稀释还是掺假？SICRIT 与机器学习揭开山茶油的“身价之谜”

2026-03-19 09:42:47, 华质君 华质泰科生物技术（北京）有限公司








一瓶油的"身价之谜"

山茶油因富含不饱和脂肪酸、兼具高营养与药用价值，素有“东方橄榄油”之称。也正因此，一些不法商家用玉米油、大豆油、葵花籽油甚至橄榄油来"稀释"山茶油，以次充好，高价售出谋取暴利。

如何快速、精准识别山茶油中的多种植物油掺假？ 

📊 传统检测遇瓶颈，新技术组合破局

长期以来，山茶油掺假检测多依赖色谱、光谱技术。方法虽然有效，但却耗时、繁琐。面对市场上层出不穷的掺假手段（从单一掺假到多种油品混合掺假），传统方法显得有些"力不从心"。
近日，赣州市综合检验检测院联合赣南医科大学的研究团队在食品科学国际期刊《Foods》上发表了一项突破性研究成果，为山茶油掺假检测带来了新的解决方案。
首次将 SICRIT-HRMS 与机器学习结合，实现对山茶油中玉米油、橄榄油、大豆油、葵花籽油等多物种植物油掺假的快速定性识别与定量检测。
其中，SICRIT-HRMS 技术，堪称检测界的“高效选手”——作为一种原位电离质谱技术，它无需复杂的样品前处理，不用溶剂和辅助气体，就能直接、快速、高灵敏地捕捉油品的挥发性、半挥发性化合物指纹信息。
光有精准的检测数据还不够，海量的质谱数据需要高效的分析手段。研究团队引入 5 种机器学习算法，搭建定性和定量模型，实现掺假的智能识别与含量测算。
  • CNN（卷积神经网络）
  • RF（随机森林）
  • SVM（支持向量机）
  • LR（逻辑回归）
  • GBT（梯度提升树）



SICRIT

样品制备

1️⃣ 107份纯正山茶油样品，来自江西、广西、湖南三大油茶主产区

2️⃣ 玉米油、橄榄油、大豆油、葵花籽油各15份
3️⃣ 掺假体系：制备二元、三元、四元、五元掺假样品，从 3% 到 90% 共 11 个浓度梯度，各梯度 3 次重复，共 528 个掺假样本 

图1. SICRIT-MS 数据处理流程的示意图

关键发现：指纹图谱核心特征

  01

 SICRIT-HRMS 指纹图谱

分析发现，m/z 100-300 的低分子量区间 是识别不同油品的关键！这个区间对应着食用油中影响香气、风味和氧化稳定性的低分子挥发性化合物，如：

  • 山茶油的醇、醛类化合物

  • 玉米油、大豆油、葵花籽油的氧化衍生化合物

正是这些细微的"气味差异"，构成了每瓶油独一无二的"化学指纹"。


图2. 五种纯植物油（山茶油 CAO、玉米油 COO、橄榄油 OLO、大豆油 SOO、葵花籽油 SUO）的代表性 SICRIT-HRMS 指纹图谱。

定性检测：一眼识破“是否掺假”

  02

研究团队搭建了二元分类（纯山茶油 / 掺假山茶油）和多分类（不同油种 / 掺假体系）模型，对比了 5 种算法在无降维、PCA（主成分分析）、UMAP 三种数据处理方式下的表现：
✅ 二元分类（判断是否为掺假油）：CNN、RF、GBT 算法表现亮眼，在三种数据处理方式下准确率均达 98.70%-100%，RF、LR、GBT对原始数据的识别准确率更是达到 100%，能轻松区分纯山茶油和掺假油；
✅ 多分类（识别具体掺假类型）：RF 模型表现最为稳定，准确率保持在 96.25%-99.45%，即使是面对复杂的五元掺假体系也能从容应对。
✅ 盲样测试：对 1093 个未知样品检测，RF 模型的误分类数最少（仅 54 个），稳定性拉满。

    定量检测：精准算出“掺了多少”

      03


    在定性识别的基础上，研究团队重点优化了定量模型，实现对掺假含量的精准测算。结果显示：
    ✅ PCA-CNN 模型 表现最优，可精准预测掺假含量。
    ✅ RPD>3.0是判断模型是否适合实际应用的重要标准，而本研究的 RPD 值为5.0-16.3——这意味着模型可以非常可靠地用于实际质量控制。
    ✅ 对橄榄油、葵花籽油的掺假含量测算尤为精准。
    ✅ 3%的低比例掺假也能实现可靠检测，突破了部分传统方法的检测下限。

    图3. 采用 PCA 和 UMAP 对数据集进行降维处理的可视化展示。（a、b）二分类；（c、d）多分类。CAO——茶油；COO——玉米油；OLO——橄榄油；SOO——大豆油；SUO——向日葵油。




    不同掺假场景，选对模型更高效

    研究团队根据不同掺假体系的特点，给出了模型选择的实用建议：
    • 二元掺假（仅一种油掺假）：优先选择 GBT 模型；
    • 三元 / 四元掺假（两种 / 三种油混合掺假）：RF 模型是首选；
    • 五元掺假（四种油混合掺假）：CNN、RF、GBT 模型组合使用，在无降维或 PCA 降维下能实现高效识别。
    如果面对大规模样品检测，可先通过 PCA 或 UMAP 降维简化计算，再搭配对应模型，平衡检测效率和准确率。




    为食用植物油检测开辟新路径

    SICRIT-HRMS 结合机器学习实现了山茶油多油种掺假的 非靶向、高通量、快速精准 检测，相比传统方法，既简化了操作流程、缩短了检测时间，又提升了多种掺假的识别能力。
    不仅为山茶油的质量监管提供了全新技术手段，也为其他食用植物油的掺假检测提供了可复制的思路。

    研究团队指出，后续将纳入更多不同产地、品种、加工工艺的油品，进一步优化模型，并结合非挥发性成分分析，构建更全面的检测体系。


    ● 参考文献：Mei Wang, Ting Liu, Han Liao, Xian-Biao Liu, Qi Zou, Hao-Cheng Liu and Xiao-Yin Wang. Adulteration Detection of Multi-Species Vegetable Oils in Camellia Oil Using SICRIT-HRMS and Machine Learning Methods. Foods. 2026;15(3):434. 

    https://doi.org/10.3390/foods15030434


    往期推荐

    01

    ● SICRIT 原位源 Q&A 第6期：为什么说，电离重新回到平台级决策？

    ► 点击阅读

    02

    ● SICRIT 原位源 Q&A 第4期：当质谱开始面对真实世界

    ► 点击阅读

    03

    ● Nature 子刊｜突破1微米极限：原位成像揭示细胞奥秘

    ► 点击阅读

    04

    ● PFAS 前体的“隐匿之毒”｜看不见的污染者，看得见的信号

    ► 点击阅读


    关注我们:

    • 客服电话： 400-6699-117 转 1000
    • 京ICP备07018254号
    • 电信与信息服务业务经营许可证：京ICP证110310号
    • 京公网安备1101085018
    • 客服电话： 400-6699-117 转 1000
    • 京ICP备07018254号
    • 电信与信息服务业务经营许可证：京ICP证110310号
    • 京公网安备1101085018

    Copyright ©2007-2026 ANTPEDIA, All Rights Reserved