目前市面上已经开发了几种检测牛油果油掺杂的分析方法。许多分析方法都依赖于色谱技术,但这类方法可能需要耗费很长时间制备样品,并可能产生有害的化学废物。3 与之相比,近红外光谱技术与掺杂物筛查™( Adulterant Screen™)技术可在不需要溶剂的情况下快速检测牛油果油的掺杂情况。
当前采用近红外光谱技术的靶向掺杂物筛查方法,需要依据各类潜在的掺杂物建立相关的定量校准模型。此外,诸如SIMCA(软独立建模分类法)算法等非靶向筛查方法可以确定样本是否被掺杂,但既不能确定掺杂物,也不能量化掺杂物。另一方面,珀金埃尔默的掺杂物筛查算法提供了一种可以快速识别和估算掺杂情况的半靶向筛查方法。
掺杂物筛查版权◎2018,珀金埃尔默公司。版权所有。PerkinElmer° 是珀金埃尔默公司的注册商标。所有其他商标属于相应所有者的财产。014506_CHN_01 PKI 使用傅里叶近红外光谱仪检测牛油果油的掺杂情况 引言 目前市面上已经开发了几种检测牛油果油掺杂的分析方法。许多分析方法都依赖于色谱技术,但这类方法可能需要耗费很长时间制备样品,并可能产生有害的化学废物。3与之相比,近红外光谱技术与掺杂物筛查M(Adulterant ScreenTM)技术可在不需要溶剂的情况下快速检测牛油果油的掺杂情况。 近年来,牛油果及其相关副产品在食品和医药市场越来越受到消费者的青睐,因此它们的产量不断增加。1牛油果含有大量的健康油酸,能够改善心脏健康和降低胆固醇。?因此, 牛油果及其冷榨油已经成为全球各地美味佳肴的主要佐料。 牛油果油是一种高价值产品。为了提高利润,不法商贩开始用低价油类掺入牛油果油进行造假。掺杂油中可能包括坚果油。经过错误的包装宣传,这样的掺杂牛油果油可能会导致对坚果过敏的消费者发生过敏反应。因此,务必找到一个准确而可靠的掺杂检测方法,以便制造商能够测试他们的牛油果油产品。 当前采用近红外光谱技术的靶向掺杂物筛查方法,需要依据各类潜在的掺杂物建立相关的定量校准模型。此外,诸如 SIMCA (软独模建模分类法)算法等非靶向筛查方法可以确定样本是否被掺杂,但既不能确定掺杂物,也不能量化掺杂物。另一方面,珀金埃尔默的掺杂物筛查算法提供了一种可以快速识别和估算掺杂情况的半靶向筛查方法。 实验 采用配有珀金埃尔默可加热透射模块(HTM)的珀金埃尔默 Spectrum Two NTM 傅里叶近红外光谱仪采集纯牛油果油和四种可能的掺杂油的近红外光谱。温度控制在25℃。 图1、配有珀金埃尔默可加热透射模块:(HTM)的珀金埃尔默Spectrum Two NTM 光谱仪 将样品放入8mm 玻璃小瓶中,使其在可加热透射模块内达到热平衡,并使用表1所示的参数进行扫描。 扫描参数 光谱范围 10,000-4,000 cm 分辨率 8cm 扫描次数 32 收集了纯牛油果油(三个不同市售品牌的5个重复样品)的15个光谱,以及每种掺杂物(花生油、橄榄油、菜籽油和葵花籽油)的1个光谱用于掺杂物筛查方法。对光谱进行预处理,将光谱范围调整至10000-4500cm-1,消除吸收率高于1.5的区域,并使用一阶导数基线校准,如图2所示。 此外,将每种掺杂物添加到16份纯牛油果油样品中,得到掺杂浓度范围为 2-95%(w/w) 的掺杂样品。每种掺杂样品、纯净牛油果油样品以及纯净掺杂油样品的光谱可用于通过珀金埃尔默 Spectrum Quant'M分析仪建立每种掺杂油的偏最小二乘(PLS1)定量模型。15个样品用于校准,3个样品(浓度分别为25%、55%和85%)用于模型的独立验证。此外,每个模型还进行了留一法交叉验证。每个模型中的光谱均使用表2中所示的参数进行预处理。 表2、牛油果油掺杂模型的预处理参数。 掺杂油 归一化 基线校正 导数阶数 降噪 花生油 MSC 二阶 重度 橄榄油 MSC 二阶 中等 菜籽油 MSC 一阶 轻微 葵花籽油 MSC 一阶 轻微 图2、纯净牛油果油(绿色)和掺杂油(花生油(黑色)、橄榄油(红色)、菜籽油(蓝色)和葵花籽油(粉色))的一阶导数光谱。 掺杂物筛查方法用于鉴别和半定量地评估牛油果油的掺杂情况,其优势在于不需要很长时间制备和测量校准标准样品。这种方法只需要样品纯品的光谱图库,用来表示样品中可能发生的自然变化的来源,以及一个纯净掺杂物的光谱图库,其中只包含各个潜在掺杂物的一张光谱图。 输入纯牛油果油的全部15张光谱图,作为“纯物质光谱图库”,输入4张纯净掺杂物的光谱图,作为‘“掺杂物光谱图库”。然后,使用已知掺杂物浓度的各种掺杂后的牛油果油样品,测试上述检测方法。结果见表3. 表3、一系列掺杂牛油果油样品的掺杂物筛查结果。 掺杂油 浓度(%) 检测极限(%) 掺杂物筛查等级:合格率 花生油(20%) 27.35 1.64 不合格 花生油(15%) 22.82 不合格 橄榄油(20%) 17.48 不合格 2.12 0.48 0.27 - 橄榄油(15%) 12.50 不合格 菜籽油(20%) 17.34 不合格 菜籽油(15%) 12.18 不合格 葵花籽油(20%) 18.89 不合格 葵花籽油(15%) 13.23 不合格 牛油果油(100%) 一 等级:合格 在所有情况下,除了纯牛油果油之外,掺杂物筛查算法产生的“不合格”结果均表示存在掺杂物。此方法能够正确识别各种情况下的掺杂油,并估算各种样品的浓度。每种掺杂油的掺杂筛查检出限相对较低。相比其他成本较高的分析方法所提供的检出限,此方法的检出限较高。但是,为了获取利润,经济驱动的掺杂往往处于高得多的水平。 掺杂物筛查方法也可以整合入Spectrum Touch软件中,为日常操作员提供一个用户友好且易于使用的界面。图3显示了简化的工作流程以及软件提供的筛查结果。估算的浓度与检出限以小数形式表示。 图 3、Spectrum Touch 分析仪的工作流程示例以及牛油果油的掺杂物筛查结果。 PLS1(偏最小二乘)校准模型 PLS1校准模型用于检测各种掺杂油。表4显示了所有校准模型的回归数据。R2值介于 99.945-99.994% 之间,这表明掺杂油的规定浓度与模型的预测浓度有很高的一致性。表5显示了校准模型的平均独立验证结果。花生油的预测标准误差 (SEP) 略高于其它掺杂油。这可能是因为牛油果油的光谱与花生油的光谱特别相似。 表 4、掺杂油模型的回归总结(其中SEC 为校准标准误差, SEP 为预测标准误差, CVSEP 为交叉验证的预测标准误差)。 掺杂油 PC数量 R2 SEC SEP CVSEP (%) (%) (%) (%) 花生油 3 99.938 1.014 1.381 2.646 橄榄油 3 99.945 0.955 1.196 1.695 菜籽油 3 99.984 0.520 0.568 0.605 葵花籽油 2 99.994 0.300 0.394 0.387 表5、掺杂油模型的独立验证结果。 掺杂油 平均真实 平均预测 SEP 样品属性值 样品属性值 (%) (%) (%) 花生油 55.00 51.84 3.747 橄榄油 55.00 54.29 1.532 菜籽油 55.00 54.85 0.187 葵花籽油 55.00 54.69 0.673 试验结果表明,配有可加热透射模块 (HTM)的珀金埃尔默近红外光谱分析仪可以准确地检测和鉴别牛油果油中的掺杂油。PLS1校准模型全都准确地预测了当前的掺杂情况。然而,这种方法需要耗费很长时间制备和测量校准标准样品。另一方面,掺杂物筛查算法快速地识别出存在的掺杂物质,并相对准确地估算了掺杂物浓度。若一个样品的掺杂物筛选结果为不合格,则可该样品后续需要进行进一步测试。如果出现新的掺杂物,那么只需将纯净的新掺杂物的一个光谱图添加到纯净掺杂物光谱图库。因此,掺杂物筛查是牛油果油掺杂常规检查的一种较为合适的方法。 ( 参考文献 ) ( 1. R. G. Araujo, R . M. Rodriguez-Jasso, H . A . Ruiz, M. M. E.Pintado, C. N . A guilar, Avocado by-products: Nutritional andfunctional properties, Trends in Food Science & Technology, 2018, 80, 51-60. ) ( 2. H . Palsdottir , 9 Evidence-Based Health Benefits of Avocado Oil,Healthline, 2016. ) 图4显示了葵花籽油模型的相关图示例,包括校准和独立验证数据点。图上的数据点均匀分布在对角线附近,这进一步表明葵花籽油的规定浓度和预测浓度之间存在很高的相关性。 ( 3. S.M. O b eidat, M . Khanfar and W. Obe i dat, Classification of edible o ils and unco v ering adulteration of virgin olive oi l using FT-IR with the aid of chemometrics, Australian Journal of Basic and Applied Sciences, 2009, 3 ,2048-2053. ) 图4、显示校准(蓝色)数据点、验证(红色)数据点、对角线(实心黑线)的相关图。 珀金尔默企业管理(上海)有限公司地址:上海张江高科技园区张衡路1670号邮编:201203电话:021-60645888传真:021-60645999 www.perkinelmer.com.cn 请访问 www.perkinelmer.com/ContactUs 获取我们位于全球的各个办公室的完整列表 实验采用配有珀金埃尔默可加热透射模块(HTM)的珀金埃尔默Spectrum Two N™ 傅里叶近红外光谱仪采集纯牛油果油和四种可能的掺杂油的近红外光谱。温度控制在25℃。将样品放入8 mm 玻璃小瓶中,使其在可加热透射模块内达到热平衡,并使用表1 所示的参数进行扫描。收集了纯牛油果油(三个不同市售品牌的5 个重复样品)的15 个光谱,以及每种掺杂物(花生油、橄榄油、菜籽油和葵花籽油)的1 个光谱用于掺杂物筛查方法。对光谱进行预处理,将光谱范围调整至10000-4500cm-1,消除吸收率高于1.5 的区域,并使用一阶导数基线校准,如图2 所示。此外,将每种掺杂物添加到16 份纯牛油果油样品中,得到掺杂浓度范围为2-95%(w/w) 的掺杂样品。每种掺杂样品、纯净牛油果油样品以及纯净掺杂油样品的光谱可用于通过珀金埃尔默Spectrum Quant™ 分析仪建立每种掺杂油的偏最小二乘(PLS1)定量模型。15 个样品用于校准,3 个样品(浓度分别为25%、55% 和85%)用于模型的独立验证。此外,每个模型还进行了留一法交叉验证。每个模型中的光谱均使用表2 中所示的参数进行预处理。结论试验结果表明,配有可加热透射模块(HTM) 的珀金埃尔默近红外光谱分析仪可以准确地检测和鉴别牛油果油中的掺杂油。PLS1 校准模型全都准确地预测了当前的掺杂情况。然而,这种方法需要耗费很长时间制备和测量校准标准样品。另一方面,掺杂物筛查算法快速地识别出存在的掺杂物质,并相对准确地估算了掺杂物浓度。若一个样品的掺杂物筛选结果为不合格,则可该样品后续需要进行进一步测试。如果出现新的掺杂物,那么只需将纯净的新掺杂物的一个光谱图添加到纯净掺杂物光谱图库。因此,掺杂物筛查是牛油果油掺杂常规检查的一种较为合适的方法。
还剩2页未读,是否继续阅读?
珀金埃尔默企业管理(上海)有限公司为您提供《牛油果中牛油果掺杂检测方案(近红外光谱仪)》,该方案主要用于其他水果制品中理化分析检测,参考标准--,《牛油果中牛油果掺杂检测方案(近红外光谱仪)》用到的仪器有珀金埃尔默傅里叶变换近红外光谱仪 Spectrum Two N