振动光谱(Vibrational Spectroscopy)联用化学计量学(Chemometrics)用于橄榄油真伪鉴别:最新进展与未来展望

《Food Analytical Methods》:Vibrational Spectroscopy Coupled with Chemometrics for Olive Oil Authentication: Recent Advances and Future Perspectives

【字体: 大 中 小 】 时间:2026年06月27日 来源:Food Analytical Methods 3.0

编辑推荐:

  食品真伪鉴别已成为消费者、生产者和监管机构关注的关键问题,尤其是高价产品如橄榄油极易掺假。近年来,振动光谱技术包括中红外(mid-infrared, MIR)、近红外(near-infrared, NIR)和拉曼(Raman)光谱因作为快速、无损的分析工具评估

  
食品真伪鉴别已成为消费者、生产者和监管机构关注的关键问题,尤其是高价产品如橄榄油极易掺假。近年来,振动光谱技术包括中红外(mid-infrared, MIR)、近红外(near-infrared, NIR)和拉曼(Raman)光谱因作为快速、无损的分析工具评估橄榄油真实性而受到广泛关注。当与多元化学计量学(multivariate chemometric)方法结合时,这些技术能够提取有意义的谱学指纹并建立掺假检测的预测模型。本综述全面评价过去十年间振动光谱联用化学计量学用于橄榄油真伪鉴别的研究,重点关注橄榄油认证中的应用。所综述的研究表明,振动光谱结合化学计量学方法具有样品前处理简单、分析快速、环境友好及适用于常规质量控制和官方食品检测的优点。本文亦阐述了当前局限性及未来研究方向,以促进这些技术在橄榄油真伪鉴别体系中的广泛应用。
论文解读:《Vibrational Spectroscopy Coupled with Chemometrics for Olive Oil Authentication: Recent Advances and Future Perspectives》发表于《Food Analytical Methods》
一、研究背景与意义
橄榄油特别是特级初榨橄榄油(extra virgin olive oil, EVOO)因富含单不饱和脂肪酸与多酚类等微量成分而具有高经济价值,但也因高价成为食品掺假(如混入廉价植物油、低等级橄榄油或冒充特定产地/品种)的重灾区。传统确证方法如气相色谱(GC)和液相色谱(LC)虽准确但耗时、破坏性大且需复杂前处理。振动光谱(中红外Fourier变换红外光谱FT-MIR/FTIR、近红外光谱NIR、拉曼光谱Raman)凭借快速、无损、微损/无前处理优势成为筛查替代方案,但其复杂光谱需借助化学计量学(多元数据分析)提取信息。目前缺乏针对2015—2025年间三种振动光谱联用化学计量学用于橄榄油掺假检测及地理/品种溯源的系统综述。研究人员通过结构化叙述性综述,筛选Scopus数据库中46篇符合标准的研究,系统评估各技术应用表现、局限并提出未来方向,对推动该技术在官方质控中的落地具有重要意义。
二、主要关键技术方法
研究人员采用结构化叙述性综述方法:以("olive oil" AND ("adulteration" OR "authentication") AND ("FTIR" OR "NIR" OR "Raman" OR "vibrational spectroscopy" OR "infrared") AND ("chemometrics" OR "machine learning"))为检索式检索2015—2025年Scopus英文文献;人工通过标题、摘要、全文筛选,纳入标准为应用振动光谱于橄榄油真伪鉴别且使用化学计量学/机器学习方法的同行评议期刊论文,排除无振动光谱或无化学计量学、会议摘要及综述;初检193篇,去重与筛选后最终纳入46篇。对纳入文献使用Elicit提取结构化信息并经研究人员核查,归纳MIR、NIR、Raman各自在掺假检测(二元/三元混合、老化油掺入)及地理/品种起源鉴别中的表现。
三、研究结果
Vibrational Spectroscopy(振动光谱简介)
综述阐明MIR(4000—400 cm?1,含官能团区4000—1500 cm?1与指纹区1500—400 cm?1)、NIR(13000—4000 cm?1,倍频与合频带)及Raman(基于入射光非弹性散射的振动频移)的基本原理与各自提供分子结构信息的差异。
MIR Spectroscopy Applications in Detection of Olive Oil Adulteration(MIR光谱在橄榄油掺假检测中的应用)
研究人员汇总多篇FT-MIR研究,典型方法含主成分分析(principal component analysis, PCA)、线性判别分析(linear discriminant analysis, LDA)、偏最小二乘回归(partial least squares regression, PLS-R)/PLS判别分析(PLS-DA)、正交投影到潜结构判别分析(orthogonal projection to latent structures-discriminant analysis, OPLS-DA)、软独立建模类类比(soft independent modeling of class analogy, SIMCA)及非线性流形学习(如SLLE)。结果表明MIR联用PLS类模型对EVOO中掺入大豆油、玉米油、花生油、葡萄籽油等常见植物油检测限可达0.5%—10% (v/v),R2>0.97,RMSE低;手持FTIR也能实现现场筛查。但多数研究基于实验室二元混合,真实市售样品涉及多掺假物、成分相似油品(如精炼橄榄油、果渣油)或老化油时模型性能下降;谱区优选(C–H伸缩区及指纹区)与合适预处理(一阶/二阶导+SG平滑、均值中心化、标准正态变量变换SNV)可提升稳健性;内部验证易致乐观偏差,外部验证研究较少。
MIR Spectroscopy Applications in Geographical and Botanical Origin Authentication of Olive Oil(MIR光谱在橄榄油地理与植物学起源鉴别中的应用)
研究人员归纳MIR结合PLS-DA、LDA、二次判别分析(quadratic discriminant analysis, QDA)、支持向量机(support vector machine, SVM)等可区分摩洛哥、希腊、马耳他、意大利等不同产区VOO及品种(如Koroneiki、Hojiblanca、Picual),分类准确率常>90%甚至100%。但高准确率多源于小样本(n<100)、地理差异显著的区域或单因素分类;邻近产区/相近品种因化学相似性致光谱重叠使判别力降低;单收获年份未涵盖季节气候影响;缺标准化预处理与外用验证限制模型通用性。
NIR Spectroscopy Applications in Detection of Olive Oil Adulteration(NIR光谱在橄榄油掺假检测中的应用)
研究人员总结FT-NIR及便携式NIR研究表明,经PLS、SIMCA、SVM、随机森林(random forest, RF)等建模可检测EVOO中掺入大豆油、葵花籽油、玉米油、菜籽油等,BOSS(bootstrapping soft shrinkage)-PLS等变量筛选法可优化预测(R2=0.9922,RMSEP=1.49% v/v)。透射模式优于反射模式,手持NIR可区分EVOO与精炼/果渣橄榄油。局限同MIR——依赖实验室二元混合、缺真实市场多掺假情境、检测限受对照样有无及掺假物化学相似性影响、仪器配置与预处理未统一、多用内部验证。
NIR Spectroscopy Applications in Geographical and Botanical Origin Authentication of Olive Oil(NIR光谱在橄榄油地理与品种起源鉴别中的应用)
研究人员指出NIR联用SIMCA、PLS-DA可区分突尼斯品种(Chemlali、Chetoui等)、克罗地亚及阿根廷受保护原产地命名(denominazione di origine protetta, PDO/DOP) EVOO,正确率>90%。同样面临样本规模小、地理界限分明简化任务、近邻区域/品种判别难、单季数据限制泛化及验证不充分问题。
Raman Spectroscopy Applications in Detection of Olive Oil Adulteration(Raman光谱在橄榄油掺假检测中的应用)
研究人员梳理便携/台式Raman联用PLS-R、区间偏最小二乘(interval PLS, iPLS)、协同区间偏最小二乘(synergy interval PLS, SiPLS)、SVM、随机森林回归(RFR)、人工神经网络(artificial neural network, ANN)等可定量大豆油、葵花籽油、废弃煎炸油掺入EVOO,特征峰(如1265 cm?1、1657 cm?1不饱和脂肪酸C–H弯曲与C=C伸缩;1156 cm?1、1526 cm?1β-胡萝卜素)提供判别依据;空间偏移拉曼光谱(spatially offset Raman spectroscopy, SORS)可穿瓶检测。机器学习常优于传统PLS但缺标准化比对条件;荧光干扰与仪器变异影响模型传递。多数仍基于二元混合。
Raman Spectroscopy Applications in Geographical and Botanical Origin Authentication of Olive Oil(Raman光谱在橄榄油地理与品种起源鉴别中的应用)
研究人员发现Raman+LDA或SVM-RF可鉴别安达卢西亚品种/产区及希腊EVOO(品种鉴别约94%,地理约89%,PDO约87%)。同样受限于明确定义单品种/产区样本集,近缘品种/相邻产区挑战更大。
Applications of Multiple Vibrational Spectroscopic Techniques for Olive Oil Adulteration Detection and Geographical and Botanical Authentication(多种振动光谱联用用于橄榄油掺假与溯源)
研究人员比较MIR、NIR、Raman单独及联合应用:多数研究显示MIR指纹具最强分类力(PLS-DA正确率99.8% vs Raman 96.6%),Raman定量回归有时R?2略优;数据融合(低/中/高级融合)尤其高级融合并未恒优于单技术,仅特定情形(如品种Aglandau更适合NIR,Olivière更适合MIR)有增益。跨技术直接比较受预处理、波段选取、验证方案异质性限制。
Authentication Tasks(真伪鉴别任务分类)
研究人员强调掺假检测(化学差异大)→等级判别(中等)→地理/品种溯源(化学高度相似、类重叠大,最难)属不同复杂度任务,解读性能指标须考虑此框架。
Limitation of Study(本研究局限)
纳入文献在样本量、设计、预处理、验证上差异大妨碍横向比效;多依赖实验室二元混合;异质数据集使断定某技术绝对优越困难。
Future Perspectives(未来展望)
应优先用市售油及多掺假体系建模;建立协调验证协议(强调外部验证);建多产季多产区大数据集;重机器学习可解释性;探索FTIR+NIR+Raman数据融合;推进便携设备标准化与校正转移;按国际标准做室间比对验证以利官方采纳。
四、讨论与结论翻译
振动光谱(MIR、NIR、Raman)联用化学计量学是强有力的非靶向橄榄油真伪鉴别手段,可实现快速、无损、少前处理分析,对掺假检测及品种/地理溯源具潜力。化学计量学与机器学习提升了预测准确性及稳健性,但标准化与室间重现性仍是挑战。未来便携仪器发展、多模态数据融合及先进算法可促进其纳入常规质控,但监管框架实施需统一验证协议、证明室间重现性及符合国际标准。在此情形下,振动光谱方法可作为橄榄油真伪鉴别有价值的补充工具,助力消费者保护、产品完整性及溯源体系完善。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号