编辑推荐：
为解决高油酸葵花籽油（HOSFO）等不同类型葵花籽油（SFO）在加工流通中缺乏有效鉴别手段、保障消费者权益的问题，研究人员利用空间偏移拉曼光谱（SORS）结合化学计量学工具，开展其真伪鉴别研究。结果表明多种模型有效，SIMCA 模型可区分所有类型，为油品 authenticity 提供新工具。
在食用油市场中，高油酸葵花籽油（HOSFO）因富含≥75% 油酸[1]，具有优异的氧化稳定性、耐 frying 温度和货架期延长等特性，成为高价健康选择。然而，当前市场标签仅粗略区分普通葵花籽油（SFO）和 HOSFO，中油酸葵花籽油（MOSFO）常通过混合产生，导致不同类型油品油酸含量重叠，消费者难以从标签判断真实成分价值。同时，国际上缺乏强制区分不同类型葵花籽油的法规，加工、流通环节及监管部门均需可靠的 authenticity 工具。传统色谱法虽能分析脂肪酸组成，但需复杂前处理且耗时；常规光谱技术难以穿透包装，而空间偏移拉曼光谱（SORS）作为一种无需样品处理、可穿透透明容器的快速检测技术，在 pharmaceutical 质量控制中已展现潜力，但其在食用油 authenticity 领域的应用尚属空白。
为填补这一研究空白，研究人员开展了基于便携式 SORS 光谱仪结合化学计量学的葵花籽油 authenticity 研究。
研究以市售 94 份葵花籽油为样本，包含标签明确的 SFO、HOSFO 及实际属于 MOSFO 的 “SFO”（因油酸含量符合 FAO 定义的 MOSFO 范围）。通过 SORS 采集光谱指纹，结合层次聚类分析（HCA）、主成分分析（PCA）等无监督模式识别方法，以及偏最小二乘判别分析（PLS-DA）、支持向量机（SVM）、软独立模式分类（SIMCA）等有监督分类模型，构建多元分析体系。
光谱指纹与无监督分析
HCA 和 PCA 结果显示，不同类型葵花籽油的 SORS 光谱存在自然聚类趋势，表明光谱差异与油酸含量相关。特征拉曼光谱区域（如与脂肪酸中 C-H、C=C 键振动相关的波段）可反映样本间化学成分差异，为分类提供依据。
监督分类模型性能
PLS-DA、SVM 和 SIMCA 模型均表现出可靠的定性分析性能，灵敏度、特异性高，假阳性 / 阴性率低。其中，SIMCA 模型不仅能有效鉴别 HOSFO，更实现了 SFO、MOSFO 和 HOSFO 三种类型的完全区分，显示出更强的 discriminant 能力。
方法优势与意义
该研究建立的 SORS - 化学计量学联用方法具有显著优势：无需样品前处理、检测快速（实时原位分析）、环境友好（符合绿色分析化学理念），且可穿透透明包装直接检测，适用于加工链各环节及终端产品监管。研究结果为葵花籽油 authenticity 提供了一种低成本、高效率的技术方案，有望推动相关法规完善，规范市场标签体系，保障消费者以合理价格获得相应品质的产品。同时，该方法为其他食用油的 authenticity 研究提供了方法论参考，拓展了便携式光谱技术在食品质量控制中的应用场景。
综上所述，本研究通过创新技术组合，成功解决了长期困扰葵花籽油市场的 authenticity 难题，其成果不仅具有科学价值，更对产业规范和消费者权益保护具有重要现实意义。研究团队开发的模型和方法为食品监管部门、生产企业和流通环节提供了实用工具，有望促进食用油行业的透明度和标准化发展。
