用于确定食用油的质量的方法和装置与流程

本发明涉及用于确定食用油的质量的方法和装置。

背景技术：

对于食品的深度油炸，使用的食用油在约180℃的高温下被暴露于氧和来自食品的水分。结果是，油经历众多化学反应(例如，聚合和氧化)，从而产生显著量的改变初始油(original oils)的质量的化合物，导致油随时间劣化。特别是，油劣化通常伴随着所用油的颜色、游离脂肪酸水平的变化，反式脂肪、多环芳烃(PAHS)和油的的极性的增加。在商业环境应用中，油劣化问题进一步加剧，因为在丢弃前油通常被再利用许多次以节省成本，因此可能造成公众健康危害。由于在油中制备的食品的质量与油的质量直接相关，重要的是通过降解指标来确定油劣化的程度，以减轻使用那些油的健康危害。然而，尚没有用于确定指标的简易且直接的方法，以确定何时油已劣化至需要丢弃的程度。

已达成广泛共识的是，用于烹饪的油必须在使用一段时间后丢弃。常规地，关于何时丢弃油的决定基于油质量的视觉检查，或通过决定何时更换油的厨师的经验，基于颜色、气味、过多泡沫和烟，和/或简单地通过品尝油炸的食品。然而，由于这些方法具有主观性，它们不可靠，并且需要提供关于降解指标的定量信息的替代方法以保证油炸食品的公众消费者的健康和安全。目前，由美国油品化学家协会(AOCS)描述的各种化学和物理参数用于在实验室环境中评价油质量。在那些参数中，德国脂肪和油协会(DGF)进一步推荐重点关注两个重要的质量参数，总极性化合物(total polar compounds，TPC)和聚合甘油三酯含量(polymeric triglyceride content，PTG)，用于这种油的质量评价。然而，在食品建立的常规操作中，由于涉及时间和成本，通过频繁的分析测试来确定这两个质量参数以检测油质量很困难并且具有挑战性。相反地，能够快速测试的试剂盒预期能够提供实用、快速且简易的方式以监测油质量的劣化。

遗憾的是，市场上这种测试试剂盒非常少。此外，在那些市售可得的当中，测试试剂盒的主要缺点在于它们仅监测油质量的一方面，例如游离脂肪酸(FFA)、氧化的化合物或TPC，根据研究已显示这些不充分。此外，还证明那些测试试剂盒中没有一个能够在统计学水平提供与通过用于常用的油炸油的分析方法得到的那些可比的结果。由图1和图2的曲线图100和图表200可以看出这一点，它们分别描述由两种不同的方法(一种是测试方法，另一种是测试试剂盒)得到的结果的比较，以及使用正式的分析方法得到的相应的结果。人们曾经努力设计基于多个降解指标的测量来判断油质量的更好的方法，但是也没有很大的成功。

因此，本发明的一个目标是解决现有技术的至少一个问题和/或提供可用于本领域的选择。

技术实现要素：

根据本发明的第一方面，提供了一种确定食用油的质量的方法。该方法包括确定食用油的多个参数，所述多个参数包括介电常数和粘度，使用所述多个参数作为数学模型的输入变量，用于预测食用油的总极性化合物(TPC)和甘油三酯聚合物含量(PTG)二者的值，将预测的TPC和PTG值与相应的预定的阈值相比较，以及基于比较，确定食用油的质量。

本发明提出的方法有益于能够在重复深度油炸操作期间和之后快速测试重复再利用的食用油的质量，并且为了食品安全目的的益处，还允许测试采用方便和实用的方式进行测试，用于确定那些油是否被过度使用。更特别是，通过利用快速测量某些输入变量，提出的方法提供了预测食用油的两个重要的质量指标(为TPC和PTG)二者的值，这能够确定食用油已经历的化学劣化的程度，因此，能够确定该油是否仍适用于使用。此外，提出的方法能够可靠地提供TPC和PTG二者的精确的预测值。

优选地，数学模型可以包括非线性数学模型。更优选地，用于预测TPC值的非线性数学模型可以表示为以下等式：TPC＝-12.353–0.0199DC²+1.591DC+0.00519vis²-0.0328vis，其中，DC为介电常数，vis为粘度。此外，等式可以以2.01的均方根偏差(RMSE)值和0.93的R²值进行表征，其中，R为Pearson积矩相关系数(Pearson product-moment correlation coefficient)。

还优选地，用于预测PTG值的非线性数学模型可以表示为以下等式：PTG＝-9.936+0.00608vis²-0.0385vis–0.00470DC²+0.376DC，其中，DC为介电常数，vis为粘度。特别是，等式可以以1.50的均方根偏差(RMSE)值和0.92的R²值进行表征，其中，R为Pearson积矩相关系数。

此外，确定介电常数可以包括优选在约80℃的温度下测量介电常数，而确定粘度可以包括优选在约40℃的温度下测量粘度。另外，多个参数还可以包括光亮度、红度、蓝度、吸光度和折射率。

优选地，确定吸光度可以包括在450nm或490nm的波长下测量吸光度。还优选地，使用多个参数作为数学模型的输入变量用于预测TPC和PTG二者的值还可以包括并行计算TPC和PTG的值。进一步优选地，该方法还可以进一步包括如果预测的TPC值或PTG值超出相应的预定的阈值，则产生报警信号。更优选地，该方法可以进一步包括提供相应于产生的报警信号的视觉指示。

进一步优选地，用于预测PTG值的非线性数学模型可以表示为以下等式：PTG＝-73.208+0.00692vis²-0.0413vis+33.317RI²+15.473RI，其中，RI为折射率，vis为粘度。等式可以以1.44的均方根偏差(RMSE)值和0.94的R²值进行表征，其中，R为相关系数。

根据本发明的第二方面，提供了用于确定食用油的质量的装置。该装置含有适用于确定食用油的多个参数的多个探针，所述多个参数包括介电常数和粘度，以及数据处理器，其适用于：使用所述多个参数作为数学模型的输入变量，用于预测食用油的总极性化合物(TPC)和甘油三酯聚合物含量(PTG)二者的值，将预测的TPC和PTG值与相应的预定的阈值相比较，以及基于比较，确定食用油的质量。

优选地，数据处理器可以进一步适用于如果预测的TPC值或PTG值超出相应的预定的阈值，则产生报警信号。进一步优选地，所述装置还可以含有用于提供相应于产生的报警信号的视觉指示的显示屏。数学模型可以包括非线性数学模型。此外，用于预测TPC值的数据处理器使用的非线性数学模型可以优选表示为以下等式：TPC＝-12.353–0.0199DC²+1.591DC+0.00519vis²-0.0328vis，其中，DC为介电常数，vis为粘度。另外，用于预测PTG值的数据处理器使用的非线性数学模型可以表示为以下等式：PTG＝-9.936+0.00608vis²-0.0385vis–0.00470DC²+0.376DC，其中，DC为介电常数，vis为粘度。或者，用于预测PTG值的数据处理器使用的非线性数学模型还可以表示为以下等式：PTG＝-73.208+0.00692vis²-0.0413vis+33.317RI²+15.473RI，其中，RI为折射率，vis为粘度。

优选地，多个探针中的一个可以被设置为用于在约80℃的温度下测量介电常数，还进一步地，多个探针中的一个可以被设置为用于在约40℃的温度下测量粘度。也就是说，介电常数和粘度的值可以在不同的温度下得到。

优选地，多个探针可以包括至少两个这样的探针。特别是，至少两个这样的探针中的一个可以被设置为用于测量介电常数和温度二者。还优选地，该装置可以进一步含有输入面板，用于重新设置预定的阈值的值。

应该显而易见的是，与本发明的一方面相关的特征也可以适用于本发明的其它方面。

参考下文描述的实施方式，本发明的这些和其它方面将显而易见并且进行说明。

附图说明

下文参考附图用于公开本发明的实施方式，其中：

图1为显示由用于测量根据现有技术被用于有炸鸡块的食用油(例如，葵花油)质量的两种不同的方法得到的结果的比较的曲线图，其中，第一种方法为AOCS％FFA的测试方法，第二种方法为被称为FASafe^TM％FFA的测试试剂盒，其中，％FFA表示的是游离脂肪酸的百分数；

图2为描述通过市售的测试试剂盒得到的实验分数与通过正式的分析方法得到的相应的预期分数之间的偏差(discrepancy)的柱形图，用于测量根据现有技术用于油炸薯条的棕榈油的质量；

图3为根据本发明的一种实施方式，验证用于预测食用油的总极性化合物(TPC)质量指标得到的非线性数学模型的等式的散点图；

图4为根据图3的相同的实施方式，验证用于预测食用油的聚合的甘油三酯含量(PTG)质量指标得到的非线性数学模型的等式的散点图；

图5为描述根据实施方式用于确定食用油质量的方法的流程图；

图6为结合图5的方法的装置的示意图；

图7为比较通过实验得到的TPC值与使用图6的装置由随机食品建立得到的食用油取样的相应的TPC值的柱形图；和

图8为比较通过实验得到的值PTG与使用图6的装置由随机食品建立得到的食用油取样的相应的PTG值的柱形图。

具体实施方式

根据本发明的第一实施方式，公开了一种基于促进确定油质量的两个质量指标，用于快速测试食用油(例如，油炸或烹饪)的质量的方法。所述两个质量指标为被监测的特定食用油的总极性化合物(TPC)和甘油三酯聚合物含量(PTG)，各自进一步为其它的输入变量(例如，粘度、介电常数、光学性质等)的应变量。

重要地要强调的是，根据第一实施方式的方法被引导并且基于非线性数学模型(特别是线性加矩形类型，linear-plus-square type)的开发，通过采用能够累积提供两个质量指标(TPC和PTG))的精确预测的前述输入变量。特别是，通过逐步回归(stepwise regression)技术来开发数学模型。用于TPC和PTG的开发的相应的数学模型还彼此独立，其中每一个数学模型结合包含8个输入变量，包括光亮度(“L*”)、红度(“a*”)、蓝度(“b*”)、在450nm下的吸光度(即，光谱密度)(“ab₄₅₀”)、在490nm下的吸光度(“ab₄₉₀”)、在约40℃下的粘度(“vis”)、在约80℃下的介电常数(“DC”)和折射率(“RI”)。注意到需要注意的是，使用分光光度计测量光亮度(“L*”)、红度(“a*”)和蓝度(“b*”)的变量，并且表示为“L*a*b*”色系统。另一方面，使用UV-Vis分光光度计，在400-700nm光谱范围测量吸光度。此外，折射率和粘度分别使用折射计和粘度计测量。还将理解的是，的是，用于测量粘度和介电常数的温度还可以在前述那些以外的其它温度下实施，因此，可以理解的是采用的相应的数学模型也不同。特别是，通过计算相应的变量膨胀因子(“VIF”)，确定这八个输入变量之间的关系。在该情况下，使用“VIF<10”的标准。在普通的最小平方回归分析中，VIF定量多重共线性(multicollinearity)的严重性；VIT提供用于测量由于共线性导致的估计的回归系数的变量增加多少的指标。

在开发数学模型中，采用被称为“Testo 265”(设计用于测量TPC)的市售测试试剂盒，通过相关性模型，建立DC和TPC之间的关系，在此情况下，该模型被开发为二次模型(quadratic model)。特别是，在建立关系的过程期间，首先使用“Testo 265”测试试剂盒和另一个市售实验室仪器“DEA 2970”分别测量任意食用油样品的TPC值和相应的DC值。如本领域已知的，“DEA 2970”仪器被配置用于测量材料的电介质性质作为时间、温度和频率的应变量。使用二次相关性模型，随后进而进行数学建模，以分析性建立那些Testo-265-测量的TPC值和相应的DC值之间的关系。关于其余的七个输入变量，通过分析方法得到的实验结果被用于建立TPC值和七个输入变量之间的关系，如在前面的段落中解释的。

如前所述，开发线性加矩形类型数学模型，用于预测TPC和PTG质量指标。参考TPC预测，由在TPC和各自输入变量之间建立的各种关系(如在前面的段落中描述的)的评价进行确定，用于定量TPC质量指标的最佳拟合数学模型为包含DC和粘度的至少两个输入变量的模型。如下所示，确定用于预测TPC质量指标的数学模型被表示为二级多项式等式(1)：

TPC＝-12.353–0.0199DC²+1.591DC+0.00519vis²-0.0328vis (1)

等式(1)以“2.01”的相对低的均方根偏差(root-mean-square deviation，RMSE)值和“0.93”的高R²值进行表征。可以理解的是，术语“R”为相关系数，而术语“R²”为确定系数(determination coefficient)，并且二者常用于统计线性回归分析，以得到第一个术语与第二个术语相关性良好程度的指标。如果“R”值等于“+1”，这表明在第一个和第二个术语之间存在完美的正相关性，但是如果该值等于“-1”，相反地，其表明在第一个和第二个术语之间存在完美的负相关性，而“0”值表示在第一个和第二个术语之间不存在线性相关性。参考等式(1)，另外需要强调的是，如在等式中限定的，在DC和粘度输入变量的平方之间没有检测到多重共线性问题。也就是说，在统计学术语中，这意味着DC和粘度输入变量关于彼此不是高度相关。

另一方面，为了定量PTG质量指标，确定也不遭受多重共线性问题的最佳拟合数学模型与包含DC和粘度的输入变量的类似，如等式(1)一样，并且被表示为以下等式(2)：

PTG＝-9.936+0.00608vis²-0.0385vis–0.00470DC²+0.376DC (2)

等式(2)以“1.50”的RMSE值和“0.92”的高R²值进行表征，这与等式(1)的相应的性质可比。此外，等式(1)和(2)的性能验证结果分别在图3和图4的散点图300，400中显示。

现在参考图5，其描述方法的流程图500，可以如下确定食用油的质量：首先在步骤502，测量食用油的相应的DC和粘度值。随后，在步骤504，将测量的DC和粘度值输入等式(1)和(2)中，以分别预测食用油的TPC和PTG值。随后，在接下来的步骤506，将预测的TPC和PTG值与相应的预定的阈值相比较，该阈值基于国家相关健康权威机构设定的食品安全标准。对于专业技术人员来说显而易见的是，食品安全标准在不同的国家之间变化。在最后的步骤508，基于比较，确定食用油的质量。更特别是，如果超出任何预定的阈值，则意味着食用油不再能安全使用并且应该丢弃。基于超出任何阈值，产生报警信号，并且升起相应于报警信号的视觉指示(例如红色指标灯)以通知使用者。然而如果没有超出任何预定的阈值，则食用油仍然可以安全使用。如果仍然认为食用油可用，在这样的情况下，也升起视觉指示(例如绿色指标灯))以通知使用者。

基于第一实施方式的方法，源自用于定量TPC和PTG质量指标的前述数学模型(即，表示为等式(1)和(2))随后被用于开发新的测试试剂盒，以用于快速测试食用油的质量。以装置600的形式实施的新的测试试剂盒在图6的示意图中显示。特别是，提出的装置600包含至少三个探针602a、602b、602c，输入面板603，显示屏604和数据处理器606，其作为IC线路实施，平均尺寸约为1或2个标准信用卡大小。至少三个探针602a、602b、602c被配置分别用于测量粘度、介电常数和温度。特别是，至少三个探针602a、602b、602c基于已知的操作原则/装置(例如，基于电容用于介电常数测量，基于振动-衰减用于粘度测量，和电阻温度检测器用于温度检测)进行配置，用于实施相关的测量。应理解的是，可以适当采用任何合适的成品探针用作至少三个探针602a、602b、602c。在此情况下，还需要进一步强调的是，用于测量粘度的一个探针602a为便携式ViSmart^TM传感器(其市售可得)。可以理解的是，显示屏604和数据处理器606适当地封装在提出的装置600的外壳608内，以利于在操作期间容易处理。随后采用按惯例开发的图形用户界面(GUI)作为提出的装置600的操作界面。

为了确定任何食用油的质量，操作提出的装置600的使用者(未显示)首先在食用油中插入至少三个探针602a、602b、602c，并且等待装置600测量待测试的食用油的DC和粘度。随后，一旦测量了DC和粘度，数据处理器606计算食用油的TPC和PTG的预测值，并且与在装置600中储存的预定的阈值相比较。预定的阈值根据国家相关健康权威机构设定的食品安全标准来限定，因此，应该理解的是，在装置600中储存的预定的阈值可以通过使用者通过输入面板603进行设置，该值取决于使用者希望遵循的用于确定食用油用于消费的安全性的具体国家的食品安全标准。如果该比较揭示了TPC或PTG任一个的预期值超出相应的预定的阈值，则数据处理器606产生报警信号，其随后通过提出的装置600的显示屏604以相应的警告红灯显示进行指示。警告红灯显示通知使用者食用油的质量被认为不适用于进一步使用并且需要丢弃。此外，计算得出的TPC和PTG预测值也在显示屏604上向使用者显示。相反地，如果比较揭示了TPC或PTG的预期值未超出预定的阈值，则数据处理器606产生通过信号，其在装置600的显示屏604上作为以相应的绿灯显示进行指示，通知使用者该食用油对于食品制备仍然具有安全性。

为了评定提出的装置600产生的结果的准确性，使用多组实验数据以及使用由随机商品食品建立收集的油样品进行测试，使装置600进行一些验证测试。参考实施的验证测试的结果，图7和图8的柱形图700，800显示提出的装置600如期实现相当好的性能。更特别是，提出的装置600特别适用于TPC和/或PTG值接近或超出食品健康权威机构推荐的食品安全限度的那些油样品，其中专业技术人员认识到，这些是任何测试试剂盒的准确性对于能够确定已使用一定时间段的食用油是否应该丢弃或仍然适合使用来说很重要的情况。

下文将描述本发明的其它实施方式。为了简洁的缘故，不重复在各实施方式之间共同的相同的元件、功能和操作的描述；而是参考相关实施方式的类似的部分。

根据第二个实施方式，不同的数学模型被用于预测PTG质量指标，而用于预测TPC质量指标的数学模型保持如在第一个实施方式中所描述的((根据等式(1))。在此情况下，用于定量PTG的数学模型改为利用折射率和粘度的两个不同的输入变量，与DC和粘度相对。特别是，用于预测PTG质量指标的数学模型表述表示为二次多项式等式(3)：

PTG＝-73.208+0.00692vis²-0.0413vis+33.317RI²+15.473RI (3)

需要注意的是，等式(3)以“1.44”的低RMSE值和“0.94”的高R²值进行表征。此外，如在第一个实施方式中描述的，提出的装置600可以随后进行相应的修改以使用表示为等式(1)和(3)的数学模型用于快速测试食用油的质量。

总之，提出的方法解决了能够以方便和实用的方式进行快速测试重复再利用的食用油的质量的问题，使得可以很容易地确定那些食用油是否应该丢弃。更特别是，通过利用快速测量某些输入变量(例如，油的光学、流变学和电介质性质)，提出的方法提供预测食用油的两个重要的质量指标(即，TPC和PTG)的值，结合借助数学模型，因此能够确定食用油已经历的化学劣化程度，因此确定食用油是否仍然适合使用。同样，提出的方法可以在餐馆、食品出口和快餐出口装置下采用，其中食用油被重复再利用，用于油炸/烹饪食品，并且丢弃那些食用油的决定常规地基于主观指标(例如，油颜色状态、发泡状况)或基于通过常规的测试试剂盒得到的结果而被采用，然而，通过先前的研究已证明，基于这些不充分且不可靠。还需要强调的是，提出的方法也是能够共同提供TPC和PTG二者的精确预测值的第一个快速测试方法之一。

此外，还认识到，提出的方法被开发用于测试已经过深度油炸操作的食用油。在深度油炸期间，由于加热而发生某些化学变化，并且在食用油中产生新的化合物，因此设计提出的方法以测试在食用油中出现那些新的化合物，以确定它们的可用质量。例如，如果食用油仅用于搅拌油炸，则那些新的化合物可能不以显著量存在，因此，提出的方法确定食用油的质量仍然足以能够令人满意地安全使用和消耗。

然而，所描述的实施方式不应该被看作是限制性的。例如，提出的装置600的数据处理器606可以或者以装置600外部的微型计算机形式实现，或者还可以使用任何其它合适方式的数据处理装置。此外，还可以使用其它类型的数学模型(包括非线性模式、线性模式、完全二次模式等)用于预测TPC和PTG质量指标，如专业技术人员理解的。还认识到，除了DC和粘度两个输入变量以外，用于预测TPC和PTG质量指标的其它合适的数学模型也可以包含其它输入变量，例如，光亮度(“L*”)、红度(“a*”)、蓝度(“b*”)、吸光度和折射率(“RI”)。参考预测的TPC/PTG值与相应的预定的阈值的比较，当超出/不超出阈值时，改为在提出的装置600的显示屏604上显示报警红灯/绿灯，可以采用其它形式的指标，例如，使用可以听到的信号等显示相应的合适的信息，如专业技术人员理解的。此外，提出的装置600还可以被配置用于局部储存与已实施的多个样品测试结果(即，历史数据储存)相关的数据，并且已储存的数据可以容易下载至外部计算机，用于通过在提出的装置600上提供的连接口进行分析。此外，已储存的数据还可以在提出的装置600的显示屏604上以简单的图的形式显示给使用者，当用于测试食用油的质量时，便于即时参考。

关于提出的装置600，代替配置具有至少三个探针602a、602b、602c，其可以适用于具有至少两个探针进行工作，其中使用也能测量温度的DC探针(即，DC探针同时测量DC和温度二者)作为两个探针之一。实际上，提出的DC探针可以被理解为等同于改为单独测量DC和温度的如前所述的两个探针602b、602c。需要注意的是，在这样的构造中，提出的DC探针由一种类型的特定金属形成，其通常被用在电阻温度检测器(RTD)中用于温度测量(但是被采用的用于提出的DC探针的设计和几何形状可以不同，但是可能的变化是专业技术人员可以理解的)。同样，在此情况下，提出的DC探针代替“Testo 265”测试试剂盒，该试剂盒前面在第一个实施方式中描述为用于通过相关性模型建立DC和TPC之间的关系；也就是说，DC值使用提出的DC探针直接测量，不再需要建立DC和TPC之间的关系。

此外，提出的装置600可能不配置具有用于测量DC值的相关的探针；而是，基于“Testo 265”测试试剂盒的测量的输出，通过使用转化模型，使用“Testo 265”测试试剂盒间接测量DC值。

更进一步，在测量了待测试的食用油的相关的DC和粘度之后，提出的装置600可以被配置用于指示数据处理器606以并行计算食用油的TPC和PTG的预测值。也就是说，同时使用前述相关的数学模型，并行计算TPC和PTG的预测值。然而，还应理解的是，无论TPC和PTG的预测值是并行还是顺序计算对于提出的装置600的适当操作都不是关键的，只要用于预测TPC和PTG值的计算在合理的可接受的时间框内足够快速地实施即可，这将允许提出的装置600被用作“快速测试试剂盒”。

应该认识到，简单地提供在上述等式(1)-(3)中的相应的系数用于说明的目的，并且不局限于等式(1)-(3)。因此，拟合所描述的数学形式的等式(1)-(3)的系数的其它合适的组合也是可能的。

虽然在附图和前述描述中已详细说明和描述了本发明，这样的说明和描述被认为是说明性或示例性的，但不是限制性的；本发明不局限于所公开的实施方式。在实施要求保护的本发明中，本领域技术人员可以理解和实现对所公开的实施方式的其它变化。