簡介： 橄欖油是一種在日漸普及的食品，僅在美國，過去10年的消費量就增長了約50%。橄欖油年產量作者：摻雜物篩查（AdulterantScreen）算法在使用傅里葉變換衰減全反射（ATR）紅外光譜法檢測橄欖油摻雜物中的優勢FT-IR Spectroscopy達三百萬噸以上，其中約75%產于西班牙、意大利和希臘。美國目前的橄欖油年進口量達三十萬噸以上

橄欖油被認為是一種健康食用油，有助于降低地中海式飲食相關心臟病的發病率。它的飽和脂肪酸（SFA）和多不飽和脂肪酸（PUFA）含量低，而更健康的以能夠降低膽固醇著稱的單不飽和脂肪酸（MUFA）含量較高。特級初榨橄欖油（EVOO）是一種價格必然高于橄欖油的優質產品。這使得它極易引發欺詐活動。據歐盟環境、公眾健康和食品安全委員會報告，橄欖油是最易引發食品欺詐的產品之一。美國藥品食品欺詐數據庫已收到267起油類摻雜摻偽事件，這些事件大多數發生在過去三年里。媒體也經常報道在EVOO中摻雜劣質橄欖油或其它廉價食用油的事件。最常見的摻雜物包括：榛果油、葵花油、豆油、玉米油、菜籽油以及橄欖果渣油。稀釋、甚或是使用含有化學添加（能夠使油品質量顯得較高并通過常規篩查測試）的其他廉價油替代的欺詐活動在不斷增加。

本應用報告敘述了一種快速簡單篩查橄欖油摻雜物的低成本解決方案。

材料和方法中紅外光譜是一項進行食用油樣品分析的有效技術。珀金埃爾默Spectrum TwoTM FT-IR是一款高性能緊湊型FT-IR儀器，采用現代ATR測試技術，可快速簡單地進行食品樣品測量。珀金埃爾默Universal ATR (UATR)等DiamondTM ATR附件非常穩固，使這款儀器可以在實驗室甚至遠程環境的極惡劣條件下使用。Diamond ATR晶體所需的測試樣品極少，并且可使用實驗室用紙巾和少量合適的溶劑（例如：對于食用油，可使用己烷）非常方便地進行原位清洗。在本研究中，使用配備UATR附件的珀金埃爾默SpectrumTwo對一系列純正和摻雜橄欖油以及常見摻雜物光譜進行了分析。典型的橄欖油光譜如圖2所示。所記錄光譜的分辨率為4 cm-1，掃描時間為每個樣品一分鐘。該光譜的突出特點是由于烴鏈的–CH-分支而產生的2930cm-1區域內的譜帶，以及由于甘油三酯中的羰基而產生的1740 cm-1 區域內的譜帶。

從其它類型食用油中辨別橄欖油由于不同食用油的分子包含相同的化學基團，它們的紅外光譜非常相似，只會因甘油三酯主鏈上的鏈組不同而有所不同。但不同類型油品之間仍有可以看到的小差別。圖3顯示了三種不同類型油品的ATR光譜：橄欖油、葵花油和菜籽油。這些光譜差異足以為這些不同油品開發一種分類方法。有多種根據其紅外光譜進行材料分類的方法。對于這種類型的問題，一種基于主成分分析（PCA）的方法—簇類獨立軟模式法（SIMCA）—行之有效。構建SIMCA方法需要對要分組的每種材料進行多個樣品的測量。樣品校正集應涵蓋該特定材料通常遇到的所有變異的根源，例如不同來源、不同批次或不同制造工藝。此方法將構建各個模型，以對每種材料進行完整表征。每種材料，在此案例中是每種類型的油品，在這一模型中形成應與為其它要分類材料計算的其它簇類分開的、其自身的簇。在本研究中，針對三種類型的食用油生成了一個SIMCA模型。圖4顯示了該SIMCA模型，每種油品都有其自身的簇，與其他材料的簇明顯分開。

對一種材料的分類包括測量紅外光譜和使用SIMCA模型預測該光譜所屬的簇。若此光譜不屬于這三種材料中的任何一種，則其可能就是一種不同的材料或污染/摻入油品。確定樣品在測試中失敗的原因可能還需要進行進一步的數據調查。

橄欖油中已知摻雜物的量化若摻雜物已知，則可以對該摻雜物進行量化。這涉及到準備含該摻雜油的橄欖油混合物并測量其紅外光譜。一系列混合物的紅外光譜如圖5所示。

用于檢測橄欖油中“已知”和“新”摻雜物的Adulterant ScreenTM算法目前所采取的兩種統計方法可以：a.) 檢測材料是否是正確的材料（SIMCA）；b.) 量化單一已知摻雜物的含量（PLS）。使用Adulterant Screen算法可提供一種替代方法。這種方法非常簡單:1. 生成用于SIMCA的未摻雜材料樣品光譜數據庫。該數據庫應盡可能涵蓋材料的自然變異，由于批次差異、供應商或工藝參數不同等。2. 生成所關注摻雜物的光譜。這些光譜應是純摻雜物材料的光譜，而非混合物。（當未來出現新的摻雜材料時，可以很輕松將其添加至摻雜物數據庫。）將這兩組光譜錄入軟件，方法已經準備就緒。

在本研究中，測量了從市面購買油品的一系列24種橄欖油光譜。這24種光譜用來生成未摻雜材料的數據庫。本研究的目的是專門查找是否摻雜有葵花油或菜籽油。測量這兩種摻雜物的單一圖譜，并與方法共同存儲。使用摻有已知濃度其它類型油品的樣品對Adulterant Screen法進行測試，也可以使用純橄欖油。結果如表1所示。

在任何情況下，除非是純橄欖油，摻雜樣品都會生成一個“失敗”結果，表示含有摻雜物。Adulterant Screen算法不僅能夠正確識別摻雜物，還能夠在無需運行定量校正的情況下估算污染物的含量。污染物含量報告值為占該成分所形成總光譜的比例。結果表顯示，此算法能夠像SIMCA法一樣進行分類，并且還可以在無需生成大量定量模型的情況下提供摻雜物濃度的大致估計值。掃描樣品光譜之后，此算法首先將其與參考材料生成的PCA模型相比較。然后使用每種摻雜物光譜依次與此模型相比較。若模型中包含的給定摻雜物顯著增加了樣品光譜的擬合度，則樣品中可能存在這種摻雜物。圖8顯示了對13.79%菜籽油驗證混合物進行分析后所觀察出的殘差。注意：方法中排除2450-1850 cm-1光譜區域（Diamond ATR鉆石晶體吸收的區域）。

總結Spectrum Two上的ATR-FT-IR為橄欖油樣品的摻雜物篩選提供了一種快速簡單的低成本方法。分析所需的信息將決定哪種方法是最合適的數據分析方法。使用三種不同的方法 – SIMCA、PLS和Adulterant Screen對數據進行了論證。結論如下：SIMCA – 產品是否與所述相符，是否具有該類材料所預期的變異？若為否，將需要進一步數據分析。PLS – 對于已知摻雜物，可以通過制備合適的混合物生成完整的定量校正。這種方法可提供準確的定量結果。Adulterant Screen算法 – 產品是否與所述相符，是否摻雜？若可能含有摻雜物，則盡力從已知摻雜物識別該等摻雜物，并給出該摻雜物含量的半量化測量結果。Adulterant Screen算法的優點遠遠多于其他兩種方法：

方法開發更快速

• Adulterant Screen算法只需采集未摻雜材料和已知摻雜物的光譜。方法升級非常簡單

• 當識別出新的潛在摻雜物時，只需將其添加至摻雜物光譜數據庫即可。靈敏度比SIMCA高

• 通過利用潛在摻雜物的光譜數據庫來實現。無論使用哪種統計方法，均可以運用簡單的常規操作用戶界面、使用Spectrum TouchTM 法進行部署。圖9所示為摻雜樣品結果篩選舉例。