低场核磁共振技术在油脂掺伪鉴别中的应用

应用低场核磁共振(LF-NMR)检测技术结合主成分分析法(PCA)对多种品牌纯葡萄籽油以及其掺有其他食用油脂的掺伪葡萄籽油进行检测分析。研究表明, PCA可明显区分葡萄籽油、大豆油、玉米油、稻米油的LF-NMR弛豫特征数据;并且PCA得分图上能有效区分葡萄籽油中不同油脂的掺伪比例,掺伪比例越高区分效果越好,实验验证可靠。实验结果说明基于掺伪油脂的LF-NMR弛豫特征数据,结合主成分分析可实现对其是否掺伪、掺伪比例快速、有效的鉴别。     

低场核磁共振结合主成分分析法在食用油脂品质分析中的应用

应用主成分分析法(PCA)对多种不同品质油脂样品的LF-NMR弛豫特性数据(T21、T22、T23、S21、S22、S23)进行了分析。研究表明,应用PCA可明显区分正常大豆油和棉籽油,但棕榈油和猪油样品分布范围有一定的重合;无论是轻度煎炸还是深度煎炸,不同种类的煎炸油脂在PCA得分图中能够明显分区;随煎炸时间的延长,油样在PCA得分图上的分布逐渐向左上方移动,四种油脂能够明显分为两类:棕榈油和猪油,大豆油和棉籽油;食用猪油与掺伪猪油样品在PCA得分图上能够明显区分,掺伪比例愈高,二者的区分效果愈好,试验验证正确。说明基于油脂的LF-NMR弛豫特性,结合主成分分析可实现对食用油脂种类、煎炸油程度及掺伪猪油的品质区分。     

明胶-蔗糖/NaCl体系的LF-NMR弛豫特性及主成分分析

论文主要研究了不同浓度的蔗糖及Na Cl对明胶凝胶体系低场核磁共振(LF-NMR)弛豫特性的影响,并应用主成分分析(PCA)对弛豫特性及其与明胶凝冻强度的相关性进行了分析。结果表明,随蔗糖浓度的增加,明胶-蔗糖凝胶体系的结合水弛豫时间(T21)延长,自由水弛豫时间(T22)和单组份弛豫时间(T2w)缩短,结合水比例(S21%)增大,而自由水比例(S22%)相对减少;而随Na Cl浓度的增加,明胶-Na Cl凝胶体系的T21、T22和T2w均相对延长,S21%和S22%则分别增大和减少。两种凝胶体系之间及其与相应的溶剂之间在PCA得分图上均有明显的区分,且明胶-蔗糖/Na Cl凝胶体系的凝冻强度与其LF-NMR主成分综合得分间存在良好的相关性。研究表明,LF-NMR技术可以有效反映明胶-蔗糖/Na Cl凝胶体系中水分状态及其相应比例的变化,且可反映其凝冻强度的变化,这可为明胶应用于食品生产加工提供一定的指导作用。     

基于脂肪酸组成甄别油茶籽油掺伪的研究

以植物油的特征信息——脂肪酸组成为依据,结合化学计量学,运用主成分法、偏最小二乘判别因子分析法来研究甄别油茶籽油的可行性,并运用偏最小二乘回归分析法来定量预测分析不同掺伪比例的油茶籽油。结果显示:主成分法(Principal Component Analysis,PCA)、偏最小二乘判别因子分析法(Partial Least-squares Analysis-Discriminat Factor Analysis,PLS-DFA)都能将油茶籽油样品与其他几种植物油样品区分开来,并且PLS-DFA要比PCA区分效果稍好;掺伪比例和脂肪酸组成具有较好的线性关系,偏最小二乘回归分析法(Partial Least-squares Analysis,PLS)能够定量预测分析掺伪比例为5%~60%的掺伪样品,且相关系数都能达到0.98以上,说明脂肪酸组成结合化学计量学方法能够很好的甄别油茶籽油掺伪,为快速甄别油茶籽油掺伪提供技术支撑。     

基于LF-NMR弛豫特性的煎炸油总极性化合物含量定量建模方法

将低场核磁共振（low field nuclear magnetic resonance,LF-NMR）分析技术应用于煎炸油脂总极性化合物（total polar compounds,TPC）含量的预测。采用柱层析方法测定油脂样品的TPC含量作为测定值,采集油脂样品的LF-NMR弛豫特性（峰起始时间T21、T22、T23相应的峰面积比例S21、S22、S23、单组分弛豫时间T2W）,分别利用向后筛选多元回归分析、主成分回归分析和偏最小二乘回归分析建立LF-NMR弛豫特性与TPC含量的回归方程,比较3 种模型的校正集和预测集的决定系数与均方根误差,最终确定最优模型为偏最小二乘回归模型。应用此模型预测预测集样品TPC含量,决定系数R2可达0.928,预测集均方根误差为0.568%,模型稳定。     

GC和LF-NMR结合化学计量学方法检测掺假油茶籽油

为了对油茶籽油品质控制及评价提供支撑,以纯油茶籽油和掺假油茶籽油(分别掺入菜籽油、花生油、棕榈油和高油酸花生油)为试验材料,采用气相色谱法(GC)分析其脂肪酸组成,采用低场核磁共振技术(LF-NMR)测定其横向弛豫特性数据,结合主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)和偏最小二乘分析(PLS)等化学计量学方法建立油茶籽油掺假的定性和定量分析模型。结果表明：5种植物油的脂肪酸组成和LF-NMR横向弛豫特性数据存在显著区别;油茶籽油和其他4种植物油在PCA得分图上可清晰区分;PLS-DA模型可有效区分油茶籽油和掺假油茶籽油,判别正确率均可达100%;建立的油茶籽油中掺入菜籽油、花生油、棕榈油、高油酸花生油的PLS定量预测模型,真实值与预测值的相关系数(R²)分别为0.994 1、0.998 6、0.997 6、0.978 1。综上,GC和LF-NMR结合PCA、PLS-DA以及PLS等化学计量学方法可用于油茶籽油掺假类别判定及掺假量分析。     

基于LF-NMR弛豫特性对注水、注胶羊肉辨别研究

利用低场核磁共振技术(LF-NMR)对正常羊肉及注水、注胶肉检测,根据样品的T2时间所反映的水分存在状态及分布结果,结合主成分分析法(PCA)及逐步线性判别分析(Step-LDA)对不同类的羊肉样品进行区分辨识。结果表明,基于羊肉样品的弛豫特性,结合主成分分析法,纯羊肉和注水肉在主成分得分图上可以得到很好的区分;纯羊肉及注胶肉也可以得到有效的辨识;逐步线性判别分析的区分情况更为显著,同时样品随着掺加比例的变化在图中呈现规律性分布,交叉验证中分类的正确率分别达到了100%,72%和100%。说明判别模型的辨识能力较佳,低场核磁共振技术结合适当的数据算法在羊肉质量控制及评价中具有较大的应用潜力。     

基于LF-NMR及主成分回归分析的油脂煎炸品质预测

以大豆油和玉米油为研究对象,研究薯条煎炸过程(温度(180±5)℃,36 h)中低场核磁(LF-NMR)弛豫特性及理化指标(酸价、黏度、吸光值及总极性化合物含量)的变化规律。应用主成分回归分析建立通过LF-NMR弛豫特性预测理化指标的相关性模型。结果表明:随煎炸时间的延长,油样的LF-NMR弛豫特性中,峰起时间(T21、T22)及单组份弛豫时间(T2w)线性减小,T21特征峰的峰面积比例(S21)线性增大;油样的酸价、总极性化合物(TPC)均随煎炸时间的延长而线性增大,黏度、吸光值则呈二项式增大。与大豆油相比,玉米油的酸价、黏度、吸光值、S21等虽变化幅度较大,但TPC,T21,T22,T2w变化幅度较小。通过主成分回归分析可建立酸价、黏度及总极性化合物含量与LF-NMR弛豫特性间的相关性模型(R20.90),模型验证良好,说明可利用油脂煎炸过程中LF-NMR弛豫特性的变化,快速、有效地预测其理化指标的改变程度,从而有效监控煎炸油脂及食品的质量。     

3种油脂抗氧化剂的低场核磁共振弛豫特性变化规律的主成分分析

研究了3种不同浓度的油脂抗氧化剂:植物甾醇酯(PSE)、VE、特丁基对苯二酚(TBHQ)的乙醇或三油酸甘油酯体系的低场核磁共振(low-field nuclear magnetic resonance,LF-NMR)弛豫特性,并对结果进行了主成分分析。结果表明:乙醇体系中,当PSE或VE体积分数达2%,TBHQ体积分数达4%时,多组分弛豫图谱中出现新的弛豫峰T21峰,且随PSE、VE、TBHQ浓度的增大,峰面积比例S21增大,S22相对减小;此外,随VE、TBHQ浓度的增加,T21增大,T22减小;但PSE浓度对体系的T21、T22的影响较小;在三油酸甘油酯体系中,当PSE、VE、TBHQ体积分数分别达到3%、3%、7%时,多组分弛豫图谱中出现新的弛豫峰,且随PSE、VE、TBHQ浓度的增加,T22、T23相对减小,而T21基本不变;S21相对增大,S22、S23变化不显著。经主成分分析(principal components analysis,PCA)后,可在PCA得分图上明显区分乙醇和三油酸甘油酯体系,且各抗氧化剂-浓度梯度呈规律性分布,表明PCA分析有利于对油脂抗氧化剂的LF-NMR弛豫特性变化规律的提炼及体系间整体差异的反映。     

电子舌快速检测食用植物油掺伪

目的应用法国Alpha M.O.S公司生产的传感器型味觉电子舌系统对3组不同程度掺伪的食用植物油进行掺伪检测。方法选取6种不同类型植物油,用20%的乙醇浸泡后超声,静置隔夜,将油脂中的味觉信息提取出来,由电子舌自动进样系统采集原始数据,所得样品数据用主成分分析法、判别因子法进行分析。结果 2种方法均能较好地检测区分不同的食用植物油样品,大部分的指纹分辨指数高于95分。此方法可以区分不同榨取工艺或不同产地的同种类油脂,可鉴别的掺伪检测限为0.1%。结论本实验鉴别精确度远大于常规的油脂检测方法,且具有较高的灵敏度,能够快速有效地鉴别不同种类食用植物油并区分不同掺杂比例的油脂样品。     

低场核磁技术检测芝麻油掺假

为评价低场核磁检测油脂掺假的能力,先用低场核磁结合主成分分方法区分大豆油和3 种芝麻油（分别为精炼、冷榨和热榨工艺）样品,然后用偏最小二乘法分析不同掺兑比例的模拟掺假样品数据。结果表明,大豆油和芝麻油样品的特征信号区域在0～900 ms弛豫时间段,低场核磁能够较好地区分芝麻油和大豆油样品;低场芝麻油中掺入大豆油的最低检测比例为体积分数5%～10%,精炼芝麻油中掺入冷榨或热榨芝麻油的最低检测比例为体积分数10%～20%。因此低场核磁技术可以作为油脂掺假的快速初筛检测方法之一。     

掺杂猪油比例对花生油脂肪酸组成及LF-NMR弛豫特性的影响

研究掺杂不同比例猪油对花生油脂肪酸组成及低场核磁弛豫特性的影响,并分析了二者的相关性。结果表明：随猪油比例的增加,掺杂样品中饱和脂肪酸含量显著增加,掺杂参数（adulteration parameter,AP）减小;单组分弛豫时间（T2W）线性减小;掺杂比例大于30%时,T21显著下降后一直保持不变,T22变化不显著;S21、S22分别呈线性增加和减小趋势,且在掺杂比例大于50%后变化显著。掺杂猪油的样品在主成分分布图上呈从右上角到左下角的分布趋势,当掺杂比例大于20%,掺杂油样与花生油样品可明显区分。样品的低场核磁特性主成分综合得分（F值）与AP值间具有较好的相关性（R2=0.969）,研究表明可通过样品的低场核磁弛豫特性预测脂肪酸组成的变化情况,从而快速判别其品质。     

气相离子迁移谱对山茶油掺假的检测

以掺假山茶油样为气相离子迁移谱（gas chromatography-ion mobility spectrometry,GC-IMS）检测对象,利用多维主成分分析（multi-way principal component analysis,MPCA）法和偏最小二乘（partial least squares,PLS）回归分析处理二维谱图数据,探索并建立一种山茶油纯度检测方法。对配制的不同比例3 种食用植物油的掺假油样进行GC-IMS检测,采用MPCA压缩并提取矩阵中的得分矩阵进行主成分分析,将提取的得分矩阵进行PLS分析,建立掺假量的定量预测模型。结果表明,MPCA处理后的主成分图可以明显区分山茶油样和掺入不同种类食用油的掺假山茶油样,且不同掺入比例组有其明显的归属区域;采用PLS对MPCA的得分矩阵进行回归分析,可实现对山茶油掺假比例的准确定量测定。该方法具有快速、准确、无损的特点,可应用推广到其他联用仪器的数据分析处理中,在食用油品质控制与评价方法中具有很大的应用前景。     

电子鼻对芝麻油掺假的检测

使用电子鼻系统PEN3 对芝麻油中掺入大豆油、玉米油、葵花籽油进行检测分析,分别对芝麻油中不同量的掺假进行辨别,用主成分分析(PCA)和线性判别式分析(LDA)两种方法分析。结果表明：电子鼻能够较好的识别芝麻油掺假不同比例的大豆油、玉米油和葵花籽油,而且LDA 方法比PCA 方法的效果好。PCA 方法对掺入大豆油、玉米油超过50% 和葵花籽油超过70% 的芝麻油能明显区分,而LDA 方法对芝麻油中掺入不同量的大豆油、玉米油和葵花籽油均能明显区分。     

基于挥发性成分定性判别风味油茶籽油掺伪浸出油茶籽油PCA模型和逻辑回归模型的对比分析

为了解决风味(原香和烤香)油茶籽油掺伪浸出油茶籽油的定性判别问题,设计高、低两个掺伪梯度,基于挥发性成分构建并对比分析了定性判别风味油茶籽油掺伪浸出油茶籽油的主成分分析(PCA)模型和逻辑回归模型。结果表明：逻辑回归模型定性判别风味油茶籽油掺伪浸出油茶籽油的能力较强,优于PCA模型;高掺伪梯度下定性判别原香和烤香油茶籽油掺伪浸出油茶籽油,PCA模型的最低检出限分别为20%和60%,而逻辑回归模型的最低检出限均为10%;低掺伪梯度下定性判别原香和烤香油茶籽油掺伪浸出油茶籽油,PCA模型的判别不准确,而逻辑回归模型的最低检出限均为4%。逻辑回归模型能很好地定性判别风味油茶籽油掺伪浸出油茶籽油。     

基于电子鼻山茶油芝麻油掺假的检测研究

本文采用电子鼻系统对山茶油、芝麻油的掺假（大豆油）作了检测.通过对传感器信号进行方差分析可知,三种油脂的传感器响应有显著差异.主成分分析（PCA）对山茶油与大豆油及其混合物检测效果较差,对芝麻油、大豆油及两者混合物取得了较好的检测效果;而线性判别式分析（LDA）对山茶油和芝麻油的掺假都有较好的检测效果,并优于PCA方法.运用BP神经网络拟对混合油脂进行定量预测,对山茶油掺假的定量预测效果较差,对芝麻油掺假的预测效果略好于山茶油,但最大绝对误差已达0.134,还不能取得较为准确的结果.     

Non-destructive measurement of water and fat contents,water dynamics during drying and adulteration detection of intact small yellow croaker by low field NMR

Non-destructive and fast measurement and characterization of fish is highly desired during various processing treatment. In this study, water dynamics during drying process and adulteration with carrageen were detected using low field nuclear magnetic resonance (LF-NMR) technique in small yellow croaker. Prediction models of water and fat contents were established based on LF-NMR Carr–Purcell–Meiboom–Gill (CPMG) data combined with principal component regression (PCR) or partial least squares regression (PLSR). The R_cv ² of water and fat content by PLSR model was 0.9877 and 0.9054, and the root mean square error (RMSE) of cross-validation was 9.2360 and 3.3730%, respectively. Water dynamics during hot-air drying process showed that the amount of immobile water significantly decreased, and good correlation was found between the moisture ratio and peak area by Two-term model. In addition, the adulterated small yellow croaker with carrageen or distilled water could be clearly distinguished by principal component analysis (PCA) in a fast and non-destructive manner. All the results demonstrated that the LF-NMR may have great potential in fast and non-destructive analysis of small yellow croakers during various processing treatment.     

Detection of adulteration of extra-virgin olive oil by chemometric analysis of mid-infrared spectral data

This study focuses on the detection and quantification of extra-virgin olive oil adulteration with different edible oils using mid-infrared (IR) spectroscopy with chemometrics. Mid-IR spectra were manipulated with wavelet compression previous to principal component analysis (PCA). Detection limit of adulteration was determined as 5% for corn–sunflower binary mixture, cottonseed and rapeseed oils. For quantification of adulteration, mid-IR spectral data were manipulated with orthogonal signal correction (OSC) and wavelet compression before partial least square (PLS) analysis. The results revealed that models predict the adulterants, corn–sunflower binary mixture, cottonseed and rapeseed oils, in olive oil with error limits of 1.04, 1.4 and 1.32, respectively. Furthermore, the data were analysed with a general PCA model and PLS discriminant analysis (PLS-DA) to observe the efficiency of the model to detect adulteration regardless of the type of adulterant oil. In this case, detection limit for adulteration is determined as 10%.