橄欖油摻假鑒別技術(shù)研究進(jìn)展

林遠(yuǎn)輝，高 蓓，李玉玉，蔣萍萍，張慶華，儲曉剛,*

(1.北京出入境檢驗檢疫局技術(shù)中心，北京 100026；2.中國檢驗檢疫科學(xué)研究院，北京 100123；3.中國科學(xué)院生態(tài)環(huán)境研究中心 環(huán)境化學(xué)與生態(tài)毒理學(xué)國家重點實驗室，北京 100085)

橄欖油是指以油橄欖樹(Olea europaea L.)的果實為原料制取的油脂[1]，含有豐富的不飽和脂肪酸、角鯊烯、多酚、維生素等物質(zhì)，具有抗氧化、調(diào)節(jié)膽固醇、預(yù)防癌癥、美容等功效[2]，被稱為“液體黃金”，價格比其他食用植物油高很多。但橄欖油摻假問題一直較為嚴(yán)重。橄欖油的摻假主要分為兩種：一種是在高價橄欖油中摻入其他的低價植物油(如榛子油、葵花油、花生油、菜籽油和大豆油等)；另一種是將低級別種初榨橄欖油或橄欖果渣油添加到特級初榨橄欖油中。2006年，有媒體報道[3]“進(jìn)口橄欖油并非都貨真價實，初榨橄欖油僅占35%”。2012年1月初，意大利橄欖油又被曝?fù)絻读淤|(zhì)油[4]，橄欖油摻假問題再次引起人們的關(guān)注。為應(yīng)對橄欖油摻假問題，國內(nèi)外學(xué)者對其檢測方法進(jìn)行了廣泛研究。本文通過梳理國內(nèi)外橄欖油摻假鑒別方法，為進(jìn)一步的研究工作提供一定的參考。

1 常規(guī)理化檢測法

常規(guī)理化檢測法主要通過檢測橄欖油中固有物質(zhì)或摻入物質(zhì)的理化指標(biāo)來鑒別是否摻假。理化指標(biāo)分為常規(guī)指標(biāo)和特異指標(biāo)，常規(guī)指標(biāo)有：感官性質(zhì)、水分含量、紫外線吸收值、溶劑殘留量、過氧化值、酸值、碘值、雜質(zhì)含量、金屬含量等。特異指標(biāo)如：脂肪酸成分、甾醇含量等。GB 23347—2009《橄欖油、油橄欖果渣油》中規(guī)定了不同級別橄欖油中脂肪酸組成、反式脂肪酸含量、不皂化物含量、甾醇和三萜烯二醇組成及含量、蠟含量、酸值、過氧化值等技術(shù)質(zhì)量指標(biāo)及其檢驗方法。GB/T 5539—2008《糧油檢驗 油脂定性試驗》中規(guī)定了桐油、蓖麻油和亞麻油等13種油的定性檢驗方法。GB/T 5009.37—2003《食用植物油衛(wèi)生標(biāo)準(zhǔn)的分析方法》中規(guī)定了桐油、礦物油和大麻油3種非食用油定性檢驗方法。

2 色譜法

2.1 氣相色譜法

GB/T 22501—2008《動植物油脂 橄欖油中蠟含量的測定 氣相色譜法》中采用氣相色譜(GC)法規(guī)定了橄欖油中蠟含量的測定，該標(biāo)準(zhǔn)可用于鑒別機(jī)榨橄欖油與油橄欖果渣油。20世紀(jì)80年代，有學(xué)者[5]采用GC方法對橄欖油的摻假鑒別進(jìn)行了分析研究，結(jié)果顯示，純橄欖油、純其他植物油、混有10%其他植物油的橄欖油和混有5%其他植物油的橄欖油中油酸-亞油酸比例分別為＞7.6、0.2～0.8、1.1～2.0、1.4～3.6，這一結(jié)果為橄欖油摻假提供理論依據(jù)。Andrikopoulos等[6]研究發(fā)現(xiàn)，橄欖油甘油三酯中的甘油三亞油酸酯或棕櫚酸甘油酯含量較多，而其他植物油(花生油除外)不含或含量非常低(＜0.5%)。通過毛細(xì)管氣相色譜-氫火焰離子檢測器(CGC-FID)冷柱頭或分流進(jìn)樣進(jìn)行檢測，橄欖油中僅加入5%的植物油(花生油除外)即可被檢出，同時通過測定甘油棕櫚酸二亞油酸酯的增量可鑒別加入20%以上花生油的橄欖油，但該法不能鑒別不同級別的橄欖油。Damirchi等[7]通過氣相色譜-質(zhì)譜(GC-MS)分析發(fā)現(xiàn)4,4’-二甲基甾醇部分中僅榛子油含有未知化合物X(含有一個羽扇烷骨架)和羽扇豆醇，含量分別在2%～8%和6%～10%，通過檢測這兩種化合物，在橄欖油中僅摻入低于4%含量水平榛子油即可檢出。橄欖油中加入低品質(zhì)油，會導(dǎo)致感官品質(zhì)變差，造假者常通過真空熱除臭達(dá)到去除不良風(fēng)味，Saba等[8]采用GC-MS和GC-MS/MS檢測到僅在加熱油中會出現(xiàn)的9(E)-,11(E)-18：2脂肪酸甲酯，應(yīng)用這種方式能很好地鑒別橄欖油是否經(jīng)過真空熱除臭。Dulf等[9]采用GC-FID技術(shù)對菜籽油和橄欖油樣品進(jìn)行分析，結(jié)果顯示菜籽油中含有蕪莆甾醇，而在橄欖油中未檢出；β-谷甾醇與蕓苔甾醇比值在初榨橄欖油中較高，在菜籽油或摻假的橄欖油中比值較低；蕓苔甾醇與蕪莆甾醇在菜籽油中比值低而在特級初榨橄欖油中比值高，結(jié)合以上3種方式能很好地鑒別特級初榨橄欖油是否添加菜籽油。橄欖油摻假越來越復(fù)雜，特別是混有榛子油的橄欖油，由于兩種油相似性高，難以鑒別，需要輔助化學(xué)計量學(xué)方法以提供更多信息。Capote等[10]采用GC-MS技術(shù)，通過軟獨立模式分類(SIMCA)和K-近鄰算法(KNN)兩種化學(xué)計量方法能定性91%以上的摻假橄欖油，采用偏最小二乘回歸(PLSR)定量，線性相關(guān)系數(shù)R2＞0.9。Burian等[11]采用GC-MS技術(shù)結(jié)合特征提取和偏最小二乘法(PLS)數(shù)據(jù)分析技術(shù)來識別摻假橄欖油。

2.2 液相色譜法

液相色譜法作為常規(guī)檢測手段，較早地應(yīng)用于橄欖油摻假檢測[12]。Dionisi等[13]采用反相高效液相色譜-電化學(xué)對植物油樣品進(jìn)行分析，結(jié)果顯示生育三烯酚在棕櫚油和葡萄籽油中含量較高，在橄欖油、榛子油、葵花油和大豆油中均未檢測出，應(yīng)用該方法在橄欖油中僅添加1%～2%棕櫚油和葡萄籽油即可檢出。Zabaras等[14]基于固相萃取(SPE)分離極性組分，經(jīng)反相高效液相色譜-紫外檢測器(RP-HPLC-UV)分析，在橄欖油中僅摻入5%榛子油即可檢出，內(nèi)標(biāo)回收率為(90.0±4.2)%，標(biāo)準(zhǔn)偏差為4.7%，R2為0.9982(線性濃度范圍5%～40%)。Aued-Pimentel等[15]通過HPLC分析發(fā)現(xiàn)，不同植物油中甘油三酯的含量不同，通過比較計算脂肪酸組成的理論值和真實值之間的差異來判定橄欖油中是否摻有富含亞油酸的植物油，如大豆油、葵花油或玉米油。Fasciottia等[16]采用反相高效液相色譜-大氣壓化學(xué)電離/離子阱質(zhì)譜技術(shù)(HPLC-APCI/MS)檢測甘油三酯，并結(jié)合主成分分析法(PCA)，該方法能很好地區(qū)分不同產(chǎn)區(qū)的橄欖油并能有效鑒別出混有質(zhì)量分?jǐn)?shù)15%橄欖油的大豆油。橄欖油中的葉綠素是脫鎂葉綠素(a和b)，不含任何銅衍生物，而其他植物油中的葉綠素為葉綠素銅衍生物。Roca等[17]采用高效液相色譜-光電二極管陣列檢測(HPLC-DAD)技術(shù)檢測植物油中的葉綠素銅衍生物(E 141i)，以鑒別橄欖油中是否摻有其他植物油。

3 光譜法

3.1 紅外光譜法

橄欖油的檢測多采用近紅外(12500～4000cm-1)和中紅外(4000～400cm-1)波段區(qū)，紅外技術(shù)具有樣品處理簡單、分析速度快、無污染、可同時測定多種組分等優(yōu)點，在油脂檢測中得到廣泛應(yīng)用[18]。Christy等[19]建立了一種快速鑒別與定量橄欖油摻假的近紅外光譜模型。將525份摻假油樣在4000～12000cm-1的波長范圍內(nèi)進(jìn)行測定，由于不同的油品脂肪酸含量有差異，其甘油酯中—CH2和—CH3基團(tuán)的振動諧波吸收與組合頻帶吸收強度也不同，摻入其他植物油會使純橄欖油的整個光譜受到影響。光譜經(jīng)多元散射校正(multiplicative signal correction，MSC)處理，結(jié)合PCA模型能很好地分類鑒別未知摻假橄欖油；偏最小二乘回歸模型能夠?qū)郊龠M(jìn)行準(zhǔn)確定量(在相同的誤差限內(nèi))。Lin Ping等[20]使用可見/近紅外光譜(325～1075nm)，直接正交信號校正/遺傳算法/偏最小二乘回歸分析(DOSC-GA/PLS)模型可以成功地預(yù)測橄欖油的原產(chǎn)地域，R2為0.987，相對偏差為0.093，識別率達(dá)97%。Gro?elj等[21]采用傅里葉變換中紅外光譜法(FT-MIR)測定初榨橄欖油中摻雜精制榛子油的光譜數(shù)據(jù)，建立對向傳播神經(jīng)網(wǎng)絡(luò)(CP-ANN)方法對其進(jìn)行定性判別。將樣品油分為純橄欖油、純榛子油、混有大于10%榛子油的橄欖油、混有少于10%榛子油的橄欖油和1份盲樣。結(jié)果表明，CP-ANN對上述樣品有很好的定性鑒別能力。Gurdeniz等[22]采用中紅外光譜技術(shù)(MIR)，運用PCA和PLS-判別分析法(DA)可檢測橄欖油中是否摻有其他植物油。由于分子在紅外光譜區(qū)的倍頻和合頻的吸收較弱，且譜帶復(fù)雜、重疊。因此，需要借助化學(xué)計量學(xué)方法以提取有效信息[18]。常用數(shù)據(jù)分析方法主要有反向傳播神經(jīng)網(wǎng)絡(luò)BP-ANN[21,23]、PLS[20,24]、PCA[22,24]、聚類分析(cluster analysis，CA)[25-26]、DA[27]、多元校正[19,28]等。

3.2 拉曼光譜法

3.3 熒光光譜法

能量色散X射線熒光光譜儀(EDXRF)利用X射線管發(fā)出的初級X射線激發(fā)試樣中的原子，測定由此產(chǎn)生的X射線熒光能量強度，根據(jù)各元素特征X熒光光譜線的能量強度進(jìn)行元素的定性和定量分析。利用這一原理，Bortoleto等[34]建立了一種EDXRF結(jié)合PCA的方法來分析鑒別不同植物油和不同等級的橄欖油。由于脂肪酸含量不同，從主成分1和4對所有建模樣本的得分圖中可以區(qū)分玉米油、菜油、大豆油和葵花籽油；由于特級初榨橄欖油在室溫條件下提取，沒有加入任何試劑，因此特級初榨橄欖油中不含水分，從主成分1和2的得分圖中可以區(qū)分出特級初榨橄欖油和其他橄欖油。在特級初榨橄欖油中加入橄欖果渣油是橄欖油摻雜的另一種方式。Guimet等[35]利用激光發(fā)射熒光光譜(EEFS)技術(shù)和3種分析方法檢測奧尼特級初榨橄欖油(EVOO)是否摻有OPO(最低檢測濃度5%)。首先，采用展開主成分分析(unfold-PCA)、平行因子分析(PARAFAC)作為探索性分析；然后使用霍特林T2和Q統(tǒng)計作為快速篩選方法檢測摻假；最后使用Fisher線性判別分析(LDA)和判別多路偏最小二乘(N-PLS)回歸進(jìn)一步識別，能很好地鑒別非摻假和摻假樣品。Dankowska等[36]采用同步熒光光譜法對特級初榨橄欖油摻假進(jìn)行了研究，收集240～700nm范圍內(nèi)波長間隔(Δλ)分別為10、30、60、80nm的光譜數(shù)據(jù)，結(jié)果證明該技術(shù)能有效應(yīng)用于橄欖油摻假檢測，當(dāng)波長間隔為60、80nm時，最低檢測限分別為8.9%和8.4%。

3.4 紫外光譜法

紫外(UV)、可見(VIS)吸收光譜多用于不飽和有機(jī)物的研究，尤其是具有共軛體系的有機(jī)化合物。Torrecilla等[37]采用簡單、新穎的紫外可見光譜法對396個樣品(特級初榨橄欖油、精煉橄欖油和精煉橄欖果渣油)進(jìn)行檢測。結(jié)果顯示，精煉橄欖油和精煉橄欖果渣油的濃度與其紫外-可見掃描光譜參數(shù)(李雅普諾夫指數(shù)、自相關(guān)系數(shù)、2分形維數(shù)和CPS)呈線性關(guān)系。經(jīng)驗證，當(dāng)摻假含量低于10%時，CPS/UV-VIS模型的平均相關(guān)系數(shù)大于0.97，均方誤差小于1%，該方法能有效鑒別出特級初榨橄欖油是否摻有精煉橄欖油和精煉橄欖果渣油。

4 核磁共振法

核磁共振(NMR)是一種基于原子核磁性的波譜技術(shù)。與其他傳統(tǒng)檢測方法相比，NMR技術(shù)具有操作簡單快速、測量精確和重復(fù)性高等優(yōu)點，在油脂的分析研究中越來越受青睞[38]。Mavromoustakos等[39]采用13C NMR技術(shù)研究希臘初榨橄欖油中位于127.5～130ppm共振區(qū)間的12個烯烴峰，這些物質(zhì)都含有大量不飽和脂肪酸基團(tuán)-油酸和亞油酸(具有α-和β-甘油骨架)。以吡嗪為內(nèi)標(biāo)，對12個峰進(jìn)行定量，結(jié)果顯示當(dāng)初榨橄欖油中混入其他籽油時，12個峰的強度均受到影響。因此，該方法可作為一種基于13C NMR技術(shù)的初榨橄欖油摻假的半定量檢測方法。Vigli等[40]將1H NMR、31P NMR結(jié)合多維分析，鑒別希臘地區(qū)192個樣品(榛子油、葵花油、玉米油、大豆油、芝麻油、核桃油、杏仁油、棕櫚油、紅花油、椰油和希臘不同產(chǎn)地的初榨橄欖油)，通過建立測定1,2-甘油二酯、1,3-甘油二酯、1,2-甘油二酯與甘油二酯的比例、酸度、碘值和脂肪酸組成作為變量的分類模型，結(jié)合DA分析能100%準(zhǔn)確區(qū)分不同種類的摻假油，檢出含量低至質(zhì)量分?jǐn)?shù)5%。由于榛子油中不含橄欖油含有的亞麻酸和角鯊烯烴，可采用13C NMR技術(shù)，通過檢測甘油三酯(油酸和亞油酸)，共振亞麻酸和角鯊烯烴的共振譜圖，結(jié)合交叉驗證方法(cross-validation)對摻假橄欖油(摻入榛子油)比例進(jìn)行鑒別分類[41]。研究人員在選擇NMR技術(shù)的同時常輔以化學(xué)計量學(xué)方法來提高對橄欖油摻假的判別能力，如García-González等[42]采用1H和13C譜結(jié)合人工神經(jīng)網(wǎng)絡(luò)法檢測橄欖油中是否摻有榛子油(2%～20%)；Agiomyrgianaki等[43]采用核磁共振光譜和多元統(tǒng)計分析精煉橄欖油是否摻有精煉榛子油；?mejkalová等[44]通過測定擴(kuò)散系數(shù)(diffusion coefficients，DC)、DA建立摻假橄欖油的NMR分類模型，也是一種快速有效鑒別摻假橄欖油的方法等。

5 其他技術(shù)

Cano等[45]采用電子鼻(金屬氧化物半導(dǎo)體型傳感器)技術(shù)，結(jié)合DA等分析，能很好地區(qū)分不同品質(zhì)的橄欖油(300多種不同來源的初榨橄欖油)。

6 結(jié) 語

國際上針對橄欖油的鑒偽研究較多，而國內(nèi)相關(guān)研究起步較晚，新國標(biāo)中的指標(biāo)并不足以檢測出成品是否為純正的特級初榨橄欖油。目前，對橄欖油的鑒別多采用理化方法、氣相色譜法和液相色譜法。核磁共振技術(shù)因價格昂貴，難以普及，多限于研究工作。紅外光譜法、拉曼光譜法、熒光光譜法、紫外光譜法易于操作，成本較低，有著良好的應(yīng)用前景。色譜、光譜等技術(shù)正越來越多地應(yīng)用于橄欖油的摻假鑒偽中，由于這些方法檢測的結(jié)果多為圖譜，需要進(jìn)行進(jìn)一步的數(shù)據(jù)分析處理?；瘜W(xué)計量法作為一門新興的交叉學(xué)科，在實驗設(shè)計、數(shù)據(jù)處理、信號解析、化學(xué)分類決策等方面具有很大的優(yōu)勢，能解決傳統(tǒng)的研究方法難以解決的問題，是分析復(fù)雜數(shù)據(jù)的有力工具[46]。因此，在今后橄欖油鑒偽中，除了先進(jìn)的檢測儀器、技術(shù)，如何將分析數(shù)據(jù)有效處理應(yīng)用也是需要研究的重要方向。

[1] 薛益民, 薛雅琳, 張蕊, 等. GB 23347—2009橄欖油、油橄欖果渣油[S]. 北京： 中國標(biāo)準(zhǔn)出版社, 2009.

[2] 于長青. 橄欖油的化學(xué)組成及對人體的營養(yǎng)價值[J]. 食品科技, 2000(2)： 59-60.

[3] 姚芃. 進(jìn)口橄欖油并非都貨真價實 初榨橄欖油僅僅占35%[N/OL].法制日報. (2006-09-11) [2012-02-06]. http：//www.chinanews.com/cj/tzcl/news/2006/09-11/787996.shtml.

[4] 廖愛玲.意大利橄欖油被曝?fù)絻读淤|(zhì)油[EB/OL]. (2012-01-06)[2 0 1 2-0 1-3 0].新京報網(wǎng). h t t p：//w w w.b j n e w s.c o m.c n/news/2012/01/06/176108.html.

[5] KAPOULAS V M, PASSALOGLOU-EMMANOUILIDOU S. Detection of adulteration of olive oil with seed oils by a combination of column and gas liquid chromatography[J]. Journal of the American Oil Chemists’ Society, 1981, 58(6)： 694-697.

[6] ANDRIKOPOULOS N K, GIANNAKIS I G, TZAMTZIS V. Analysis of olive oil and seed oil triglycerides by capillary gas chromatography as a tool for the detection of the adulteration of olive oil[J]. Journal of Chromatographic Science, 2001, 39(4)： 137-145.

[7] DAMIRCHI S A, SAVAGE G P, DUTTA P C. Sterol fractions in hazelnut and virgin olive oils and 4,4’-dimethylsterols as possible markers for detection of adulteration of virgin olive oil[J]. Journal of the American Oil Chemists’ Society, 2005, 82(10)： 717-725.

[8] SABA A, MAZZINI F, RAFFAELLI A, et al. Identification of 9(E),11(E)-18：2 fatty acid methyl ester at trace level in thermal stressed olive oils by GC coupled to acetonitrile CI-MS and CI-MS/MS, a possible marker for adulteration by addition of deodorized olive oil[J]. J Agric Food Chem, 2005, 53(12)： 4867-4872.

[9] DULF F V, BELE C, UNGURE ?AN M L, et al. Qualitative and quantitative markers to identify the quality and adulteration of olive oil with rapeseed oil[J]. Bulletin of University of Agricultural Sciences and Veterinary Medicine Cluj-Napoca： Agriculture, 2007, 63： 575-580.

[10] CAPOTE F P, JIMéNEZ J R, LUQUE de CASTRO M D. Sequential (step-by-step) detection, identifi cation and quantization of extra virgin olive oil adulteration by chemo metric treatment of chromatographic profiles[J]. Analytical and Bioanalytical Chemistry, 2007, 338(8)： 1859-1865.

[11] BURIAN C, BREZMES J, CORREIG X, et al. A Supervised feature extraction method for GC-MS data based on PLS application to olive oil adulteration detection[J]. AIP Conference Proceedings, 2011, 1362： 169-170.

[12] FELLAT-ZARROUCK K. Detection of olive oil adulteration by HPLC [high performance liquid chromatography] in seed oils[J]. Revue Francaise des Corps Gras, 1988, 35(10)： 383-385.

[13] DIONISI F, PRODOLLIET J, TAGLIAFERRI E. Assessment of olive oil adulteration by reversed-phase high-performance liquid chromatography/amperometric detection of tocopherols and tocotrienols[J]. Journal of the American Oil Chemists’ Society, 1995, 72(12)： 1505-1511.

[14] ZABARAS D, GORDON M H. Detection of pressed hazelnut oil in virgin olive oil by analysis of polar components： improvement and validation of the method[J]. Food Chemistry, 2004, 84(3)： 475-483.

[15] AUED-PIMENTEL S, TAKEMOTO E, KUMAGAI E E, et al. Calculation of the difference between the actual and theoretical ECN 42 triacylglyceride content to detect adulteration in olive oil samples commercialized in Brazil[J]. Química Nova, 2008, 31(1)： 31-34.

[16] FASCIOTTIA M, NETTO A D P. Optimization and application of methods of triacylglycerol evaluation for characterization of olive oil adulteration by soybean oil with HPLC-APCI-MS-MS[J]. Talanta, 2010, 81(3)： 1116-1125.

[17] ROCA M, GALLARDO-GUERRERO L, MINGUEZ-MOSQUERA M I, et al. Control of olive oil adulteration with copper-chlorophyll derivatives[J]. J Agric Food Chem, 2010, 58(1)： 51-56.

[18] ARMENTA S, GARRIGUES S, de la GUARDIA M. Determination of edible oil parameters by near infrared spectrometry[J]. Analytica Chimica Acta, 2007, 596(2)： 330-337.

[19] CHRISTY A A, KASEMSUMRAN S, DU Y, et al. The detection and quantifi cation of adulteration in olive oil by near-infrared spectroscopy and chemometrics[J]. Analytical Sciences, 2004, 20： 935-940.

[20] LIN Ping, CHEN Yongming, HE Yong. Identifi cation of geographical origin of olive oil using visible and near-infrared spectroscopy technique combined with chemometrics[J]. Food and Bioprocess Technology, 2009, 5(1)： 235-242.

[21] GRO?ELJ N, VRA?KO M, PIERNA J A F, et al. The use of FT-MIR spectroscopy and counter-propagation artificial neural networks for tracing the adulteration of olive oil[J]. Acta Chimica Slovenica, 2008, 55： 935-941.

[22] GURDENIZ G, OZEN B. Detection of adulteration of extra-virgin olive oil by chemometric analysis of mid-infrared spectral data[J]. Food Chemistry, 2009, 116(2)： 519-525.

[23] 翁欣欣, 陸峰, 王傳現(xiàn), 等. 近紅外光譜-BP神經(jīng)網(wǎng)絡(luò)-PLS法用于橄欖油摻雜分析[J]. 光譜學(xué)與光譜分析, 2009, 29(12)： 3283-3287.

[24] MAGGIO R M, CERRETANI L, CHIAVARO E, et al. A novel chemometric strategy for the estimation of extra virgin olive oil adulteration with edible oils[J]. Food Control, 2010, 21(6)： 890-895.

[25] WANG Chuanxian, CHU Qinghua, NI Xinlu, et al. Nondestructive identification of olive oil by near infrared spectroscopy[J]. Food Science, 2010, 31(24)： 402-404.

[26] OBEIDAT S M, KHANFAR M S, OBEIDAT W M. Classification of edible oils and uncovering adulteration of virgin olive oil using FTIR with the aid of chemometrics[J]. Australian Journal of Basic and Applied Sciences, 2009, 3(3)： 2048-2053.

[27] 莊小麗，相玉紅, 強洪, 等. 近紅外光譜和化學(xué)計量學(xué)方法用于橄欖油品質(zhì)分析與摻雜量檢測[J]. 光譜學(xué)與光譜分析, 2010, 30(4)： 933-936.

[28] ?ZTüRK B, YAL?IN A, ?ZDEMIR D. Determination of olive oil adulteration with vegetable oils by near infrared spectroscopy coupled with multivariate calibration[J]. Journal of Near Infrared Spectroscopy, 2010, 18(3)： 191-201.

[29] BAETEN V, MEURENS M, MORALES M T. Detection of virgin olive oil adulteration by fourier transform Raman spectroscopy[J]. J Agric Food Chem, 1996, 44(8)： 2225-2230.

[30] YANG Hong, IRUDAYARAJ J. Comparison of near-infrared, fourier transform-infrared, and fourier transform-Raman methods for determining olive pomace oil adulteration in extra virgin olive oil[J]. JAOCS, 2001, 78(9)： 889-895.

[31] LóPEZ-DìEZ E C, BIANCHI G, GOODACRE R. Rapid quantitative assessment of the adulteration of virgin olive oils with hazelnut oils using Raman spectroscopy and chemometrics[J]. Journal of Agriculture and Food Chemistry, 2003, 51(21)： 6145-6150.

[32] QI Xiaohua, ZHANG Xiaofang, ZOU Mingqiang, et al. A portable Raman sensor for the rapid identification of the olive oil[C]// Nanotech 2008 Conference Program, Boston, USA, June 1-5, 2008： 97.

[33] ZOU Mingqiang, ZHANG Xiaofang, QI Xiaohua, et al. Rapid authentication of olive oil adulteration by Raman spectrometry[J]. J Agric Food Chem, 2009, 57(14)： 6001-6006.

[34] BORTOLETO G G, PATACA L C M, BUENO M I M S. A new application of X-ray scattering using principal component analysisclassification of vegetable oils[J]. Analytica Chimica Acta, 2005, 539(1/2)： 283-287.

[35] GUIMET F, FERRE J, BOQUE R. Rapid detection of olivepomace oil adulteration in extra virgin olive oils from the protected denomination of origin “Siurana” using excitation-emission fluorescence spectroscopy and three-way methods of analysis[J]. Analytica Chimica Acta, 2005, 544(1/2)： 143-152.

[36] DANKOWSKA A, MALECKA M. Application of synchronous fl uorescence spectroscopy for determination of extra virgin olive oil adulteration[J]. European Journal of Lipid Science and Technology, 2009, 111(12)： 1233-1239.

[37] TORRECILLA J S, ROJO E, DOMíNGUEZ J C, et al. A novel method to quantify the adulteration of extra virgin olive oil with low-grade olive oils by UV-Vis[J]. J Agric Food Chem, 2010, 58(3)： 1679-1684.

[38] 周凝, 劉寶林, 王欣. 核磁共振技術(shù)在食品分析檢測中的應(yīng)用[J]. 食品工業(yè)科技, 2011, 32(1)： 325-329.

[39] MAVROMOUSTAKOS T, ZERVOU M, BONAS G, et al. A novel analytical method to detect adulteration of virgin olive oil by other oils[J]. Journal of the American Oil Chemists’ Society, 2000, 77(4)： 405-411.

[40] VIGLI G, PHILIPPIDIS A, SPYROS A, et al. Classifi cation of edible oils by employing P and H NMR spectroscopy in combination with multivariate statistical analysis. A proposal for the detection of seed oil adulteration in virgin olive oils[J]. J Agric Food Chem, 2003, 51(19)： 5715-5722.

[41] VLAHOV G.13C nuclear magnetic resonance spectroscopic detection of the adulteration of extra virgin olive oils extracted from different cultivars with cold-pressed hazelnut oil[J]. Journal of AOAC International, 2009, 92(6)： 1747-1754.

[42] GARCíA-GONZáLEZ D L, MANNINA L, D’IMPERIO M, et al. Using1H and13C NMR techniques and artificial neural networks to detect the adulteration of olive oil with hazelnut oil[J]. European Food Research and Technology, 2004, 219(5)： 545-548.

[43] AGIOMYRGIANAKI A, PETRAKIS P V, DAIS P. Detection of refi ned olive oil adulteration with refi ned hazelnut oil by employing NMR spectroscopy and multivariate statistical analysis[J]. Talanta, 2010, 80(5)： 2165-2171.

[44] ?MEJKALOVá D, PICCOLO A. High-power gradient diffusion NMR spectroscopy for the rapid assessment of extra-virgin olive oil adulteration[J]. Food Chemistry, 2010, 118(1)： 153-158.

[45] CANO M, ROALES J, CASTILLERO P, et al. Improving the training and data processing of an electronic olfactory system for the classifi cation of virgin olive oil into quality categories[J]. Sensors and Actuators B： Chemical, 2011, 160(1)： 916-922.

[46] 張國文, 倪永年, 朱志懷. 化學(xué)計量學(xué)-光度法在食品多組分分析中的應(yīng)用評述[J]. 食品科學(xué), 2003, 24(11)： 156-160.