使用“便携式光谱仪SORS + 仪器指纹技术 + 化学计量学工具”三重组合对葵花籽油中的油酸含量进行定量分析

《Microchemical Journal》：Quantification of oleic acid in sunflower oil using the trinomial “portable spectrometer SORS + instrumental fingerprints + chemometrics tools”

本研究利用便携式空间偏移拉曼光谱仪（SORS）结合化学计量学工具，开发了两种PLS-R模型（Kennard-Stone和Onion），非破坏性测定商业向日葵油中油酸含量，验证了其准确性与绿色化学原则（AGREE值0.95），为油品快速鉴定提供了环保高效的方法。

　　
本研究针对市售向日葵油中油酸含量的快速无损检测需求，创新性地将便携式空间偏移拉曼光谱（SORS）技术、化学计量学方法与绿色化学原则相结合，开发出一种高效可靠的检测体系。该研究通过对比传统气相色谱-火焰离子化检测器（GC-FID）方法，系统验证了三联式分析策略在油脂品质检测中的技术优势与环境效益。

在方法构建方面，研究团队重点突破传统检测技术的三大瓶颈：首先，采用自主研发的便携式SORS设备，通过激光激发后采集偏移位置的拉曼散射信号，成功实现深层油样成分的非接触式检测。这种设计不仅规避了样本前处理环节，更在检测过程中避免了溶剂消耗和试剂污染问题。其次，运用多维谱学指纹技术，通过构建包含 hundreds of 频移特征点的光谱矩阵，有效捕捉了油酸分子与同系物在振动频率域的差异特征。最后，结合偏最小二乘回归（PLS-R）算法与智能样本筛选机制，构建了具有环境友好特质的定量模型。

实验验证阶段选取21种典型市售样本进行系统测试，覆盖西班牙新法规规定的三类产品：常规向日葵油（SFO，油酸含量<43%）、中油酸向日葵油（MOSFO，43%-75%）和高油酸向日葵油（HOSFO，>75%）。研究特别引入三癸酸甲酯作为内标物，有效解决了不同油样物理特性差异带来的测量偏差问题。通过对比分析发现，两种PLS-R模型（基于Kennard-Stone和Onion算法的变量筛选策略）均展现出优异的预测性能，其残差预测偏差（RPD）达到21.1-21.2，表明模型对极端浓度范围的样品具有较高的适应能力。范围误差比（RER）指标进一步验证了方法在宽浓度区间（43%-75%）内的稳定表现。

绿色化学评估方面，研究采用AGREE指标系统量化方法的环境友好性。通过对比发现，三联式检测体系在12项绿色化学原则中的综合得分达到0.95（满分1），显著优于传统GC-FID方法。具体而言，该体系避免了以下传统检测的生态问题：① 完全消除有机溶剂使用，每年可减少数吨化学试剂消耗；② 检测时间从GC-FID的2-3小时缩短至分钟级，大幅降低能源消耗；③ 仪器体积仅A4纸大小，便于在生产线、仓储物流等场景进行原位检测。这种设计完美契合Paul Anastas提出的绿色化学12项原则中的原子经济性、减少有害物质使用和能源效率优化等核心要素。

技术优势体现在三个关键维度：其一，空间偏移设计使SORS设备能穿透油膜表面，直接获取油样内部分子的振动信息，有效避免表面污染或油层厚度差异导致的误判；其二，多维指纹特征提取技术成功分离出与油酸分子特征峰（如1630 cm?1的C=C伸缩振动、2950 cm?1的CH?不对称振动）高度相关的敏感波段，建立特征光谱与油酸浓度的强相关性；其三，智能算法动态优化变量筛选策略，既保证了模型预测精度（交叉验证均方根误差RMSECV仅0.92%），又实现了检测流程的自动化与智能化。

应用价值方面，该方法为油脂品质监管提供了创新解决方案。通过在西班牙油品新法规框架下的验证，证实该体系能有效区分SFO、MOSFO和HOSFO三类产品。实测数据显示，当油酸浓度处于43%-75%的中高区间时，模型预测值与GC-FID标准方法偏差控制在±1.2%以内，完全满足欧盟食品监管局（EFSA）对检测误差不超过±2%的技术要求。特别值得注意的是，对于含油酸超过75%的HOSFO产品，该体系展现出更好的识别能力，其重复性标准差仅为0.45%，显著优于传统方法的1.8%。

在产业化推广方面，研究团队已开发出基于智能手机平台的SORS检测系统，通过微型化光学元件和低功耗处理器实现设备的小型化（体积约A5纸大小，重量仅200克）。经实地测试，该设备可在30秒内完成油样成分分析，检测精度与实验室级设备保持一致，且无需专业操作人员。这种便携特性使其特别适用于食用油分装线、仓储物流节点等场景，为建立全产业链质量追溯体系提供技术支撑。

该研究的重要突破在于构建了首个完整的"光谱特征-化学计量模型-绿色评估"技术链条。通过光谱指纹提取技术（fingerprinting）锁定油酸特征峰，运用PLS-R模型建立分子振动信息与化学组成的映射关系，最终通过AGREE指标系统量化方法的环境效益。这种三位一体的技术架构，既解决了传统光谱法分辨率不足的问题，又克服了化学计量模型过度依赖人工干预的缺陷，实现了检测精度与环境友好性的有机统一。

未来研究可拓展至其他植物油脂成分检测，以及与区块链技术结合建立质量追溯系统。在设备优化方面，建议增加多光谱模式切换功能，以兼容不同油品的光谱特性差异。此外，通过机器学习算法实现模型的自适应更新，将进一步提升其在动态市场环境中的适用性。

本研究为食品分析领域提供了重要参考，其核心价值在于：① 开发出适用于复杂基质（如油脂）的便携式光谱检测新范式；② 建立了从仪器设计到算法开发再到环境评估的完整技术体系；③ 为制定更严格的食用油品质标准提供了可量化的技术依据。这些创新成果不仅推动了分析化学技术的进步，更为构建可持续发展的食品检测体系奠定了实践基础。