电子舌对不同食用植物油区分识别研究

采用法国Alpha M.O.S公司生产的电势型味觉电子舌系统对20种不同品种、不同原料产地的食用植物油进行区分与识别,并对传感器阵列采集的食用植物油响应数据进行主成分分析和判别因子分析.结果表明:传感器阵列的选择与剔除由不同食用植物油样品和不同传感器响应能力决定,主成分分析和判别因子分析2种方法均能较好地对食用植物油样品进行分类识别,分析结果显示判别因子分析优于主成分分析.电子舌作为一种新型的现代检测技术在油脂品质定性定量检测与分析方面具有巨大的应用潜力.     

常见植物油鉴别及掺伪的气相色谱新检测法

用气相色谱法分析测定了常见植物油脂酸组成与含量,对其有关实验条件进行了优选,获得常见植物油脂脂肪酸组成与含量正常值。测定模拟掺伪常见植物油脂脂肪酸组成与含量,获得掺伪常见植物油脂脂肪酸组成与含量的变化规律。建立了常见植物油油品的鉴别及其掺伪的气相色谱检测法,可快速鉴别常见植物油的种类,对常见植物油是否掺掺伪可作出快速判别,同时对掺伪植物油可作定性、定量分析。用本法对市场销售食用植物油进行抽检,共抽检了262件油样,检出掺伪芝麻油83件、掺伪菜油47件,掺伪花生油菜23件,掺伪橄榄油11件,掺伪量10%～95%不等。表明这种方法行之有效的。     

基于机器学习算法的食用植物油掺伪鉴别的研究进展

市场上存在用低值低价油脂掺伪高值高价食用植物油的现象,这不仅损害食用植物油生产者和消费者利益,也不利于我国食用油脂产业的健康发展。许多学者将机器学习算法应用到食用植物油掺伪鉴别的研究中,取得了显著的研究成果。为了对食用植物油掺伪鉴别的研究和应用提供一定的理论依据和方法参考,总结了国内外现阶段使用机器学习算法进行食用植物油掺伪鉴别的研究进展,这些机器学习算法包括主成分分析、判别分析、支持向量机、随机森林、人工神经网络等。对所述机器学习算法应用于食用植物油掺伪鉴别研究的优缺点进行了分析,在实际应用中应结合实际情况,综合考量选择合适的算法。     

食用植物油掺假鉴别方法研究进展

阐述了食用植物油掺伪的现状,综述了理化方法、色谱法、核磁共振波谱法、红外光谱法、拉曼光谱法的检测原理,以及在食用植物油掺假鉴别中的研究进展.着重介绍了应用最广泛的色谱法,它主要通过对脂肪酸、甾醇、生育酚等物质的测定来进行掺伪鉴别.同时,对核磁共振波谱法、红外光谱法、拉曼光谱法在油脂掺伪检测中的初步应用进行了归纳.对掺伪检测技术的研究方向进行了展望.     

机器视觉在食用植物油掺伪鉴别中的研究进展

食用植物油营养丰富,在生活饮食中必不可少,但市场上的食用植物油掺伪问题严重危害着人们的身体健康,因此做好食用植物油掺伪的鉴别十分重要。食用植物油掺伪鉴别的常规检测方法对仪器设备的要求较高,并且操作复杂,耗费时间较长,因此亟需一种食用植物油的快速无损检测方法来提高检测的效率。机器视觉技术作为一种快速无损检测方法,为食用植物油的无损快速检测提供了一个重要技术手段。文章介绍国内外机器视觉技术在食用植物油品质与掺伪鉴别中的研究动态,比较了几种方法对机器视觉检测性能的影响,展望了机器视觉技术在食用植物油掺伪快速鉴别应用中的发展前景。     

低场核磁共振结合主成分分析法在食用油脂品质分析中的应用

应用主成分分析法(PCA)对多种不同品质油脂样品的LF-NMR弛豫特性数据(T21、T22、T23、S21、S22、S23)进行了分析。研究表明,应用PCA可明显区分正常大豆油和棉籽油,但棕榈油和猪油样品分布范围有一定的重合;无论是轻度煎炸还是深度煎炸,不同种类的煎炸油脂在PCA得分图中能够明显分区;随煎炸时间的延长,油样在PCA得分图上的分布逐渐向左上方移动,四种油脂能够明显分为两类:棕榈油和猪油,大豆油和棉籽油;食用猪油与掺伪猪油样品在PCA得分图上能够明显区分,掺伪比例愈高,二者的区分效果愈好,试验验证正确。说明基于油脂的LF-NMR弛豫特性,结合主成分分析可实现对食用油脂种类、煎炸油程度及掺伪猪油的品质区分。     

低场核磁共振技术在油脂掺伪鉴别中的应用

应用低场核磁共振(LF-NMR)检测技术结合主成分分析法(PCA)对多种品牌纯葡萄籽油以及其掺有其他食用油脂的掺伪葡萄籽油进行检测分析。研究表明, PCA可明显区分葡萄籽油、大豆油、玉米油、稻米油的LF-NMR弛豫特征数据;并且PCA得分图上能有效区分葡萄籽油中不同油脂的掺伪比例,掺伪比例越高区分效果越好,实验验证可靠。实验结果说明基于掺伪油脂的LF-NMR弛豫特征数据,结合主成分分析可实现对其是否掺伪、掺伪比例快速、有效的鉴别。     

植物油掺伪检验技术研究进展

食用植物油是重要生活必需品,但食用油脂掺假问题比较突出。将廉价植物油掺入到高价植物油中,可以此获得高额利润,但这些做法极大损害了广大消费者的利益。本文主要综述了理化鉴别、仪器分析等当前植物油掺伪检验的主要方法及基本原理,重点介绍了气相色谱、液相色谱和质谱联用等色谱技术,红外光谱、近红外光谱、紫外和拉曼光谱等光谱技术以及核磁共振和电子鼻等现代分析技术在植物油防伪鉴别上的应用,总结了国内外植物油掺伪检测技术的研究进展,并对各种方法的优缺点进行了比较,对在植物油掺伪鉴别最新研究进展和应用中存在的问题进行了分析和展望。     

电感耦合等离子体质谱（ICP-MS）仪分析回收油脂与食用植物油中27种元素含量的差异

利用电感耦合等离子体质谱（ICP-MS）仪对回收油脂与食用植物油中27种元素含量进行分析检测,了解回收油脂与食用植物油中27种元素含量的差异,以此鉴别回收油脂与食用植物油。采集合格食用植物油样品22份,回收油脂样品120份,经微波消解后,进入ICP-MS仪检测27种元素含量,结合偏最小二乘法判别分析进行元素差异分析,找出不同类型回收油脂与食用植物油的特殊差异元素。结果表明：Co、Cu、Fe、Na、Mn在未精炼回收油脂和食用植物油中的含量差异较大,可以作为鉴别未精炼回收油脂和食用植物油的指标元素;Fe、Cd两种元素在精炼回收油脂和食用植物油中的含量差异较大,可用于精炼回收油脂的鉴别;Cr、Cd、Ag、Ca、Pb、Hg、Al含量在不同颜色精炼回收油脂中有明显差异,可以此来指导回收油脂的进一步提炼,并根据其元素含量的高低用于生物原油等再利用。研究结果可为回收油脂与食用植物油的鉴别提供参考。     

食用植物油检测中的质量控制方法

正食用植物油是人们饮食中的重要组成部分,油品好坏直接影响人们的身体健康,利用检测技术保证植物油的质量,成为从业人员关注的重点。本文首先指出食用植物油的常见种类和关键指标,然后介绍了掺伪检测技术方法,最后阐述了检测中的质量控制措施。食用植物油的常见种类和关键指标常见种类依据《食用植物油卫生标准》,目前常见的种类包括:(1)大豆油,是产量最多的油脂;(2)花生油,富含亚     

食用植物油DNA提取方法的优化

目的建立可从不同种类食用植物油中提取得到高质量的、可用于分子生物学检测的DNA的提取方法。方法使用2种改进十六烷基三甲基溴化铵法(cetyltrimethylammonium bromide,CTAB)和2种商用试剂盒提取6种食用植物油的DNA,通过紫外分光光度计检测所得DNA样品的浓度和纯度。设计特异性引物,并通过普通聚合酶链式反应(polymerase chain reaction,PCR)和实时荧光定量PCR(quantitative real-time PCR,qPCR)检测DNA样品是否可用于分子生物学分析。结果使用改良CTAB法1及2种商业试剂盒无法有效提取得到的6种食用植物油的DNA,样品无法满足分子生物学检测的需要,使用改良CTAB法2提取得到的6种食用植物油DNA纯度和浓度检测结果均为最佳,其提取的橄榄油、菜籽油、花生油DNA样品可用于后续实时荧光定量PCR检测。结论该方法可为橄榄油、菜籽油、花生油DNA提取提供有效手段,为食用植物油检测和研究奠定基础。     

食用植物油中掺混棕榈油的定性与定量分析

目的建立食用植物油中掺混棕榈油的定性与定量分析方法,为植物油掺假提供检测依据。方法植物油样品先经过皂化和甲酯化处理,然后采用气相色谱法对植物油中的各种脂肪酸组成进行检测。以月桂酸为特征指标,直接定性,应用面积归一化法进行定量分析。结果配比实验验证和检测数据分析表明,该方法月桂酸检出限为0.01%,植物油中棕榈油的定量限为5%~100%,最低可以分辨出添加了5%棕榈油的食用植物油样品。结论此方法操作简单、重现性好、精确度高,是一种分析迅速、经济实用的分析方法。     

8种植物油气味指纹模型的建立

运用电子鼻对8种不同加热温度下的植物油进行检测,建立了8种植物油的气味指纹模型,采用线性判别式(LDA)进行分析,通过判别函数法(DFA)对其进行验证。结果表明:电子鼻能够很好地对不同种类以及不同温度的植物油进行区分;在DFA分析中模型对未知样品的识别值大于96%,能对所测的8种植物油样品进行有效地识别,正确率达到100%。电子鼻建立的植物油的气味指纹模型是可靠的。     

食用油脂鉴别及掺假检测技术研究进展

食用油脂作为人们日常饮食中不可缺少的重要组成部分,可为人体产生热能,更是人们所需的脂溶性维生素、必需脂肪酸和磷脂等物质的重要来源。它们因种类、纯度、营养成分等指标的不同而在价格上差异悬殊,导致一些不法分子为牟取暴利而将低附加值食用油掺入到高附加值植物油中,更有甚者,将劣质、有毒油脂掺入食用植物油中,由此引发的食品安全问题也屡见不鲜。因此,本文对近年来国内外食用油脂鉴别及掺假检测技术进行了综述,介绍了色谱法（气相色谱法、液相色谱法）、光谱法（红外光谱法、荧光光谱法、拉曼光谱法、紫外-可见吸收光谱法、太赫兹光谱法、低场核磁共振法）、稳定同位素技术及其它方法（如电子鼻、电子舌）在食用油脂中的应用,并展望了食用油脂检测的未来发展方向,以期为我国油脂检测工作和食品安全提供理论参考。     

化学计量学结合气相色谱法对12种植物油判别模型的构建

测定了12种植物油的脂肪酸组成和含量,探讨了利用植物油脂肪酸的指标对不同种类的植物油进行分类和判别的可能性。采用气相色谱法对12种植物油脂肪酸的组成和含量进行测定,利用SPSS 22. 0统计软件进行主成分分析、系统聚类、 K-平均值聚类和判别分析。结果表明：12种植物油的主要共有组成为油酸（15.635%~66.569%）和亚油酸（10.521%~58.227%）,其中棉籽油（16.285%）中单不饱和脂肪酸含量最低,橄榄油（67.628%）中单不饱和脂肪酸含量最高;橄榄油（11.284%）中多不饱和脂肪酸含量最低,核桃油（67.167%）中多不饱和脂肪酸含量最高;12种植物油中不饱和度最小为棉籽油3.235,最大为低芥酸菜籽油14.672。主成分分析降维得到5个主成分,利用主成分分析数据,依次进行聚类分析和判别分析,系统聚类和K-平均值聚类结果一致,可对12种植物油聚类区别,通过判别分析建立了3个典则判别函数,对不同植物油的分类和判别的效果良好。     

红外光谱快速识别食用植物油种类的研究

为实现食用植物油种类的快速无损识别,为公安实战中打击“食药环”犯罪提供参考,借助衰减全反射-傅里叶变换红外光谱技术对不同类别、品牌食用植物油进行了多层次分类识别工作。采用标准正态变换(SNV)和一阶导数预处理消除基线和其他背景干扰,使得重叠峰发生分离,从而提高检测的分辨率和灵敏度,利用竞争性自适应重加权算法(CARS)提取特征波长,结合基于布谷鸟搜索算法优化的极限学习机(CS-ELM)模型对不同种类和品牌的食用植物油进行分类识别,同时对比随机森林模型与CARS-CS-ELM融合模型在食用植物油快速分类检测方面的准确率。结果表明,基于CARS-CS-ELM融合模型对3类植物油样本总体进行分类,其分类准确率达到85.19%,其中小磨香油、花生油、玉米油样本训练集的品牌分类准确率依次为92.5%、100%、96.7%,测试集品牌分类准确率均为100%,而随机森林模型的9个品牌食用植物油分类准确率仅为80%。综上,CARS-CS-ELM融合模型对食用植物油快速分类识别效果较好,可为食用植物油的无损快速检验提供一定的参考与借鉴。     

气相色谱-离子迁移谱分析不同植物油 浸提的花椒油的挥发性成分

通过了解不同植物油浸提的花椒油的挥发性成分(VOCs)特征,获得筛选花椒浸提用植物油的方法。利用气相色谱(GC)和离子迁移谱(IMS)联用技术对不同植物油浸提的花椒油的VOCs进行采集和分析。结果表明:不同植物油浸提的花椒油的VOCs差异较大。GC-IMS可有效分离各花椒油中极性相近的VOCs,并筛选出50种离子峰强度变化明显的VOCs;通过二维数据可视化方式可显示各VOCs离子峰的差异;经数据降维处理后构建主成分分析模型,可将不同植物油浸提的花椒油根据浸提用植物油的不同进行聚类。相似度分析表明,与一级压榨菜籽花椒油相似度最高的是一级浸出菜籽花椒油,其次为大豆花椒油。因此,利用GC-IMS技术获取不同植物油浸提的花椒油产生的VOCs组成特征来筛选花椒油生产企业用的植物油原料的方法是可行的。     

基于紫外可见光谱技术和色素组成区分橄榄油与其他食用油

目的 通过紫外可见光谱技术和色素组成,探究区分橄榄油与其他食用油的方法。方法 选择市售橄榄油(特级初榨橄榄油、混合橄榄油)和其他食用油(菜籽油、玉米油、葵花籽油、大豆油、花生油、调和油)作为研究对象,分别在220~800 nm的波长范围内进行全光谱扫描以及在波长为450 nm和670 nm处进行光度测量;通过比较不同食用油的紫外可见吸收光谱并结合主成分分析(principal component analysis, PCA)和偏最小二乘法判别(partial least squares discriminant analysis, PLS-DA)对不同橄榄油和其他食用油进行比较区分。结果 通过观察比较各食用油紫外可见吸收光谱的最大吸收波长所在位置,可以对不同食用油进行初步区分。并且PCA和PLS-DA结果显示,以波长450 nm和670 nm处的吸光度A450和A670以及A450/A670为变量,可用于区分不同橄榄油和其他食用油。结论 基于紫外可见光谱技术对不同食用油中色素的检测结果可以对食用油进行分类,并且A450、A670和A450/A670可以作为区分橄榄油与其他食用油的标记。     

近红外全波段扫描技术建立数学模型鉴别地沟油方法研究

以7个品种的77份合格食用植物油、28份不合格植物油和118份地沟油作为研究对象,利用二极管阵列近红外光谱仪,以10 nm为步长对所有样品进行950~1 650 nm全波段扫描,通过对不同组别扫描数据的差异化分析,建立特征波长下不同组别的数学模型,鉴别地沟油与合格食用植物油及不合格植物油。结果表明：通过统计学分析手段建立的数学模型,对原始数据分类准确率为96.0%,交叉验证准确率为95.5%,该模型对未知样品的判定准确率达到95%以上。表明基于近红外全波段扫描技术鉴别地沟油的分析是可行的,且该方法具有操作简单、检测成本低、样品用量小等特点,可作为地沟油快速筛查方法使用。     

拉曼光谱法快速鉴别劣质火锅油

长期食用劣质火锅油会对人体产生严重伤害。为快速鉴别劣质火锅油,对火锅油和6种普通的食用植物油进行拉曼光谱测试分析。结果表明：火锅油的拉曼光谱在1 150 cm-1和1 525 cm-1处有明显的谱峰,而其他食用植物油则没有,利用主成分分析法可以明显地区别火锅油和普通食用植物油;对同一种火锅油经过反复熬煮和存放,其拉曼光谱在1 525 cm-1谱峰处的相对强度与酸值具有较高的相关性,相关系数达到0.925 6。拉曼光谱法可以作为一种现场快速鉴别火锅油与食用植物油以及检测火锅油质量的潜在方法。