QC研究所之掺假鉴别

QC研究所之掺假鉴别

原材料的掺假鉴别，是每个品管人心中的痛。这就像是给他们出了一道开放性的试题—“我要检测的是什么？”，“含量是多少？”，“我怎么知道我是否都检测出来了？”，试题做完了也不知道标准答案。没错，有些掺假原料与真品非常相似，难以通过常规的检测方法快速鉴别。比如在蜂蜜中加入玉米糖浆，或者在橄榄油中掺杂玉米油、大豆油等。

随着掺假物及掺假手段的不断更新，品管员也要持续学习新技术来“打怪升级”。从外观检查到气味测试，从化学成分分析到机器视觉。目前近红外技术也成为掺假鉴别的新生力量。它快速、无损，不需要消耗试剂，属于绿色分析技术。对于近红外在定量上的应用大家应该都不陌生，不管是在农业、食品，还是石油、化工等行业都有着非常成熟的应用。而对于定性来说，近红外技术也独具优势。

近红外技术用于掺假鉴别的优势在于：在不确定掺假物的情况下快速进行掺假鉴定。

它是利用图谱比较的方法，通过比较未知样品光谱与某一特定参考光谱的相似程度，从而评价近红外光谱的偏差是否在限定范围内。样品在限定范围内，认定为合格品；不在限定范围内，认定为掺假样品。这种方法我们也称为判别分析或合格性测试（Conformity Test）。

举个栗子

蛋黄粉是以新鲜鸡蛋为原料，经过多道工序制成的粉质，是新鲜鸡蛋最理想的替代品。因具有较好的乳化性，蛋黄粉作为一种天然的食品乳化剂在食品加工中广泛应用。许多原料供应商为了降低成本提高利润会向蛋黄粉中掺入玉米蛋白粉、玉米粉、大豆蛋白粉等。掺假物质不论从外观、质地和理化性质都比较接近，很难通过一般的化学方法来鉴别。

对于蛋黄粉的掺假鉴别，我们将蛋黄粉的合格品和掺假品扫描近红外谱图，通过软件选取合适的预处理方法设定蛋黄粉合格品的光谱阈值，建立合格性测试模型。如下图所示，绿色样品点为合格品光谱，蓝色样品点为不同掺杂含量的样品光谱。从图中可以看出，合格品和不合格品会有一个明显的界限，不同掺杂含量的样品在空间中也有明显的区分。

图1. OPUS软件建立合格性测试模型

通过合格性测试模型，我们可以对蛋黄粉的来料进行掺假鉴别。如果样品在阈值范围内，软件认定为合格品，如果样品在阈值范围外，软件认定为不合格品。

图2. OPUS软件鉴别未知样品是否掺假

近红外光谱技术的判别分析方法功能强大，可用于食品、农业类原料的掺假鉴别，如蜂蜜掺假、肉类掺假、酒类掺假等；也可用于产地溯源、混合均匀度评价、产品配方变化判定以及在线过程的实时定性分析等。

图3. 采用合格性测试方法进行混合均匀度评价      

如果您对掺假鉴别及其他应用感兴趣，请联系我们，我们很乐于与您共同探讨开发新的应用点。