基于激光诱导击穿光谱(LIBS)、紫外–可见吸收与荧光光谱的橄榄油栽培品种溯源识别:一项比较研究

《Journal of Food Composition and Analysis》:Identification of the cultivar origin of olive oil by LIBS, UV–VIS absorption and fluorescence spectroscopy: A comparative study

【字体: 大 中 小 】 时间:2026年07月22日 来源:Journal of Food Composition and Analysis 5.3

编辑推荐:

  在本研究中,研究人员利用三种不同的光谱技术,即激光诱导击穿光谱(Laser Induced Breakdown Spectroscopy, LIBS)、紫外–可见(UV–Vis)吸收光谱和稳态荧光光谱,研究了基于栽培品种溯源的若干希腊橄榄油的识别与区分。所研究

  
在本研究中,研究人员利用三种不同的光谱技术,即激光诱导击穿光谱(Laser Induced Breakdown Spectroscopy, LIBS)、紫外–可见(UV–Vis)吸收光谱和稳态荧光光谱,研究了基于栽培品种溯源的若干希腊橄榄油的识别与区分。所研究的橄榄油样品来自五种不同的栽培品种,即Koroneiki、Kolovi、Manaki、Chondroelia和Konservolia,这些均为希腊分布最广的栽培品种之一。研究人员从每种技术获取的光谱数据中,采用不同的机器学习算法(即线性判别分析(Linear Discriminant Analysis)、支持向量分类器(Support Vector Classifier)、线性回归(Linear Regression)和额外树分类器(Extra Trees Classifier))进行分析。研究人员评估了每种光谱技术的性能,并对所获得的结果进行了彻底的评估和讨论。
研究背景方面,橄榄油作为地中海饮食的核心成分,其健康价值源于丰富的单不饱和脂肪酸与多酚等抗氧化物质,全球约95%的产量来自地中海地区,希腊产量占9%–10%。随着消费者对橄榄油感官特征、地理及栽培品种溯源需求的提升,市场上出现了栽培品种标识错误、掺假等欺诈行为,亟需开发可靠、快速且经济可行的溯源鉴别方法。传统化学分析方法虽有效但耗时,而光谱技术结合化学计量学为解决此类问题提供了新途径。现有研究多关注地理溯源或掺假检测,针对栽培品种系统性比较LIBS、UV–Vis吸收与荧光光谱的研究尚属首次,本研究旨在填补这一空白,通过同一批101份希腊橄榄油样品(涵盖Koroneiki、Kolovi、Manaki、Chondroelia、Konservolia五种主栽品种,包括64份特级初榨、27份初榨及10份lampante橄榄油,采集自2021–2025年希腊多个产区)的比较分析,评估三种技术在栽培品种判别中的效能,并探索数据融合策略的增益效果,论文发表于《Journal of Food Composition and Analysis》。
关键技术方法方面,研究人员采用同一批101份希腊橄榄油样本(五种栽培品种,含不同等级与四个采收季),分别利用LIBS(1064 nm Nd:YAG激光,能量90 mJ,光谱范围200–1000 nm)、UV–Vis吸收光谱(350–750 nm,1 mm玻璃比色皿)及稳态荧光光谱(激发355 nm,发射362–800 nm)采集数据;光谱数据经主成分分析(Principal Component Analysis, PCA)降维后,按85:15划分为训练集与测试集,采用十折交叉验证与外部验证,应用线性判别分析(LDA)、支持向量分类器(SVC)、线性回归(LR)与额外树分类器(ETC)四种机器学习算法构建分类模型,并计算灵敏度、特异度及混淆矩阵评估性能;进一步通过Z-score标准化进行LIBS/UV–Vis、LIBS/荧光、UV–Vis/荧光及三者全融合的数据融合分析。
研究结果部分,首先为LIBS、UV–Vis吸收与稳态荧光光谱的橄榄油样品分析。研究人员指出LIBS反映元素组成(尖锐原子线与CN、C2分子带),UV–Vis与荧光反映分子组分(叶绿素~415.5、~670.5 nm,类胡萝卜素~455.5 nm等宽带),单一技术光谱肉眼难以区分,需依赖机器学习挖掘模式。其次为LIBS、UV–Vis吸收与荧光数据分析。单一技术中LIBS配合LDA获最高测试准确率93.3%,UV–Vis吸收最高88.0%(LDA与ETC),荧光最高81.3%(ETC);LIBS误分类集中于Chondroelia与Konservolia,UV–Vis多见于Manaki,荧光类间边界模糊;灵敏度指标显示LIBS最稳定(LDA达86.7%–100%),荧光波动最大(Chondroelia低至26.7%)。数据融合分析中,LIBS/UV–Vis融合LDA测试准确率97.3%,三者全融合(LIBS/Abs/Fluo)达98.7%,Abs/Fluo融合最低82.7%;含LIBS的融合组合均优于单一荧光或吸收组合,LDA在融合数据中仍表现最优(96.0%–98.7%),但LIBS单技术因测量时间短(~100 s)相较融合(~12 min)更具实用优势。
讨论与结论总结方面,研究人员得出结论:三种技术中LIBS对橄榄油栽培品种判别效能最佳(测试准确率最高93.3%),UV–Vis吸收次之,稳态荧光相对较弱;LDA、SVC与LR算法整体优于ETC,其中LDA在各技术中均获最高准确率。数据融合可进一步提升准确率至98.7%(三者全融合),但LIBS凭借速度快、效率接近融合水平,更适于实际应用。该研究首次系统比较LIBS与UV–Vis吸收、荧光光谱在橄榄油栽培品种溯源中的表现,为橄榄油真伪鉴别与质量控制提供了光谱学依据,未来可扩展至更多品种、年份及深度学习模型以推进全产业链溯源。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号