王慧珺 刘阿静 刘兰霞 寇宗红 金凤 白兴斌 王波

新鲜的油橄榄果实经冷榨后得到的食用植物油称为初榨橄榄油，因其为冷榨，在整个工艺过程中未经加热和化学处理，最大程度地保留了油橄榄中的天然活性和营养成分，它是世界上唯一以自然形态供人类食用的木本植物油之一^[1]。根据最新GB/T 23347—2021《橄榄油、油橄榄果渣油》的要求^[2]，初榨橄榄油的酸度小于0.8，不得添加任何防腐剂及其他植物油。初榨橄榄油不仅可以抗癌、抗氧化、恢复皮肤弹性，还具有促进伤口快速愈合等功效，因而享有“植物油皇后”“液体黄金”等众多美誉，具有较高的品质和营养价值。

我国栽培油橄榄主要集中在甘肃陇南、四川和云南等地^[3]。截至2021年，陇南油橄榄栽种面积达337.3 km²，油橄榄产业综合产值达24亿元，陇南油橄榄种植面积、鲜果产量和初榨橄榄油产量均居全国第一位。橄榄油以其独特的营养价值和品质深受广大消费者的青睐，如今在市场上需求量极高。鉴于此，一些不法商贩为谋取利益，在初榨橄榄油中掺入价格便宜的植物油进行销售，严重侵犯了消费者的权益，损害了油橄榄企业的利益，成为油橄榄企业急难愁盼的问题之一，本研究旨在建立一种初榨橄榄油中掺杂其他植物油的快速检测方法，为油橄榄企业纾困解难。

食用油的掺假鉴别常采用化学分析法^[4]、色谱法^[5]、近红外光谱法^[6]等，但这些方法对样品中某一种或几种成分的定量测定，均存在样品预处理复杂、检测周期长、检测成本高等缺点，不仅增加了企业的负担，而且较长的检测时间严重影响职能部门的监管效率。电子鼻系统是人类嗅觉的延伸，通过给予样品中挥发性成分的整体“指纹”信息，从而进行快速的定量和判定，具有无损、绿色、快速等特点^[7]，现多用于环境^[8]、食品^[9]、生物医药^[10]及掺伪鉴别^[11]等领域。本实验以初榨橄榄油中掺杂不同比例的菜籽油或葵花籽油为研究对象，通过电子鼻技术对其响应值进行负荷加载分析（Loadings）、线性判别分析（Linear Discriminant Analysis，简称LDA）和主成分分析（Principal Component Analysis，简称 PCA），并验证实验的准确性，从而为快速有效地鉴别初榨橄榄油中掺假鉴伪提供参考。

1 材料与方法

1.1 实验材料

鲁花特级初榨橄榄油（山东鲁花集团有限公司）；欧丽薇兰特级初榨橄榄油（上海嘉里食品工业有限公司）；克莉娜特级初榨橄榄油（福建省嘉记食品有限公司）；贝蒂斯特级初榨橄榄油（青岛金欧利营销有限公司）、菜籽油（甘肃进祥粮油集团有限公司）、葵花籽油（上海佳格食品有限公司内蒙古分公司）均在当地市场购买，初榨橄榄油由陇南市祥宇油橄榄开发有限责任公司提供。所用试验样品包装密封完好，均在保质期以内。

1.2 主要设备

德国 AIRSENSE 公司产 PEN3 型便携式电子鼻。该仪器包含的10个传感器名称及其敏感物质见表1。

表1 PEN3型电子鼻的10个传感器及其敏感物质

Table 1 Sensitive substances of 10 sensors in PEN3 electronic nose

1.3 样品的制备及测定条件

在对所有品牌初榨橄榄油的预实验中，发现电子鼻传感器对初榨橄榄油样品有较高的电导信号响应，因此，本实验选择祥宇初榨橄榄油样品为代表，并在其中分别掺入质量比例为0%、5%、10%、15%、20%、50%的菜籽油和葵花籽油，搅拌均匀后，密封放置待用。

电子鼻测定条件：取待测样品10 mL于20 mL电子鼻专用瓶中，为达到其顶部气体成分稳定，密封顶空放置0.5 h，电子鼻测定方法采用顶空进样法。设定零气清洗时间为100 s，进样准备时间5 s，传感器信号采集时间为60 s，载气的速率为400 mL/min ，样品气体的进样速率为400 mL/min。

1.4 数据分析

本研究中电子鼻的电导信号响应数据的采集、处理使用电子鼻配套的WinMuster软件，主要方法为负荷加载分析（Loadings）、线性判别函数分析（LDA）和主成分分析（PCA）对初榨橄榄油掺假比例进行预测，同时验证了实验的准确性。

2 结果与分析

2.1 电子鼻对初榨橄榄油的响应

测定时，电子鼻中每个传感器接触并吸附样品中的挥发性成分后电阻率会发生相应的变化，从而得到电阻率G，然后吸附经活性炭过滤的空气后得到电阻率G0，其比值即相对电阻率G/G0，哪一条传感器的相对电阻率G/G0越大，其值越偏离1（大于或者小于1），反之，其值会越接近甚至等于1。进样开始时，随采集时间的变化，样品的相对电阻率G/G0会大幅且快速增加，在4～5 s 左右达到峰值，随后趋于平缓，逐渐平衡稳定。因此在分析电导信号响应数据时应采用相对电阻率G/G0平衡稳定阶段的数值，本研究将40～45 s的数据用于后续实验的分析。图1是初榨橄榄油样品的雷达图和曲线图。

从电导信号雷达图上可以直观地看出，初榨橄榄油样品的10个传感器电导响应程度明显不同，9号和7号传感器的雷达面积最大，其次是6号、2号和4号传感器；同时由图1（响应曲线图）也可以看出，初榨橄榄油中9号和7号相对电阻率G/G0最高，表明该传感器响应值最高，其次是6号、2号和4号传感器。

图1 电子鼻传感器对初榨橄榄油样品的电导信号雷达图和信号响应曲线图

Fig.1 Conductance signal radar map and signal curve of electronic nose sensor on the virgin olive oil sample

2.2 Loadings法分析

在Loadings 负荷加载分析方法中，主要是根据10个传感器在主成分1和主成分2上贡献率的大小来分析，从而归属样品中挥发性成分的类别。通常情况下，判断10个传感器对样品中挥发性成分识别能力的强弱，取决于传感器的电导响应值正偏离或负偏离零的距离^[12]。由图2和表1可以得出，W2W和W1W在主成分1的识别上特征显示明显，而W1S、W6S和W5S在主成分 2 的识别上具有明显特征显示，但 W1C、 W5C和W3S这3个传感器的电导响应值识别趋近于零，几乎没有显示。以上分析的结果与电导信号雷达图和信号响应曲线（图1）结果相互印证，可确定上述传感器是区分初榨橄榄油样品特征的关键传感器。由图2可知，主成分1和主成分2贡献率总和为98.75%，可以充分反映被测样品电导信号响应值的特征。

图2 初榨橄榄油样品的Loadings分析图

Fig.2 The Loadings analysis plot of virgin olive oil samples

2.3 PCA和LDA方法分析初榨橄榄油、菜籽油及葵花籽油的电子鼻响应值

从图3可知，PCA分析方法中主成分1和主成分2的贡献率分别为98.96%和1.03%，总和为99.99%。PCA主成分分析中的第一主成分（横坐标）和第二主成分（纵坐标），它们的贡献率越大，说明主要成分可以较好地反映出数据转换和降维后特征向量指标信息。当总贡献率超过70%～85%时，证明该方法建立可以使用。LDA线性判别函分析能够使不同类别之间的数据点距离变大，同一类别数据点更加紧凑，在降低数据空间维数的同时最大限度地减少信息丢失^[13]。从图4可知，LDA分析方法中主成分1和主成分2的贡献率分别为84.37%和14.40%，总和为99.77%，满足其分析的要求。从图3和图4中可以看出，三者图谱的数据点距离间隔远且分界明显，说明这两个主成分足以充分反映出橄榄油、菜籽油和葵花籽油三者图谱间风味的区别，以上的结果表明，电子鼻可以对实验对象进行有效区分。

2.4 电子鼻对掺入不同比例菜籽油的PCA和LDA 方法分析

在PCA和LDA分析图中，2个主成分的总贡献率都达到了85%以上，说明提取的样品电导信号响应值能够反映原始数据的特征向量指标信息。

图3 初榨橄榄油及菜籽油、葵花籽油的电子鼻响应值的PCA分析

Fig.3 PCA analysis of response values of the electronic nose on virgin olive oil, rapeseed oil and sunflower oil

图4 初榨橄榄油及葵花籽油、菜籽油的电子鼻响应值的LDA分析

Fig.4 LDA analysis of response values of the electronic nose on virgin olive oil, sunflower oil and rapeseed oil

初榨橄榄油样品和掺假初榨橄榄油样品的电子鼻信号响应值数据点在PCA分析图（图5）中分布较远，区分明显。掺假的菜籽油比例越大，电子鼻的信号响应距离离初榨橄榄油越远。由纵坐标（主成分2）可以看出菜籽油所占比例在5%～15%范围内，掺假初榨橄榄油的数据点分布比较接近，当菜籽油比例为1%时，与初榨橄榄油出现了重叠现象，由此看出，PCA方法难以区分初榨橄榄油和掺入菜籽油比例小于5%的初榨橄榄油，而菜籽油比例大于5%时，利用PCA分析可以明显识别出掺入菜籽油的初榨橄榄油。

在LDA分析图（图6）中初榨橄榄油样品和掺假初榨橄榄油样品的数据点分布较远，区分明显。根据掺入菜籽油的比例大小不同，其分布也不同，但是在菜籽油掺入比例大于1%时，还是可以明显地将它们区分开来，因此初榨橄榄油中掺入菜籽油的检出限为1%。

通过上述比较可见，PCA分析法对初榨橄榄油中掺入菜籽油的检出限为5%，LDA分析法的检出限为1%，LDA方法明显优于PCA方法。

图5 初榨橄榄油中掺入不同比例的菜籽油的电子鼻响应值的PCA分析

Fig.5 PCA analysis of response values of the electronic nose on virgin olive oil mixed with different proportions of rapeseed oil

图6 初榨橄榄油中掺入不同比例的菜籽油的电子鼻响应值的LDA分析

Fig.6 LDA analysis of response values of the electronic nose on virgin olive oil mixed with different proportions of rapeseed oil

2.5 电子鼻对掺入不同比例葵花籽油的PCA和LDA 方法分析

在PCA和LDA分析图中，2个主成分的总贡献率都达到95%以上，说明提取的样品电导信号响应值能够反映原始数据的特征向量指标信息。

从图7中可以看出，随着掺入葵花籽油的比例增大，信号响应距离与初榨橄榄油样品越远。但掺入葵花籽油的比例在10%～20%范围内时，初榨橄榄油和掺假初榨橄榄油区分度不高，很难判断且容易产生假阳性；由此可见，PCA分析只可以识别出掺入葵花籽油比例高于20%的初榨橄榄油。由图8可知，在LDA分析图中，初榨橄榄油中掺入葵花籽油的比例不同，分布也不同。LDA分析法对初榨橄榄油中掺入葵花籽油的检出限为1%，LDA方法明显优于PCA方法。

图7 初榨橄榄油中掺入不同比例的葵花籽油的电子鼻响应值的PCA分析

Fig.7 PCA analysis of response values of the electronic nose on virgin olive oil mixed with different proportions of sunflower oil

图8 初榨橄榄油中掺入不同比例的葵花籽油的电子鼻响应值的LDA分析

Fig.8 LDA analysis of response values of the electronic nose on virgin olive oil mixed with different proportions of sunflower oil

根据上述可得，PCA分析法对初榨橄榄油中掺入葵花籽油的检出限为20%，而LDA分析法的检出限为1%，可以得出LDA方法明显优于PCA方法。实验表明，LDA分析法可以明显区分出初榨橄榄油图谱和掺假初榨橄榄油图谱，菜籽油和葵花籽油掺入含量的增加，掺假样品的图谱与纯菜籽油或纯葵花籽图谱的距离在不断接近，最终实现了初榨橄榄油和掺假初榨橄榄油的有效区分。

2.6 初榨橄榄油样品响应特征图谱的验证实验

本研究选取祥宇特级初榨橄榄油、鲁花特级初榨橄榄油、欧丽薇兰特级初榨橄榄油、克莉娜特级初榨橄榄油、贝蒂斯特级初榨橄榄油菜籽油、祥宇初榨橄榄油掺假葵花籽油（质量比为99:1）和祥宇初榨橄榄油掺假菜籽油（质量比为95:5）建立LDA分析图谱，用此来验证前文中LDA方法分析建立的初榨橄榄油样品响应特征图谱的准确性，同时选取祥宇初榨橄榄油、鲁花初榨橄榄油、祥宇初榨橄榄油掺假葵花籽油（质量比为99:1）和祥宇初榨橄榄油掺假菜籽油（质量比为95:5）这4类样品进行分析验证，分析结果证明响应特征图谱准确有效，如图9～12所示。以图10为例，选择鲁花初榨橄榄油，该样品可以通过已建立的特征图谱找到鲁花初榨橄榄油所在的气味区域。以图9为例，选择祥宇初榨橄榄油，可以发现其响应轨迹会穿过掺入不同比例的祥宇初榨橄榄油的气味区域，但是会找到最终对应数据点，从而确定样品种类，实现有效鉴别。由图11、图12可知，随机选取的不同掺假比例的初榨橄榄油，也可以在该特征图谱中找到数据区域，再次证明了该响应特征图谱可以有效鉴别初榨橄榄油等已知样品。

综上所述，由LDA方法分析建立的初榨橄榄油等已知样品的特征图谱库是准确合理的。

图10 鲁花初榨橄榄油的验证结果

Fig.10 Verification results of Luhua virgin olive oil

图11 祥宇初榨橄榄油掺假葵花籽油（99:1）的验证结果

Fig.11 Verification results of Xiangyu virgin olive oil of adulterated with sunflower oil (99:1)

图12 祥宇初榨橄榄油掺假菜籽油（99:5）的验证结果

Fig.12 Verification results of Xiangyu virgin olive oil of mixed with rapeseed oil (99:5)

3 结论

通过电子鼻技术对7种不同品牌初榨橄榄油、葵花籽油及菜籽油等样品进行分析鉴别，发现PCA法可以分析电子鼻对初榨橄榄油的掺假检测，但是不同掺假比例的初榨橄榄油数据分布都有重叠，只有初榨橄榄油中掺入大于5%菜籽油、20%葵花籽油才能明显鉴别。LDA方法对不同掺假比例的初榨橄榄油的识别效果好，均能有效区分，能够鉴别出初榨橄榄油中掺入大于1%菜籽油和1%葵花籽油，采用LDA方法可以更准确地分析电子鼻对初榨橄榄油的掺假检测。

研究验证了基于LDA分析所建立的初榨橄榄油等样品的响应特征图谱的准确性，它能够有效判别初榨橄榄油与不同掺假比例初榨橄榄油。由于电子鼻对样品不需要进行任何预处理，与化学方法和色谱法相比较，可以实现快速有效检测，因此，电子鼻技术可以作为鉴别初榨橄榄油掺假的一种快速简便的检测技术。

参考文献

[1]王艳, 方文华. 特级初榨橄榄油基本质量指标及要求[J]. 食品安全质量检测学报, 2022, 13(6): 1996-2003.

[2]张欣, 于瑞祥, 方晓明, 等. 橄榄油掺假检测技术的研究进展[J]. 中国油脂, 2013, 38(3): 67-71.

[3]闫辉强, 马君义, 吕孝飞, 等. GC-MS与E-Nose结合 PCA和HCA用于陇南橄榄油品质研究[J].中国油脂, 2020, 45(2): 44-49.

[4]陈喆, 王督, 汪雪芳, 等. 食用油中掺入低价动物油脂鉴别方法的研究进展[J]. 食品安全质量检测学报, 2021, 12(22): 8912-8915.

[5] CHEN H L, ANGIULI M, FERRARI C, et al. Tocopherol speciation as first screening for the assessment of extra virgin olive oil quality by reversed-phase high-performance liquid chromatography/fluorescence detector[J]. Food Chemistry, 2011, 125(4): 1423-1429.

[6]王传现, 褚庆华, 倪昕路. 近红外光谱法用于橄榄油的快速无损鉴别[J]. 食品科学, 2010, 31(24): 402-404.

[7]裴高璞, 史波林, 赵镭, 等. 典型掺假蜂蜜的电子鼻信息变化特征及判别能力[J]. 农业工程学报, 2015, 31(1): 325-331.

[8] Li Voti Margherita, Bax Carmen, Marzocchi Marco, et al. Testing Procedure for Performance Evaluation of Electronic Noses for Environmental Odour Monitoring[J]. Chemical Engineering Transactions, 2018, 68(204): 263-273.

[9]王建伟, 叶升. 电子鼻在食品行业的应用进展[J]. 中国调味品, 2022, 47(10): 167-172.

[10]冯文豪, 田亮玉, 施钧瀚, 等. 电子鼻技术应用于川贝母真伪及规格辨识的可行性分析[J]. 中国实验方剂学杂志, 2021, 27(13): 108-117.

[11]彭星星, 陈文敏, 罗仁仙, 等. 电子鼻鉴别核桃油中掺入大豆油、菜籽油及玉米油研究[J]. 中国粮油学报, 2015, 30(11): 129-134.

[12]张井, 张维一, 徐静, 等. 电子鼻技术在芝麻油品牌识别及掺假鉴伪中的应用[J]. 食品与发酵工业, 2017, 43(6): 239-249.

[13]陈娜, 陈小娥, 方旭波, 等. 基于电子鼻和气质联用技术分析鱼油挥发性成分[J]. 中国粮油学报, 2017, 32(10): 179-184.

图9 祥宇初榨橄榄油的验证结果

Fig. 9 Verification results of Xiangyu virgin olive oil

基金项目：江苏省自然科学基金（BK20201109）

第一作者：居丽君（1993—），女，汉族，江苏常州人，硕士，工程师，主要从事食品接触材料安全评估及检测技术工作，E-mail: 719505668@qq.com

通信作者：寇海娟（1985—），女，汉族，江苏徐州人，本科，高级工程师，主要从事食品接触材料法规及测试技术工作，E-mail: 20228881@qq.com

1. 常州工业及消费品检验有限公司 常州 213000

2. 南京海关危险货物与包装检测中心 常州 213000

1. Changzhou Industrial and Consumable Products Inspection Co., Ltd, Changzhou 213000

2. Nanjing Customs Testing Center for Dangerous Goods and Packaging, Changzhou 213000