集成化学计量学与机器学习方法研究纯食用油及掺假食用油的性质

《Talanta》：Integrated Chemometric and Machine Learning Approaches to Study the Properties of Pure and Adulterated Edible Oils

棕榈油掺杂影响花生油和向日葵油介电、物理及化学特性，通过微波分析发现掺杂后介电常数显著下降，结合化学参数和机器学习模型验证了油品真实性。ANN模型在预测介电常数方面优于MLR，R2达0.94-0.96，SHAP分析显示折射率和皂化值为关键预测因子，为食用油安全检测提供新方法。

　　本研究探讨了食用油中掺杂棕榈油对花生油和葵花籽油质量及健康影响的问题。随着人们对健康饮食的关注度不断提高，食用油作为日常烹饪中不可或缺的一部分，其品质与安全性显得尤为重要。然而，由于棕榈油成本较低，一些不法商家会将其掺入高品质食用油中以牟取暴利，这种行为不仅降低了油品的营养价值，还可能对消费者的健康造成潜在威胁。因此，如何准确检测这类掺假行为，成为保障食品安全的重要课题。

在本研究中，我们重点关注了花生油和葵花籽油在掺入棕榈油后，其介电、物理和化学性质的变化。通过微波分析，我们发现掺入棕榈油后，花生油和葵花籽油的介电常数和损耗均有所下降。这一现象可能与棕榈油中较高的饱和脂肪含量有关，因为这些脂肪成分在分子结构上与花生油和葵花籽油中的不饱和脂肪存在差异，从而影响了油品的极性特征和电导性能。此外，化学参数和脂肪酸组成的变化也进一步确认了掺假的存在，同时揭示了其可能带来的健康风险。例如，掺假油品中不饱和脂肪酸的比例降低，而饱和脂肪酸的比例上升，这可能导致消费者摄入的脂肪结构失衡，进而影响脂质代谢和心血管健康。

为了确保研究结果的准确性和可靠性，我们采用了一系列化学计量学方法，包括层次聚类分析（HCA）、主成分分析（PCA）、多元线性回归（MLR）以及人工神经网络（ANN），以检测油品中的掺假行为。其中，ANN和MLR被用于预测介电常数。研究结果显示，ANN在预测介电常数方面表现优于MLR，其在花生油中的R2值为0.94，在葵花籽油中的R2值为0.96，表明其具有更高的预测精度。这一发现对于评估食用油质量具有重要意义，因为介电常数的变化能够反映油品分子极性的变化，而这种变化往往是掺假行为的直接指标。

在构建ANN模型的过程中，我们利用SHAP（SHapley Additive exPlanations）分析方法，识别出哪些特征对介电常数的预测具有更大的影响力。结果显示，在花生油中，折射率（RF）是介电常数预测的关键因素；而在葵花籽油中，皂化值（SAP）则起到了重要作用。这些参数在油品掺假过程中表现出显著的变化，因此可以作为有效的检测指标。这一发现不仅有助于提高检测的准确性，还为未来研究提供了新的方向，即通过结合物理和化学参数，建立更加全面的油品检测体系。

从营养角度来看，花生油和葵花籽油因其富含必需脂肪酸而受到广泛欢迎。例如，花生油中含有较高比例的油酸（一种单不饱和脂肪酸）和亚油酸（一种必需的多不饱和脂肪酸），而葵花籽油则以亚油酸为主。这些脂肪酸在人体内发挥着重要的生理功能，如维持细胞膜结构、促进激素合成以及调节炎症反应。然而，当这些油品被掺入棕榈油后，其脂肪酸组成会发生显著变化，特别是不饱和脂肪酸的比例下降，而饱和脂肪酸的比例上升。这种变化不仅影响了油品的营养价值，还可能增加消费者患高血压、高血脂等慢性疾病的风险。

为了进一步验证这一结论，我们对油品的化学特性进行了系统分析。通过测定油品的密度、折射率、碘值和皂化值等参数，我们发现掺假油品在这些指标上与纯油品存在明显差异。例如，掺入棕榈油后，油品的密度和折射率均有所增加，而碘值则显著下降。这些变化可以作为判断油品是否掺假的重要依据。此外，我们还对油品的脂肪酸组成进行了详细分析，发现掺假油品中油酸和亚油酸的含量明显低于纯油品，而棕榈酸（C16:0）和硬脂酸（C18:0）的含量则相应增加。这些结果不仅验证了掺假行为的存在，还为制定相应的检测标准提供了科学依据。

在实际应用中，传统的油品检测方法，如密度、折射率、碘值和皂化值的测定，虽然在一定程度上能够反映油品的纯度，但其检测精度和灵敏度往往受到多种因素的限制。相比之下，微波分析作为一种非破坏性检测手段，能够提供更为精确和全面的信息。通过测量油品在不同频率下的介电常数和损耗，我们可以更准确地识别油品的组成变化。此外，微波分析还具有快速、高效的特点，适用于大规模油品检测和质量控制。

在本研究中，我们还结合了化学计量学方法，以提高检测的准确性和可靠性。通过PCA和HCA等方法，我们能够对油品的多维数据进行可视化分析，从而更清晰地识别纯油与掺假油之间的差异。同时，MLR和ANN模型的引入，使得我们能够在数据中挖掘出更深层次的规律，为油品掺假检测提供新的思路和技术手段。其中，ANN模型因其强大的非线性拟合能力，能够更准确地捕捉油品在不同掺假浓度下的变化趋势，从而提高检测的灵敏度和特异性。

此外，我们还关注了油品掺假对消费者健康的具体影响。由于棕榈油中含有较高比例的饱和脂肪酸，其掺入高品质油品后，可能会导致消费者摄入的脂肪结构失衡。这种失衡不仅影响人体的脂质代谢，还可能增加心血管疾病的风险。因此，除了检测油品的纯度外，我们还需要关注其营养成分的变化，以全面评估油品对健康的潜在影响。

在实际应用中，油品掺假检测不仅需要科学方法的支持，还需要政策和监管体系的完善。目前，许多低收入社区由于缺乏先进的检测技术和设备，难以有效识别掺假油品。因此，建立一套高效、低成本的检测体系，对于保障食品安全和消费者权益具有重要意义。同时，提高公众对油品质量的认知，鼓励消费者选择正规渠道购买食用油，也是减少油品掺假行为的重要措施。

综上所述，本研究通过综合运用介电分析、化学计量学方法和营养成分分析，揭示了油品掺假对花生油和葵花籽油质量及健康影响的多个方面。研究结果表明，ANN模型在预测介电常数方面具有更高的准确性，而折射率和皂化值等参数则对检测掺假行为起到了关键作用。这些发现不仅为油品掺假检测提供了新的技术手段，还为保障食品安全和促进健康饮食提供了科学依据。未来，我们希望能够进一步推广这些方法，使其在实际应用中发挥更大的作用，从而有效遏制油品掺假行为，确保消费者能够获得安全、健康的食用油产品。