CN104730058A - 一种基于拉曼光谱鉴别地沟油的判别分析方法 - Google Patents
一种基于拉曼光谱鉴别地沟油的判别分析方法 Download PDFInfo
- Publication number
- CN104730058A CN104730058A CN201510102215.9A CN201510102215A CN104730058A CN 104730058 A CN104730058 A CN 104730058A CN 201510102215 A CN201510102215 A CN 201510102215A CN 104730058 A CN104730058 A CN 104730058A
- Authority
- CN
- China
- Prior art keywords
- oil
- raman spectrum
- oils
- waste
- waste oil
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明适用于食品分析技术领域,提供了一种基于拉曼光谱鉴别地沟油的判别分析方法,包括下述步骤:收集或配制用于构建判别分析模型的纯食用植物油、掺假植物油、地沟油掺兑植物油和地沟油的标准样品,进行拉曼光谱检测获得标准样品的扩展拉曼光谱数据;将所述扩展拉曼光谱数据进行一阶导数处理,获得一阶导数扩展拉曼光谱;将所述扩展拉曼光谱及一阶导数拉曼光谱数据输入分析软件、并计算各标准样品的马氏距离,根据标准样品的马氏距离构建判别分析模型;将待测样品进行扩展拉曼光谱检测后进行一阶导数处理,并导入所述判别分析模型中依次进行判别,鉴定所述待测样品为地沟油或非地沟油。
Description
技术领域
本发明属于食品分析技术领域,尤其涉及一种基于拉曼光谱鉴别地沟油的判别分析方法。
背景技术
从2009年起,我国破获的一系列地沟油案件揭示了我国不仅确实存在,而且已经形成了利用地沟油制售食用油的黑色产业链和网络。通过这些黑色产业链和网络,数量巨大的地沟油已经广泛进入市场和回流餐桌。鉴于此类活动的危害性和严重性,我国司法机关专门将利用地沟油制售食用油正式定性为地沟油犯罪行为,适用刑法规定的在“生产、销售的食品中掺入有毒、有害的非食品原料”进行定罪。
地沟油已列入我国《食品中可能违法添加的非食用物质名单》,学名为废弃物回收油脂,是通过分离回收及精炼加工从餐厨垃圾、废弃油脂、各类肉及肉制品加工废弃物中所获得的废弃油脂的统称。包括从餐厨垃圾及排放物中分离回收的废弃油脂(餐厨废弃油脂)、经过反复高温煎炸食品的废弃油脂(煎炸废弃油脂)、用各类肉及肉制品加工废弃物加工提取的油脂(动物废弃油脂)和利用上述废弃油脂为原料加工产生的精炼油脂(精炼地沟油)。此外,还包括上述油脂与植物油的掺兑油(掺兑地沟油)。
近年来,卫生部组织全国相关领域的专家、学者和技术人员开展了大规模的地沟油检测技术的联合攻关研究,但至今仍然未能找到可靠适用的检验方法。对于地沟油检测这一技术难题屡攻不破的原因,专家们比较一致的看法是:经过精炼和掺兑两个环节,地沟油的性状已与正常的食用植物油极为接近,故难以找到鉴定地沟油通用和适用的标志物。
废弃物回收油脂是使用和废弃后的食用油脂。有研究表明,食用油脂经使用或废弃后必然产生大量的劣变产物,包括油脂中甘油三酯及油脂伴随物的裂解物、过氧化物、异构物、环化物、聚合物等。已在废弃食用油脂中检测到比例显著增加的油脂劣变产物,如酸、醛、酮、酯、醇、碳氢化合物等极性小分子,低碳数脂肪酸(C≤14)和氧化甘油三酯聚合物等,其含量显著高于正常食用植物油。劣变反应及产物是地沟油最致命的因素。油脂劣变反应使食用油脂中原有的营养成分损失殆尽,而油脂劣变产物则是脂肪肝、高血脂、高血压、克罗恩病、胆囊炎、胃病、肥胖、心脏病和多种癌症的致病因子。
劣变产物既是地沟油的内源性标志物,也是地沟油的危害性标志物。因此,长期以来,以劣变产物作为标志物检验地沟油的相关研究十分活跃,常见的有酸价、过氧化值、羰基价、碘价、极性物及气滋味等理化指标,醛、酮、酯、醇、碳氢化合物、游离脂肪酸、低碳数脂肪酸、奇数碳脂肪酸和反式脂肪酸等氧化和水解产物,单环二聚酸、双环二聚酸、三聚酸、环状单体和含有共轭双键的二聚物、三聚物、多环芳烃等聚合产物。但是,由于精炼过程的“净化”作用和掺兑环节的“稀释”作用,在精炼和掺兑地沟油中,上述大部分的劣变产物,特别是常规理化指标对应的劣变产物的含量已接近正常食用植物油的本底水平,极大增加了分离、检测及判定的难度。因此,掺兑地沟油的鉴定是地沟油鉴定的最大难点。
掺兑地沟油属于掺伪植物油的一种。受利益驱动的食用植物油掺伪,包括掺假(在高价植物油中掺入低价植物油)、掺杂(在植物油中掺入非食用油脂)和伪造(用低价植物油或非食用油脂仿冒高价植物油)等行为,不仅严重破坏社会和经济秩序,同时也严重危害消费者的利益和健康。目前,掺伪植物油的鉴别技术面临着更为严峻的挑战:由于掺伪植物油的品种及来源在不断增加,使掺伪植物油鉴别技术需要考虑和处理的因素及体系变得更加多元和复杂。因此,对掺假植物油、地沟油掺兑植物油和地沟油的鉴定成为现有食品技术中亟待解决的难题。
发明内容
本发明的目的在于提供一种基于拉曼光谱鉴别地沟油的判别分析方法,旨在解决现有技术不能快速、高效、准确地实现纯食用植物油、掺假植物油、地沟油掺兑植物油和地沟油的鉴定的问题。
本发明是这样实现的,一种基于拉曼光谱鉴别地沟油的判别分析方法,包括下述步骤:
收集或配制用于构建判别分析模型的纯食用植物油、掺假植物油、地沟油掺兑植物油和地沟油的标准样品,进行拉曼光谱检测获得标准样品的扩展拉曼光谱数据;
将所述扩展拉曼光谱数据进行一阶导数处理,获得一阶导数扩展拉曼光谱;
将所述扩展拉曼光谱及一阶导数拉曼光谱数据输入分析软件、并计算各标准样品的马氏距离,根据标准样品的马氏距离构建判别分析模型;
将待测样品进行扩展拉曼光谱检测后进行一阶导数处理,并导入所述判别分析模型中依次进行判别,鉴定所述待测样品为地沟油或非地沟油。
本发明提供的基于拉曼光谱鉴别地沟油的判别分析方法,将标准样品的扩展拉曼光谱及其一阶导数光谱,导入分析软件,通过计算各样品的马氏距离(Mahalanobis distance)构建各个判别分析模型,进而将待测样品的扩展拉曼光谱及其一阶导数光谱导入所述判别分析模型中依次进行判别,鉴定所述待测样品为地沟油或非地沟油,该方法具有以下优点:
检测过程简单快速、操作便捷:本方法进行样品测量时无需制备样品和消耗化学试剂,测试分析一份样品仅耗时5min左右,可实现对植物油中地沟油的快速和无损筛查。
检测准确性高:对131份各类植物成品油、66份植物原油、15份调和油、5份芥花籽油、7份稻米油、2份花椒油、38份精炼废弃物回收油脂、40份餐厨废弃油脂、30份煎炸废弃油脂、11份动物废弃油脂、30份仿冒花生油和30份仿冒芝麻油的筛查符合率均为100%;对掺假比例分别为10%(14份)、20%(12份)、30%(12份)和50%(12份)的掺假橄榄油、掺假花生油、掺假油茶籽油和掺假芝麻油样品,筛查结果符合率分别为100%、100%、100%、100%和92%;对掺杂比例分别为5%(111份)、10%(97份)和20%(94份)的各种地沟油掺兑植物成品油样品,筛查结果符合率分别为98%、100%和100%;对掺杂比例分别为5%、10%和20%的地沟油掺兑植物原油样品各45份的筛查结果符合率分别为98%、100%和100%。
方法重现性好:同一条件下,同一样品在不同时间进行多次测试的测试结果均一致,重现性好。
附图说明
图1是本发明实施例提供的精炼地沟油与食用植物油532nm激光光源下的扩展拉曼光谱图;
图2是本发明实施例提供的精炼地沟油与食用植物油532nm激光光源下的一阶导数扩展拉曼光谱图;
图3是本发明实施例提供的待测样品判别分析流程示意图;
图4是本发明实施例提供的植物油分类一级模块判别分析效果图;
图5是本发明实施例提供的植物油分类二级模块判别分析效果图;
图6是本发明实施例提供的植物油分类三级模块判别分析效果图;
图7是本发明实施例提供的玉米油类地沟油与非地沟油判别分析效果图;
图8是本发明实施例提供的大豆油类地沟油与非地沟油判别分析效果图;
图9是本发明实施例提供的棕榈油类地沟油与非地沟油判别分析效果图;
图10是本发明实施例提供的花生油类地沟油与非地沟油判别分析效果图;
图11是本发明实施例提供的橄榄油类地沟油与非地沟油判别分析效果图。
具体实施方式
为了使本发明要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例通过对利用地沟油制售食用油的资源调查和成本效益分析,发现餐厨废弃油脂是地沟油犯罪团伙目前最常用和最易得的原料。将餐厨废弃油脂进行蒸馏脱臭、碱炼脱酸、吸附脱色是地沟油犯罪团伙目前最有可能和最愿意采用的精炼工艺路线。精炼地沟油掺入植物原油和成品油销往食用油加工企业及食用油市场是地沟油犯罪团伙目前最有可能和最常用的营销方式。通过模仿地沟油犯罪团伙利用地沟油制售食用油的模式,借鉴食用植物油脂精炼加工的流程及工艺,研究制备精炼地沟油适用的工艺路线及条件,采用餐厨废弃油脂为原料,通过蒸馏脱臭-碱炼脱酸-吸附脱色获得多批次精炼地沟油样品。在此基础上,构建完整的参比样品库,内含各类食用植物原油、食用植物成品油、餐厨废弃油脂、煎炸废弃油脂、动物废弃油脂、精炼地沟油(包括精炼过程各阶段的样品)和掺兑地沟油样品,为本发明实施例构建完整的判别分析模型提供了重要的基础。
本发明实施例提供了一种基于拉曼光谱鉴别地沟油的判别分析方法,包括下述步骤:
S01.收集或配制用于构建判别分析模型的纯食用植物油、掺假植物油、地沟油掺兑植物油和地沟油的标准样品,进行拉曼光谱检测获得标准样品的扩展拉曼光谱数据;
S02.将所述扩展拉曼光谱数据进行一阶导数处理,获得一阶导数扩展拉曼光谱;
S03.将所述扩展拉曼光谱及一阶导数拉曼光谱数据输入分析软件、并计算各标准样品的马氏距离,根据标准样品的马氏距离构建判别分析模型;
S04.将待测样品进行扩展拉曼光谱检测后进行一阶导数处理,并导入所述判别分析模型中依次进行判别,鉴定所述待测样品为地沟油或非地沟油。
具体的,上述步骤S01中,本发明实施例分别以不同产地、品牌及批次的纯食用植物油(包括花生油、芝麻油、橄榄油、茶籽油、大豆油、菜籽油、棉籽油、玉米油、葵花籽油和棕榈油)及掺假植物油、不同批次的精炼地沟油、不同类型的地沟油(包括餐厨废弃油脂、煎炸废弃油脂、动物废弃油脂)、来自国内不同地区的地沟油(包括泰鑫地沟油、泰鑫地沟油3、正诚地沟油、千门3地沟油、千门4地沟油、质检A11地沟油、重庆地沟油、广州地沟油、上海地沟油和深圳地沟油)及各种地沟油掺兑植物油用作构建判别分析模型的标准样品,其中,所述纯食用植物油为不同产地、品牌及批次的上述10种食用植物油中的一种,所述掺假植物油为两种或两种以上所述纯食用植物油不同比例掺兑形成的混合植物油,所述地沟油以餐厨废弃油脂、煎炸废弃油脂、动物废弃油脂中的至少一种作为原料,所述精炼地沟油是采用餐厨废弃油脂为原料、通过蒸馏脱臭-碱炼脱酸-吸附脱色获得的多批次精炼地沟油样品,所述地沟油掺兑植物油是指不同类型、不同比例的地沟油与植物油掺兑形成的混合油样品。当然,应当理解,所述标准样品不限于上述所列举样品,还包括根据实际需要出现的其他纯食用植物油、掺假植物油、地沟油掺兑植物油和地沟油样品。
本发明实施例中,所述拉曼光谱检测优选采用显微拉曼光谱仪DXRRaman Microscope(美国Thermo Fisher Scientific公司)进行检测,各项测量参数优选如下所述:激光光源波长:532nm;物镜倍数:10X;激光能量:2.0mw;分光光栅:扩展光栅;出光狭缝:25μm(针孔);曝光时间:1.0s;测量曝光次数:200次;背景曝光次数:500次;光谱扫描范围:6500~100cm-1。在上述优选的激光光源波长及测量参数下,可以获得在整体形态上具有显著差异的所述地沟油和非地沟油标准样品的扩展拉曼光谱及其一阶导数光谱,输入特定分析软件中计算马氏距离进而得到效果良好的判别分析模型。
作为具体实施例,所述拉曼光谱检测具体操作为:开启光源和拉曼光谱仪,待仪器完成自检后开始样品测量。取样品50μL于垫有锡箔的载玻片中央,将载玻片置于仪器的显微镜载物平台上,移动载物平台将入射光聚焦于样品微滴中心,关闭显微镜载物台上盖。按选定的范围和参数测定样品的拉曼光谱。
本发明按上述优选测量参数对纯食用植物油(包括花生油、芝麻油、橄榄油、茶籽油、大豆油、菜籽油、棉籽油、玉米油、葵花籽油和棕榈油)和精炼地沟油进行拉曼光谱检测得到的扩展拉曼光谱如图1所示。
本发明实施例步骤S02中,以一阶导数方式处理标准样品的扩展拉曼光谱,优选采用OMNIC for Dispersive Ramam软件(美国Thermo Fisher Scientific公司)进行处理,其中参数设置如下:Norris derivative,Segment leng th=51,Gapbetween segments=5,获得各标准样品的导数扩展拉曼光谱。本发明将图1所示扩展拉曼光谱进行一阶导数处理后得到的一阶导数扩展拉曼光谱如图2所示。
本发明实施例步骤S03中,根据上述步骤S01和S02分别得到的扩展拉曼光谱及一阶导数扩展拉曼光谱数据,优选使用TQ Analyst8.0分析软件(美国Thermo Fisher Scientific公司)处理后,计算出各标准样品的马氏距离,其中参数设置如下:在Description中选择Analysis Type为Discriminant,在Pathlength中选择Pathlength Type为Standard nomal vaiate(SNV),在Regions中选择RegionType为Spectrum Range,在Other中选择Within Class Variance为Calculate onedistribution for all classes,Date Normalization为Calculate Mahalanobis distance,Principal Components为80Maximun number of principal components to calculate。根据各标准样品的马氏距离,构建各个判别分析模型。具体的,本发明实施例将步骤S01得到的所述扩展拉曼光谱数据使用TQ Analyst8.0分析软件处理,根据各标准样品的马氏距离,构建各个植物油分类判别分析模型;本发明实施例将步骤S02得到的所述一阶导数扩展拉曼光谱数据使用TQ Analyst8.0分析软件处理,根据各标准样品的马氏距离,构建各类植物油样品地沟油与非地沟油判别分析模型。当然,不排除通过其他分析软件处理可获得本发明实施例的判别分析模型。通过步骤S01得到的所述扩展拉曼光谱数据以及步骤S02得到的所述一阶导数扩展拉曼光谱数据,数据处理后分别获得的马氏距离,首次建立了可用于鉴别待测样品中是否含有地沟油(包括地沟油掺兑植物油)的判别分析模型,为植物油中地沟油的筛查鉴别提供了一条准确、便捷的途径。
根据本发明上述优选实施例得到的如图1和图2所示的扩展拉曼光谱及一阶导数扩展拉曼光谱,进行数据处理并计算马氏距离后,根据样品间的马氏距离构建判别分析模型,作为优选实施例,所述判别分析模型包括植物油分类判别分析模型、玉米油类样品地沟油筛查判别分析模型、大豆油类样品地沟油筛查判别分析模型、棕榈油类样品地沟油筛查判别分析模型、花生油类样品地沟油筛查判别分析模型、橄榄油类样品地沟油筛查判别分析模型。该优选的判别分析模型,可以高效鉴别标称为植物油的待测样品是否为地沟油(含地沟油掺兑植物油)。
进一步的,本发明实施例所述植物油分类判别分析模型优选包括下述3个判别分析模块:
一级判别分析模块:将所述标准样品分为玉米+大豆+棕榈油类、花生油类和橄榄油类;
二级判别分析模块:将所述玉米+大豆+棕榈油类样品分为玉米+棕榈油类和大豆油类;
三级判别分析模块:将所述玉米+棕榈油类样品分为玉米油类和棕榈油类。
该优选的三级植物油分类判别分析模型,可以通过马氏距离直接对待测样品进行分步判别,逐步将待测样品进行类别划分,直至获得待测样品为花生油类、橄榄油类、大豆油类、玉米油类或棕榈油类中某一特定类的信息,为进一步鉴别特定油类是否为地沟油提供了基础。
具体的,所述玉米+大豆+棕榈油类包括玉米油、葵花籽油、油茶籽油、棕榈油、大豆油、菜籽油中的至少一种,包括纯食用植物油或掺杂植物油或地沟油掺兑植物油或地沟油;所述花生油类包括花生油、芝麻油和棉籽油中的至少一种,包括纯食用植物油或掺杂植物油或地沟油掺兑植物油或地沟油;所述橄榄油类包含橄榄油,包括纯食用植物油或掺杂植物油或地沟油掺兑植物油或地沟油;所述玉米+棕榈油类包括玉米油、葵花籽油、油茶籽油、棕榈油中的至少一种,包括纯食用植物油或掺杂植物油或地沟油掺兑植物油或地沟油;所述大豆油类包括大豆油和菜籽油中的至少一种,包括纯食用植物油或掺杂植物油或地沟油掺兑植物油或地沟油;所述玉米油类包括玉米油、葵花籽油、油茶籽油的至少一种,包括纯食用植物油或掺杂植物油或地沟油掺兑植物油或地沟油;所述棕榈油类包含棕榈油,包括纯食用植物油或掺杂植物油或地沟油掺兑植物油或地沟油。
本发明实施例中,所述植物油分类判别分析模型能根据样品马氏距离特征将其逐步判别分析直至将其归属至花生油类、大豆油类、棕榈油类、玉米油类、橄榄油类。而所述判别分析模型中,所述玉米油类样品地沟油筛查判别分析模型、大豆油类样品地沟油筛查判别分析模型、棕榈油类样品地沟油筛查判别分析模型、花生油类样品地沟油筛查判别分析模型、橄榄油类样品地沟油筛查判别分析模型,能将判别进入本类的样品进行进一步判别鉴定,进而鉴定样品为地沟油或非地沟油。
本发明实施例步骤S04中,将待测样品参照本发明步骤S01、S02的方法进行处理后,将获得扩展拉曼光谱及一阶导数扩展拉曼光谱数据导入已构建的各判别分析模型中,分步鉴定样品为地沟油或非地沟油。
本发明优选实施例基于拉曼光谱鉴别地沟油的判别分析方法的操作流程图如附图3所示。
本发明实施例中,为了检测所述判别分析模型的性能,采用回代法检验各模型的判别分析性能,即将参与建模的标准样品导入相应的判别分析模型中进行检测,根据错判率评价模型的性能。本发明实施例各判别分析模型的性能结果如下表1所示:
表1
由上表可见,构建的8个判别分析模型的错判率均≤3.0%,表明上述模型具有良好的判别分析性能。
此外,将上述植物油分类判别分析模型(一级模块)、植物油分类判别分析模型(二级模型)、植物油分类判别分析模型(三级模型)、玉米油类样品地沟油筛查判别分析模型、大豆油类样品地沟油筛查判别分析模型、棕榈油类样品地沟油筛查判别分析模型、花生油类样品地沟油筛查判别分析模型、橄榄油类样品地沟油筛查判别分析模型进行马氏距离分析,各判别分析模型的判别分析效果图分别如图4-11所示。
具体的,由图4可见,橄榄油类、玉米+大豆+棕榈油类和花生油类均有较大的马氏距离,对库中相关样品的数据进行分析,表明异类样品件的马氏距离均大于同类样品间的马氏距离;由图5可见,玉米+棕榈油类和大豆油类均有较大的马氏距离,对库中相关样品的数据进行分析,表明两类样品件的马氏距离均大于同类样品间的马氏距离;由图6可见,玉米油类和棕榈油类均有较大的马氏距离,对库中相关样品的数据进行分析,表明两类样品件的马氏距离均大于同类样品间的马氏距离;由图7可见,玉米油类非地沟油(包括5%的掺假植物油)和地沟油(包括5%的掺杂植物油)均有较大的马氏距离,对库中相关样品的数据进行分析,表明两类样品件的马氏距离均大于同类样品间的马氏距离;由图8可见,大豆油类非地沟油(包括5%的掺假植物油)和地沟油(包括5%的掺杂植物油)均有较大的马氏距离,对库中相关样品的数据进行分析,表明两类样品件的马氏距离均大于同类样品间的马氏距离;由图9可见,棕榈油类非地沟油(包括5%的掺假植物油)和地沟油(包括5%的掺杂植物油)均有较大的马氏距离,对库中相关样品的数据进行分析,表明两类样品件的马氏距离均大于同类样品间马氏的距离;由图10可见,花生油类非地沟油(包括5%的掺假植物油)和地沟油(包括5%的掺杂植物油)均有较大的马氏距离,对库中相关样品的数据进行分析,表明两类样品件的马氏距离均大于同类样品间的马氏距离;由图11可见,橄榄油类非地沟油(包括5%的掺假植物油)和地沟油(包括5%的掺杂植物油)均有较大的马氏距离,对库中相关样品的数据进行分析,表明两类样品件的马氏距离均大于同类样品间的马氏距离。由此可见,本发明实施例构建的基于拉曼光谱鉴别地沟油的判别分析模型,能根据马氏距离快速、准确地区分待测样品。
本发明实施例提供的基于拉曼光谱鉴别地沟油的判别分析方法,将标准样品的扩展拉曼光谱及其一阶导数光谱,导入TQ Analyst 8.0分析软件,通过计算各样品的马氏距离(Mahalanobis distance)构建各个判别分析模型,进而将待测样品的扩展拉曼光谱及其一阶导数光谱导入所述判别分析模型中依次进行判别,分步鉴定所述待测样品为地沟油或非地沟油,具有以下优点:
检测过程简单快速、操作便捷:本方法进行样品测量时无需制备样品即消耗化学试剂,测试盒分析一份样品仅耗时5min左右,可实现对植物油中地沟油的快速和无损筛查。
检测准确性高:配制各类油脂样品使用本本发明实施例构建的判别分析模型进行实验验证,具体试验样品和实验结果如下表2所示。
表2
由表2可见,对131份各类植物成品油、66份植物原油、15份调和油、5份芥花籽油、7份稻米油、2份花椒油、38份精炼废弃物回收油脂、40份餐厨废弃油脂、30份煎炸废弃油脂、11份动物废弃油脂、30份仿冒花生油和30份仿冒芝麻油的筛查符合率均为100%;对掺假比例分别为10%(14份)、20%(12份)、30%(12份)和50%(12份)的掺假橄榄油、掺假花生油、掺假油茶籽油和掺假芝麻油样品,筛查结果符合率分别为100%、100%、100%、100%和92%;对掺杂比例分别为5%(111份)、10%(97份)和20%(94份)的各种地沟油掺兑植物成品油样品,筛查结果符合率分别为98%、100%和100%;对掺杂比例分别为5%、10%和20%的地沟油掺兑植物原油样品各45份的筛查结果符合率分别为98%、100%和100%。本发明实施例中,对掺入植物油的地沟油均可按其含量依梯度顺序检出。
方法重现性好:本发明实施例在相同条件下,对每一参比样品重复测定10次。各样品10次测定的聚类分析结果均一致;在3个月的时间内,在相同条件下,对每一参比样品每15天测定一次,共测定6次。各样品6次测定的聚类分析结果均一致。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于拉曼光谱鉴别地沟油的判别分析方法,包括下述步骤:
收集或配制用于构建判别分析模型的纯食用植物油、掺假植物油、地沟油掺兑植物油和地沟油的标准样品,进行拉曼光谱检测获得标准样品的扩展拉曼光谱数据;
将所述扩展拉曼光谱数据进行一阶导数处理,获得一阶导数扩展拉曼光谱;
将所述扩展拉曼光谱及一阶导数拉曼光谱数据输入分析软件、并计算各标准样品的马氏距离,根据所述标准样品的马氏距离构建判别分析模型;
将待测样品进行扩展拉曼光谱检测后进行一阶导数处理,并导入所述判别分析模型中依次进行判别,鉴定所述待测样品为地沟油或非地沟油。
2.如权利要求1所述的基于拉曼光谱鉴别地沟油的判别分析方法,其特征在于,所述判别分析模型包括植物油分类判别分析模型、玉米油类样品地沟油筛查判别分析模型、大豆油类样品地沟油筛查判别分析模型、棕榈油类样品地沟油筛查判别分析模型、花生油类样品地沟油筛查判别分析模型、橄榄油类样品地沟油筛查判别分析模型。
3.如权利要求1所述的基于拉曼光谱鉴别地沟油的判别分析方法,其特征在于,所述植物油分类判别分析模型包括下述3个判别分析模块:
一级判别分析模块:将所述标准样品分为玉米+大豆+棕榈油类、花生油类和橄榄油类;
二级判别分析模块:将所述玉米+大豆+棕榈油类样品分为玉米+棕榈油类和大豆油类;
三级判别分析模块:将所述玉米+棕榈油类样品分为玉米油类和棕榈油类。
4.如权利要求3所述的基于拉曼光谱鉴别地沟油的判别分析方法,其特征在于,所述玉米+大豆+棕榈油类包括玉米油、葵花籽油、油茶籽油、棕榈油、大豆油、菜籽油中的至少一种;
所述花生油类包括花生油、芝麻油和棉籽油中的至少一种;
所述橄榄油类包含橄榄油;
所述玉米+棕榈油类包括玉米油、葵花籽油、油茶籽油、棕榈油中的至少一种;
所述大豆油类包括大豆油和菜籽油中的至少一种;
所述玉米油类包括玉米油、葵花籽油、油茶籽油的至少一种;
所述棕榈油类包含棕榈油。
5.如权利要求1所述的基于拉曼光谱鉴别地沟油的判别分析方法,其特征在于,所述拉曼光谱检测以532nm作为激光光源波长,光谱扫描范围为6500~100cm-1。
6.如权利要求1所述的基于拉曼光谱鉴别地沟油的判别分析方法,其特征在于,所述纯食用植物油包括不同产地、品牌及批次的纯食用植物油。
7.如权利要求1所述的基于拉曼光谱鉴别地沟油的判别分析方法,其特征在于,所述掺假植物油为两种或两种以上所述纯食用植物油不同比例掺兑形成的混合植物油。
8.如权利要求1所述的基于拉曼光谱鉴别地沟油的判别分析方法,其特征在于,所述地沟油的原料为餐厨废弃油脂、煎炸废弃油脂、动物废弃油脂中的至少一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510102215.9A CN104730058B (zh) | 2015-03-09 | 2015-03-09 | 一种基于拉曼光谱鉴别地沟油的判别分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510102215.9A CN104730058B (zh) | 2015-03-09 | 2015-03-09 | 一种基于拉曼光谱鉴别地沟油的判别分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104730058A true CN104730058A (zh) | 2015-06-24 |
CN104730058B CN104730058B (zh) | 2017-08-25 |
Family
ID=53454155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510102215.9A Active CN104730058B (zh) | 2015-03-09 | 2015-03-09 | 一种基于拉曼光谱鉴别地沟油的判别分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104730058B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105954258A (zh) * | 2016-05-26 | 2016-09-21 | 伯格森(北京)科技有限公司 | 食用油掺劣质油检测仪及检测方法 |
CN106323937A (zh) * | 2016-08-08 | 2017-01-11 | 大连海事大学 | 一种高辨识力的原油指纹谱构建及鉴别方法 |
CN110672578A (zh) * | 2019-09-25 | 2020-01-10 | 北京市粮食科学研究院 | 针对煎炸油极性组分检测的模型通用性及稳定性验证方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050250213A1 (en) * | 2004-05-07 | 2005-11-10 | Hormoz Azizian | FT-NIR fatty acid determination method |
CN103398970A (zh) * | 2013-07-24 | 2013-11-20 | 骆驰 | 一种定性和定量分析食用油并进而检测地沟油的方法 |
CN103645171A (zh) * | 2013-12-03 | 2014-03-19 | 深圳市疾病预防控制中心 | 一种基于拉曼光谱法检测地沟油的方法 |
-
2015
- 2015-03-09 CN CN201510102215.9A patent/CN104730058B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050250213A1 (en) * | 2004-05-07 | 2005-11-10 | Hormoz Azizian | FT-NIR fatty acid determination method |
CN103398970A (zh) * | 2013-07-24 | 2013-11-20 | 骆驰 | 一种定性和定量分析食用油并进而检测地沟油的方法 |
CN103645171A (zh) * | 2013-12-03 | 2014-03-19 | 深圳市疾病预防控制中心 | 一种基于拉曼光谱法检测地沟油的方法 |
Non-Patent Citations (4)
Title |
---|
SIKORSKA E, ET AL.: "Classification of edible oils using synchronous scanning fluorescence spectroscopy", 《FOOD CHEMISTRY》 * |
曹文明等: ""地沟油"鉴别技术研究", 《中国油脂》 * |
翁欣欣等: "近红外光谱-BP神经网-PLS法用于橄榄油掺杂分析", 《光谱学与光谱分析》 * |
邓平建等: "快速鉴别掺伪橄榄油的拉曼光谱-聚类分析方法", 《中国油脂》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105954258A (zh) * | 2016-05-26 | 2016-09-21 | 伯格森(北京)科技有限公司 | 食用油掺劣质油检测仪及检测方法 |
CN106323937A (zh) * | 2016-08-08 | 2017-01-11 | 大连海事大学 | 一种高辨识力的原油指纹谱构建及鉴别方法 |
CN106323937B (zh) * | 2016-08-08 | 2018-11-09 | 大连海事大学 | 一种高辨识力的原油指纹谱构建及鉴别方法 |
CN110672578A (zh) * | 2019-09-25 | 2020-01-10 | 北京市粮食科学研究院 | 针对煎炸油极性组分检测的模型通用性及稳定性验证方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104730058B (zh) | 2017-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Boyacı et al. | A novel method for discrimination of beef and horsemeat using Raman spectroscopy | |
Biancolillo et al. | Authentication of an Italian PDO hazelnut (“Nocciola Romana”) by NIR spectroscopy | |
CN102590172B (zh) | 食用油脂与地沟油的分类检测方法及检测系统 | |
CN107894408A (zh) | 一种基于近红外光谱仪的食用油多元掺伪鉴别方法 | |
US20180052144A1 (en) | Method And Technique For Verification Of Olive Oil Composition | |
CN104155359A (zh) | 一种基于离子迁移谱的食用植物油真伪快速筛查方法 | |
Cai et al. | An expert system based on 1H NMR spectroscopy for quality evaluation and adulteration identification of edible oils | |
Rahim et al. | High throughput automated analysis of big flow cytometry data | |
Abbas et al. | Assessment of the discrimination of animal fat by FT-Raman spectroscopy | |
Beattie et al. | Classification of adipose tissue species using Raman spectroscopy | |
García Martín | Potential of near-infrared spectroscopy for the determination of olive oil quality | |
CN102749315A (zh) | 一种利用同步荧光光谱快速检测潲水油的方法 | |
CN104730058A (zh) | 一种基于拉曼光谱鉴别地沟油的判别分析方法 | |
CN102998350B (zh) | 利用电化学指纹图谱鉴别食用油和地沟油的方法 | |
De Géa Neves et al. | Monitoring of adulteration and purity in coconut oil using raman spectroscopy and multivariate curve resolution | |
CN104237370B (zh) | 一种添加芝麻油香精的假冒芝麻油快速鉴别方法 | |
Jiménez-Sotelo et al. | Use of ATR-FTIR spectroscopy coupled with chemometrics for the authentication of avocado oil in ternary mixtures with sunflower and soybean oils | |
Aziz et al. | A systematic literature review on the current detection tools for authentication analysis of cosmetic ingredients | |
WO2017079997A1 (zh) | 一种地沟油高光谱透射快速检测方法 | |
Giacomino et al. | Analytical methods for the characterization of vegetable oils | |
CN103592256A (zh) | 基于傅里叶变换中红外光谱识别正常食用植物油和精炼潲水油的方法 | |
Lumakso et al. | Application of chemometrics in combination with Fourier Transform Mid Infrared spectroscopy for authentication of avocado oil | |
CN108982570A (zh) | 一种基于核磁共振技术的食用油品质鉴别方法 | |
Zhang et al. | Recent advances in analytical detection of olive oil adulteration | |
Pucci et al. | Characterization and discrimination of Italian olive (Olea europaea sativa) cultivars by production area using different analytical methods combined with chemometric analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |