《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：The identification of counterfeit high-quality edible oil using EEM fluorescence spectroscopy based on GA-optimized 2D-LDA
编辑推荐：
崔瑶瑶|金媛|李宗贤|袁圆圆|江海阳|崔灿|吴汉兵|吴少哲|李金毅中国河北省石家庄市050035，石家庄大学机电工程学院摘要高质量食用油因其高营养价值而价格远高于其他类型。然而，在生产和加工过程中，掺假和造假问题依然十分普遍。为了解决高质量食用油的真伪鉴定问题，本研究针对芝麻油、
崔瑶瑶|金媛|李宗贤|袁圆圆|江海阳|崔灿|吴汉兵|吴少哲|李金毅
中国河北省石家庄市050035，石家庄大学机电工程学院
摘要
高质量食用油因其高营养价值而价格远高于其他类型。然而，在生产和加工过程中，掺假和造假问题依然十分普遍。为了解决高质量食用油的真伪鉴定问题，本研究针对芝麻油、花生油和橄榄油的多种假冒类型，提出了一种基于激发-发射矩阵（EEM）荧光光谱结合二维线性判别分析（2D-LDA）和遗传算法（GA）的特征优化识别方法。该方法首先利用2D-LDA进行特征提取，再通过遗传算法处理，将每个特征视为一个基因：随机生成初始种群，通过轮盘选择、交叉和变异操作进行迭代优化，最终得到最优特征子集及相应的模型性能指标。该模型对11种真伪不同的食用油分类准确率为0.9773；经过数据增强后，仍保持0.9941的高准确率，证明了其稳定性。该方法不仅能有效降低EEM荧光光谱的维度，还能减少计算复杂度，对算法的应用具有重要意义。
引言
全球范围内，人们对高质量食用油的需求持续增长。由于这些油脂富含维生素、不饱和脂肪酸（如Omega-3和Omega-6）、植物甾醇、天然抗氧化剂（如维生素E和多酚）[1]、[2]，再加上独特的风味，其价格远高于其他食用油。但目前全球高质量食用油的产量仍无法满足市场需求，因此一些不法商贩便制造假冒的高质量食用油以谋取利益。由于食用油在生产、加工和储存过程中可能被掺入劣质油或出现质量下降[3]，因此高效准确的食用油质量检测显得尤为重要，这不仅关乎食品安全，也关系到消费者利益。高质量食用油的假冒行为主要表现为两种形式：掺假和造假。掺假是指将优质油与外观相似但成本较低的劣质油混合，例如将特级初榨橄榄油与橄榄渣油或葵花籽油混合[4]、[5]、[6]，这种做法会降低产品的纯度和营养价值，使劣质产品冒充优质产品。而造假则是更为严重的欺诈行为，通常以低成本油为基底，再添加调味剂、色素和其他食品添加剂[7]、[8]，以模拟高端油的色泽、香气和口感，从而制造出完全虚假的仿制品。无论是掺假还是造假，都会严重侵害消费者权益，扰乱市场秩序，还对食品安全构成威胁[9]。
目前已有许多快速、高效且环保的假冒食用油检测方法被开发出来，包括近红外光谱法[10]、中红外光谱法[11]、拉曼光谱法[12]、紫外-可见光谱法[13]、质谱法[14]、核磁共振法[15]以及荧光光谱法[16]、[17]等，这些方法都被证明可以有效检测食用油的掺假情况。其中，荧光光谱法，尤其是激发-发射矩阵（EEM）光谱法，能够全面揭示食用油中荧光物质的信息，为油品鉴定提供了一种新的分析手段。众多研究表明，荧光光谱法可有效检测食用油中的有害成分、氧化程度、质量下降情况以及掺假问题。此外，基于荧光探针的方法因其高灵敏度、快速响应和非破坏性特点，近年来也被用于检测食用油中的总极性物质（TPM）[19]、[20]，进一步证明了荧光相关技术在监测油品质量变化和真伪评估方面的潜力。例如，Orfanakis [21]等人利用荧光光谱法准确检测了特级初榨橄榄油中的苯并[a]芘等有害物质，为检测有害物质污染导致的橄榄油质量下降提供了高效可靠的技术解决方案。Yang [22]等人则利用三维荧光光谱法和机器学习技术，同时实现了对植物油煎炸频率和过氧化值的测定，为评估煎炸过程中的油品氧化状况提供了有效方法。Ma [23]等人基于美蓝探针开发了一种TPM荧光检测方法，通过红光与绿光荧光强度比实现对总极性物质含量的可视化评估，并将其集成到便携式3D打印设备中，从而形成了低成本、实时现场检测技术。在食用油掺假检测方面，也有许多相关研究，比如Moura [24]等人利用EEM荧光光谱法结合化学计量学工具，研究了高价值安第罗巴油的掺假问题，通过降维提取EEM荧光特征，区分了纯油和掺假样本，为安第罗巴油掺假鉴定提供了有效方案。Lim [25]等人则结合1HNMR光谱法、多元分析、机器学习和深度学习模型，解决了芝麻油被廉价油掺假的常见问题，其方法对芝麻油及其掺假混合物的分类准确率达到了100%，为芝麻油掺假的分类和定量提供了精确的技术支持。Bavali [26]等人则利用激光诱导荧光（LIF）光谱法，解决了特级初榨橄榄油被葵花籽油掺假的问题，他们通过分析荧光发射中的二次内滤效应的角依赖性，结合差分光谱分析，捕捉与葵花籽油浓度相关的光谱不对称性，从而实现快速无损的EVOO掺假检测。Zhang [27]等人则开发了一种以BODIPY作为荧光团的近红外开关型荧光探针CO660，该探针基于粘度和pH值的双重响应，无需预处理即可快速检测油品降解情况，能够灵敏地定量分析煎炸时间和掺假程度。不过，目前的研
究大多集中在单一类型食用油的掺假检测或过氧化值检测上，尚未有同时识别多种高质量食用油及其多种掺假类型的报道。目前，荧光光谱法通常需要与多种化学计量学工具结合，将数据简化为多个因素的光谱成分的线性组合，这限制了其分析复杂非线性效应的能力[28]、[29]。而机器学习技术则不对数据做任何假设，能够从整个EEM光谱中自动学习复杂模式，从而更全面地解读数据。例如，Fan [30]等人将EEM荧光光谱法与机器学习和深度学习模型相结合，从EEM荧光光谱中提取特征，并整合相关模型，实现对鱼类新鲜度的全面评估，为快速检测鱼类新鲜度提供了有效方法。Li [31]等人则通过将三维荧光光谱法与机器学习方法相结合，提取混合污水的光谱特征，从而精准追踪污染源，为污水来源判定提供了可靠的技术支持。Venturini [32]等人收集了霉菌毒素的EEM荧光光谱，创新性地引入机器学习算法进行降维和特征提取，从而发现区分不同毒素的潜在特征。他们的研究充分体现了将荧光光谱法与机器学习相结合，在复杂基质中高通量筛查污染物方面的巨大潜力和实用价值。
鉴于此，针对当前市场上多种高质量食用油被多次假冒的问题，本文提出了一种基于二维线性判别分析（2D-LDA）和遗传算法（GA）融合的、用于食用油EEM荧光光谱特征优化选择与识别的方法[33]、[36]。该方法将2D-LDA与GA相结合，充分发挥两者的优势，为橄榄油、芝麻油和花生油等多种假冒类型的高质量食用油建立了识别模型。该算法不仅能够有效降低EEM荧光光谱的维度，还能减少计算负荷，从而大幅降低对硬件计算资源的要求，弥补了现有检测设备在部署方面的不足，有望为高质量食用油的真伪鉴定领域带来重要贡献。
章节节选
理论基础
在鉴别假冒高质量食用油时，各类样品的光谱特征具有高度相似性。虽然传统的2D-LDA方法能够实现一定程度的降维，但提取的特征数量仍然较多。过多的特征不仅会增加食用油识别模型的训练和预测难度，延长处理时间，还会因引入冗余或无关特征而导致模型容易过拟合。
样品采集
高质量食用油的假冒行为主要表现为掺假和造假两种形式。为深入研究并打击市场上的食用油假冒行为，本研究设计了实验方案，模拟这两种假冒行为：即通过非法混合低品质油来制造掺假油，以及添加有害添加剂来制造假油。
实验所需的所有食用油样品均购自
EEM光谱的特性
经过散射和归一化预处理后的食用油及油类调味品のEEM光谱如图S1所示。具体而言，图S1(a)为大名府葵花籽油，图S1(b)为卢华5S一级压榨花生油，图S1(c)为Olivoila OO橄榄油，图1(d)为金龙鱼精炼橄榄油，图S1(e)为海天柴鱼油，图S1(f)为金龙鱼特级初榨橄榄油。这些样品的荧光特性反映了它们不同的化学成分和生产工艺。
葵花籽油的荧光成分包括
结论
针对当前食用油市场中芝麻油、花生油和橄榄油普遍存在的掺假和造假问题，本研究基于EEM荧光光谱，结合2D-LDA和GA特征选择技术，开发出一种优化的识别方法。研究人员使用FS5荧光光谱仪成功获取了食用油样品的EEM数据，进而从这些数据中有效提取出了最优特征子集，从而实现了对食用油
利益冲突声明
作者声明，他们不存在任何可能影响本文研究的已知利益冲突或个人关系。
致谢
本研究得到了国家自然科学基金[项目编号：62305102]以及河北省教育厅科技项目（项目编号：BJ2025112）的支持。
