要有软脂酸（C16:0）和硬脂酸（C18:0）等；单不饱和脂肪酸主要有油酸（C18:1）和芥酸（C22:1）等，不饱和度都为1；多不饱和脂肪酸则有亚油酸（C18:2）和α-亚麻酸（C18:3）等，不饱和度大于或者等于2。

由于不同比例的脂肪酸含量，使得食用植物油价格差别很大，受经济利益驱使，为获取高昂利润，某些不法商人向橄榄油、山茶油、芝麻油等价格高、优质食用植物油中掺入廉价食用植物油并标注为高纯度优质食用植物油出售，不但损害了消费者的合法权益，同时也对健康造成了潜在的损害。近年来，食用调和油逐渐进入了市场，而根据不同脂肪酸的配比，分为经济型调和油、营养型调和油、风味调和油、煎炸调和油等，但是由于缺乏相应的国家标准，给监管造成了很大难度。而国内频频出现的地沟油事件，不法商贩出售的餐饮业废弃潲水油、劣质动物油脂，以及多次利用的酸败煎炸老油，更是引起了公众对食用植物油安全问题的担忧。所以开展食用植物油脂肪酸快速、准确检测方法的研究，对于监测食用植物油安全，制定相关的行业标准、乃至法律法规都有着积极的意义。

目前食用植物油脂肪酸含量检测较为常见的方法有气相色谱法（GC），气相色谱质谱联用法（GC-MS），以及高效液相色谱法（HPLC）等，但这几种方法均属于化学分析方法，所使用的设备操作比较复杂，需要对待测样品进行预处理，检测耗时长，不利于推广。目前，如近红外光谱法（NIR）、中红外光谱法（MIR）、傅里叶红外光谱法、拉曼光谱法等振动光谱技术应用于食用植物油检测的研究开展比较广泛。

与红外光谱相比，拉曼光谱包含的峰大多比较锐利；具有优秀的指纹能力，即拉曼特征峰与有机分子官能团对应，峰的微小变化可以反映出各脂肪酸成分含量的变化。由于食用植物油脂肪酸之间的差异主要是碳碳双键（C=C）数量的不同，并且非极性基团（C=C）的拉曼活性很强，因此拉曼光谱比较适用于食用植物油脂肪酸含量的检测。

发明内容

针对现有检测方法的不足，本发明提供一种基于拉曼光谱技术的食用植物油脂肪酸含量检测方法，该方法简便快捷，具有较高的检测精度。

一种基于拉曼光谱技术的食用植物油中油酸、亚油酸和饱和脂肪酸含量检测方法，包括如下步骤：

（1）设定检测条件，检测已知油酸、亚油酸和饱和脂肪酸含量的食用植物油的拉曼光谱并进行预处理；

（2）预置特征峰集，将待测食用植物油的特征峰集所对应的拉曼光谱强度与已知的油酸、亚油酸和饱和脂肪酸含量进行关联建模，得到预测模型；

（3）获得待测食用植物油的拉曼光谱，预处理后，提取与特征峰集所对应的拉曼光谱强度，代入预测模型，得到待测食用植物油的油酸、亚油酸或饱和脂肪酸含量。

作为优选，步骤（2）中利用最小二乘支持向量回归机进行关联建模，得到预测模型。最小二乘支持向量回归机（MLS-SVR）是一种较新的多元统计分析方法，主要是将实际问题通过非线性变换转换到高维特征空间，已被广泛应用于振动光谱的多元回归分析中。本发明采用最小二乘支持向量回归机（MLS-SVR）可以建立同时预测三种脂肪酸含量的预测模型，根据它们的拉曼特征值运用构建的预测模型进行三种脂肪酸的含量预测，具有较高的预测精度。

食用植物油的拉曼光谱具有明显的特征峰，不同拉曼位移的特征峰对应分子基团的某种振动方式，且特征峰强度对应该分子基团的浓度，即食用植物油的拉曼光谱具有很好的指纹特性。根据食用植物油中存在的分子基团进行选择拉曼光谱的主要特征峰集，作为优选，步骤（2）中的特征峰集为872cm^-1、972cm^-1、1082cm^-1、1267cm^-1、1303cm^-1、1442cm^-1、1658cm^-1和1748cm^-1。

上述特征峰集所对应的分子基团如下：872cm^-1[ν(C-C)]，972cm^-1[δ(C＝C)trans]，1082cm^-1[ν(C-C)]，1267cm^-1[δ(＝C-H)cis]，1303cm^-1[δ(CH₂)twisting]，1442cm^-1[δ(CH₂)scissoring]，1658cm^-1[ν(C＝C)cis]，1748cm^-1[ν(C＝O)]。其中，trans代表反对称伸缩振动，cis代表对称伸缩振动，twisting代表弯曲振动，scissoring代表剪式振动。

拉曼光谱分析中，由于有机分子或样品中污染物的荧光影响，常会使拉曼光谱中产生背景信号，以致其拉曼光谱吸收信号受干扰，除此而外，拉曼光谱仪所采集的光谱除样品自身的信息外，还包括了其他无关信息和噪音，因此，采取预处理消除这些无关信息是非常必要的。作为优选，步骤（1）中的预处理包括依次进行的平滑滤波、扣除荧光背景及归一化处理。

作为优选，所述的荧光背景的确定过程如下：使用微分寻峰算法寻找光谱的特征峰位置，然后根据这些特征峰位置寻找两个峰之间的最低点作为支点，线性连接各个支点便可得到一条基线，此基线即为荧光背景，在原始光谱中减去该荧光背景即得到消除荧光影响的光谱。

与现有技术相比，本发明操作简单，检测速度快，能够根据预测模型同时预测三种脂肪酸含量，其预测结果与通过气相色谱法（GC）所检测的真实结果相比，具有较高的精准度。

附图说明

图1是一种橄榄油的气相色谱图；

图2是91个食用植物油样品在800～2000cm^-1的拉曼光谱图；

图3是对食用植物油样品的拉曼光谱图预处理过程图；

图4是91个食用植物油样品预处理后的拉曼光谱图；

图5是所建MLS-SVR模型对预测集样品中油酸、亚油酸、饱和脂肪酸的预测结果示意图。

具体实施方式

下面结合附图对本发明的技术方案做进一步的详细说明，但本发明并不限于此。

本发明主要是基于拉曼光谱特征峰的位置和强度，快速检测食用植物油中油酸、亚油酸、饱和脂肪酸的含量，具体步骤如下：

（1）样品制备

选用不同品牌的4种橄榄油（Olive），编号为O1,O2,O3,O4；3种玉米油（Corn），编号为C1,C2,C3；3种大豆油（Soy），编号为S1,S2,S3；1种葵花籽油（Sunflower），编号为F1，所有11种食用植物油均购于大型超市。首先测得每种食用植物油中各脂肪酸的真实含量，图1所示为其中某一种橄榄油的气相色谱图，显示了其成分组成。表1为通过气相色谱法（GC）得到每种油的脂肪酸含量。

表1 通过气相色谱法得到每种植物油的脂肪酸含量信息

通过表1可以看出，油酸、亚油酸等脂肪酸的比例较为集中，为了扩大样本中脂肪酸含量的分布范围，采用两两混合的方法，随机选取一种橄榄油为基底油，另几种油分别作为配比油，将配比油按总体积百分比0～100%间隔10%以及2%、5%配制13个浓度梯度的样品，共得到13*7=91个样品。根据混合油的配比比例，按照表1中每种纯油的脂肪酸组成即可计算得到所有91个样品的脂肪酸含量。

（2）检测条件

选择激发波长为785nm、功率为375mW的激光器；扫描范围为0～2100cm^-1的拉曼光谱仪，设置光谱仪积分时间为5s，选择扣除背景暗噪声；取约2ml食用植物油样品置于石英比色皿中，每个样品扫描3次，取平均值作为样品的拉曼光谱。

（3）原始拉曼光谱的预处理

选取800～2000cm^-1数据作为样品的有效拉曼光谱，可以得到所有样品的原始拉曼光谱图，见图2。需要对光谱进行预处理，包括平滑滤波、扣除荧光背景、归一化处理等。首先，进行平滑处理；然后，使用微分寻峰算法寻找光谱的特征峰位置，然后根据这些峰位置寻找两个峰之间的最低点作为支点，线性连接各个支点便可得到一条基线，此基线即为荧光背景，具体处理过程见图3中（a）～（d）部分；在原始光谱中减去该荧光背景即得到消除荧光影响的光谱。最后，按照1442cm^-1特征峰的强度对所有数据进行归一化处理，得到预处理后的光谱图，见图4。

（4）光谱解析

食用植物油的拉曼光谱具有明显的特征峰，不同拉曼位移的特征峰对应分子基团的某种振动方式，且特征峰强度对应该分子基团的浓度，即食用植物油的拉曼光谱具有很好的指纹特性。根据拉曼光谱数据库，可以得到食用植物油的8个主要拉曼光谱特征峰和相应的分子基团：872cm^-1[ν(C-C)]，972cm^-1[δ(C＝C)trans]，1082cm^-1[ν(C-C)]，1267cm^-1[δ(＝C-H)cis]，1303cm^-1[δ(CH₂)twisting]，1442cm^-1[δ(CH₂)scissoring]，1658cm^-1[ν(C＝C)cis]，1748cm^-1[ν(C＝O)]。由于各类食用植物油中不同类型类脂肪酸（主要是油酸、亚油酸、饱和脂肪酸）的含量不同，其拉曼光谱的特征峰强度也各不相同，因此可以将上述特征峰强度作为检测食用植物油脂肪酸含量的依据。

（5）预测模型的建立

通过检测一批（共计91个）已知脂肪酸含量的食用植物油样品，随机选取2/3样品（61个）作为训练集，1/3样品（30个）作为测试集。将训练集中每个样品的拉曼光谱图中步骤（4）所述的几个特征峰强度值作为输入，把每个样品的油酸、亚油酸、饱和脂肪酸的含量值作为输出，代入最小二乘支持向量回归机（MLS-SVR）进行建模，建立了一个可以同时预测三种脂肪酸含量的模型。

本发明建立的食用植物油脂肪酸含量预测模型采用最小二乘支持向量机。最小二乘支持向量机（Least Squares Support Vector Machine，LS-SVM）是标准SVM在二次损失函数形式下的一种扩展，可表述为式(1)

${\min }_{\mathrm{\ω},b,\mathrm{\ξ}}{J}_p(\mathrm{\ω},\mathrm{\ξ})=\frac{1}{2}{\mathrm{\ω}}^T\mathrm{\ω}+\mathrm{\γ}\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\ξ}}_k^2$

式中为输入空间到某一高维特征空间的一种映射，ω为权值向量，ξ为松弛系数，γ为惩罚系数。

设给定训练集：T＝{(x₁,y₁),(x₂,y₂),…,(x_N,y_N)}，其中x_k∈R_n,y_k∈R₃,k＝1,…,N。假定各组分权重c_j(j＝1,2,3)可事先确定；本文需要同时预测样本油中的三类脂肪酸的含量，因此采用三输出函数回归模型（MLS-SVR），因此可以将式(1)转换为式(2)。

上述问题可采用拉格朗日乘子法依次对每一分量求解，可得到三个方程组，如式(3)

其中K(x_i,x_k)是核函数，α为支持值，b为偏移项，解方程组可得到支持值和偏移项 $\mathrm{\α}={({\mathrm{\α}}_1^1,\·\·\·,{\mathrm{\α}}_N^1,{\mathrm{\α}}_1^2,\·\·\·,{\mathrm{\α}}_N^2,{\mathrm{\α}}_1^3,\·\·\·{\mathrm{\α}}_N^3)}^T,$ b＝(b₁,b₂,b₃)^T。

最后得到回归函数如式(4)

$f_j\left(x\right)={\mathrm{\ω}}_j^{T}x+b_j=\frac{1}{c_j}\underset{k=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\α}}_k^{j}K(x_k,x)+b_j---\left(4\right)$

图5为通过对预测集样品的预测，得到油酸、亚油酸、饱和脂肪酸的含量值与通过气相色谱法（GC）所检测的结果进行比对，发现利用拉曼光谱技术得到的脂肪酸含量结果较准确，如表2所示。

表2  油酸、亚油酸、饱和脂肪酸含量预测的结果评估

（6）未知样品脂肪酸含量的测定

将未知的食用植物油样品置于石英比色皿中，选择步骤（2）所述的检测条件，并对所得到的光谱按步骤（3）进行预处理，得到拉曼光谱图中如步骤（4）所述的8个特征峰的光谱强度，代入步骤（5）中建立的预测模型，即可快速、准确的得到该未知食用植物油样品所含的油酸、亚油酸以及饱和脂肪酸的含量值。

Claims (5)

1.一种基于拉曼光谱的食用植物油中油酸、亚油酸和饱和脂肪酸含量检测方法，其特征在于，包括如下步骤：

（1）设定检测条件，检测已知油酸、亚油酸和饱和脂肪酸含量的食用植物油的拉曼光谱并进行预处理；

（2）预置特征峰集，将待测食用植物油的特征峰集所对应的拉曼光谱强度与已知的油酸、亚油酸和饱和脂肪酸含量进行关联建模，得到预测模型；

（3）获得待测食用植物油的拉曼光谱，预处理后，提取与特征峰集所对应的拉曼光谱强度，代入预测模型，得到待测食用植物油的油酸、亚油酸或饱和脂肪酸含量。

2.根据权利要求1所述的基于拉曼光谱的食用植物油中油酸、亚油酸和饱和脂肪酸含量检测方法，其特征在于，步骤（2）中利用最小二乘支持向量回归机进行关联建模，得到预测模型。

3.根据权利要求1所述的基于拉曼光谱的食用植物油中油酸、亚油酸和饱和脂肪酸含量检测方法，其特征在于，步骤（2）中的特征峰集为872cm^-1、972cm^-1、1082cm^-1、1267cm^-1、1303cm^-1、1442cm^-1、1658cm^-1和1748cm^-1。

4.根据权利要求1所述的基于拉曼光谱的食用植物油中油酸、亚油酸和饱和脂肪酸含量检测方法，其特征在于，步骤（1）中的预处理包括依次进行的平滑滤波、扣除荧光背景及归一化处理。

5.根据权利要求4所述的基于拉曼光谱的食用植物油中油酸、亚油酸和饱和脂肪酸含量检测方法，其特征在于，所述的荧光背景的确定过程如下：使用微分寻峰算法寻找光谱的特征峰位置，然后根据这些特征峰位置寻找两个峰之间的最低点作为支点，线性连接各个支点便可得到一条基线，此基线即为荧光背景。

Images