花生油掺假快速检测仪

两年一度的&ldquo 第十三届北京分析测试学术报告会及展览会&rdquo 在北京展览馆于2009年11月25日隆重开幕。 在这次展会上，长春吉大· 小天鹅仪器有限公司推出了&ldquo 升级版&rdquo 多参数食品快速检测仪、多参数水质分析仪；新研发的产品花生油掺假快速检测仪、溴酸盐快速检测仪、冷光源检测仪、纯牛奶· 奶粉蛋白质快速检测仪以及纸片法甲醛检测仪等30余种仪器，多种新产品备受参观者关注。其中花生油掺假快速检测仪更为突出。

近红外与表面增强拉曼光谱融合技术快速检测花生油中黄曲霉毒素B1一、研究背景在黄曲霉毒素B1(aflatoxinB1，AFB1)是一种典型的真菌毒素，它是二氢呋喃氧杂萘邻酮的衍生物。AFB1是目前已知的化学物质中致癌性最强的一种，主要对肝脏功能造成严重损伤，故AFB1是国家市场监督管理总局指定的食品安全必检指标之一。油料作物(如花生、玉米等)由于其含水率高，在储存与加工过程中容易发生霉变，从而受到AFB1的污染。因此，相关部门需要加大对粮油食品中AFB1的检测力度，防止食品安全事件的发生。目前，在食品真菌毒素的光谱快速、无损检测应用中仍采用NIR或SERS单一技术手段。从理论角度来看，NIR反映的是电偶极矩变化引起的振动，SERS反映的是分子极化引起的振动，两种光谱信息在分子信息表达上具有互补性。因此，有必要将两种光谱信息进行融合，实现信息互补，以提高检测精度。本研究以花生油中AFB1为检测指标，分别采集其NIR和SERS光谱，使用上海如海光电光谱仪进行测试。2、 研究内容2.1光谱数据分析结果以含有不同浓度AFB1的5条代表性的花生油待测样本的SERS光谱如图1A所示。图1A中主要的SERS特征谱带及其归属为:597cm‒ 1(C-O伸缩振动)、742cm‒ 1(C-H面外弯曲振动)、835cm‒ 1(C-H伸缩振动)、1249cm‒ 1(C-H面内弯曲振动)、1343cm‒ 1(CH3变形振动)、1486cm‒ 1(C=C伸缩振动)和1557cm‒ 1(C-C伸缩振动)。由于SERS光谱区域(500~1800cm‒ 1)信噪比高且包含了主要的特征谱带，故本研究中将此区域用于AFB1的定量分析。含有不同质量浓度AFB1的5条代表性的花生油待测样本的NIR光谱如图1C所示。图1C中NIR特征谱带及其归属为:930~970nm(CH2与CH3一阶倍频伸缩振动)、1090~1130nm(C-H伸缩振动)、1210~1240nm(CH2二阶倍频伸缩振动)和1270~1300nm(C=O二阶倍频伸缩振动、C=O合频振动及N-H伸缩振动)。AFB1与NIR特征谱带有着密切关系，这是由于花生油中的蛋白质、碳水化合物以及脂肪酸易受到AFB1的影响，从而影响分子的振动。无论是NIR还是SERS光谱，在光谱采集过程中带入干扰信息往往是无法避免的，故需要对光谱数据进行预处理。经AIRPLS基线校正、MSC光散射校正、S-G平滑以及Min-Max归一化处理之后的SERS与NIR光谱分别如图1B与1D所示，与原始光谱(图1A与1C)对比发现，预处理后的SERS和NIR光谱的基线漂移得到了抑制，光谱信号更加平滑，为后续的定量分析起到了积极的作用。图1.含有不同质量浓度AFB1的花生油待测样本的SERS与NIR光谱2.2HSIC-VSIO算法参数设置合理性验证对HSIC-VSIO算法参数设置合理性进行验证:在设置不同的参数情况下，分别对NIR和SERS光谱数据筛选特征变量，并将每次筛选的特征变量进行融合建立PLSR模型，记录RMSEC、RMSEP、和RPD值进行对比分析。（1） WBMS中二值矩阵的行的数量M首先，将σ的值分别设置为10% 然后，将M的值分别设置为1000、1500、2000和2500进行对比分析。由表1中的运行结果可知，模型的性能受M的影响并不大。但是，如果M的值越大，模型的计算量将显著增大，综合考虑模型精度与计算量，将M设置为1000是合理的。（2）从所有模型中挑选出具有较小RMSECV值的模型的比例σ首先，将M的值设置为1000 然后，将σ的值分别设置为10%、20%、30%和40%进行对比分析。由表2中的运行结果可知，当σ=10%时，模型的性能最优。具体表现为，RMSEC和RMSEP值较小，R2C、R2P和RPD值较大，故将σ设置为10%是合理的。2.3各方法检测结果将NIR光谱数据、SERS光谱数据、NIR与SERS光谱直接融合数据以及NIR与SERS光谱特征层融合数据分别构建PLSR多元校正模型检测花生油中AFB1含量。PLSR建模过程中，最佳隐变量数(latentvariables，LVs)由5折交互验证产生的RMSECV值所确定。各方法的检测结果如表3所示。由表3可知，基于NIR光谱数据定量检测结果如下:LVs=10，RMSEC=0.2812，=0.9533，RMSEP=0.3447，=0.9211，RPD=3.5601，花生油中AFB1含量PLSR预测值与真实值之间的关系如图2A所示。基于SERS光谱数据定量检测结果如下:LVs=8，RMSEC=0.2105，R2c=0.9726，RMSEP=0.2349，R2p=0.9689，RPD=5.6705，花生油中AFB1含量PLSR预测值与真实值之间的关系如图2B所示。基于NIR与SERS光谱直接融合数据定量检测结果如下:LVs=10，RMSEC=0.1923，R2c=0.9836，RMSEP=0.2117，R2p=0.9703，RPD=5.8026，花生油中AFB1含量PLSR预测值与真实值之间的关系如图2C所示。基于NIR与SERS光谱特征层融合数据定量检测结果如下:LVs=9，RMSEC=0.1569，R2c=0.9908，RMSEP=0.1827，R2p=0.9854，RPD=8.2761，花生油中AFB1含量PLSR预测值与真实值之间的关系如图2D所示。由HSIC-VSIO筛选的NIR光谱特征变量如图2E所示，其中部分特征变量覆盖了NIR特征谱带930~970、1090~1130、1210~1240和1270~1300nm。由HSIC-VSIO筛选的SERS光谱特征变量如图2F所示，其中部分特征变量覆盖SERS特征谱带597、742、835、1249、1486和1557cm‒ 1。图2.含花生油中AFB1含量PLSR预测值与真实值之间的关系及HSIC-VSIO筛选的光谱特征变量2.4各方法检测结果对比分析各方法所建PLSR模型评价指标的变化趋势如图3所示，显然，由NIR光谱数据构建的PLSR模型预测性能最差，主要在于花生油中AFB1含量低，分子量小，内部含氢基团振动在近红外区域吸收的能量低，对应的光谱信号弱，影响了其检测精度。相较于NIR光谱数据构建的PLSR模型，由SERS光谱数据NIR与SERS光谱直接融合数据以及NIR与SERS光谱特征层融合数据所构建的PLSR模型的预测性能均获得了提高。以NIR光谱数据构建的PLSR模型的预测性能作为基准，SERS光谱数据、NIR与SERS光谱直接融合数据以及NIR与SERS光谱特征层融合数据所构建的PLSR模型的RMSEC分别降低了25.14%、31.61%和44.20% 分别提高了2.02%、3.18%和3.93% RMSEP分别降低了31.85%、38.58%和47.01% 分别提高了5.19%、5.34%和6.98% RPD分别提高了59.28%、62.99%和132.47%。综上所述，由SERS光谱数据构建的PLSR模型的预测性能明显提高，主要在于SERS技术通过增强基底Q-SERS获得拉曼增强效应使得花生油中痕量AFB1的信号获得了放大，从而提高了其检测精度。相较于采用NIR或SERS光谱单一检测技术，将NIR光谱与SERS光谱直接融合后，实现了光谱信息的互补，有助于检测精度的进一步提高。然而，光谱直接融合数据中包含大量的冗余甚至干扰变量，采HSIC-VSIO分别对NIR与SERS光谱筛选特征变量，然后将筛选得到的特征变量进行融合并构建PLSR模型，其检测精度获得了较大的提高。图3.各方法所建PLSR模型评价指标变化趋势2.5真实样本检测分析结果从青岛普瑞邦生物工程有限公司购买一批含有AFB1的花生油样本(AFB1含量范围为:1.0×10‒ 5~1.0×10‒ 3μg/mL)。每个样本分别采用NIR与SERS光谱特征层融合数据构建的PLSR模型(以下简称光谱特征融合方法)以及标准方法(HPLC)检测AFB1含量，检测结果如表4所示。将两种方法的检测结果做双侧配对t检验，结果表明两者无显著性差异(P=0.840.05)。根据检出限的计算公式3S0/K(S0为多个空白样本响应值标准差，K为校正曲线的斜率)，可估算得到光谱特征融合方法对AFB1含量的检出限为5.27×10‒ 6μg/mL。欧盟与中国设置的花生油中AFB1最大残留限量分别为2.0μg/kg和20μg/kg。为了与上述标准进行对比，可将溶液(花生油+AFB1)密度设为1g/mL，从而实现将5.27×10‒ 6μg/mL粗略地转换为5.27×10‒ 3μg/kg。故本研究提出的光谱特征融合方法可满足对花生油中AFB1含量是否超标的定量检测。3、 结论本研究提出了一种基于NIR与SERS光谱特征层融合数据构建PLSR模型实现花生油中AFB1快速、高精度检测的方法。与NIR光谱数据、SERS光谱数据以及NIR与SERS光谱直接融合数据构建的PLSR模型相比，NIR与SERS光谱特征层融合数据构建的PLSR模型具有最佳的预测性能:RMSEC=0.1569，R2c=0.9908， RMSEP=0.1827，R2p=0.9854，RPD=8.2761。同时，将本研究方法与标准方法分别检测真实的花生油样本中AFB1含量，结果表明两者的检测性能无显著性差异(P=0.840.05)，本研究方法的检出限可换算为5.27×10‒ 3μg/kg，远远低于欧盟与中国设置的花生油中AFB1最大残留限量2.0μg/kg和20μg/kg。综上，实验结果表明本研究方法可实现花生油中AFB1含量的快速、高精度定量检测，验证了NIR与SERS光谱融合的可行性与有效性，尤其是经特征变量筛选后，NIR与SERS光谱数据在特征层的融合能够最大限度地提高模型的检测精度。文献来源四、产品推荐RMS2000微型拉曼光谱仪1、产品简介RMS2000（RamanMinimalSystem）是一款微型的785nm同轴共聚焦拉曼光谱仪，其采用全空间光设计，优化散热接口，采用N.A0.11数值孔径激发采集光路。配置超短焦、线扫描、浸入式探头，支持Windows、Linux和Windows多种操作平台和主控系统，随机配备手机端（Andorid）和电脑端采集分析软件。具备非凡的分辨率、灵敏度、穿透能力和抑制荧光干扰能力。既可以单独使用也可以作为核心部件集成进拉曼自动化系统，满足科研院所、相关监管机构与企业在无机/有机材料、生物生命、化学/化工、药物分析、食品安全、刑侦鉴定、环境污染检测等研究中的需求。2、产品特点&bull 体积小巧，重量轻，只有100×80×26mm和280g；&bull 空间光、微型共聚焦设计，最小光斑≤30μm；&bull 高分辨率（~6cm-1），高抑制荧光能力，能够轻松测量高荧光样品，获取拉曼光谱；&bull 高灵敏度，500ms即可实现常规化学品的拉曼光谱，最低可以检测0.3%的分析纯酒精；&bull 可配置线扫式探头，可以采集4.5mm*1mm的线扫光斑，降低样品照射功率密度；&bull 可配置浸入式拉曼探头，用于过程分析检测；&bull 支持手机和电脑双平台，方便户外现场直接测量；&bull 超低功耗，无须额外电源供电，通过USB手机可以直接实现光谱采集分析；&bull 强大的软件分析功能，支持常规的HQI，峰位检索，深度学习神经网络等算法；&bull 可以适配显微镜组成显微共聚焦拉曼。NIRPro近红外光纤光谱仪1、产品简介 NIRPro是一款制冷型近红外光纤光谱仪，结构设计小巧，光谱范围可配置；分辨率高，最佳可达0.3 nm；杂散光低，~0.5％。光谱范围依据选择不同可以覆盖950-1700 nm、950-2200 nm和950-2500 nm多种配置。制冷温度可以达到-20℃。具备良好的光谱响应稳定性和重现性，适用于激光测量、近红外测量，是一款科研级的高性能光纤光谱仪。2、产品特点&bull 分辨率高，最佳可达0.3 nm；&bull 可适配如海带销的多芯密排集束光纤，光纤插拔强度一致性≦7%；&bull 动态范围宽、信噪比高、稳定性好；&bull 背景噪声≦3RMS（10 ms积分时间）；&bull 配置USB、串口多种通讯接口，配置24PIN交互接口，配置专有DAC和ADC，可实现配套光源的使能、强度控制和功率反馈。

花生调和油里究竟有多少花生油 检测机构回应北青报称"测不出来"　　"冠名"调和油比例检测无门　　超市货架上的食用调和油配方比例往往不得而知供图/CFP　　　　导读：橄榄调和油、花生调和油、海洋鱼油调和油、坚果调和油……市场上的调和油新品不断，但一些标称营养价值高、售价不菲的调和油，油料比例不透明让消费者选购时既困惑又有疑虑。由于缺乏检测方法，多家专业粮油检测机构表示无法检测调和油的具体配比。　　市场　　调和油只标名称不见比例　　在各大超市食用油货架上，食用调和油品种越来越丰富，而配料表上各种油料的具体成分和比例不透明，令消费者缺乏基本的知情权。以某品牌坚果调和油配料表为例，其中就包括大豆油、葵花仁油、花生油、亚麻籽油、初榨橄榄油、山茶籽油、核桃油、葡萄籽油等成分，但这8种油的配方比例却不得而知。另一款某品牌的花生调和油，其配料表中仅标注含有大豆油、菜籽油、花生油、芝麻油，各类油的比例不详。　　北京青年报记者调查发现，金龙鱼、鲁花、胡姬花、福临门等品牌都推出了调和油产品，虽然叫法不同，配料也略微不同，但都均没有标注各配料油的比例，尤其是冠名配料油的比例。　　对于各品牌角逐调和油市场的原因，玉泉路粮油市场分析师刘敬亮介绍，从价位方面考虑，一般来说，大豆油价格低，花生油、玉米油、芝麻油等油品价格相对较高，而调和油价位处于二者之间，从价位上来说满足了一部分消费者的消费需求。　　现象　　最贵油品冠名成"潜规则"　　据了解，多数食用油企业仅仅是将其调和油的配方到相关机构进行备案，并依照要求在产品标签上"按原料配比从大到小注明使用原料的油脂名称",食用调和油市场存在的另一个"潜规则"也由此产生：在名称上突出其最昂贵油品，并以此进行冠名。而实际上，产品主要成分仍以大豆油、菜籽油等低价油占大头。　　按照去年实施的《预包装食品标签通则》中明确规定，包装标签上必须标注主要成分信息，并从高到低进行排序。北青报记者发现，市场上多数食用调和油都是以较为廉价的"大豆油"为基油，而在配料表排后几位的橄榄油、鱼油、花生油、葵花籽油、坚果油等"高级油种"往往被命名到产品名称中，身价和档次也因此提高了不少。　　以同样是5升包装的海洋鱼油调和油、第二代金龙鱼调和油为例，在前者配料表里10种成分中，前三位是菜籽油、大豆油、花生油，鱼油仅占第6位 后者8种成分配料表里，前三位是大豆油、菜籽油、玉米油。但在卖场里，每桶海洋鱼油调和油要比普通二代调和油贵20元左右。　　《标签通则》规定：如果在食品标签或说明书上特别强调添加了某种或者数种有价值、有特性的配料，应标示所强调配料的添加量。国内最大的粮油加工集团益海嘉里方面曾公开回应，旗下的金龙鱼深海鱼油的含量约为1.4%-1.8%,但这一数值并未标注在产品外包装上。　　"当下的调和油市场确实还存在诸多不规范之处，不能以某种油品的名称来归并到调和油名称中来，这样容易引起误导。"北京市粮食行业协会会长田鸿儒表示。　　追访　　专业机构难测调和油配比　　北青报记者致电各粮油企业询问现售调和油配比，各家企业无一例外地拒绝向记者透露相关内容。金龙鱼等食用油行业大企业均以技术保密、没有授权不方便提供为由拒绝透露调和油产品配比。　　那么权威检测机构是否可以鉴定某种调和油中的成分?近日，北青报记者以消费者身份致电国家粮油质量监督检验中心(北京市粮油食品检验所)，工作人员表示，油料配比是企业自己的事，质检中心可以检测出调和油中过氧化值是否符合国家标准，"地沟油都很难检测出油料比例，更何况调和油".　　国家粮食局标准质量中心工作人员称，该部门仅负责起草粮油标准，检测问题可咨询国家粮食局科学研究院，而该院科研人员也回绝了北青报记者送检的要求，"我们有检测设备，但还得有检测配方比例的技术方法，这事仍然在科研阶段，是很复杂的一套体系。比如说将康师傅的水和冰露倒在一起，很难通过仪器设备进行区分。"另一家食品领域第三方检测机构也表示无法对食用油配比进行检测。　　中国粮油学会油脂分会副会长王兴国也表示：调和油的检测是非常困难的，"油加油就是神仙都发愁".为什么食用调和油新国家标准没有出来?主要原因就是检测方法。　　探因　　调和油盈利是纯大豆油一倍　　强大的宣传攻势、促销广告冲击，让很多消费者选购食用油时更多的是关注价格，而忘记看配料表。正在超市选购花生油的王女士告诉北青报记者，有一次看到花生调和油促销，5升装的比普通花生油便宜了30元，但买回家后吃起来却没有一点花生油香味，后来就不考虑调和油了。　　近年来随着消费者对于调和油配方比例的不明确和质疑，食用调和油的销量正在衰退。AC尼尔森近几年的统计数据显示，作为国内第一大食用油消费品类，2010年调和油占比40.6%,2011年下降到37.1%,2012年下降到33.7%,已经连续两年下滑。　　但对于很多品牌而言，调和油的利润仍要远远高于普通的大豆油，这正是近年众多企业投身调和油品类，市场份额逐渐扩大的缘由所在。曾有报道指出，例如100元的大豆油品，除去生产、包装和销售成本，只能赚3元钱，即3%的盈利。而相比较调和油而言，100元的以大豆油为基础油的调和油，盈利可以达到6元，即盈利6%,是纯大豆油盈利的一倍。　　标准　　成分配比有"行规"没"国标"　　继食用油市场新兵中储粮油脂有限公司旗下正式推出两款注明成分配比的调和油后，近期一家橄榄油企业也率先在国内市场标注出橄榄油和果渣油比例，据该公司总经理杜先生介绍，在西班牙等国的调和油市场，标注成分配比的做法非常普遍。在现行法规缺失情况下，希望行业内有更多公司加入公布配比的队伍中。　　据业内人士介绍，由于国家尚未制定出统一的食用植物调和油国家标准，更没有对调和油配料比例作出统一要求，目前各个企业采用和执行的都是企业标准。　　据了解，食用调和油最早是标注各成分所占比例的，如金龙鱼第一代调和油标注了"97%的大豆油、2%的菜籽油、0.5%的芝麻油、0.5%的花生油".但由于调和油尚无国标的强制规定，随着生产企业和调和油品类增多，渐渐就不标注油中各成分量比例。　　现行的《食用植物调和油》国家标准从2005年开始制定，当年10月形成征求意见稿，至今已多次公开征求专家和企业的意见。2008年，《食用植物调和油》国家标准征求意见稿完成，并提交全国粮油标准化技术委员会审定。虽然有专家近期也表示标注成分比例是与国际接轨的做法，但历时七年，食用调和油的新版国标仍未见踪影。　　业内人士指出，专家、消费者、行业都呼吁国标尽快出台，公布调和油的成分比例对消费者明白消费、规范企业公平竞争都有好处。