一、研究背景

食用油脂是人类膳食结构中不可或缺的基础性营养物质，承担着提供必需脂肪酸、脂溶性维生素及能量的关键生理功能。随着消费升级与健康意识增强，橄榄油、山茶油、核桃油等高端食用油因其独特的营养价值和风味特征备受青睐，市场溢价显著。然而，巨大的经济利益驱动催生了严重的掺伪乱象。不法商贩为牟取暴利，常将廉价油脂（如棕榈油、大豆油、菜籽油）甚至有毒有害物质（如矿物油、工业用桐油、废弃煎炸油）掺入高价油脂中，以次充好。

此类掺伪行为具有多重危害性：

健康危害：工业桐油含桐子酸甘油酯，摄入可致肾功能损伤、呼吸困难乃至死亡；矿物油含多环芳烃等致癌物；反复煎炸油则富含极性化合物、聚合物及丙烯酰胺等强致癌物。

营养欺诈：掺伪导致脂肪酸组成失衡，必需脂肪酸（如油酸、亚油酸、α-亚麻酸）含量显著降低，消费者无法获得预期营养。

市场秩序破坏：劣币驱逐良币，损害正规企业利益，削弱产业创新动力。

据《中国粮油学报》等权威文献披露，掺伪形式日益复杂隐蔽，已从单一廉价油脂掺入发展为多元混合掺伪、深度精炼掩盖及新型掺杂剂使用，传统理化检测方法（如酸价、过氧化值、碘值测定）因灵敏度低、特异性差、前处理繁琐，难以应对当前挑战。例如，精炼工艺可人为调整酸价等指标至“合格”范围；多元掺伪时，单一指标无法溯源具体掺伪物种类与比例。因此，发展快速、精准、高通量的现代掺伪鉴别技术已成为保障食品安全、维护市场公平的迫切需求。

在此背景下，光谱分析、生物传感及化学计量学等交叉学科技术迅猛发展，为油脂掺伪鉴别提供了全新解决方案。近红外（NIR）、中红外（MIR）、拉曼光谱（Raman）、紫外光谱（UV）等技术凭借其“无损、快速、无需复杂前处理”的核心优势，结合人工智能算法，已在橄榄油、山茶油、芝麻油等高价油脂的掺伪检测中展现出显著潜力。例如，《光谱学与光谱分析》研究证实，近红外光谱结合偏最小二乘回归（PLSR）可对橄榄油中掺入5%以上的葵花籽油实现定量检测；紫外光谱与BP神经网络联用，对掺伪煎炸油的识别率高达98.15%。尽管如此，现有技术仍面临机理研究不足、复杂基质干扰强、标准化体系缺失等瓶颈，亟需系统性研究与突破。

二、研究意义

本研究聚焦食用油脂掺伪鉴别技术体系，其意义体现在理论与实践两个维度：

(一) 理论意义

深化油脂掺伪检测机理认知：通过系统研究不同掺伪油脂在分子振动（红外/拉曼）、电子跃迁（紫外）、基因表达（生物技术）层面的响应机制，揭示光谱特征峰与特定掺伪物（如桐油特征性桐酸、煎炸油极性化合物）的构效关系，填补“为何能检测”的理论空白。

推动多学科方法融合创新：打破化学、光学、生物信息学、计算机科学的学科壁垒，探索光谱-生物传感联用、多模态数据融合、深度学习模型优化等前沿交叉路径，为复杂食品基质的真实性鉴别提供普适性方法论。

完善食品真伪鉴别理论体系：构建涵盖油脂物理特性、化学成分、分子指纹、基因标记的多维鉴别模型，丰富食品真实性研究的理论框架与技术路径。

(二) 实践意义

保障公众健康与消费权益：建立高灵敏度、高特异性的掺伪鉴别技术，可有效阻截有毒有害油脂流入市场，预防群体性食物中毒事件（如桐油中毒），确保消费者获得货真价实的产品。

强化市场监管与产业治理：为政府监管部门（市监局、食药监）提供现场快速筛查工具（如便携式拉曼光谱仪）及实验室确证方法（如基因芯片），提升对掺伪行为的威慑力与执法效率，净化市场环境。

促进油脂产业高质量发展：保护具有地理标志或特殊营养价值的本土高端油脂（如江西山茶油、河北核桃油）品牌声誉，激励企业投入工艺创新与品质提升，推动产业由“价格竞争”转向“价值竞争”。

引领国际标准制定话语权：突破欧盟等发达经济体在橄榄油掺伪检测标准上的技术垄断，推动建立符合中国油脂市场特点的检测标准体系，提升我国在国际食品标准组织（Codex）中的影响力。

三、研究内容

本课题将围绕食用油脂掺伪鉴别技术，系统开展以下核心研究：

(一) 现代光谱检测技术的深度开发与优化

红外光谱技术：

近红外（NIR）：重点研究900-2500 nm波段内油脂C-H、O-H键合频与倍频吸收特性。优化光纤探头漫反射检测模式，解决高粘度油脂均匀透射难题；开发针对橄榄油掺棕榈油、山茶油掺菜籽油等典型场景的特征波长筛选算法（如Si-PLS、CARS），提升模型抗干扰能力。

中红外（MIR）：聚焦4000-400 cm⁻¹指纹区，解析酯羰基（C=O, ~1745 cm⁻¹）、反式脂肪酸（~966 cm⁻¹）等关键官能团振动信息。研究ATR（衰减全反射）附件表面材质（ZnSe vs. Diamond）对油脂样品附着力差异的影响，提高信噪比。

拉曼光谱技术：利用785 nm/1064 nm激光源激发油脂中C=C伸缩振动（~1650 cm⁻¹）、碳链骨架振动（~1440 cm⁻¹）等拉曼位移。研究表面增强拉曼（SERS）金/银纳米基底对桐油特征峰（桐酸共轭三烯，~1603 cm⁻¹）的放大效应，实现痕量（<0.1%）掺伪检测。

紫外-可见光谱技术：针对煎炸油掺伪，分析油脂氧化产物（共轭二烯232 nm、三烯268 nm、醛酮类~280 nm）的紫外吸收特性。开发动态温控比色皿消除油脂结晶干扰，结合导数光谱（二阶导数凸显268 nm、274 nm玉米油掺伪峰）提升分辨率。

(二) 生物传感与分子生物学技术的创新应用

基因鉴别技术：

设计油料作物（花生、大豆、芝麻）特异性引物，建立多重PCR体系，通过电泳或荧光探针（TaqMan）同步检测油脂中残留的植物DNA片段，鉴别原料来源真实性（如芝麻油中掺入大豆油）。

开发基于SNP（单核苷酸多态性）的基因芯片，实现核桃油、橄榄油等地理标志产品的产地溯源与品种确证。

免疫分析技术：制备针对桐油特异性抗原（桐酸蛋白复合物）的单克隆抗体，构建酶联免疫吸附（ELISA）或侧向流免疫层析试纸条（LFIA），满足现场5分钟内快速筛查需求。

生物传感器：探索适配体（Aptamer）修饰的石墨烯场效应晶体管（FET），实时监测油脂中极性化合物（煎炸油标志物）的浓度变化，实现连续在线检测。

(三) 化学计量学与人工智能算法的模型构建

数据预处理算法优化：对比SNV（标准正态变换）、MSC（多元散射校正）、Savitzky-Golay平滑导数法对油脂光谱基线漂移、杂散光噪声的抑制效果。

特征变量提取策略：

监督学习：采用SPA（连续投影算法）筛选与掺伪量相关性最高的波长点。

无监督学习：利用PCA（主成分分析）降维，结合载荷因子分析识别关键差异变量。

智能判别模型开发：

定量模型：构建PLSR（偏最小二乘回归）、SVR（支持向量回归）预测掺伪比例，重点解决多元掺伪（如橄榄油+葵花籽油+玉米油）时的非线性响应问题。

定性模型：采用BP神经网络（如Levenberg-Marquardt算法）、随机森林（RF）、卷积神经网络（CNN）建立分类器，实现掺伪类型（何种油）、掺伪程度（是否超标）的智能判别。通过迁移学习解决小样本数据下的模型泛化难题。

(四) 技术瓶颈突破与未来体系构建

解决核心挑战：

机理不明：通过分子动力学模拟（MD）结合原位光谱，阐明掺伪油脂分子间相互作用对光谱特征的影响机制。

样本局限性：构建涵盖不同产地、年份、加工工艺的“真实掺伪”样本库（如市售掺假案例样本），替代实验室模拟掺伪样本。

标准缺失：联合行业协会制定《食用油脂掺伪鉴别技术导则》，规范光谱采集参数、模型验证流程、阳性判定阈值。

融合创新方向：

多技术联用：开发“拉曼-中红外”联用探头，同步获取指纹区与官能团信息；建立“光谱初筛+基因确证”的分级检测流程。

物联网与大数据：构建国家食用油光谱数据库（NIR、Raman原始光谱及模型参数），支持云端模型迭代更新与移动端APP实时查询。

便携设备开发：基于MEMS（微机电系统）技术研制手持式拉曼-荧光一体检测仪，满足市场监管现场执法需求。