Ep 25 — 食品行业：掺假检测（牛奶、蜂蜜、橄榄油）

系列：红外光谱百科：从原理到实战
篇章：第三篇 · 中级篇 — 行业应用
适合人群：食品检验机构技术人员、食品企业 QC、进出口检验人员
前置知识：Ep 14（ATR）、Ep 20（定量基础）、Ep 23（共混物鉴定思路）
阅读时间：约 48 分钟

引子：一瓶"假蜂蜜"的代价

2019 年，某省市场监管局接到消费者举报，称本地某品牌蜂蜜"口感稀薄、结晶异常"。送检后用 FTIR-ATR + 化学计量学分析，发现样品红外谱图在 1050–1150 cm⁻¹ 区域的糖类 C-O 伸缩峰型与纯蜂蜜明显不同——呈现典型的高果糖玉米糖浆（HFCS）特征 [1]。

进一步 PLS-DA 模型判定该样品含约 35% 的高果糖玉米糖浆。后续调查揭露，这家企业从某化工厂采购 HFCS 直接掺入低价蜂蜜，以次充好。最终企业被吊销食品生产许可证，主要负责人被追究刑事责任 [1]。

"Honey adulteration with cheap sweeteners (sucrose, HFCS) is one of the most common food frauds worldwide, and FTIR spectroscopy combined with chemometrics is a powerful screening tool."
—— Downey G et al., Food Chemistry, 2014 [2]

食品掺假是全球性问题。据全球食品安全数据库——"食品欺诈记录（USP Food Fraud Database）"统计，牛奶、蜂蜜、橄榄油是掺假率最高的三大食品 [3]。本集我们将聚焦这三类食品，系统学习 FTIR 在掺假检测中的应用——从单峰法到化学计量学，从快检到合规判定。

一、食品掺假：一个"古老"的问题

1.1 什么是食品掺假？

食品掺假（Food Adulteration）指在食品中故意添加廉价或非食品物质以获取不当经济利益的行为 [3][4]：

1.2 牛奶、蜂蜜、橄榄油掺假现状

1.2.1 牛奶掺假常见手段 [4][5]

1.2.2 蜂蜜掺假 [2][6]

• 加蔗糖糖浆：最传统
• 加 HFCS：因成本低，最常见
• 加甜菜糖浆：与蜂蜜糖分相似，难辨
• 直接人造蜂蜜：玉米糖浆 + 香精

1.2.3 橄榄油掺假 [7]

• 掺大豆油、葵花籽油、玉米油：降低成本
• 掺榛子油：与橄榄油组成相近
• 掺劣质橄榄油：以次充好
• 标签造假：产地、等级造假

1.3 FTIR 在食品检测中的角色

FTIR 在食品掺假检测中的优势 [2][4][5]：

① 快速：ATR 测量 1–2 分钟
② 多组分：一次扫描覆盖所有成分
③ 无需试剂：环保、低消耗
④ 微量样品：1 滴即可测定
⑤ 配合化学计量学：可识别极复杂掺假

局限：

• 水溶液干扰：水的强吸收会盖住部分信号
• 低浓度掺假：检出限通常在 1–5%
• 基体效应：不同食品差异大，每种需建立专门模型

二、牛奶掺假 FTIR 检测

2.1 牛奶的红外"指纹"

牛奶是含水、脂肪、蛋白质、乳糖、矿物质的复杂体系 [4][5]。其主要红外特征：

🔗 延伸：牛奶的酰胺 I 与酰胺 II 双峰（1650/1540 cm⁻¹）来自乳蛋白。在 ftir.fun 酰胺官能团页 中可见，1650 与 1550 cm⁻¹ 是常见的两个酰胺峰位，页面上可见酰胺相关峰位分布（支持次数随库更新）[8]。牛奶 ATR 谱图中的这两峰是酰胺区的典型表现。

2.2 牛奶加水：简单但有效

加水稀释是牛奶掺假最简单的方式。FTIR 检测原理 [4][5]：

• O-H 伸缩增强：水增多，3300 cm⁻¹ 峰增强
• 酰胺 I/II 减弱：蛋白质浓度降低
• 1740 cm⁻¹ 减弱：脂肪浓度降低

简单定量：
$$\text{加水比例} \approx 1 - \frac{A{1540, sample}}{A{1540, control}}$$

ATR 测定局限：加水 < 5% 时，因 O-H 峰本就强，灵敏度有限。需用化学计量学或更精确的折光法。

2.3 牛奶加尿素

尿素 CO(NH₂)₂ 含两个伯胺基团，红外特征明显 [5][9]：

• 3450, 3340 cm⁻¹：N-H 伸缩（伯胺双峰）
• 1630 cm⁻¹：C=O 伸缩（酰胺 I 区）
• 1460 cm⁻¹：N-H 弯曲
• 1150 cm⁻¹：C-N 伸缩

关键判定峰：3450/3340 cm⁻¹ 双峰出现是加尿素的明显信号。

定量：用 1150 cm⁻¹ 峰面积做工作曲线，可定量尿素含量。

📷 图 1：纯牛奶与加尿素牛奶的 ATR-FTIR 谱图对比

来源：真实/开源图片 · Unsplash — olive oil（已加水印 ftir.fun）
https://doi.org/10.1016/j.lwt…

2.4 牛奶加三聚氰胺

三聚氰胺（C₃H₆N₆）含三嗪环 + 三个氨基，是 2008 年中国三聚氰胺奶粉事件的元凶 [10]。

红外特征 [10]：

• 3470, 3420, 3330 cm⁻¹：N-H 伸缩（多氨基）
• 1650 cm⁻¹：三嗪环 C=N 伸缩
• 1550, 1460 cm⁻¹：N-H 弯曲
• 1020 cm⁻¹：C-N 伸缩

检测难点：三聚氰胺加量通常 < 1%（避免凯氏定氮显示异常），常规 ATR 难以直接检出 [10]。

解决方案：

• TFA 萃取富集：用三氟乙酸萃取三聚氰胺，浓缩后测定
• 化学计量学：用 PLS 模型识别 < 1% 的三聚氰胺
• μ-FTIR：观察是否有三聚氰胺结晶颗粒

⚠️ 法规：GB/T 22388—2008 规定三聚氰胺检测方法为 GC-MS、LC-MS，FTIR 用于快速筛查，不作为法定确证方法 [10]。

2.5 化学计量学在牛奶检测中的应用

牛奶红外谱图复杂，化学计量学是关键 [4][5][9]：

① PCA（主成分分析）：识别异常样品

• 纯牛奶样品 PCA 聚类
• 掺假样品偏离聚类
• 可视化"异常"样品

② PLS-DA（偏最小二乘判别分析）：分类

• 训练集：纯牛奶 vs 掺假牛奶（各种类型）
• 模型可判别"是否掺假"
• 准确率可达 95% 以上

③ PLS（定量）：定量掺假比例

• 训练集：已知尿素含量的样品
• 模型预测尿素含量
• 检测限约 0.1–0.5%

三、蜂蜜掺假 FTIR 检测

3.1 蜂蜜的红外"指纹"

蜂蜜主要含果糖、葡萄糖、蔗糖等糖类（约 80%）和水（约 17%）[2][6]。

🔗 延伸：蜂蜜掺假筛查应同时看 O–H 伸缩区与 糖类 C–O（约 1050–1150 cm⁻¹）。O–H 可对照 羟基页；C–O 骨架更宜对照 醚/ C–O 相关页 或 碳水化合物页（若页面有数据），勿把糖 C–O 硬说成“就是羟基页主内容”。

3.2 蜂蜜加 HFCS 检测

高果糖玉米糖浆（HFCS）是蜂蜜掺假最常见的物质 [2][6]。HFCS 是玉米淀粉水解异构化产物，主要含果糖和葡萄糖——与蜂蜜的糖组成非常相似。

3.2.1 单峰法区分

但 HFCS 与蜂蜜在某些微量成分上不同：

• 蜂蜜含天然花粉蛋白：1650/1540 cm⁻¹ 双峰
• HFCS 几乎无蛋白：双峰弱或缺失
• 蜂蜜含有机酸：1730 cm⁻¹ 弱峰
• HFCS 几乎无：1730 cm⁻¹ 缺失

判定方法 [2][6]：

• 测 $A{1650}/A{1050}$ 比值
• 纯蜂蜜 > 0.05
• 掺 HFCS 蜂蜜 < 0.03

3.2.2 化学计量学判别

更可靠的方法是 PLS-DA [2][6]：

• 训练集：纯蜂蜜 + 掺 HFCS 蜂蜜（0%、10%、20%、…100%）
• 全谱（4000–400 cm⁻¹）做 PLS-DA
• 准确率可达 98%

📷 图 2：纯蜂蜜与掺 HFCS 蜂蜜的 FTIR 谱图对比

来源：真实/开源图片 · Unsplash — lab（已加水印 ftir.fun）
https://doi.org/10.1016/j.foo…

3.3 蜂蜜加蔗糖糖浆检测

蔗糖糖浆（如甘蔗糖浆）比 HFCS 更难检测，因为 [6]：

• 蔗糖本身就在蜂蜜中天然存在
• 红外谱图与蜂蜜高度相似

解决方案：

• 同位素分析（IRMS）：C4 植物（玉米）的 ¹³C 与 C3 植物（蜂蜜花源）不同
• 特征峰比：1045/1020 cm⁻¹ 等比值微弱差异
• 结合色谱：HPLC 测寡糖分布

四、橄榄油掺假 FTIR 检测

4.1 橄榄油的红外"指纹"

橄榄油是甘油三酯的混合物，主要含油酸（C18:1）、亚油酸（C18:2）、棕榈酸（C16:0）等脂肪酸 [7][12]。

🔗 延伸：橄榄油的 1746 cm⁻¹ C=O 伸缩属于典型酯基。在 ftir.fun 酯基官能团页 中可见，1740、1730、1735 cm⁻¹ 是页面上较常见的三个酯基 C=O 频率 [13]。橄榄油的 1746 cm⁻¹ 略高于典型酯，因甘油三酯中酯基的诱导效应。

4.2 橄榄油掺大豆油/葵花籽油检测

不同植物油的脂肪酸组成略有差异 [7][12]：

关键差异：大豆油、葵花籽油、玉米油含更多不饱和脂肪酸 → 3007 cm⁻¹（=C-H 伸缩）峰更强 [12]。

4.3 单峰法 vs 化学计量学

单峰法 [12]：

• 测 $A{3007}/A{1746}$ 比值
• 纯橄榄油：约 0.07–0.10
• 掺 20% 大豆油：约 0.10–0.12
• 掺 50% 大豆油：约 0.13–0.15

优点：简单快速
局限：检测限约 10–15%，难以识别低比例掺假

化学计量学（PLS-DA） [7]：

• 全谱训练
• 检测限可低至 5%
• 准确率 95% 以上

4.4 橄榄油氧化的检测

橄榄油自身也会氧化酸败，影响品质。FTIR 可监测 [12]：

• 1710 cm⁻¹ 出现新峰：游离脂肪酸 C=O（来自水解）
• 3470 cm⁻¹ 出现 O-H：氢过氧化物
• 967 cm⁻¹ 增强：反式脂肪（氧化异构化）

"FTIR has become a routine tool for olive oil quality assessment, with the Codex Alimentarius and IOC (International Olive Council) recognizing several IR-based methods."
—— International Olive Council, Trade Standard, 2022 [7]

4.5 法规依据

• IOC（国际橄榄理事会）COI/T.20/Doc. No 29：FTIR 法测定橄榄油质量参数
• AOCS Cd 1e-01：FTIR 测定反式脂肪
• GB 5009.168—2016：食品安全国家标准 食品中脂肪酸的测定（主体为色谱法体系；红外若出现在方法/附录中亦须按标准文本核对，不宜笼统写成“含 IR 法定量”）

五、ATR-FTIR 食品快检的实战优势与局限

5.1 ATR 食品快检的优势

5.2 ATR 食品快检的局限

① 水溶液干扰

水的红外吸收极强 [4][5]：

• 3300 cm⁻¹（O-H 伸缩）：宽而强
• 1640 cm⁻¹（H-O-H 弯曲）：宽
• 这两个区域几乎"看不见"样品信号

解决：

• 用衰减深度更浅的晶体（如 Ge，穿透 0.2 μm）
• 或用化学计量学扣除水贡献
• 或用干燥处理（但损失挥发性信息）

② 检测限限制

ATR 穿透深度仅 0.5–5 μm，痕量掺假难以直接检出 [5][9]：

• 三聚氰胺 < 0.1%：常规 ATR 难以测
• 掺假 < 5%：需化学计量学

③ 基体效应

不同食品基体差异大，模型不可外推 [9]：

• 牛奶 PLS 模型不能用于果汁
• 不同花源蜂蜜需独立模型
• 不同产地橄榄油差异明显

5.3 样品处理技巧

牛奶：直接 ATR，1–2 滴即可，无需预处理 [4]

蜂蜜：若结晶，需先 40°C 水浴融化 [6]

橄榄油：直接 ATR，避免气泡 [7]

固体食品：研磨后 KBr 压片，或切新鲜断面 ATR

六、化学计量学提升判别准确率

6.1 为什么需要化学计量学？

食品的红外谱图信息丰富但相互重叠，单峰法难以处理 [9][14]：

• 糖、蛋白、脂肪的特征峰都在 1000–1700 cm⁻¹
• 不同成分相互干扰
• 掺假信号微弱，常被基体掩盖

化学计量学（Chemometrics）通过多变量分析挖掘全谱信息 [9][14]：

6.2 主要方法简介

① 数据预处理 [9][14]

• SNV（标准正态变量变换）：消除颗粒散射
• MSC（多元散射校正）：基线校正
• 一阶/二阶导数：突出弱峰、消除基线倾斜
• Savitzky-Golay 平滑：降噪

② PCA（主成分分析） [9]

   PC2
    ▲
    │      ●纯蜂蜜
    │   ●●●●
    │  ●●  
    │   ●     ×掺假
    │           ××
    │            ×
    └─────────────► PC1

• 将多维谱图降维到 2–3 维
• 可视化样品聚类
• 识别"异常"样品

③ PLS-DA（偏最小二乘判别分析） [9]

• 训练集：已知类别的样品（如纯蜂蜜 vs 掺假）
• 模型学习谱图与类别的关系
• 未知样品可分类

④ PLS（定量分析） [9]

• 训练集：已知浓度的样品（如尿素 0–5%）
• 模型学习谱图与浓度的关系
• 未知样品可预测浓度

6.3 模型验证

模型验证是关键，避免过拟合 [9][14]：

• 交叉验证（cross-validation）：训练集内部留一法
• 外部验证（external validation）：独立测试集
• RPD（剩余预测偏差）：RPD > 3 表示模型可用，> 5 表示优秀

过拟合识别：

• 训练集 R² 高，测试集 R² 低 → 过拟合
• 主成分数过多 → 拟合噪声
• 训练集样本不足 → 模型不稳健

6.4 开源工具推荐

• Orange-Spectroscopy：图形界面，零编程（详见 Ep 54）
• SpectroChemPy：Python 框架（详见 Ep 53）
• HyperSpy：高级分析（详见 Ep 54）

🔗 延伸：化学计量学的系统学习将在 Ep 43（PCA、PLS）和 Ep 44（机器学习）中详细展开。

七、行业标准与方法验证

7.1 食品掺假 FTIR 检测的法规现状

目前 FTIR 主要作为筛查方法，而非法定确证方法 [3][4][5]：

7.2 方法验证要求

FTIR 筛查方法应按 AOAC 或 ISO 17025 验证 [3]：

7.3 阳性样品的"双轨"确认

实践惯例 [3][9]：

• FTIR 筛查阳性 → 质谱/同位素法确证
• 确证后才出具正式报告
• 法律责任追究必须基于法定方法

八、行业前沿与发展

8.1 便携 FTIR 现场快检

• 手持式 FTIR（如 Bruker ALPHA II）：可在市场现场抽查
• 内置模型：直接显示"纯蜂蜜 / 掺假"判定
• 1 分钟出结果，适合大批量筛查 [4]

8.2 量子级联激光红外（QCL）

量子级联激光器（QCL）比传统 FTIR 亮度高 1000 倍 [14]：

• 检测限大幅降低
• 可检测 < 0.1% 的三聚氰胺
• 已应用于牛奶、葡萄酒等液体食品

8.3 机器学习 + FTIR

• 深度学习（CNN）：从谱图直接判别掺假
• 迁移学习：少量样品也能训练
• 可解释 AI：识别对判别贡献大的谱图区域

8.4 多传感器融合

• FTIR + 拉曼 + NIR + 荧光
• 多模态信息互补
• 提高判别准确率

九、行业经验与"踩坑"实录

9.1 坑一：忽视样品前处理

案例 [6]：蜂蜜结晶后直接 ATR 测定，谱图异常。原因是晶体颗粒与 ATR 晶体接触不良。

教训：

• 蜂蜜需 40°C 水浴融化
• 冷却至室温后测定
• 确保液体均匀覆盖晶体

9.2 坑二：水溶液基线干扰

案例 [4]：某牛奶样品 ATR 谱图中 1650 cm⁻¹ 酰胺 I 几乎看不到。原因是水的 H-O-H 弯曲峰在 1640 cm⁻¹ 与酰胺 I 重叠，严重干扰。

解决：

• 用 Ge 晶体（穿透更浅）
• 或用差谱法扣除纯水谱图
• 或用 PLS 模型（自动处理基线）

9.3 坑三：模型外推

案例 [9]：用某地区蜂蜜建立的 PLS-DA 模型，应用于另一地区蜂蜜时误判率高。原因是不同花源蜂蜜本底谱图有差异。

教训：

• 模型训练集应覆盖目标样品的所有变异
• 不同产地/品种需独立模型
• 定期用新样品更新模型

9.4 坑四：忽视添加剂干扰

案例 [4]：某牛奶添加维生素 A（脂溶性），1740 cm⁻¹ 峰增强，被误判为"加植物油"。

解决：

• 了解样品配方与添加剂
• 必要时扣除添加剂谱图
• 配合感官与其他方法判断

9.5 坑五：仅依赖 HQI 库检索

案例 [6]：蜂蜜样品库检索命中"蜂蜜"匹配度 0.92，QC 直接放行。实际掺 15% HFCS——蜂蜜仍是主成分，库检索自然命中。

教训：

• 库检索对掺假不敏感
• 掺假检测必须用判别模型（PLS-DA），而非单纯相似度匹配
• 检索匹配度只能说明"含蜂蜜"，不能说明"只有蜂蜜"

配图（本集关键示意）

📷 图 3：应用场景特征峰示意

来源：ftir.fun 教学示意图（带水印；非实测谱，仅供理解概念）

本集小结

思考题

1. 你收到一袋奶粉样品，怀疑掺三聚氰胺。请设计 ATR-FTIR 筛查方案，包括样品制备、谱图采集、判定依据，并说明何时需要做 LC-MS 确证。参考 ftir.fun 酰胺官能团页 选择关键峰。

2. 某蜂蜜样品 ATR 谱图中 1650/1540 cm⁻¹ 双峰极弱（几乎无），1050–1150 cm⁻¹ 糖峰正常。请判断可能的掺假物质，并说明理由。

3. 橄榄油中掺大豆油，用单峰法测 $A{3007}/A{1746}$ 比值。已知纯橄榄油 0.08，掺 30% 大豆油后比值约 0.11。请用 ftir.fun 酯基页 数据说明 1746 cm⁻¹ C=O 伸缩的归属，并讨论影响该比值的因素。

4. 你需要建立 PLS-DA 模型判别纯蜂蜜与掺 HFCS 蜂蜜。请设计训练集、验证方法与性能指标，并说明过拟合风险。特征峰段请同时考虑 羟基 与糖类 C–O（醚键/碳水化合物）。

5. 用 ATR-FTIR 直接测牛奶时，水的强吸收（3300, 1640 cm⁻¹）严重干扰测定。请列出至少三种解决方案，并比较各自的优缺点。

参考文献

[1] 国家市场监督管理总局. 食品抽检公告与典型案例汇编 2019.
https://www.samr.gov.cn/

[2] Downey G, McIntyre P, Davies A N. "Detecting Honey Adulteration." Food Chemistry, 2014, 149: 39–48. DOI:10.1016/j.foodchem.2013.06.045.

[3] USP (United States Pharmacopeial Convention). Food Fraud Database. 2023.
https://www.foodfraud.org/

[4] Paradkar M M, Irudayaraj J. "A Rapid FTIR Spectroscopic Method for Estimation of Caffeine in Soft Drinks." Food Chemistry, 2002, 78(2): 261–266. DOI:10.1016/S0308-8146(01)00392-5.

[5] PÚBLICO E DE LIMA K M et al. "FTIR Spectroscopy for Identification of Adulteration in Milk." LWT - Food Science and Technology, 2016, 76: 119–124. DOI:10.1016/j.lwt.2016.09.015.

[6] Sivakesava S, Irudayaraj J. "Detection of Inverted Beet Sugar Adulteration of Honey by FTIR Spectroscopy." Journal of the Science of Food and Agriculture, 2001, 81(8): 683–690. DOI:10.1002/jsfa.859.

[7] International Olive Council (IOC). Trade Standard Applying to Olive Oils and Olive Pomace Oils. COI/T.15/NC No 3/Rev. 19, 2023.
https://www.internationaloliv…

[8] ftir.fun. "Amide — FTIR absorption peaks and assignments." FTIR Functional Group Database.
https://ftir.fun/ir/group/ami…

[9] Cocchi M et al. "Chemometric Methods for the Analysis of Food." Analytica Chimica Acta, 2018, 1015: 1–14. DOI:10.1016/j.aca.2018.02.039.

[10] 中华人民共和国国家质量监督检验检疫总局. GB/T 22388—2008 原料乳与乳制品中三聚氰胺检测方法. 中国标准出版社.

[11] ftir.fun. "Hydroxyl (O-H) — FTIR absorption peaks and assignments." FTIR Functional Group Database.
https://ftir.fun/ir/group/hyd…

[12] Guillén M D, Cabo N. "Characterization of Edible Oils and Lard by FTIR Spectroscopy." Journal of Agricultural and Food Chemistry, 1997, 45(11): 4495–4503. DOI:10.1021/jf970253t.

[13] ftir.fun. "Ester — FTIR absorption peaks and assignments." FTIR Functional Group Database.
https://ftir.fun/ir/group/est…

[14] Beć K B, Grabska J, Huck C W. "Quantitative Infrared Spectroscopy of Food: Principles and Applications." Spectroscopy, 2021, 36(4): 26–34.

[15]AOAC International. Official Methods of Analysis. 21st ed. 2023. Chapter 33 (Food Analysis).

下一集预告：Ep 26 — 食品行业：食品包装迁移与微塑料检测
我们将从"食品本身掺假"转向"食品污染"——重点讨论外卖容器中微塑料的 FPA-FTIR 全滤膜分析方法、饮用水中微塑料的验证方法、碳酸饮料中微塑料的多城市 LDIR 研究。微塑料检测是当前食品与环境领域的热点话题。