近紅外光譜分析技術(shù)快速檢測液態(tài)乳制品品質(zhì)的研究

【摘要】研究共收集了60個(gè)不同品牌、不同批次的牛奶和酸奶樣品，采用WQF-400N傅立葉變換近紅外光譜儀同步檢測了液態(tài)乳中的蛋白質(zhì)和脂肪2個(gè)主要營養(yǎng)成分含量的化學(xué)值和近紅外光譜。對兩項(xiàng)指標(biāo)分別采取在相同波數(shù)范圍、相同的集合劃分、相同的預(yù)處理方法的條件下進(jìn)行全譜范圍內(nèi)數(shù)學(xué)模型的建立、波長優(yōu)選后模型的建立以及剔除異常樣品后數(shù)學(xué)模型的建立。經(jīng)過光譜數(shù)據(jù)優(yōu)化后最終建立的蛋白質(zhì)和脂肪模型的預(yù)測方程的相關(guān)系數(shù)和預(yù)測均方根誤差分別為0.9693和0.0561、0.9497和0.1314。結(jié)果表明對近紅外光譜采取一定的分析處理方法可以使校正模型的預(yù)測能力得到有效的提高。并且證明了近紅外光譜分析技術(shù)也可以應(yīng)用于酸奶等其他液態(tài)乳制品品質(zhì)領(lǐng)域的研究。本文的研究內(nèi)容作為近紅外光譜法檢測液態(tài)乳制品成分的基礎(chǔ)研究，為后續(xù)的研究奠定了基礎(chǔ)。

【關(guān)鍵詞】近紅外光譜分析技術(shù)；液態(tài)乳制品；波長優(yōu)選；剔除異常值；偏最小二乘法

1 概述

目前市售的液態(tài)乳制品主要有巴氏消毒乳，保持法滅菌乳，超高溫瞬時(shí)滅菌乳及各種液態(tài)發(fā)酵乳等。它們具有人體容易吸收的蛋白質(zhì)(氨基酸)、脂肪、維生素和碳水化合物等，已成為人們重要的營養(yǎng)來源之一。各種液態(tài)乳制品的工業(yè)化生產(chǎn)在我國發(fā)展迅速。國內(nèi)液態(tài)乳奶的生產(chǎn)已經(jīng)是完全的流水線生產(chǎn)，且呈品種多樣化趨勢，這就要求對生產(chǎn)線上各個(gè)關(guān)鍵點(diǎn)的控制要準(zhǔn)確而快速…。然而，目前使用的常規(guī)分析方法，取樣化驗(yàn)過程復(fù)雜，實(shí)時(shí)性較差，大大影響了生產(chǎn)效率；而且往往涉及專用儀器、分析設(shè)備與分析方法，這導(dǎo)致了分析時(shí)間較長，分析過程繁瑣，分析及維護(hù)費(fèi)用高，給液態(tài)乳的現(xiàn)場檢測及在線質(zhì)量控制增加了難度。所以在液態(tài)乳的生產(chǎn)過程中采用快捷、靈敏、無損且易行的現(xiàn)代技術(shù)，對液態(tài)乳特性尤其是營養(yǎng)成分的分析，評價(jià)工作顯得日益重要。

要在較短的時(shí)間內(nèi)甚至是實(shí)時(shí)完成成分檢測，其關(guān)鍵是需要與之配套的快速分析技術(shù)。近紅外光譜分析技術(shù)具有快速、準(zhǔn)確，非破壞性、以及可同時(shí)檢測多種成分且便于在線檢測等特點(diǎn)，正越來越廣泛地應(yīng)用于食品行業(yè)。

近紅外光譜分析技術(shù)目前在乳品行業(yè)(尤其是酸奶檢測)中的應(yīng)用還不是很廣泛，仍屬于起步階段。目前比較廣泛的應(yīng)用主要是，用近紅外光譜技術(shù)檢測奶粉(固態(tài))和牛奶(液態(tài))中蛋白質(zhì)和脂肪等指標(biāo)，但對于物態(tài)較為復(fù)雜的酸奶中蛋白質(zhì)、脂肪的檢測還未見報(bào)道。本文著重考察了近紅外光譜分析技術(shù)實(shí)現(xiàn)各種液態(tài)乳制品(包括純牛奶、調(diào)味牛奶、純酸奶和調(diào)味酸奶等)中的蛋白質(zhì)和脂肪含量的檢測，實(shí)現(xiàn)將近紅外光譜分析技術(shù)應(yīng)用干液態(tài)乳制品品質(zhì)檢測領(lǐng)域的應(yīng)用。

2 試驗(yàn)部分

2.1 試驗(yàn)樣品

試驗(yàn)樣品為各大超市購買的伊利、蒙牛、光明、龍丹、達(dá)能等知名品牌的液態(tài)乳制品，除此之外，還選用吉林省、遼寧省和江蘇省的當(dāng)?shù)靥禺a(chǎn)奶，奶樣共計(jì)60個(gè)。種類涵蓋了純牛奶、調(diào)味牛奶、原味酸牛奶和各種調(diào)味酸牛奶，每種奶樣品放入4℃冰箱內(nèi)保存?zhèn)溆谩?/p>

在上述60個(gè)樣品中，隨機(jī)選取47個(gè)樣品作為定標(biāo)樣本集用于定標(biāo)方程的求解，其余13個(gè)樣品作為預(yù)測樣品集，用于定標(biāo)方程的預(yù)測精度分析。

分別采用考馬斯亮藍(lán)法和羅茲——哥特里法進(jìn)行蛋白質(zhì)和脂肪的化學(xué)含量值測定。樣品的濃度分布如表1所示。

2.2 試驗(yàn)儀器

本試驗(yàn)采用北京第二光學(xué)儀器廠生產(chǎn)的WQF～400N傅立葉變換近紅外光譜儀，可在10000～3500cm^-1波譜范圍內(nèi)工作，采用光楔式干涉儀分光系統(tǒng)和激光干涉相位技術(shù)。儀器的主要參數(shù)和規(guī)格如下：

最小分辨率：2cm^-1

最大掃描次數(shù)：9999次

光源：IOW／6V鹵鎢燈

探測器：硫化鉛(PbS)探測器

2.3 試驗(yàn)方法的選擇

本研究的樣品屬于乳液體系，樣品中的乳液顆粒會對光產(chǎn)生散射效應(yīng)。光的走向和光程都不確定，常采用漫透射分析，需用比色皿做樣品池。但如果用比色皿作樣品池，在實(shí)際測量中會有兩方面的缺陷：一是限制了光程必須很短；二是不便于裝樣和清洗，特別是清洗將非常麻煩和困難。

綜合以上因素的考慮，對WQF-400N型傅立葉變換近紅外光譜儀進(jìn)行了改進(jìn)。本研究所用儀器采用江蘇大學(xué)自行設(shè)計(jì)的改進(jìn)型樣品池附件，附件的示意圖見圖1。

如圖1所示，附件的上半部分是不銹鋼材料制成的重物，稱為壓塊，它的表面經(jīng)過拋光處理，以起到反射鏡的作用，對近紅外光可以反射95％的能量。樣品池底部是氟化鈣材料的透明窗片，在重物與窗片之間是待測物品。

附件原理為：入射光線經(jīng)共軛拋物面反射后通過窗片照射到樣品的表面，發(fā)生漫透射之后，再經(jīng)過窗片和共軛拋物面的另一面聚焦后到達(dá)探測器。這種技術(shù)不再是單純的透射或者反射技術(shù)，而是將二者相結(jié)合，即：透射一反射一再透射。

這種測樣技術(shù)的優(yōu)點(diǎn)是：光程擴(kuò)大了一倍，信號也增加了一倍，同時(shí)由于是開放式的樣品池，也解決了裝樣和清洗的問題。

2.4 光譜的采集

由于以前還沒有應(yīng)用近紅外光譜技術(shù)在酸奶等液態(tài)乳制品方面的研究，樣品待測成分具有吸收峰不確定，并且由于全譜信息包含量大的原因，在本研究中對譜圖進(jìn)行分析時(shí)，先采用全譜分析。圖2為60個(gè)樣品的原始近紅外光譜圖。

3 建模與預(yù)測

采集到的樣品光譜首先進(jìn)行數(shù)據(jù)預(yù)處理，然后采用偏最小二乘(PLS)方法交互驗(yàn)證方式與待測成分質(zhì)量濃度的參考值建立系統(tǒng)校正模型，最后針對預(yù)測樣品集進(jìn)行模型預(yù)測。初建模型之后對光譜數(shù)據(jù)進(jìn)行優(yōu)化，得最終PLS模型。光譜分析過程采用江蘇大學(xué)近紅外課題組研發(fā)的NIRSA數(shù)據(jù)處理系統(tǒng)軟件處理。

3.1 光譜預(yù)處理

常用的光譜數(shù)據(jù)預(yù)處理方法有歸一化處理、正規(guī)化、平滑處理、導(dǎo)數(shù)處理、標(biāo)準(zhǔn)正態(tài)變量變換、多元散射校正以及小波變換等。本研究對這幾種預(yù)處理方法的處理效果進(jìn)行分析比較，根據(jù)預(yù)處理后所選的近紅外光譜建立的PLS模型的精度來恒量預(yù)處理的效果，找出最佳預(yù)處理方法。結(jié)果表明，在蛋白質(zhì)模型的建立過程中，對光譜進(jìn)行歸一化處理、7點(diǎn)二階微分和9點(diǎn)MAF平滑處理后的建模效果最好。在脂肪模型的建立過程中，對光譜進(jìn)行歸一化處理、9點(diǎn)一階微分處理和13點(diǎn)SGF平滑處理并進(jìn)行多元散射校正后建模效果最佳。圖3為一號樣品針對蛋白質(zhì)和脂肪指標(biāo)在采取相應(yīng)預(yù)處理方法后的光譜圖。

3.2 模型

采用交互驗(yàn)證法確定蛋白質(zhì)和脂肪模型的最佳主成分?jǐn)?shù)分別為4和8。對于蛋白質(zhì)和脂肪模型分別隨機(jī)選擇13個(gè)光譜樣品作為校正集樣品，47個(gè)樣品作為預(yù)測樣品集，用于檢驗(yàn)?zāi)Ｐ偷念A(yù)測能力。

在分別采用上述預(yù)處理方法后建立蛋白質(zhì)和脂肪的數(shù)學(xué)模型的預(yù)測效果如圖4所示：

4 模型的優(yōu)化與對比

4.1 波長優(yōu)選

由圖2所示的樣品的光譜圖中可看出，光譜曲線在各個(gè)區(qū)段表現(xiàn)出不同的光滑程度，在某些譜區(qū)噪聲很大，并且當(dāng)波數(shù)大于7500cm^-1時(shí)，光譜曲線變化很小，不具有任何吸收峰，顯然不能代表組分的特征譜區(qū)。這是因?yàn)镹IR光譜在高頻區(qū)信號微弱，信息重疊。在本研究中，將波點(diǎn)數(shù)大于7500cm^-1的部分截?cái)嗌崛ィ谎芯坎c(diǎn)數(shù)為3502～7500cm^-1譜段的1037個(gè)波長點(diǎn)的光譜。

波長優(yōu)選后建立蛋白質(zhì)和脂肪數(shù)學(xué)模型的預(yù)測效果如圖5所示。

4.2 剔除異常值

奇異樣品的存在會很大程度上影響甚至改變整體數(shù)據(jù)的分布，從而影響校正模型的準(zhǔn)確性和穩(wěn)健型。奇異點(diǎn)的有效剔除是校正模型及數(shù)據(jù)分析結(jié)果可靠的關(guān)鍵，是保證其它光譜處理方法有效的前提。因此檢查奇異點(diǎn)，判斷并剔除異常樣品是非常有必要的。本研究通過PLS聚類分析的60個(gè)樣本點(diǎn)的蛋白質(zhì)和脂肪指標(biāo)在3維主成分平面上的投影分布的結(jié)果和在不同平面的投影結(jié)果，剔除掉5號和13號樣品，然后再建立模型。

新的蛋白質(zhì)和脂肪模型的預(yù)測效果如圖6所示：

4.3 最終PLS模型的建立

本研究在對蛋白質(zhì)和脂肪兩個(gè)指標(biāo)分別進(jìn)行相應(yīng)的預(yù)處理方法后再進(jìn)行波長優(yōu)選和剔除異常值的優(yōu)化處理，最終建立數(shù)學(xué)模型預(yù)測效果如圖7所示。表2為各模型預(yù)測效果對比。

5 結(jié)語

實(shí)驗(yàn)結(jié)果表明，采用近紅外透反射技術(shù)開展液態(tài)乳制品品質(zhì)的研究，可以在很大程度上提取樣品的光譜特征，通過對預(yù)處理后光譜數(shù)據(jù)建立數(shù)學(xué)模型的預(yù)測效果比較滿意。

在對光譜數(shù)據(jù)進(jìn)行優(yōu)化之后，重新建立的蛋白質(zhì)和脂肪的數(shù)學(xué)模型的預(yù)測精度相當(dāng)高，預(yù)測效果非常滿意，，說明過對建模的光譜區(qū)間進(jìn)行優(yōu)選和對異常值進(jìn)行剔除，不但可以簡化模型，更主要的是由于不相關(guān)或非線性變量的剔除，可以使模型的預(yù)測能力更強(qiáng)，穩(wěn)健性更好。

本研究實(shí)現(xiàn)了近紅外光譜技術(shù)在液態(tài)乳制品檢測領(lǐng)域中的應(yīng)用，為設(shè)計(jì)出低成本便攜式的液態(tài)乳制主要營養(yǎng)成分的近紅外光譜分析儀的研究與開發(fā)奠定了基礎(chǔ)。