简介： 橄榄油是一种在日渐普及的食品，仅在美国，过去10年的消费量就增长了约50%。橄榄油年产量作者：掺杂物筛查（AdulterantScreen）算法在使用傅里叶变换衰减全反射（ATR）红外光谱法检测橄榄油掺杂物中的优势FT-IR Spectroscopy达三百万吨以上，其中约75%产于西班牙、意大利和希腊。美国目前的橄榄油年进口量达三十万吨以上
橄榄油被认为是一种健康食用油，有助于降低地中海式饮食相关心脏病的发病率。它的饱和脂肪酸（SFA）和多不饱和脂肪酸（PUFA）含量低，而更健康的以能够降低胆固醇著称的单不饱和脂肪酸（MUFA）含量较高。特级初榨橄榄油（EVOO）是一种价格必然高于橄榄油的优质产品。这使得它极易引发欺诈活动。据欧盟环境、公众健康和食品安全委员会报告，橄榄油是最易引发食品欺诈的产品之一。美国药品食品欺诈数据库已收到267起油类掺杂掺伪事件，这些事件大多数发生在过去三年里。媒体也经常报道在EVOO中掺杂劣质橄榄油或其它廉价食用油的事件。最常见的掺杂物包括：榛果油、葵花油、豆油、玉米油、菜籽油以及橄榄果渣油。稀释、甚或是使用含有化学添加（能够使油品质量显得较高并通过常规筛查测试）的其他廉价油替代的欺诈活动在不断增加。
本应用报告叙述了一种快速简单筛查橄榄油掺杂物的低成本解决方案。
材料和方法中红外光谱是一项进行食用油样品分析的有效技术。珀金埃尔默Spectrum TwoTM FT-IR是一款高性能紧凑型FT-IR仪器，采用现代ATR测试技术，可快速简单地进行食品样品测量。珀金埃尔默Universal ATR (UATR)等DiamondTM ATR附件非常稳固，使这款仪器可以在实验室甚至远程环境的极恶劣条件下使用。Diamond ATR晶体所需的测试样品极少，并且可使用实验室用纸巾和少量合适的溶剂（例如：对于食用油，可使用己烷）非常方便地进行原位清洗。在本研究中，使用配备UATR附件的珀金埃尔默SpectrumTwo对一系列纯正和掺杂橄榄油以及常见掺杂物光谱进行了分析。典型的橄榄油光谱如图2所示。所记录光谱的分辨率为4 cm-1，扫描时间为每个样品一分钟。该光谱的突出特点是由于烃链的–CH-分支而产生的2930cm-1区域内的谱带，以及由于甘油三酯中的羰基而产生的1740 cm-1 区域内的谱带。
从其它类型食用油中辨别橄榄油由于不同食用油的分子包含相同的化学基团，它们的红外光谱非常相似，只会因甘油三酯主链上的链组不同而有所不同。但不同类型油品之间仍有可以看到的小差别。图3显示了三种不同类型油品的ATR光谱：橄榄油、葵花油和菜籽油。这些光谱差异足以为这些不同油品开发一种分类方法。有多种根据其红外光谱进行材料分类的方法。对于这种类型的问题，一种基于主成分分析（PCA）的方法—簇类独立软模式法（SIMCA）—行之有效。构建SIMCA方法需要对要分组的每种材料进行多个样品的测量。样品校正集应涵盖该特定材料通常遇到的所有变异的根源，例如不同来源、不同批次或不同制造工艺。此方法将构建各个模型，以对每种材料进行完整表征。每种材料，在此案例中是每种类型的油品，在这一模型中形成应与为其它要分类材料计算的其它簇类分开的、其自身的簇。在本研究中，针对三种类型的食用油生成了一个SIMCA模型。图4显示了该SIMCA模型，每种油品都有其自身的簇，与其他材料的簇明显分开。
对一种材料的分类包括测量红外光谱和使用SIMCA模型预测该光谱所属的簇。若此光谱不属于这三种材料中的任何一种，则其可能就是一种不同的材料或污染/掺入油品。确定样品在测试中失败的原因可能还需要进行进一步的数据调查。
橄榄油中已知掺杂物的量化若掺杂物已知，则可以对该掺杂物进行量化。这涉及到准备含该掺杂油的橄榄油混合物并测量其红外光谱。一系列混合物的红外光谱如图5所示。
用于检测橄榄油中“已知”和“新”掺杂物的Adulterant ScreenTM算法目前所采取的两种统计方法可以：a.) 检测材料是否是正确的材料（SIMCA）；b.) 量化单一已知掺杂物的含量（PLS）。使用Adulterant Screen算法可提供一种替代方法。这种方法非常简单:1. 生成用于SIMCA的未掺杂材料样品光谱数据库。该数据库应尽可能涵盖材料的自然变异，由于批次差异、供应商或工艺参数不同等。2. 生成所关注掺杂物的光谱。这些光谱应是纯掺杂物材料的光谱，而非混合物。（当未来出现新的掺杂材料时，可以很轻松将其添加至掺杂物数据库。）将这两组光谱录入软件，方法已经准备就绪。
在本研究中，测量了从市面购买油品的一系列24种橄榄油光谱。这24种光谱用来生成未掺杂材料的数据库。本研究的目的是专门查找是否掺杂有葵花油或菜籽油。测量这两种掺杂物的单一图谱，并与方法共同存储。使用掺有已知浓度其它类型油品的样品对Adulterant Screen法进行测试，也可以使用纯橄榄油。结果如表1所示。
在任何情况下，除非是纯橄榄油，掺杂样品都会生成一个“失败”结果，表示含有掺杂物。Adulterant Screen算法不仅能够正确识别掺杂物，还能够在无需运行定量校正的情况下估算污染物的含量。污染物含量报告值为占该成分所形成总光谱的比例。结果表显示，此算法能够像SIMCA法一样进行分类，并且还可以在无需生成大量定量模型的情况下提供掺杂物浓度的大致估计值。扫描样品光谱之后，此算法首先将其与参考材料生成的PCA模型相比较。然后使用每种掺杂物光谱依次与此模型相比较。若模型中包含的给定掺杂物显著增加了样品光谱的拟合度，则样品中可能存在这种掺杂物。图8显示了对13.79%菜籽油验证混合物进行分析后所观察出的残差。注意：方法中排除2450-1850 cm-1光谱区域（Diamond ATR钻石晶体吸收的区域）。
总结Spectrum Two上的ATR-FT-IR为橄榄油样品的掺杂物筛选提供了一种快速简单的低成本方法。分析所需的信息将决定哪种方法是最合适的数据分析方法。使用三种不同的方法 – SIMCA、PLS和Adulterant Screen对数据进行了论证。结论如下：SIMCA – 产品是否与所述相符，是否具有该类材料所预期的变异？若为否，将需要进一步数据分析。PLS – 对于已知掺杂物，可以通过制备合适的混合物生成完整的定量校正。这种方法可提供准确的定量结果。Adulterant Screen算法 – 产品是否与所述相符，是否掺杂？若可能含有掺杂物，则尽力从已知掺杂物识别该等掺杂物，并给出该掺杂物含量的半量化测量结果。Adulterant Screen算法的优点远远多于其他两种方法：
方法开发更快速
• Adulterant Screen算法只需采集未掺杂材料和已知掺杂物的光谱。方法升级非常简单
• 当识别出新的潜在掺杂物时，只需将其添加至掺杂物光谱数据库即可。灵敏度比SIMCA高
• 通过利用潜在掺杂物的光谱数据库来实现。无论使用哪种统计方法，均可以运用简单的常规操作用户界面、使用Spectrum TouchTM 法进行部署。图9所示为掺杂样品结果筛选举例。
