基于傅里叶变换红外光谱结合化学计量学的鳄梨油与棕榈油掺假鉴别技术研究

本研究针对高价鳄梨油(AVO)易被廉价棕榈油(BPO/LPO)掺假的问题，开发了基于ATR-FTIR光谱结合PCA-PCR的快速检测方法。研究人员通过建立1743 cm-1和2953 cm-1特征峰模型，实现了98.18%的BPO和100%的LPO鉴别准确率，RMSEC低至0.56，为食用油质量监控提供了高效解决方案。

　　

在健康饮食风潮下，鳄梨油(AVO)因其富含单不饱和脂肪酸(MUFA)和抗氧化成分成为高端食用油新宠。然而每250毫升10-15欧元的高昂价格，使其成为不法商贩掺假的重灾区——常被混入价格仅为0.9美元/公斤的棕榈油(BPO/LPO)。这种掺假行为不仅侵害消费者权益，更可能因脂肪酸组成改变影响心血管健康。传统检测方法如色谱分析虽准确但耗时费力，难以满足市场监管的实时性需求。

针对这一技术瓶颈，印度尼西亚加查马达大学(Universitas Gadjah Mada)药学系的研究团队创新性地将衰减全反射-傅里叶变换红外光谱(ATR-FTIR)与化学计量学结合，开发出快速鉴别AVO掺假的新方法。研究人员从印尼10个产区采集不同品种鳄梨，通过超声辅助正己烷提取获得AVO样品，并与市售10种品牌棕榈油(BPO)和10种散装棕榈油(LPO)进行对比研究。

关键技术方法包括：采用Thermo Nicolet iS10光谱仪在4000-600 cm^-1范围采集光谱数据；运用主成分分析(PCA)解析1743 cm^-1(酯基C=O伸缩振动)和2953 cm^-1(CH₃不对称伸缩振动)等特征峰；建立主成分回归(PCR)定量模型，结合乘性散射校正(MSC)和一阶导数处理优化算法；通过Bland-Altman分析验证预测值与实际值的吻合度。

研究结果

1. 表征分析
   通过16个特征峰成功区分AVO与棕榈油，其中3428 cm^-1处的-OH伸缩振动提示游离脂肪酸存在，3005 cm^-1处的=CH振动反映不饱和脂肪酸差异。3D-PCA显示AVO与LPO完全分离，但与BPO存在部分重叠，反映品牌棕榈油可能经过精制处理。

2. 定量检测
   最优PCR模型对BPO的检测限达0.55%(RMSEC=0.56，R²=0.9998)，对LPO达0.61%(RMSEC=0.60)。Bland-Altman分析显示预测偏差仅±1.96%，证实方法可靠性。值得注意的是，一阶导数处理无需MSC校正即可获得理想结果，简化了操作流程。

3. 判别分析
   基于3055-2793 cm^-1波段的PCA判别模型，对BPO掺假的识别准确率达98.18%，对LPO达100%。热图分析显示BPO与LPO在2922 cm^-1和2853 cm^-1处吸收强度显著高于AVO，这与其饱和脂肪酸含量较高特性相符。

该研究首次建立针对印尼市场特征的AVO掺假检测体系，其创新性体现在：① 同时涵盖品牌与散装棕榈油两种常见掺假形式；② 采用冬化处理(winterization)消除AVO提取过程中溶剂干扰；③ 发现1743 cm^-1酯基峰是区分不同油品的最敏感指标。研究成果发表于《Measurement: Food》，为东南亚地区食用油质量监管提供了技术支撑，其模型框架还可扩展应用于大豆油、菜籽油等其他食用油的掺假检测。未来研究可进一步探索便携式FTIR设备的现场应用潜力，以及深度学习算法对复杂掺配模式的识别能力。