分子光譜結合多元分析快速測定粘稠及深色樣品的方法研究.pdf

1、粘稠樣品在生活中隨處可見，如食用油、芝麻醬和SBS改性瀝青。市場上經常出現在高價產品中摻入低價產品或者劣質產品的現象。例如食用油領域，在橄欖油中摻入低價食用油，在純芝麻醬中摻入花生醬，以及反復使用煎炸食用油等都損害了消費者的權益。同時在高速公路建設領域，摻假瀝青材料的使用極大的縮短了高速公路的使用壽命，造成巨大的經濟損失。因此，粘稠樣品現場質量監(jiān)控已引起相關行業(yè)質量監(jiān)督部門的高度重視。
　　粘稠樣本具有種類多，組成復雜，其中有的物

2、質顏色深等特點，對其分析提出了挑戰(zhàn)。有些樣品和性質至今還沒有建立分析方法。有的使用傳統檢測分析方法耗時長，操作復雜和不環(huán)保（使用有毒溶液等），因此不適用于對產品的現場質量監(jiān)管。因此，建立粘稠樣品的快速分析檢測方法已成為急需解決的課題。
　　分子光譜結合多元分析方法憑借其快速、無損和可同時測定多個性質等優(yōu)點被廣泛應用于各領域。常用的光譜采集方式為透射和漫反射，對于粘稠樣品的光譜采集存在裝樣和清洗困難，同時對于深色樣品的光譜采集，也難

3、以獲得理想光譜信號。因此阻礙了分子光譜和多元分析方法直接用于粘稠樣品的快速分析。本課題運用衰減全反射傅里葉紅外光譜或拉曼光譜有效的實現了對粘稠與深色樣品的光譜測量。食用油、芝麻醬和SBS改性瀝青都是復雜天然物質，摻假物質與樣品在組成上十分相近，導致合格與不合格樣本的光譜極其相近以及嚴重背景熒光對拉曼光譜的影響也對粘稠樣本分析提出挑戰(zhàn)，對此，本文研究了光譜處理方法及多元分析方法。
　　首先，運用拉曼光譜結合SIMCA建立食用油定性識

4、別模型。本課題搜集了94個食用油樣品，其來自不同產地和廠商，包含菜籽油、茶籽油、大豆油、橄欖油、花生油和玉米油6種食用油。利用食用油指紋區(qū)域原始拉曼光譜進行主成分分析(PCA)，由于食用油拉曼光譜中熒光背景的存在6種食用油不能在主成分空間中區(qū)分開。采用air-PLS扣除食用油拉曼光譜熒光背景，并利用PCA和SIMCA方法對食用油種類進行判別，PCA模型中每類食用油的聚類趨勢更加明顯，但菜籽油和花生油還不能完全的區(qū)分開。SIMCA在PCA

5、的基礎上實現了對菜籽油和花生油的判別，實現了對不同種類食用油樣品100％的識別率。
　　其次，本課題提出一種利用FTIR-ATR結合偏最小二乘(PLS)對煎炸食用油中極性物質含量快速檢測的方法。實驗共搜集44個不同極性物質含量的煎炸食用油樣品，包含菜籽油、棉籽油、大豆油和棕櫚油，其極性物質含量按照國標GB/T5009.202-2003測定。分別采用相關系數法和二維相關光譜法選擇波長變量，并建立各自最佳的PLS定量模型。采用二維相關

6、光譜法選擇波長變量建立的PLS定量模型準確度更高，其校正標準偏差(SEC)為0.928，驗證標準偏差(SEP)為0.995。任取6個未知樣品對模型進行重復性測試，最大標準偏差為0.25。這為煎炸食用油中極性物質含量的測定提供了新方法。
　　然后，本課題利用FTIR-ATR實現對摻混芝麻醬中花生醬含量的檢測。制備花生醬含量為2％-96％一系列質量分數的摻混芝麻醬樣品?；赑LS建立最佳的定量模型，其校正標準偏差(SEC)為3.264

7、，驗證標準偏差(SEP)為3.808。利用16個未知樣品和其中任意5個樣品對模型進行準確度和重復性測試，證明建立的PLS定量模型具有優(yōu)異的準確性和重復性。研究結果為摻混芝麻醬定量檢測提供了理論和技術依據。
　　最后，本課題運用FTIR-ATR建立對SBS改性瀝青合格性判定方法。通過計算合格SBS改性瀝青樣品紅外光譜之間的相似度θ值和殘差值，設置合格樣品相似度θ值和殘差值的閾值范圍。并對未知樣品，通過計算其紅外光譜與合格樣品紅外光譜