基于ATR-FTIR光谱与化学计量学的口红品牌鉴别技术研究

针对口红市场假冒伪劣问题，研究人员结合衰减全反射傅里叶变换红外光谱（ATR-FTIR）与化学计量学算法（R-SIMCA、SPA-LDA、CCM），建立了高效品牌鉴别模型。其中SPA-LDA模型仅用23个变量即实现97%的准确率，为化妆品真伪鉴定提供了快速无损的解决方案。

　　

在当今化妆品市场，口红已成为女性日常必备品，中国城镇女性消费者中95%在过去半年使用过口红。然而巨大的商业利益催生了大量假冒产品，尤其是一些劣质品冒充知名品牌，不仅侵害消费者权益，更可能因成分安全问题带来健康风险。传统鉴别方法如薄层色谱（TLC）、高效液相色谱（HPLC）等需复杂前处理且耗时耗材，难以满足市场监管需求。

针对这一难题，宜宾大学（Yibin University）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）与化学计量学算法结合，开发了一套高效的口红品牌鉴别体系。这项发表在《Microchemical Journal》的研究，通过分析12个品牌口红样本，验证了该技术在快速无损鉴别中的优越性。

研究采用三种关键方法：1）利用ATR-FTIR获取口红样本在4000-650 cm^-1波数范围的光谱数据；2）基于Relief算法进行特征选择；3）分别构建R-SIMCA（基于Relief的软独立建模分类）、SPA-LDA（连续投影算法-线性判别分析）和CCM（相关系数最大化）三种鉴别模型。

MIR光谱特征分析
研究发现口红光谱主要在三个区域呈现特征峰：1600 cm^-1以下、1700-1760 cm^-1和2810-3000 cm^-1，分别对应油脂、蜡质等成分的C=O伸缩振动和C-H伸缩振动。不同品牌因配方差异在峰形和强度上存在细微区别。

模型性能比较
在独立测试集上，R-SIMCA、SPA-LDA和CCM模型的正确分类率分别达到96.5%、97%和88.5%。其中SPA-LDA表现最优，仅需23个特征变量即可实现高精度鉴别，显著优于传统PCA-LDA方法（文献报道准确率81.48%）。R-SIMCA模型则显示出更好的解释性，其特征选择集中于三个连续光谱区间。

结论与意义
该研究证实ATR-FTIR结合化学计量学是鉴别口红品牌的有效工具，具有样本用量少（毫克级）、检测速度快（分钟级）、无需前处理等优势。SPA-LDA模型在精度与简洁性上达到最佳平衡，为市场监管和法医鉴定提供了可靠技术支撑。宜宾大学团队指出，该方法还可拓展至其他化妆品真伪鉴别领域，对规范市场秩序、保障消费者安全具有重要意义。研究同时强调，针对环境因素导致的光谱变异问题，未来需进一步优化特征选择算法以提升模型鲁棒性。