这份文档是一篇题为《The application of emerging technologies for the quality and safety evaluation of oilseeds and edible oils》的综述文章，于2025年1月28日在线发表于Elsevier旗下的开放获取期刊《Food Chemistry: X》（卷25，文章ID 102241）。文章的作者团队来自中国与西班牙的多所研究机构，包括：广东省农业科学院农业质量标准与监测技术研究所/广东省农产品质量安全风险评估重点实验室（李雪、刘文文、肖璐、赵杰、陈艳、王旭）；中国农业科学院油料作物研究所/农业农村部油料作物生物学与遗传改良重点实验室（张良晓、李培武）；以及西班牙科尔多瓦大学动物生产系（Dolores Pérez-Marín）。其中，张良晓研究员、李培武研究员、Dolores Pérez-Marín教授和王旭研究员为本文的通讯作者。

本文的主题聚焦于利用新兴的无损光谱技术评估油料作物与食用油的品质与安全。油料和食用油是人类膳食中不可或缺的一部分，全球年消费量超过1.7亿吨，其质量和安全直接关系到人类健康与农业经济。然而，传统用于检测油料和食用油品质与安全的色谱、质谱等方法通常耗时、操作繁琐且具有破坏性。因此，开发低成本、快速且无损的检测方法势在必行。本综述旨在系统回顾并总结近十年来，拉曼光谱（Raman Spectroscopy）、荧光光谱（Fluorescence Spectroscopy）、傅里叶变换红外光谱（Fourier Transform Infrared Spectroscopy, FT-IR）和近红外光谱（Near-Infrared Spectroscopy, NIR）这四种新兴光谱技术在油料及食用油品质安全评估中的应用，并探讨这些技术当前面临的挑战与未来前景。

文章的主要论点一：拉曼光谱技术在油料与食用油品质安全评估中展现出巨大潜力，尤其在分子指纹识别和结构分析方面具有独特优势。 作者指出，拉曼光谱是一种基于光与分子非弹性散射的快速无损振动光谱技术。它能提供独特的“分子指纹”信息，对水不敏感，并能区分不饱和脂肪酸中的顺式或反式双键，因此在复杂基质中识别特定成分方面潜力巨大。文章通过详尽的表格（表1）和论述，列举了拉曼光谱在油料与食用油检测中的广泛应用。 * 支持论据——品质参数检测： 研究已成功利用拉曼光谱结合化学计量学方法，如偏最小二乘回归（Partial Least Squares Regression, PLSR）、支持向量机（Support Vector Machine, SVM）等，对大豆中的蛋白质和含油量、食用油中的过氧化值（Peroxide Value, PV）、酸值、碘值、皂化值以及各类脂肪酸（饱和、单不饱和、多不饱和脂肪酸，反式脂肪酸）进行定量分析。例如，有研究基于表面增强拉曼光谱（Surface-Enhanced Raman Spectroscopy, SERS）平台检测食用油过氧化值，与国标法相比相对偏差小于10%；另有研究利用拉曼光谱实时监测油炸条件下食用油的PV、酸值和总极性化合物。 * 支持论据——安全危害因子检测： 拉曼光谱，特别是SERS技术，在真菌毒素、农药残留和多环芳烃（Polycyclic Aromatic Hydrocarbons, PAHs）检测方面取得了显著进展。例如，结合协同区间偏最小二乘法（Synergy Interval Partial Least Squares, siPLS）筛查玉米中的玉米赤霉烯酮；利用SERS检测玉米和花生油中的黄曲霉毒素B1（Aflatoxin B1, AFB1），准确率可达100%；应用长短期记忆网络-卷积神经网络（Long Short-Term Memory-Convolutional Neural Network, LSTM-CNN）模型检测玉米油中的毒死蜱残留；以及采用液-液界面SERS在3分钟内检测食用油中的PAHs。 * 支持论据——优势与挑战： 文章强调拉曼光谱的优势在于对C-C、C-N、C-NO2等键的强信号响应。但同时也指出其面临荧光干扰强、拉曼散射截面低、对固体样品光学采样变异大等挑战。未来发展方向包括开发高效荧光抑制方法、设计合适的信号增强基底、发展自动化和微型化便携仪器，以及与其他分析技术（如质谱）联用。

文章的主要论点二：荧光光谱凭借其高灵敏度与选择性，成为检测食用油中微量荧光成分和危害因子的有力工具。 荧光光谱通过测量物质吸收高能光后发射的荧光特性来提供信息，特别适用于检测具有荧光发色团的有机成分。 * 支持论据——品质与氧化指标检测： 该技术已成功用于预测大豆的蛋白质和含油量。在食用油领域，它被广泛用于监测氧化过程，例如结合人工神经网络（Artificial Neural Network, ANN）或支持向量回归（Support Vector Regression, SVR）预测花生油的PV和酸值；利用展开偏最小二乘（Unfolded Partial Least Squares, U-PLS）评估特级初榨橄榄油（Extra Virgin Olive Oil, EVOO）的氧化指数。此外，荧光光谱还能有效测定食用油中的总生育酚含量、总酚含量、叶绿素衍生物（脱镁叶绿素）、类胡萝卜素以及角鲨烯等微量营养成分。 * 支持论据——安全危害因子检测： 荧光光谱在检测危害因子方面表现突出。例如，结合多路方法检测花生中的AFB1和AFB2；通过激发-发射矩阵荧光结合交替惩罚三线性分解（Alternating Penalty Trilinear Decomposition, APTLD）分析花生油中的多菌灵和百菌清农药残留，回收率高且灵敏度好；原子荧光光谱法可用于测定棕榈原油中的砷和硒；通过二阶导数非线性变角-矩阵等电位同步荧光光谱技术检测植物油中的多种PAHs，检测限达到μg/kg级别。 * 支持论据——应用特点： 文章指出荧光光谱具有快速、高灵敏度的优点，能监测食品加工和储存过程中的分子变化。其局限性在于并非所有物质都发荧光。未来趋势包括利用单光子诱导荧光增强对固体食品中低浓度污染物的检测信号，以及通过光纤与荧光光谱仪联用实现在线实时监测。

文章的主要论点三：傅里叶变换红外光谱因其快速、高信噪比及对样品状态适应性强等特点，在油料品质评估中应用广泛。 FT-IR光谱主要探测物质在中红外区（4000-400 cm⁻¹）的基本振动，能够获得样品的化学信息。 * 支持论据——品质参数与成分分析： 文章通过表3总结了FT-IR的诸多应用。研究表明，结合化学计量学方法，FT-IR能准确预测食用油的碘值、皂化值、PV、酸值、游离脂肪酸、反式脂肪酸等。例如，使用衰减全反射-傅里叶变换红外光谱（Attenuated Total Reflection-FTIR, ATR-FTIR）结合正交信号校正-偏最小二乘法（Orthogonal Signal Correction-PLS, OSC-PLS）检测食用油的PV、游离脂肪酸和脂肪酸，校正相关系数高于0.99。FT-IR还能评估橄榄油的氧化稳定性、脂肪酸组成、酚类化合物和总极性化合物。此外，它在检测特定营养成分方面也有建树，如测定植物油中的α-生育酚、初榨橄榄油中的酚类化合物、芝麻油中的芝麻酚、阿玛兰斯籽油中的角鲨烯，甚至能无损检测单粒大豆种子中的花青素。 * 支持论据——技术考量： 作者强调，FT-IR的优势在于快速、信噪比好，且能分析干湿样品。关键点在于选择合适的光谱采集方式（如漫反射、ATR、透射模式）和背景，并运用恰当的化学计量学方法处理光谱信号以建立有效校准模型。

文章的主要论点四：近红外光谱作为经典且应用广泛的技术，在油料单籽粒品质分析和安全筛查方面不断取得新突破。 近红外光谱覆盖780-2500 nm波长范围，主要涉及C-H、N-H、O-H等官能团的倍频与合频振动。 * 支持论据——单籽粒与批量品质分析： 作者提到其团队此前已综述过NIR在油料和食用油品质分析中的应用，本文重点介绍了最新进展。NIR技术正朝着精细化发展，例如，利用单籽粒NIR光谱技术检测单粒玉米的含油量、蛋白质、水分、淀粉以及直链淀粉含量，或单粒亚麻籽的含油量和蛋白质。便携式NIR仪器可用于快速测定花生的酸价。NIR还能批量测定玉米和高粱的蛋白质、粗脂肪、粗纤维、灰分、淀粉和水分，以及花生中的总黄酮和总酚含量。 * 支持论据——安全危害因子筛查： NIR在安全领域展现出强大潜力。例如，应用格拉米角求和场图像编码结合二维卷积神经网络（2D-CNN）检测花生中的AFB1，预测性能优异；利用粒子群优化结合移动窗口筛选变量，通过SVM模型检测玉米中的AFB1；建立PLS模型检测花生油中的AFB1；采用一维CNN（1D-CNN）检测玉米油中的毒死蜱残留；使用SVR检测菜籽油中的腐霉利残留；以及应用NIR光谱预测花生和花生油中的镉含量。 * 支持论据——局限与前景： 文章指出NIR的局限性在于其吸收信号强度弱于中红外光谱，对不均匀污染的“点”检测特性，以及对样品厚度、均匀性有要求。未来需开发检测更多特定化合物的方法，降低仪器成本，改进软硬件，并发展在线分析技术。

文章的主要论点五：尽管各类光谱技术优势显著，但仍存在各自局限性，未来需通过技术融合、算法创新和仪器小型化等手段推动发展。 在综述了四种光谱技术的具体应用后，作者专设章节讨论了其共通的局限性及未来展望。 * 支持论据——技术局限性总结： 拉曼光谱受生物荧光干扰强，散射信号弱；荧光光谱应用范围受限于物质的荧光特性；FT-IR获取代表性背景存在困难，且仪器成本较高；拉曼和FT-IR难以提供污染物空间分布信息；NIR对不均匀污染的检测能力有限，且对样品有特定要求。 * 支持论据——未来发展趋势： 作者提出了多个未来发展方向：1) 技术选择与融合：根据不同的品质参数特性选择合适技术，并结合数据融合（如拉曼与NIR数据融合）提高检测精度。2) 算法创新：开发新的化学计量学算法，并探索深度学习等先进方法在数据分析中的应用。3) 高光谱成像与多光谱成像：结合深度学习，利用少数关键波段代替全波长进行评估。4) 仪器发展：研发便携、高性能、低成本的仪器用于实时现场检测。5) 拓展检测对象：探索将光谱技术应用于检测油料中的维生素B2、B12以及n-6/n-3脂肪酸比例等新指标。

文章的结论与价值： 本综述系统总结了拉曼光谱、荧光光谱、FT-IR和NIR这四种新兴无损光谱技术在油料及食用油品质安全评估中的应用进展。文章通过大量实例表明，这些技术能够快速、无损、高效地检测从宏观成分（蛋白质、油脂）到微观指标（脂肪酸组成、氧化值）再到痕量危害物（真菌毒素、农药、重金属、PAHs）的广泛参数，为油料和食用油的质量控制提供了强有力的技术支撑。文章不仅梳理了现有成果，还客观指出了各项技术的优势与挑战，并前瞻性地指出了数据融合、算法创新、仪器便携化与在线化等未来重点发展方向。因此，这篇综述对于从事食品质量安全、农产品检测、光谱分析及化学计量学研究的科研人员和技术开发人员具有重要的参考价值，有助于推动无损检测技术在油脂工业中的深入应用，促进农产品加工业的高质量发展。