近紅外光譜技術(shù)鑒別核桃油中摻入菜籽油、大豆油及玉米油的研究

彭星星 陳文敏 喬茜華 高瑞雄 尹梓如 徐懷德

(西北農(nóng)林科技大學(xué)食品科學(xué)與工程學(xué)院1，楊凌 712100)(鄭州輕工業(yè)學(xué)院電氣信息工程學(xué)院2，鄭州 450000)

核桃與扁桃、腰果、榛子列為世界4大干果。我國是核桃的原產(chǎn)地之一，栽培面積和產(chǎn)量均居世界之首。核桃含油量約為65%，被稱為“樹上的油庫”。核桃油脂肪酸組成主要是亞油酸、油酸和亞麻酸等不飽和脂肪酸，含量高達90%左右［1］，可有效降低膽固醇防治冠心病、動脈硬化和心肌梗塞。核桃油中富含黃酮類物質(zhì)［2－4］，具有防治動脈粥樣硬化［6－7］、抗氧化［8］等功能。核桃油因其較高的營養(yǎng)價值而備受消費者青睞，由于核桃油價位較高，因此一些不法商家通過向核桃油中摻假低價位的食用油來謀取更多的利潤，核桃油摻假現(xiàn)象既侵害了消費者的合法權(quán)益，也對消費者的健康構(gòu)成了一定的威脅。食用油的摻假鑒別往往采用化學(xué)分析和色譜的方法，既耗時又繁瑣。因此，亟需一種快速的辨別核桃油摻假的檢測方法。

近紅外光譜(NIR)分析技術(shù)是20世紀90年代以來發(fā)展最快、最引人注目的光譜分析技術(shù)，以其快速、高效、制樣簡單以及無污染等獨特的分析優(yōu)點已被廣泛應(yīng)用于農(nóng)業(yè)和食品、油脂等的品質(zhì)分析檢測［13－14］。原姣姣等［16］采用傅里葉變換近紅外透射光譜技術(shù)能夠快速、準確地對油茶籽油中摻假豆油的含量進行定量分析;Abdul Rohman等［9］采用傅里葉變換紅外光譜技術(shù)結(jié)合PLS和DA判別法對魚肝油的摻假現(xiàn)象進行了準確的定性和定量分析;Alfred A CHRISTY等［10］采用近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)方法對橄欖油的摻假現(xiàn)象進行了很好的分類和定量分析;葛鋒等［17］利用同步熒光光譜法對核桃油中大豆油的現(xiàn)象進行了快速鑒別。而利用近紅外光譜技術(shù)對核桃油摻假現(xiàn)象進行鑒別的研究還未見報道，且未有文獻對核桃油中2種及2種以上摻假油進行鑒別研究。

本試驗通過向核桃油中菜籽油、大豆油和玉米油構(gòu)成二元體系、三元體系、四元體系等摻偽核桃油樣品，采用傅里葉變換近紅外光譜技術(shù)結(jié)合偏最小二乘法(PLS)對摻假樣品光譜和摻偽率之間的關(guān)系進行分析，建立快速、精準的摻偽核桃油NIR定量模型，以期為市場上快速檢測摻偽核桃油提供一定的理論依據(jù)及思路。

1 材料與方法

1.1 材料與試劑

試驗用核桃油(冷榨法):陜西海源生態(tài)農(nóng)業(yè)有限公司;大豆油、菜籽油及玉米油:超市，在試驗前密封貯藏，防止氧化變質(zhì)。

1.2 儀器與設(shè)備

電子天平:EL－204型，梅特勒－托利多儀器上海有限公司;傅里葉變換近紅外光譜儀:德國布魯克光學(xué)儀器公司。

1.3 摻假樣品的制備

1.3.1 二元體系摻偽核桃油的配制

向核桃油中分別摻入質(zhì)量分數(shù)在0%～100%范圍內(nèi)的菜籽油和大豆油構(gòu)成2種二元摻假體系，每種二元體系含有101個摻假樣品。用磁力攪拌器攪勻后密封備用。

1.3.2 三元體系摻偽核桃油的配制

向核桃油中分別摻入質(zhì)量分數(shù)均在0%～70%范圍內(nèi)的菜籽油和大豆油構(gòu)成一種三元摻假體系，含有41個樣品，用磁力攪拌器攪勻后密封備用。

1.3.3 四元體系摻偽核桃油的配制

向核桃油中分別摻入質(zhì)量分數(shù)均在0%～50%范圍內(nèi)的菜籽油、大豆油和玉米油構(gòu)成一種四元摻假體系，含有41個樣品，用磁力攪拌器攪勻后密封備用。

1.4 近紅外光譜的采集

將上述攪拌均勻的摻假油樣品裝于直徑為5 mm玻璃管置于樣品腔中，以空氣為參比進行近紅外透射光譜采集。近紅外掃描范圍為12 000～4 000 cm－1，掃描次數(shù)為32次，分辨率為8 cm－1。每個樣品從不同角度重復(fù)掃描2次，室溫下進行測定。

1.5 數(shù)據(jù)分析

利用OPUS 5.5光譜處理軟件對核桃油摻假現(xiàn)象進行數(shù)據(jù)分析。

2 結(jié)果與分析

2.1 核桃油、菜籽油、大豆油和玉米油的近紅外光譜圖

核桃油、菜籽油、大豆油和玉米油中都含有一些不飽和脂肪酸如油酸、亞油酸和一些飽和脂肪酸如棕櫚酸、硬脂酸等成分，這些成分均含有常見的C—H、O—H等基團，因此在近紅外光譜區(qū)域會有吸收。又由于核桃油、菜籽油、大豆油和玉米油的化學(xué)組成及其含量差異，且不同種類植物油中三酰甘油結(jié)構(gòu)存在差異，因此在近紅外光譜區(qū)域有著不同的吸收圖譜。

圖1 核桃油、菜籽油、大豆油和玉米油的近紅外光譜圖

圖1 顯示出核桃油、菜籽油、大豆油和玉米油各自的近紅外吸收圖譜，可看出，4種油在4 590、4 662、4 714、5 179、5 272、5 675、5 787、5 868、7 075、7 187、8 234、8 565 cm－1等處有強烈吸收，其中核桃油在5 357 cm－1處也有吸收。其中，4 590 cm－1是—HCCH—中非對稱C—H鍵伸縮振動及CC伸縮振動的合頻吸收;4 662 cm－1是—HCCH—中C—H及CC伸縮振動的合頻吸收;4 714 cm－1是—COOR中C—H及CO伸縮振動的合頻吸收;5 179 cm－1和5 272 cm－1是CO伸縮振動的二級倍頻吸收;5 675 cm－1、5 787 cm－1和5 868 cm－1是—CH3、—CH2—中C—H伸縮振動的一級倍頻吸收;7 075 cm－1和7 187 cm－1是—CH2—中C—H伸縮振動的第一組合頻吸收;8 234 cm－1和8 565 cm－1是—CH3中 C—H 伸縮振動的二級倍頻吸收。但是，核桃油、菜籽油、大豆油和玉米油在5 675 cm－1、5 868 cm－1處有著很大不同，大豆油的吸收峰形最鈍，菜籽油、玉米油次之，核桃油的峰形窄且尖。摻偽核桃油的近紅外光譜圖吸收峰強度的不同表明其含量不同，這是其用于定量分析的依據(jù)。

由圖1可知，核桃油、菜籽油、大豆油和玉米油的近紅外吸收區(qū)域主要集中在9 000～4 500 cm－1，因此接下來選擇該波譜區(qū)域進行核桃油中摻假油含量的建模分析。

2.2 核桃油中摻入菜籽油NIR定量模型的建立

配制摻入不同比例(質(zhì)量比)菜籽油的核桃油，范圍在0%～100%梯度內(nèi)，共101個樣品。全部樣品分為2部分，校正集80個和檢驗集21個。核桃油中菜籽油的NIR模型交叉驗證圖如圖2所示。

圖2 核桃油中摻入菜籽油NIR模型的交叉驗證圖

對核桃油中菜籽油的光譜進行基線校正、平均值中心化、最?。畲髿w一化處理以及消除異常點后，采用偏最小二乘法(PLS)建立核桃油中菜籽油含量的定量模型，并經(jīng)內(nèi)部交互驗證。圖2為核桃油中摻入菜籽油質(zhì)量分數(shù)從0%～100%的真實值與近紅外光譜定量模型預(yù)測值的相關(guān)曲線，橫軸為菜籽油含量的真實值，縱軸為預(yù)測值。由圖2可知菜籽油定量模型校正相關(guān)系數(shù)RC及校正標準誤差RMSEC分別為99.97%和0.532%，交叉驗證模型相關(guān)系數(shù)RCV和交叉均方根RMSECV分別為99.96%和0.562%，由此說明，該模型能對核桃油中菜籽油的現(xiàn)象進行快速的判斷，且能對菜籽油的含量做出準確的預(yù)測，證明近紅外光譜技術(shù)應(yīng)用于核桃油中菜籽油的研究是可行的、有效的。

2.3 核桃油中摻入大豆油NIR定量模型的建立

配制摻入不同比例(質(zhì)量比)大豆油的核桃油，范圍在0%～100%梯度內(nèi)，共101個樣品。全部樣品分為2部分，校正集80個和檢驗集21個。核桃油中大豆油的NIR模型交叉驗證圖如圖3所示。

圖3 核桃油中摻入大豆油NIR模型的交叉驗證圖

對核桃油中大豆油的光譜進行基線校正、平均值中心化、一階導(dǎo)數(shù)+矢量歸一化處理以及消除異常點后，采用偏最小二乘法(PLS)建立核桃油中大豆油含量的定量模型，并經(jīng)內(nèi)部交互驗證。圖3為核桃油中摻入大豆油質(zhì)量分數(shù)從0%～100%的真實值與近紅外光譜定量模型預(yù)測值的相關(guān)曲線，橫軸為大豆油含量的真實值，縱軸為預(yù)測值。由圖3可知大豆油含量定量模型RC及RMSEC分別為99.99%和0.336%，交叉驗證模型相關(guān)系數(shù) RCV和交叉均方根 RMSECV分別為99.99%和0.352%。由此說明，該模型能對核桃油中摻入大豆油的現(xiàn)象進行快速的判斷，且能對摻入大豆油的含量做出準確的預(yù)測，證明近紅外光譜技術(shù)運用于核桃油中摻入大豆油的研究是可行的、有效的。

2.4 核桃油中摻入菜籽油和大豆油NIR定量模型的建立

配制摻入不同比例(質(zhì)量比)菜籽油和大豆油的核桃油，范圍在0% ～70%梯度內(nèi)，共41個樣品。全部樣品分為2部分，校正集26個和檢驗集15個。2.4.1 摻假樣品中菜籽油NIR定量模型的建立

以摻假樣品中的菜籽油為研究對象，核桃油中摻入菜籽油和大豆油的摻假樣品中菜籽油含量的NIR模型交叉驗證圖如圖4所示。

圖4 核桃油中摻入菜籽油NIR模型的交叉驗證圖

對核桃油中摻入菜籽油和大豆油2種摻假油的光譜進行基線校正、平均值中心化、二階導(dǎo)數(shù)處理以及消除異常點后，采用偏最小二乘法(PLS)建立核桃油中摻入菜籽油含量的定量模型，并經(jīng)內(nèi)部交互驗證。圖4為核桃油中摻入菜籽油質(zhì)量分數(shù)從0%～70%的實際值與近紅外光譜定量模型預(yù)測值的相關(guān)曲線，橫軸為菜籽油含量的實際值，縱軸為預(yù)測值。由圖4知菜籽油含量定量模型的RC及RMSEC分別為99.99%和0.220%，交叉驗證模型的相關(guān)系數(shù)RCV和交叉均方根RMSECV分別為99.98%和0.313%。由此說明，該模型能對核桃油中摻入菜籽油和大豆油2種摻假油的現(xiàn)象進行快速的判斷，且能對其中摻入菜籽油的含量做出準確的預(yù)測，證明近紅外光譜技術(shù)運用于核桃油中摻入菜籽油和大豆油2種摻假油的研究是可行的、有效的。

2.4.2 摻假樣品中大豆油NIR定量模型的建立

以摻假樣品中的大豆油為研究對象，核桃油中摻入菜籽油和大豆油的摻假樣品中大豆油含量的NIR模型交叉驗證圖如圖5所示。

圖5 核桃油中摻入大豆油NIR模型的交叉驗證圖

對核桃油中摻入菜籽油和大豆油2種摻假油的光譜進行基線校正、平均值中心化、二階導(dǎo)數(shù)處理以及消除異常點后，采用偏最小二乘法(PLS)建立核桃油中摻入大豆油含量的定量模型，并經(jīng)內(nèi)部交互驗證。圖5為核桃油中摻入大豆油質(zhì)量分數(shù)從0%～70%的實際值與近紅外光譜定量模型預(yù)測值的相關(guān)曲線，橫軸為大豆油含量的實際值，縱軸為預(yù)測值。由圖5可知大豆油含量定量模型的RC及RMSEC分別為 99.99%和 0.210%，交叉驗證模型的相關(guān)系數(shù)RCV和交叉均方根RMSECV分別為99.97%和0.386%。由此說明，該模型能對核桃油中摻入菜籽油和大豆油2種摻假油的現(xiàn)象進行快速的判斷，且能對其中摻入大豆油的含量做出準確的預(yù)測，證明近紅外光譜技術(shù)運用于核桃油中摻入菜籽油和大豆油2種摻假油的研究是可行的、有效的。

綜上所述，近紅外光譜技術(shù)可對核桃油中摻入菜籽油和大豆油2種摻假油的現(xiàn)象進行快速的判斷，且所建立的模型可對核桃油中2種油的含量做出準確的預(yù)測。

2.5 核桃油中摻入菜籽油、大豆油和玉米油NIR定量模型的建立

配制摻入不同比例(質(zhì)量比)菜籽油、大豆油和玉米油的核桃油，范圍在0% ～50%梯度內(nèi)，共41個樣品。全部樣品分為2部分，校正集26個和檢驗集15個。

2.5.1 摻假樣品中菜籽油NIR定量模型的建立

以摻假樣品中的菜籽油為研究對象，核桃油中摻入菜籽油、大豆油和玉米油的摻假樣品中大豆油含量的NIR模型交叉驗證圖如圖6所示。

圖6 核桃油中摻入菜籽油NIR模型的交叉驗證圖

對核桃油中摻入菜籽油、大豆油和玉米油3種摻假油的光譜進行基線校正、平滑、平均值中心化、一階導(dǎo)數(shù)+多元散射校正處理以及消除異常點后，采用偏最小二乘法(PLS)以菜籽油為研究對象建立核桃油中摻入菜籽油含量的定量模型，并經(jīng)內(nèi)部交互驗證。圖6為核桃油中摻入菜籽油質(zhì)量分數(shù)從0%～50%的實際值與近紅外光譜定量模型預(yù)測值的相關(guān)曲線，橫軸為菜籽油含量的實際值，縱軸為預(yù)測值。由圖6可知菜籽油含量定量模型的RC及RMSEC分別為99.93%和0.347%，交叉驗證模型相關(guān)系數(shù)RCV和交叉均方根RMSECV分別為99.90%和0.401%。由此說明，該模型能對核桃油中摻入菜籽油、大豆油和玉米油3種摻假油的現(xiàn)象進行快速的判斷，且能對其中摻入菜籽油的含量做出準確的預(yù)測。

2.5.2 摻假樣品中大豆油NIR定量模型的建立

以摻假樣品中的大豆油為研究對象，核桃油中摻入菜籽油、大豆油和玉米油的摻假樣品中大豆油含量的NIR模型交叉驗證圖如圖7所示。

圖7 核桃油中摻入大豆油NIR模型的交叉驗證圖

對核桃油中摻入菜籽油、大豆油和玉米油3種摻假油的光譜進行基線校正、平滑、平均值中心化、二階導(dǎo)數(shù)處理以及消除異常點后，采用偏最小二乘法(PLS)以大豆油為研究對象建立核桃油中摻入大豆油含量的定量模型，并經(jīng)內(nèi)部交互驗證。圖7為核桃油中摻入大豆油質(zhì)量分數(shù)從0% ～50%的實際值與近紅外光譜定量模型預(yù)測值的相關(guān)曲線，橫軸為大豆油含量的實際值，縱軸為預(yù)測值。由圖7可知大豆油含量定量模型的RC及 RMSEC分別為99.87%和0.524%，交叉驗證模型的相關(guān)系數(shù)RCV和交叉均方根RMSECV分別為99.80%和0.615%。由此說明，該模型能對核桃油中摻入菜籽油、大豆油和玉米油3種摻假油的現(xiàn)象進行快速的判斷，且能對其中摻入大豆油的含量做出準確的預(yù)測。

2.5.3 摻假樣品中玉米油NIR定量模型的建立

以摻假樣品中的玉米油為研究對象，核桃油中摻入菜籽油、大豆油和玉米油的摻假樣品中玉米油含量的NIR模型交叉驗證圖如圖8所示。

圖8 核桃油中摻入玉米油NIR模型的交叉驗證圖

對核桃油中摻入菜籽油、大豆油和玉米油3種摻假油的光譜進行基線校正、平滑、平均值中心化、一階導(dǎo)數(shù)處理以及消除異常點后，采用偏最小二乘法(PLS)以玉米油為研究對象建立核桃油中摻入玉米油含量的定量模型，并經(jīng)內(nèi)部交互驗證。圖8為核桃油中摻入玉米油質(zhì)量分數(shù)從0% ～50%的實際值與近紅外光譜定量模型預(yù)測值的相關(guān)曲線，橫軸為玉米油含量的實際值，縱軸為預(yù)測值。由圖8可知玉米油含量定量模型的RC及 RMSEC分別為99.94%和0.371%，交叉驗證模型的相關(guān)系數(shù)RCV和交叉均方根RMSECV分別為99.89%和0.451%。由此說明，該模型能對對核桃油中摻入菜籽油、大豆油和玉米油3種摻假油的現(xiàn)象進行快速的判斷，且能對其中摻入玉米油的含量做出準確的預(yù)測。

綜上所述，近紅外光譜技術(shù)可對核桃油中摻入菜籽油、大豆油和玉米油3種摻假油的現(xiàn)象進行快速的判斷，且所建立的模型可對核桃油中3種油的含量做出準確的預(yù)測。

2.6 NIR的重現(xiàn)性試驗

2.6.1 核桃油中摻入菜籽油NIR定量模型的重現(xiàn)性試驗

為了考察近紅外光譜法的重現(xiàn)性，對26號樣品進行4次光譜掃描，使用本試驗所建立的模型進行預(yù)測，4次預(yù)測結(jié)果分別為47.932%、47.938%、47.929%、47.919%，而真實值是47.925%。經(jīng)計算標準偏差為0.007 9，RSD 為0.15%，所以該方法有很好的重現(xiàn)性。

2.6.2 核桃油中摻入大豆油NIR定量模型的重現(xiàn)性試驗

為了考察近紅外光譜法的重現(xiàn)性，對79號樣品進行4次光譜掃描，使用本試驗所建立的模型進行預(yù)測，4次預(yù)測結(jié)果分別為 36.046%、36.021%、36.039%、36.018%，而真實值是36.030%。經(jīng)計算標準偏差為0.014，RSD為0.033%，所以該方法有很好的重現(xiàn)性。

2.6.3 核桃油中摻入菜籽油和大豆油NIR定量模型的重現(xiàn)性試驗

為了考察近紅外光譜法的重現(xiàn)性，以摻假樣品中菜籽油的含量為研究對象，對17號樣品進行4次光譜掃描，使用本試驗所建立的模型進行預(yù)測，4次預(yù)測結(jié)果分別為 64.625%、64.598%、64.617%、64.621%，而真實值是64.605%。經(jīng)計算標準偏差為0.012，RSD為0.018%，所以該方法有很好的重現(xiàn)性。

2.6.4 核桃油中摻入菜籽油、大豆油和玉米油NIR定量模型的重現(xiàn)性試驗

為了考察近紅外光譜法的重現(xiàn)性，以摻假樣品中菜籽油的含量為研究對象，對18號樣品進行4次光譜掃描，使用本試驗所建立的模型進行預(yù)測，4次預(yù)測結(jié)果分別為 39.411%、39.416%、39.422%、39.389%，而真實值是39.401%。經(jīng)計算標準偏差為0.014，RSD為0.033%，所以該方法有很好的重現(xiàn)性。

2.7 近紅外光譜模型的外部驗證

2.7.1 摻入菜籽油的核桃油NIR模型的外部驗證

隨機對15個摻入菜籽油的核桃油未知摻假樣品進行模型的外部檢驗。將真實值和NIR值進行線性回歸，由圖9可知，其R2高達0.999 7，具有很好的線性關(guān)系，意味著該NIR有很好的預(yù)測效果。

圖9 摻入菜籽油的核桃油NIR模型的外部驗證

2.7.2 摻入大豆油的核桃油NIR模型的外部驗證

隨機對15個摻入大豆油的核桃油未知樣品進行模型的外部檢驗。將真實值和NIR值進行線性回歸，由圖10可知，其R2高達0.999 9，具有很好的線性關(guān)系，意味著該NIR有很好的預(yù)測效果。

圖10 摻入大豆油的核桃油NIR模型的外部驗證

2.7.3 摻入菜籽油和大豆油的核桃油NIR模型的外部驗證

隨機對15個摻入菜籽油的核桃油未知樣品進行模型的外部檢驗。將真實值和NIR值進行線性回歸，由圖11可知，其R2高達0.999 9，具有很好的線性關(guān)系，意味著該NIR有很好的預(yù)測效果。

圖11 摻入菜籽油和大豆油的核桃油中菜籽油NIR模型的外部驗證

2.7.4 摻入菜籽油、大豆油和玉米油的核桃油NIR模型的外部驗證

隨機對15個摻入菜籽油的核桃油未知樣品進行模型的外部檢驗。將真實值和NIR值進行線性回歸，由圖12可知，其R2高達0.999 7，具有很好的線性關(guān)系，意味著該NIR有很好的預(yù)測效果。

圖12 摻入菜籽油、大豆油和玉米油的核桃油中菜籽油NIR模型的外部驗證

3 結(jié)論

本試驗采用近紅外光譜技術(shù)與偏最小二乘法(PLS)相結(jié)合的方式對核桃油中摻入1種油、2種油及3種油的現(xiàn)象進行研究。以菜籽油、大豆油和玉米油作為摻假油，采集摻假樣品在12 000～4 000 cm－1范圍內(nèi)的近紅外光譜，對光譜進行不同預(yù)處理后結(jié)合PLS分別建立定量分析模型。

結(jié)果表明，當核桃油中摻入菜籽油時，采用最小－最大歸一化進行光譜預(yù)處理，可以得到菜籽油含量的最優(yōu)定量模型，其校正相關(guān)系數(shù)RC及校正標準誤差RMSEC分別為99.97%和0.532%，交叉驗證模型的相關(guān)系數(shù)RCV和交叉均方根RMSECV分別為99.96%和0.562%。當核桃油中摻入大豆油時，采用一階導(dǎo)數(shù)+矢量歸一化進行光譜預(yù)處理，可以得到大豆油含量的最優(yōu)定量模型，其RC及RMSEC和RCV及 RMSECV 分別為99.99%、0.336% 和 99.99%、0.352%。當核桃油中摻入2種油(菜籽油和大豆油)時，當以菜籽油為研究對象時，采用二階導(dǎo)數(shù)進行光譜預(yù)處理，可以得到菜籽油定量模型的RC及RMSEC 和 RCV和 RMSECV 為 99.99%、0.220% 和99.98%、0.313%;當以大豆油為研究對象時，采用二階導(dǎo)數(shù)進行光譜預(yù)處理，大豆油定量模型的RC及RMSEC 和 RCV和 RMSECV 為 99.99%、0.210% 和99.97%、0.386%。當核桃油中摻入3種油(菜籽油、大豆油和玉米油)時，當以菜籽油為研究對象時，采用一階導(dǎo)數(shù)+多元散射校正進行光譜預(yù)處理，可以得到菜籽油定量模型的RC及RMSEC和RCV和RMSECV 為 99.93%、0.347%和 99.90%、0.401%;當以大豆油含量為研究對象時，采用二階導(dǎo)數(shù)進行光譜預(yù)處理，大豆油定量模型的RC及RMSEC和RCV和RMSECV 為99.87%、0.524%和 99.80%、0.615%;當以玉米油為研究對象時，采用一階導(dǎo)數(shù)進行光譜預(yù)處理，玉米油定量模型的RC及RMSEC和RCV和RMSECV 為 99.94%、0.371%和 99.89%、0.451%。

本試驗中幾種NIR模型經(jīng)過重復(fù)性試驗外部驗證發(fā)現(xiàn)，摻假樣品中摻假油的NIR測定值與真實值之間有著很好的線性關(guān)系。綜上可知，采用近紅外光譜技術(shù)對核桃油中摻入1種油(菜籽油或者大豆油)、2種油(菜籽油和大豆油)、3種油(菜籽油、大豆油和玉米油)中摻假油的含量均能進行有效的預(yù)測，因此近紅外光譜技術(shù)可以很好地應(yīng)用于核桃油摻假現(xiàn)象鑒定并對摻假油的含量進行定量預(yù)測。

［1］王順民，鄭丹，湯斌，等.山核桃油中的脂肪酸GC法分析［J］.中國調(diào)味品，2009，34(1):106 －108117

［2］余旭亞，王洪鐘，鄭桂蘭，等.核桃油總黃酮含量的測定［J］.中國油脂，2002，27(1):59 －60

［3］余旭亞，陳朝銀，王洪鐘，等.核桃仁與核桃油總黃酮含量比較研究［J］.食品研究與開發(fā)，2002，23(6):25－26

［4］孟阿會.核桃油成分及抗氧化性質(zhì)研究［D］.北京:北京林業(yè)大學(xué)，2012

［5］趙聲蘭，陳朝銀，葛鋒，等.核桃油功效成分研究進展［J］.云南中醫(yī)學(xué)院學(xué)報，2010，33(6):71 －74

［6］Cortés B，N ú ez I，Cofá n M，et al.Acute effects of high－fat meals enriched with walnuts or olive oil on postprandial endothelial function［J］.Journal of the American College of Cardiology，2006，48(8):1666－1671

［7］陳丹，趙聲蘭.核桃油保健及藥用功效研究［J］.亞太傳統(tǒng)醫(yī)藥，2009，5(1):27 －29

［8］張清安，李建科，李澤珍.核桃油對小鼠肝臟與腦組織的抗氧化作用［J］.營養(yǎng)學(xué)報，2004，26(5):408－409

［9］Abdul Rohman，Yaakob B.Che Man.Analysis of Cod －Liver Oil Adulteration Using Fourier Transform Infrared(FTIR)Spectroscopy［J］.Journal of the American Oil Chemists Society，2009，86:1149 －1153

［10］Alfred A.C，Sumaporn K，Yiping Du，et al.Analysis of Cod－Liver Oil Adulteration Using Fourier Transform Infrared(FTIR)Spectroscopy［J］.Analytical Sciences，2004(20):935－940

［11］劉婭，趙國華，陳宗道，等.近紅外光譜技術(shù)及其在油脂檢測中應(yīng)用［J］.糧食與油脂，2002(11):35－37

［12］李時珍(明).本草綱目(下冊)［M］.北京:人民衛(wèi)生出版社，1982:1084

［13］Sylwia Mildner－ Szkudlarz，Henryk H.Jelen.The potential of different techniques for volatile compounds analysis coupled with PCA for the detection of the adulteration of olive oil with hazelnut oil［J］.Food Chemistry，2008，110(3):751－761

［14］馮利輝，劉波平，張國文，等.芝麻油中菜籽油的近紅外光譜研究［J］.食品科學(xué)，2009，18:296 －299

［15］Yoke W，Lai E，Kemsley K，et al.Potential of FTIR for the authentication of vegetable oils［J］.Agriculture Food Chemistry，1994，42，1154 －1159

［16］原姣姣，王成章，陳虹霞.近紅外透射光譜分析油茶籽油豆油的研究［J］.中國糧油學(xué)報，2012，27(3):110－114

［17］葛鋒，武陽陽，劉迪秋，等.核桃油中摻大豆油的同步熒光光譜快速鑒別(英文)［J］.昆明理工大學(xué)學(xué)報:自然科學(xué)版，2012，37(4):72 －77

［18］陸婉珍.現(xiàn)代近紅外光譜分析技術(shù)［M］.北京:中國石化出版社，2011

［19］李曉麗，唐月明，何勇，等.基于可見/近紅外光譜的水稻品種快速鑒別研究［J］.光譜學(xué)與光譜分析，2008，28(3):578－581

［20］翟愛華，謝宏.糧油檢驗［M］.北京:科學(xué)出版社，2011

［21］王多加，周向陽，金同銘，等.近紅外光譜檢測技術(shù)在農(nóng)業(yè)和食品分析上的應(yīng)用［J］.光譜學(xué)與光譜分析，2004，24(4):447－450.