目前市面上已經開發了幾種檢測牛油果油摻雜的分析方法。許多分析方法都依賴于色譜技術，但這類方法可能需要耗費很長時間制備樣品，并可能產生有害的化學廢物。3 與之相比，近紅外光譜技術與摻雜物篩查™（ Adulterant Screen™）技術可在不需要溶劑的情況下快速檢測牛油果油的摻雜情況。

當前采用近紅外光譜技術的靶向摻雜物篩查方法，需要依據各類潛在的摻雜物建立相關的定量校準模型。此外，諸如SIMCA（軟獨立建模分類法）算法等非靶向篩查方法可以確定樣本是否被摻雜，但既不能確定摻雜物，也不能量化摻雜物。另一方面，珀金埃爾默的摻雜物篩查算法提供了一種可以快速識別和估算摻雜情況的半靶向篩查方法。

實驗

采用配有珀金埃爾默可加熱透射模塊（HTM）的珀金埃爾默Spectrum Two N™ 傅里葉近紅外光譜儀采集純牛油果油和四種可能的摻雜油的近紅外光譜。溫度控制在25℃。

將樣品放入8 mm 玻璃小瓶中，使其在可加熱透射模塊內達到熱平衡，并使用表1 所示的參數進行掃描。收集了純牛油果油（三個不同市售品牌的5 個重復樣品）的15 個光譜，以及每種摻雜物（花生油、橄欖油、菜籽油和葵花籽油）的1 個光譜用于摻雜物篩查方法。對光譜進行預處理，將光譜范圍調整至10000-4500cm-1，消除吸收率高于1.5 的區域，并使用一階導數基線校準，如圖2 所示。

此外，將每種摻雜物添加到16 份純牛油果油樣品中，得到摻雜濃度范圍為2-95%(w/w) 的摻雜樣品。每種摻雜樣品、純凈牛油果油樣品以及純凈摻雜油樣品的光譜可用于通過珀金埃爾默Spectrum Quant™ 分析儀建立每種摻雜油的偏小二乘（PLS1）定量模型。15 個樣品用于校準，3 個樣品（濃度分別為25%、55% 和85%）用于模型的獨立驗證。此外，每個模型還進行了留一法交叉驗證。每個模型中的光譜均使用表2 中所示的參數進行預處理。

結論

試驗結果表明，配有可加熱透射模塊(HTM) 的珀金埃爾默近紅外光譜分析儀可以準確地檢測和鑒別牛油果油中的摻雜油。PLS1 校準模型全都準確地預測了當前的摻雜情況。然而，這種方法需要耗費很長時間制備和測量校準標準樣品。另一方面，摻雜物篩查算法快速地識別出存在的摻雜物質，并相對準確地估算了摻雜物濃度。若一個樣品的摻雜物篩選結果為不合格，則可該樣品后續需要進行進一步測試。如果出現新的摻雜物，那么只需將純凈的新摻雜物的一個光譜圖添加到純凈摻雜物光譜圖庫。因此，摻雜物篩查是牛油果油摻雜常規檢查的一種較為合適的方法。

提供商	珀金埃爾默企業管理（上海）有限公司	下載次數	16次
資料大小	2.9MB	資料類型	PDF 文件 免費下載該資料
資料圖片	--	瀏覽次數	198次