香料中鉴别掺假检测方案(红外光谱仪)

智能文字提取功能测试中

方法011958_CHN_01 使用近红外光谱法确定香料掺假等级 从18世纪后期，科学家们就已经对香料样品进行检测，并发现其中的掺假现象。一些香料是高价值产品，无良的供应商可能掺杂低价值 商品，从而获得经济利益。一些常见的香香掺杂物，包括滑石粉，碾碎的核桃壳，桂皮和沙子，以及小麦淀粉，锯末，小米，荞麦和玉米淀粉。 通常被掺假的香料包括大蒜粉，黑胡椒和肉桂。傅里叶变换近红外光谱法(FT-NIR) 是一种有效并快速的技术，可以鉴别这些香料是否被掺假。 纯肉桂、大蒜粉和黑胡椒样品，以及一些纯掺杂物样品，如滑石粉、玉米淀粉和小米粉，均进行光谱测量。这些香料的掺杂样品也进行制备，用来检测该方法的可行性。近红外光谱使用配有NIRAII采样附件的PerkinElmer FrontierTMFT-NIR光谱仪采集。粉末放置于样品盘中，置于FT-NIR的NIRAⅡ旋转样品台上。数据采集时，样品进行旋转，可以消除样品不均匀的影响。光谱扫描32次，8cm1分辨率，光谱范围10000~4000cm1。每个香料都进行了多次独立测试，以建立可体现香料样品本身变化的模型。分别使用簇类的独独软模式方法(SIMCA) 和掺杂物筛查(AdulterantScreenTM) 方法建立模型，来验证被掺假的香料样品是否可以和纯样品进行区分。 结果 采集到的纯香料的FT-NIR光谱如图1所示。这些物质的光谱在近红外区域有宽峰，是中红外区域基频振动光谱的一级合频和倍频。这些物质重复测试的光谱用来建立SIMCA模型，它可以对原材料进行鉴定和质量测定。 图1.纯香料的光谱：肉桂(红)，大蒜粉(紫)，黑胡椒(绿) SIMCA模型的三维显示如图2所示，其显示了不同种类的香料物质分离性很好。使用这个模型，可以非常容易的区分这些纯香料的未知样品，判断其种类。 图2.纯香料的SIMCA模型：肉桂(左上)，黑胡椒(中)，大蒜粉(右下) 香料样品中常见的掺假物质的FT-NIR光谱如图3所示。玉米淀粉和小米粉具有和纯香料相似的宽峰。滑石粉有一些独特的尖峰，这些特征可以使其检测相对容易。 图3.本研究中使用的掺假物质的光谱：玉米淀粉(上)，滑石粉(中)，小米粉(下) 一个纯大蒜粉样品使用10%的滑石粉进行掺杂，用来检验SIMCA和Adulterant Screen方法。纯大蒜粉和掺杂10%滑石粉的样品的光谱如图4所示。滑石粉产生的谱图特征用圆圈进行了标注，同纯样品的差异很明显。 图4.大蒜粉和滑石粉掺杂品的FT-NIR光谱 建立了一个具有简单的用户界面的SpectrumTouchTM方法，其同时包含了大蒜粉的SIMCA模型和Adulterant Screen方法。使用这两种方法对掺杂样品进行检测，判断是否能被检出。图5显示了结果界面。 图5. Spectrum Touch大蒜粉掺杂样品SIMCA方法检测结果 如果检查的光谱同模型中的其它光谱不一致，那么VerifyTM就会给出失败 (fail) 的结果。本例中，掺杂的样品Verify失败。但是， Verify只能告诉测试者样品不合格，却不能给出掺杂物的任何信息。实验中， Adulterant Screen方法也给出了失败的结果，不过它还告诉测试者样品中存在的掺杂物信息，正确的确定为滑石粉。 一个肉桂样品使用玉米淀粉也类似的进行了掺杂，掺杂量10%。肉桂和玉米淀粉的近红外光谱非常相似，其差异在吸收谱上难以区分。不过，使用2阶导数处理光谱，可以放大这些光谱的微小差异，如如6所示。 图6.纯肉桂(黑)和掺杂了玉米淀粉的肉桂(红)的2阶光谱 这些微小的差异足够判断出玉米淀粉是掺杂物质。使用同大蒜粉样品相同的数学方法，对这个掺杂样品进行分析。同样， SIMCA和Adulterant Screen都判断出掺杂样品不合格。基于这个结果，可以进一步检查Adulterant Screen给出的信息。图7显示了Adulterant Screen的详细结果。 图7. Spectrum Touch肉桂掺杂样品Adulterant Screen方法检测详细结果 Adulterant Screen不仅正确的判断了掺杂物的种类，还给出了掺杂物含量的定量估算算。这个10%的掺杂样品被报告含有9.986%的玉米淀粉。 本文中最后一个香料样品是黑胡椒。使用小米粉对其进行一系列的掺杂，从而可以建立这些混合物的定量校准曲线。这些混合物浓度从纯的黑胡椒粉，到100%的小米粉。这些光谱测量后，进行2阶导数预处理，然后作为校准标准品，使用Spectrum QuantTM软件包的偏最小二乘(PLS)方法建立校准曲线，如图8所示。 图8.黑胡椒中小米粉的PLS校准曲线 校准曲线显示了混合物中小米粉设定值和计算值之间的良好的相关性。少量的验证样品用来检测这个定量方法。 这些验证光谱使用黑胡椒的Adulterant Screen方法进行验证。建立一个Adulterant Screen方法非常简单，只需要扫描纯香料和纯掺杂物的光谱，将其导入到方法中即可。完全不需要定量标准物质。掺杂的样品在Adulterant Screen测试中，被正确判断为不合格。表1显示了Quant (PLS) 和Adulterant Screen对验证样品的定量结果。 表1.验证样品中掺杂物含量的定量估算值 Sample Adulterant Screen PLS Prediction 3% Millet 3.370 2.9834 10%Millet 9.924 10.01 25% Millet 22.781 24.997 这些数值显示了Quant和Adulterant Screen结果的高度准确性和相关性。Adulterant Screen方法不需要校准标准品的制备和测量，大大加快方法开发效率。如果发现了新的掺杂物，可以非常方便的对Adulterant Screen进行升级，只需要扫描该掺杂物并将其谱图添加到方法中即可。PLS对新的掺杂物的定量就麻烦的多，需要重新对一套标准物质进行制备、测量，还需要重新进行模型的校准。 结论 FT-NIR和Adulterant Screen方法相结合，可以有效的检测香料样品的掺假。SIMCA模型可以很可靠的判断样品种类，并可检测出和模型光谱不一致的样品。Adulterant Screen方法更进一步，其可以确认掺杂物的种类，并在不需要繁杂的校准过程的前提下，即可估算出掺杂物的浓度。 ( 参考资料 ) ( ·http：//www.fssai.gov.in/Portals/0/Pdf/Final_test_manual_part_l(16-08-2012).pdf ) ( ·http：//oldnews.aadl.org/node/132130 ) ( · Fifth Annual Report o f the Board of Health of t he S tate ofNew J e rsey- Henry C. Kelsey ) ( · Annual Report o f the State Food Commissioner of Illinois- Alfred H. Jones ) 电话：021-60645888 传真：021-60645999 www.perkinelmer.com.cn 要获取全球办事处的完整列表，请访问http：// www.perkinelmer.com.cn/AboutUs/ContactUs/ContactUs 版权所有 C2014， PerkinElmer， Inc. 保留所有权利。PerkinElmer@ 是PerkinElmer， Inc. 的注册商标。其均所有商标均为其各自持有者或所有者的财产。 方法纯肉桂、大蒜粉和黑胡椒样品，以及一些纯掺杂物样品，如滑石粉、玉米淀粉和小米粉，均进行光谱测量。这些香料的掺杂样品也进行制备，用来检测该方法的可行性。近红外光谱使用配有NIRA II采样附件的PerkinElmer Frontier™ FT-NIR光谱仪采集。粉末放置于样品盘中，置于FT-NIR的NIRA II旋转样品台上。数据采集时，样品进行旋转，可以消除样品不均匀的影响。光谱扫描32次，8cm-1分辨率，光谱范围10000~4000cm-1。每个香料都进行了多次独立测试，以建立可体现香料样品本身变化的模型。分别使用簇类的独立软模式方法（SIMCA）和掺杂物筛查（Adulterant Screen™）方法建立模型，来验证被掺假的香料样品是否可以和纯样品进行区分。