简介
食用油不仅是营养的主要来源，也是食品工业重要的基础材料。与动物脂肪相比，植物油中单不饱和脂肪酸和多不饱和脂肪酸的含量较高，因此其重要性与日俱增。在本应用说明中，使用拉曼光谱仪结合化学计量学软件分析了橄榄油、山茶油、花生油、葵花籽油和菜籽油的主要成分。
传统分析食用油的方法，如气相色谱-质谱法(GC-MS)非常耗时，而且只能在实验室条件下工作。而拉曼光谱学分析法则非常快速，并且分析前不需要对样品进行任何制备。
研究样品所用到油包含了不同浓度的油酸、亚油酸、单不饱和脂肪酸和多不饱和脂肪酸。这项研究的目的是为了快速对几种食用油中的成分浓度进行测定，以便进行生产线取样测试。因此，它突出了拉曼光谱学有能力对脂质氧化中的化学过程提供信息。该方法的特点是快速且实验操作简单。
实验性的拉曼光谱学
拉曼分析系统使用的是波长为 785nm的IPS窄线宽激光器来激发食用油样品。配备有TE制冷CCD 的B&W Tek 模块化光谱仪可在9s积分时间内收集范围为 175-2600cm-1的拉曼信号。可通过光程长度为10mm 的拉曼比色皿支架(BCR100A)来采集拉曼光谱。
可使用多元分析软件包 BWIO”化学计量学软件来分析光谱数据，以确定光谱与响应数据和/或光谱与样品类别之间的内部关系。BWIQ内含先进的光谱预处理和 PLS 回归算法，可用于定量测定食用油中的各种成分。
可对 30 种样品油进行采集和测量，包含橄榄油、山茶油、花生油、葵花籽油和菜籽油。
结果与讨论
对不同食用油的拉曼光谱进行收集和定量分析后可得到油的成分浓度。样品油的代表性光谱见图 1。利用气相色谱-质谱仪测量得到食用油成分浓度的参考值，包括油酸、亚油酸、单不饱和脂肪酸、多不饱和脂肪酸和饱和脂肪酸。根据 150个样品的拉曼光谱可在 BWIQ 软件中构建了一个定量 PLS 回归模型。为提高拉曼光谱的信噪比，采用了背景去除和Savitzky-Golay平滑等预处理方法。使用 PLS 回归算法对所有五种成分建立模型(PLS2)。手动选择特征拉曼光谱区域，是为了将光谱区域集中在与不同酸的饱和、不饱和骨架。
图 1.不同种类食用油的原始拉曼光谱。
表 1列出了上述所有成分化学值的 PLS回归结果的汇
RMSEP(预测均方根误差)和相关系数都表明，该模型的质量足以预测食用油中的成分，同时也是评价预测质量的关键指标。在 BWIO 软件中利用该模型对不同类型的样品进行测量，可预测化学值。图2显示了每种成分的预测结果。
饱和脂肪酸的预测样本集显示出较大的偏差，这可能是系统中的异常值造成的。
在 BWIQ 软件中，可以很容易地从图形和模型统计中找到离群样本。
图 2.a) 油酸、b) 亚油酸、c) 单不饱和脂肪酸和 d)多不饱和脂肪酸预测结果显示出预测模型
在这项工作中，我们剔除了一个离群样本，并在 BWIQ 软件中建立了一个新的模型。图3显示了饱和脂肪酸的预测结果。
图3.饱和脂肪酸预测结果。
这项工作表明，使用组件拉曼系统和 BWIO 化学计量软件可以开发出食用油中五种成分的校准模型。与气相色谱-质谱(GC-MS)相比，所有成分的预测结果都是可以接受的，而且可以使用便携式拉曼光谱仪快速、无损地获得预测结果。油类样品可在一次性玻璃瓶或比色皿中进行测量，无需进一步的样品制备。此外，如果为每种成分分别建立模型，还可以改进结果。
