中红外光谱在食品掺假检测中的应用1.doc

中红外光谱在食品掺假检测中的应用摘要：中红外光谱分析技术因具有分析时间短，无需样品预处理，无破坏性，无污染以及成本低等特点，已成为一种快速的现代分析检测技术。本文简要介绍了中红外光谱的原理，特点，着重阐述其在食品掺假检测中的应用，并对中红外光谱的应用前景进行了展望。关键词：食品掺假；分析；中红外通常掺假食品的检测需要许多复杂的仪器设备，样品也要经过繁杂的物理、化学处理，既费时、又费力。本文根据物质在中红外光谱区的指纹吸收特性，结合计算机和现代化学计量学技术，综述其在食品掺假检测中的应用。1. 中红外光谱分析技术简介中红外光谱是波长在250025000nm(波数为4000400cm-1)的电磁波，物质在此范围的吸收峰是基频、倍频或合频吸收，具有分子结构的特征性，不同化合物有其特异的红外吸收光谱，其谱带的数目、位置、形状和强度均随化合物及其聚集态的不同而不同，因此，根据化合物的光谱，就可以象辨认人的指纹一样确定该化合物或其官能团是否存在，从而定性分析有机化合物；根据物质组分的吸收峰强度，依据朗伯一比耳定律便可实现对化合物的定量分析。利用中红外光谱进行分析，首先要选取有代表性的样品，用标准方法测定其基础数据(如组分、含量等)，然后根据中红外谱图信息与组分及其含量的相关性通过化学计量学方法建立校正模型(常使用主成分分析、偏最小二乘法、主成分回归等多元校正方法建立模型)，再用已知基础数据的验证集样品对校正模型进行评价(高质量的校正模型，在用验证集样品进行分析时，其预测结果与实际结果应有良好的一致性。模型质量的好坏采用残差、相关系数、校正集样本的标准偏差，预测集样本的标准偏差等统计数字来评定)，当其在误差范围内，便可用于对未知同类样品进行分析测定。此法具有省时、省力、成本低、对样品不造成损伤、无需前处理、不污染环境等优点，因此广泛应用于机电、医药等领域。近年来，其在食品行业的应用研究也以已展开，已用于测定啤酒和酒精饮料中乙醇含量、原料肉中蛋白质和脂肪含量、黄油中的脂肪和水分、牛奶的分析测定、某些食品的掺假检测、食用油脂特性的研究等等，它已成为现代结构化学、分析化学最常用和最不可缺少的工具之一1,2。2 中红外光谱在食品掺假检测中的应用食品的掺假方式和种类多种多样，本文仅以油脂、肉类及蜂蜜产品为例，说明中红外光谱在其掺假检测中的应用。21 中红外光谱检测油脂的掺假市场中的橄榄油大致可分为：特级纯、纯和精炼三个等级，高品质的橄榄油有其特有的风味，因而价格很高，特级纯橄榄油约是其精炼产品的2倍，因此，向高品质油中掺杂较便宜的同类低档或不同种类价低的油，如葵花油、玉米油、菜籽油等便成为一种获利方式。国际上为此已制订橄榄油产品标准草案IOOC1984)；WHO(1984)以规范市场3。对其掺假产品常用的检测方法有：紫外分光法(根据208210nm和310320nm处有最大吸收判断掺有精炼油的特级纯产品)、HPLC、NMR和荧光光度法等，其检测均较繁杂。Yoke W4等根据油脂多次甲基链中CH和CO在中红外光谱区振动方式和振动频率不同，因而反映油型信息不同的特性，利用傅立叶转换中红外光谱(FTIR )，采用主成分分析(PCA)和判别式分析检测橄榄油、葵花油、菜籽油、玉米油、核桃油等八种不同油在31002800和18001000cm-1范围内的数据，利用光谱信息对油型进行聚类分析，发现橄榄油型紧密聚集在一起，与其他油型区别明显；在由特级纯和精炼橄榄油两种油混合组成的样品集中，对于前五个得分较高的主成分运用判别式分析进行验证，校正集中93的样品和验证集100的样品都可根据油型组分差异正确归类，从而判断掺假的有无。当把样品的基础数据与光谱信息相关联建立校正模型后，便可以对未知掺假橄榄油进行快速定量检测。NDupuy等5对固态脂肪样品采用衰减全反射中红外光谱(ATR)，液态油样采用中红外光纤进行分析。根据不饱和脂肪酸含量的不同，从脂肪的一阶导数光谱所得的第一主成分，可将黄油和菜油区分开来；对于液态油样，根据亚麻酸含量差异，光谱进行二阶导数处理，利用第一主成分，使橄榄油和花生油与菜籽油加以区别，进而可对其相关掺假产品进行检测。22 中红外光谱检测肉类的掺假中红外区提供了许多可利用的分析信息，个体组成的吸收频率对其物理、化学状态的敏感性及现代仪器的高信噪比，意味着即使低浓度的组分也能被检测出来，并同时测出多组分样品间的组成差异。肉类工业中，国外已有用此分析方法对火鸡、小鸡和猪肉末产品进行质量监控。肉类掺假表现在：加入同种或不同种动物低成本部分、内脏、水或较便宜的动植物蛋白等。Osama等6用中红外光谱检测掺有牛肾脏或肝脏的碎牛肉，根据脂肪和瘦肉组织中蛋白质、脂肪、水分含量的不同对肉类产品加以辨别。由于肝脏中所含的少量肝糖元，使其中红外光谱图在12001000cm-1 处有特征吸收，与其他类型样品(纯牛胸肉、牛颈肉、牛臀肉、牛肾)有明显可见差异，因此很容易区分；应用偏最小二乘法(PLS )经典方差分析(CVA)联合技术形成的校正模型可分辨出牛肉、牛肝、牛肾以及牛的三个不同部位的分割肉：胸肉、颈肉、臀肉，轻易区分出牛肉和内脏；运用多元非线性统计(SMICA)法，纯牛肉样品作为模型，在误差允许范围内，能鉴别出掺假牛肉，识别出含10100ww肝脏或肾脏的牛肉产品；当运用偏最小二乘( PLS)回归定量所加入的内脏数量，对掺有肾脏和肝脏的验证集，其预测偏差分别为48和4O，相关系数分别为098和099，相关性显著。从而为其它肉制品的掺假检测提供了参考依据。23 中红外光谱检测蜂蜜掺假蜂蜜中掺入的物质多种多样，为其统一检测带来了一定难度，常用检测方法有：薄层层析、高效液相色谱层析(HPLC)、毛细管气相色谱层析、离子交换液相色谱层析、核磁共振(13CNMR)等，然而上述方法既费时，有费力，且都有一定使用限制，如毛细管气相色谱层析通过确定蜂蜜中低聚糖的量。只能检测出掺有5转化糖浆的产品；稳态碳同位素分析(SCIRA)虽然在许多国家应用于检测蜂蜜中的蔗糖或玉米糖已有十多年时间，但它不能测出掺入甜菜转化糖的蜂蜜，而傅立叶转换中红外光谱(FTIR)能快速、无损获取样品的生物化学指纹，从而方便的用于掺假产品的检测SSivakesava等7以05的递增量至25 ，向桔花蜜、三叶草蜜、荞麦蜜中分别掺入不同重量甜菜转化糖，各自所得5O个样品中，34个用于建立校正模型，剩余16个作为验证集。光谱分析前，将蜜样放于5O恒温水浴中以便将蔗糖晶体溶化，然后混匀样品，室温下进行FTIR分析。混合样品用BioRad-FFS一6OOO衰减全反射傅立叶转换光谱仪进行扫描，选取1500950cm-1 处的光谱，用PLS回归建立校正模型，模型相关系数R09，用此模型对验证集样品进行验证，三种蜜的预测值和实际值间相关系数分别为0946，0964和0956，预测标准差SEP在2144之间；此外，SSivakesava等还用主成分法(PCA)、直线判别(LDA)和经典方差分析(CVA)检测了蜜样中甜菜转化糖水平，以CVA法所得结果预测效果最好，准确率达94，分析时间仅需34min。3. 展望食品安全问题日益受到消费者关注，研究和开发食品安全检测关键技术，意义重大。中红外光谱技术作为一种新型的分析技术，凭借其检测快速、无污染等优势，在食品领域具有广阔的应用前景。迄今，国内外在此方面的研究有了一定进展，但许多问题还处于探索阶段，因此，开展中红外光谱技术在食品安全领域的应用研究，意义重大且任重道远。 参考文献1 朱明华编仪器分析北京：高等教育出版社，19932 Maria D Guillen；Nerea CaboInfiared Spectroscopy in the Study of Edible Oils and Fats，JSci Food Agric1997，75，l113 翟永信主编食品掺伪检测方法北京：北京大学出版社，19894 Yoke W Lai；E Katherine Kemsley；Reginald H W ilsonPotential of FrIR for the Authentication of Vegetable Oils，JAgricF0od Chem 199442，ll54一l1595 N Dupuy；LDuponche1Classification of Edible Fats and Oils by PCA of FTIRFood Chemistry，1996，57(2)，2452516 Osam a A1一Jowder et a1Mid Infiared Spectroscopy and Chemometrics for the Authe