高效液相色谱-串联质谱法测定山茶油中黄曲霉毒素B1

建立了山茶油中黄曲霉毒素B1含量的高效液相色谱-串联质谱分析方法。通过对前处理方法的优化,选择了甲醇和水作为山茶油中黄曲霉毒素B1的提取溶剂,经免疫亲和柱富集浓缩后,采用高效液相色谱-串联质谱进行分析,经C18色谱柱分离,在电喷雾离子化正离子模式(ESI+)及多反应监测模式(MRM)下进行测定,基质匹配标准溶液外标法定量。在优化条件下,该方法线性范围为0.4～6.4μg/L,相关系数r2>0.998,最低检出限为0.026μg/kg,在添加水平为0.008,0.016和0.032μg时,方法回收率在85.9%～93.8%之间;相对标准偏差为1.8%～5.0%。方法可满足山茶油中黄曲霉毒素B1的检测要求。     

两种不同前处理方法测定山茶油中的痕量铜

采用湿法消解和萃取法两种不同的前处理方法,石墨炉原子吸收光谱法测定山茶油中精炼油和毛油中痕量的铜,结果表明:两种方法有较好的一致性,湿法消解在精密度上要优于萃取法,萃取法较湿法消解耗时短,试剂消耗少。两种方法的回收率在82.5%—114.5%之间,湿法消解的检出限为0.0134μg/g,萃取法的检出限为0.0160μg/g。     

湿法消解-石墨炉原子吸收光谱法测定山茶油中的镉

《食用油卫生标准》GB2716-2005中对重金属铅和砷都有明确的限量规定（小于0.1 mg/kg）,但对于镉元素并没有限量规定。为此,选取目前较为热门的山茶油,建立硝酸和过氧化氢为酸体系,湿法消解-石墨炉原子吸收测定其中镉的含量,通过对山茶油的毛油和精炼油的测定,均有检出,与已报道的其它植物油中含量水平相当;方法的检出限为0.058 μg/kg,RSD为12%,回收率为84%~103%。方法可靠,灵敏度高。     

不同光程对山茶油掺假近红外检测精度的影响

利用近红外光谱在不同光程下对山茶油中掺杂大豆油的掺伪量进行定量检测研究,着重分析光程对掺伪量检测精度的影响。将大豆油按一定质量分数掺入山茶油获取实验样本,掺伪质量分数范围为1%～50%。利用QualitySpec型光谱仪采集样本在不同光程(1,2,4,10 mm)下的透射光谱,通过对比不同建模方法、预处理方法及建模波段范围所建立的掺伪量定量预测模型,分析光程对掺伪量检测精度的影响。研究结果表明,光程由1 mm增加到4 mm时,掺伪量定量预测模型性能随着光程的增加而逐渐变好,检测精度逐步提高;光程由 4 mm增加到10 mm时,掺伪量定量预测模型性能变差,检测精度下降,4 mm为较优的光程。在1,2,4和10 mm下所建立的较优掺伪量定量预测模型的预测集决定系数 (R2_P)和预测均方根误差(RMSEP)分别为0.923, 0.977, 0.989, 0.962和4.58%, 2.54%, 1.72%, 3.20%。     

近红外光谱和特征光谱的山茶油掺假鉴别方法研究

山茶油素有"东方橄榄油"美誉,实现掺假山茶油的鉴别具有重要实用价值,采用近红外光谱技术对掺有葵花油的山茶油进行检测。分别以1%,5%,10%为梯度制备掺假比例不同的山茶油样品,并根据掺假比例将其分为A组(0%~5%)和B组(6%~10%)共11个样品,C组(15%~40%)6个和D组(50%~100%)6个样品。将每个掺假样品充分混匀后再分为9份,依次采集其1 000~2 500nm范围的吸收光谱,共获得207条光谱曲线。每组样品的光谱数据按2∶1随机分为训练集与验证集。经去除首尾噪声后,通过主成分分析法(principal component analysis,PCA)降维,并利用前四个主成分建立了鉴别山茶油不同掺假等级的主成分-支持向量机判别模型,训练集与验证集的总体判别准确率分别达96.38%和94.20%;进一步,通过对前四个主成分的载荷系数的分析,并结合原始光谱,提取建模过程中权重较大的波长并解析其化学含义,最终确定出五个特征波长:1 212,1 705,1 826,1 905及2 148nm,以此波长重新建立近红外特征光谱山茶油掺假等级判别模型,对训练集与验证集的总体判别准确率也达到了94.20%和92.75%。研究结果表明,利用近红外光谱和特征光谱均能够较好实现山茶油掺假等级的鉴别,同时所建立的近红外特征光谱模型也为设计相应的掺假山茶油实用便携式检测仪器提供了理论基础。     

可见/近红外联合UVE-PLS-LDA鉴别压榨和浸出山茶油

山茶油是我国特有的优质食用油,而压榨山茶油营养品质优于浸出山茶油。采用可见/近红外光谱技术对压榨和浸出山茶油进行鉴别研究。在350～1 800 nm波段范围内采集压榨和浸出山茶油样本的透射光谱,利用无信息变量消除(UVE)方法进行波长变量优选,剔除无用波长变量,并应用偏最小二乘-线性判别分析(PLS-LDA)建立鉴别分类模型。最后,利用鉴别分类模型对未参与建模的26个预测集样本进行鉴别。研究结果表明,UVE-PLS-LDA是一种有效的鉴别分类方法,所建立的鉴别分类模型能较好地对压榨和浸出山茶油进行鉴别,校正集和预测集样本的鉴别正确率均为100%。因此,可见/近红外光谱联合UVE-PLS-LDA方法鉴别压榨和浸出山茶油是可行的。