羊酸奶質構特性的近紅外光譜定量分析

祝 靜，丁 武*

羊酸奶質構特性的近紅外光譜定量分析

祝 靜，丁 武*

(西北農林科技大學食品科學與工程學院，陜西 楊凌 712100)

探討利用近紅外光譜技術(NIRS)快速測定羊酸奶質構特性的可行性。以不同菌種和工藝條件生產出45種質構特性差異較大的羊酸奶，通過解析樣品的近紅外光譜圖，采用二階導數(SD)方法進行預處理，運用偏最小二乘法(PLS)建立羊酸奶硬度、黏聚性和保水力質構參數的校正模型，其校正相關系數R2分別為0.6668、0.6461、0.7269，所建模型驗證R2分別為0.7577、0.7200、0.7174。對預測值與實測值進行t檢驗，差異不顯著(P＞0.05)。結果表明：NIRS適合評價羊酸奶的質構特性，具有一定的準確性與預測能力，但是建模方法值得進一步研究以提高預測的精度。

羊酸奶；近紅外；質構特性；偏最小二乘法

羊酸奶是以鮮羊奶為原料，經過預處理、滅菌、接種乳酸菌后，由生物發酵而制成的一種活性乳酸菌制品[1]。由于羊奶中含有200多種營養物質和生物活性物質[2]，風味別致、功能獨特、營養價值高，因而成為乳品市場的新寵。

近紅外光譜技術具有快速、簡便、無污染、可在線檢測等優點，在原料檢測、產品質量控制與分析等方面發揮著重要的作用[5]，目前多用于化學成分的檢測。但是隨著光學、電子技術和化學計量學的發展，近年來，它在物性檢測方面也逐漸被重視，已開始被用于進行食品品質評價與食品感官分析方面的研究[6-7]。

Esteban-Direz 等[8]探討了近紅外光譜與咖啡感官值之間的相關性，并采用PLS 方法對咖啡的感官性狀建立了酸度、苦味、口感、回味的模型；侯卓成等[9]利用近紅外光譜儀測定保存時間不同的雞蛋，運用無偏最小二乘法建立了雞蛋蛋白高度、雞蛋氣室直徑、氣室高度的近紅外測定模型；Karoui等[10]研究了近紅外光譜分析技術預測奶酪感官特性的可行性，對歐洲不同地方的20種瑞士奶酪的一些感官特性進行分析，并采用PLS 建立了感官評定值與近紅外光譜之間的關系模型。但近紅外光譜技術在酸奶中的應用主要限制在檢測酸奶的脂肪、蛋白質以及總干物質等化學指標[11-14]，很少有報道研究近紅外光譜預測酸奶的感官質構特性。

而酸奶的質構特性直接影響酸奶的品質和人們對酸奶的接受程度，并且受到很多生產因素的影響[3-4]。本研究采用質構儀測定羊酸奶的硬度與黏聚性，運用離心法測定羊酸奶的保水力，使用傅里葉變換近紅外光譜儀采集羊酸奶的近紅外光譜；通過解析譜圖和采用二階導數法對光譜預處理，將比較復雜的弱光譜信息有效提取出來，用偏最小二乘法對羊酸奶的近紅外光譜數據進行定量分析，并對樣本進行預測，探討利用近紅外光譜技術快速檢測羊酸奶的質構特性的可行性，為酸奶質構特性的在線監控技術的研究提供參考。

1 材料與方法

1.1 材料

美羚純羊奶粉 陜西紅星乳業有限公司；脫脂乳粉上海光明乳業有限公司；蔗糖(食品級)市售。

保加利亞乳桿菌、嗜熱鏈球菌、丁二酮乳鏈球菌黑龍江乳品保藏中心；雙歧桿菌 本實驗室提供。

采用4種菌種，使用不同的菌種添加量(2%～6%)，不同的菌種配比(1:2～3:1)，不同的發酵溫度(34～42℃)，以及不同的加糖量(6%～10%)，按常規的酸奶工藝流程發酵羊奶，凝固后置于4℃冰箱后熟，獲得質構特性差異較大的45種羊酸奶樣品。

1.2 儀器與設備

MPA傅里葉變換近紅外光譜儀 德國布魯克公司；TA-XT2i質構分析儀 英國SMS公司；小型臺式離心機 德國Sigma公司。

1.3 方法

1.3.1 樣品的近紅外光譜采集

光譜儀的主要工作參數為：掃描譜區范圍3500～12000cm-1，光源10W/6V，分辨率－4cm-1，掃描次數為64次。為了減少樣品的不均勻性，將柱形樣品容器依次旋轉120°，平行測定3次取平均值。

1.3.2 保水力的測定

吸取5mL奶樣，4℃的樣品放入刻度離心管中，4000r/min離心20min，1min之后讀數。酸奶的保水力用離心后沉淀物的體積分數表示[15]。

1.3.3 硬度和凝聚性的測定

選用質構分析儀的A/BE 探頭：直徑為35mm的壓力盤。測定的參數設置為：下降速度與測試速度1.0mm/s，提升速度1.0mm/s，測試深度30.0mm，記錄探入過程中所需的應力(g)[16]。所得質構特征曲線圖的最大正峰值為硬度，最大負峰值為黏聚性。如圖1所示。

圖1 反擠壓探頭A/BE測量質構代表曲線Fig.1 Representative textural curve measured using inverted extrusion probe A/BE

1.4 模型的建立與驗證

利用OPUS5.5分析軟件(德國布魯克公司) 對采集的羊酸奶近紅外光譜進行預處理，按照測定的理化指標值的分布將羊酸奶分為校正集和驗證集。在OPUS5.5 QUNAT-2定量分析軟件中輸入校正集的光譜和相應的理化值，選擇適當的預處理方法和光譜范圍，用偏最小二乘法(PLS)計算程序進行優化運算，用交互驗證(crossvalidation)的方法來確定模型的最佳主成分維數(rank)，利用實測值與模型計算值之間的相關系數(R2)，交互驗證均方根差(RMSECV)來選擇最優校正模型，其值是R2偏高為好，RMSECV偏小為好。建立校正模型后，輸入驗證集光譜和相應的理化值，對驗證集進行預測，用預測值與實測值的預測相關系數(R2)，預測標準差(RMSEP)來評價模型的好壞。

2 結果與分析

2.1 羊酸奶的質構指標測定值分布情況

表1 羊酸奶的硬度、黏聚性、保水力實測值分析Table 1 Statistical analysis of calibration and validation sets of firmness, cohesiveness and water holding capacity of goat yoghurt samples

建立模型的質量好壞很大程度取決于樣品真實值的檢測精度以及樣品檢測參數的覆蓋范圍。測試45個樣品的質構指標，取33個樣品作為近紅外光譜建模時的校正集，12個作為驗證集，其測量值分布見表1。由校正集和驗證集中硬度、黏聚性和保水力的測量值范圍、平均值和極差可知，本實驗校正組和檢驗組的3個質構指標的覆蓋范圍較廣，且基本時以平均值為中心呈正態分布，說明樣品具有一定的代表性，而且樣品檢驗組的含量范圍都在校正組的含量范圍內，所以可以較準確地評價模型的質量。

2.2 羊酸奶的近紅外光譜分析

圖2 羊酸奶樣品的近紅外光譜圖Fig.2 Average MIR reflectance spectra of goat yoghurt samples

圖2 為羊酸奶樣品的平均近紅外光譜圖，所有樣品的光譜圖形狀具有相似性，在4000～12000cm-1范圍內包含有豐富的吸收峰信息，在5213、6827cm-1等處有鮮明的特征吸收峰，酸奶的主要吸收物質是蛋白質、脂肪、乳糖和水分。但不同的羊酸奶樣品由于其內部化學成分和組織結構的不同，其光譜圖的波峰強度有較大的差異。總之，羊酸奶的近紅外光譜有較明顯的變化范圍，具有一定的特征性和指紋性，這為羊酸奶的硬度、黏聚性和保水力的定量建模奠定了基礎。

2.3 模型的建立與優化

采用偏最小二乘法建立酸奶硬度、黏聚性、保水力的定標模型。采用PLS方法建立校正模型時，如果選用的主成分數過少，則不能完全反映未知樣品被測參數所產生的測量光譜數據變化，降低其模型的預測準確度；選用過多的主成分數，就可能將一些代表噪聲的主成分加到模型中，降低其模型的預測能力。因此，在建模過程中采用“剔一”交叉驗證法來確定合理的主成分維數，以充分利用光譜信息和濾除噪聲。本研究應用OPUS QUANT 2定量分析軟件中的優化功能選擇最佳建模條件，比較不同波段，不同預處理方法和不同主成分數下PLS建模效果，評價指標為R2偏高為好，RMSECV偏小為好，分別優化確定了最佳光譜預處理的最優光譜波段和最佳主成分數，建立了羊酸奶的硬度、黏聚性、保水力的預測模型，各模型的主要參數及驗證效果見表2。

表2 羊酸奶3種質構特性最優PLS模型的主要參數與預測效果Table 2 Figures of merit of developed prediction models for firmness, cohesiveness and water holding capacity

由表2可知，當建模波段選取11995.4～7498.1cm-1，光譜經過二階導數預處理，主成分選擇5時，建立的酸奶硬度定量校正模型R2達到最大為0.6668，RMSECV達到最小為2.89；當建模波段選取11995.4～6746.8cm-1，光譜經過二階導數預處理，主成分選擇6時，建立的酸奶的黏聚性定量校正模型R2達到最大為0.6461，RMSECV為5.27；當建模波段選取6101.9～5448.1cm-1，光譜經過二階導數預處理，主成分選擇8時，建立的酸奶保水力定量校正模型R2達到最大為 0.7269，RMSECV為5.25。所建3個定量校正模型預測值和實測值相關性都在63%以上，具有一定的準確性與預測能力。

2.4 模型的驗證與評價

圖3 驗證集樣品硬度預測值與實測值關系圖Fig.3 Relationship between the predicted and actual values of firmness

圖4 驗證集樣品黏聚性預測值與實測值關系圖Fig.4 Relationship between the predicted and actual values of cohesiveness

圖5 驗證集樣品保水力預測值與實測值關系圖Fig.5 Relationship between the predicted and actual values of water holding capacity

建立了定量校正模型后，還需對模型進行驗證。用所建3個定量校正模型預測驗證集的12個樣品，預測結果見圖3～5，硬度校正模型對驗證集12個樣品的預測值與實際值的R2為0.7577 ；黏聚性校正模型對驗證集12個樣品的預測值與實際值的R2為 0.7200；保水力校正模型對驗證集12個樣品的預測值與實際值的R2為0.7174。對3個模型的預測值與實測值分別進行t 檢驗，結果顯示預測值與實測值差異都不顯著(P＞0.05)。預測結果的R2都超過了70%，說明校正模型的預測效果較好，NIRS適合評價羊酸奶的質構特性，但模型應用于實際還需要進行深入的研究，還需進一步優化。

3 結 論

基于近紅外光譜技術的快速、簡便等優點，本研究建立了羊酸奶的硬度、凝聚性和保水力質構特性的近紅外檢測模型，其測定模型的預測值和實際值的相關系數R2分別為0.6668、0.6461、0.7269。應用所建模型對12個羊酸奶樣品的質構特性進行預測，模型驗證的R2分別為0.7577、0.7200、0.7174，進行t檢驗的結果顯示預測值與實測值差異不顯著(P＞0.05)。使用近紅外光譜技術預測羊酸奶的質構特性具有一定的可行性，為羊酸奶生產加工中質構品質的在線監控提供了新的研究方向。但是由于羊酸奶成分比較復雜，影響酸奶的質構特性的因素很多，以及建模樣品的數量有限，建立模型的預測精確性還有待提高。

[1]李瑩, 周劍忠, 努爾古麗·熱合曼, 等. 山羊酸奶加工工藝研究[J].乳業科學與技術, 2008(3): 104-106.

[2]曹斌云, 羅軍. 山羊奶的營養價值與特點[J]. 畜牧獸醫雜志, 2007, 26(1): 49-50.

[3]范宇, 陳歷俊, 趙常新. 酸奶質構影響因素研究進展[J]. 中國乳品工業, 2009, 37(7): 30-34.

[4]羅陽, 王錫昌, 鄧德文. 近紅外光譜技術及其在食品感官分析中的應用[J]. 食品科學, 2009, 30(7): 273-276.

[5]嚴衍祿, 趙龍蓮, 韓東海, 等. 近紅外光譜分析基礎與應用[M]. 北京:中國輕工業出版社, 2005: 174-177.

[6]OSBORNE B G, FEARN T, HINDLE P H. Practical NIR spectroscopy with applications in food and beverage analysis (Longman food technology) (Hardcover)[M]. UK: Essex, 1993: 227.

[7]GIVENS D I, OWEN E, AXF R F E, et al. Forage evaluation in ruminant nutrition[M]. UK: Publishing Reading, 2000: 301.

[8]ESTEBAN-DIREZ I, GONZALEZ-SAIZ J M, PIZARRO C. Prediction of sensory properties of espresso fromroasted coffee samples by nearinfrared spectroscopy[J]. Analytica Chimica Acta, 2004, 525: 171-182.

[9]侯卓成, 楊寧, 李俊英, 等. 傅里葉變換近紅外反射用于雞蛋蛋品質的研究[J]. 光譜學與光譜分析, 2009, 29(8): 2063-2068.

[10]KAROUI R, PILLONEL L, SCHALLERC E, et al. Prediction of sensory attributes of European Emmental cheese using near-infrared spectroscopy: a feasibility study[J]. Food Chemistry, 2006, 101: 1121-1129.

[11]WOO Y A, TERAZAWA Y, CHEN Jieyu, et al. Development of a new measurement unit (MilkSpec-1) for rapid determination of fat, lactose, and protein in raw milk using near-infrared transmittance spectroscopy [J]. Applied Spectroscopy, 2002, 56(5): 559-604.

[12]李慶波, 汪曣, 徐可欣, 等. 牛奶主要成分含量近紅外光譜快速測量法[J]. 食品科學, 2002, 23(6): 121-124.

[13]王麗杰, 徐可欣, 郭建英. 采用近紅外光譜技術檢測牛奶中脂肪、蛋白質及乳糖含量[J]. 光電子: 激光, 2004, 15(4): 468-471.

[14]王麗杰, 徐可欣, 郭建英. 對牛奶成分近紅外光譜分析方法的研究[J]. 哈爾濱理工大學報, 2004, 9(5): 36-38.

[15]SERAFETTINC C, IHSAN B. Some properties of yoghurt producedby ddding mulberry pekmez (concentrated juice) [J]. International Journal of Dairy Technology, 2003, 56(1): 26-29.

[16]李春紅, 張明晶, 潘家榮. 物性測試儀在黏稠類食品品質評價上的應用研究[J]. 現代科學儀器, 2006(6): 111-113.

Quantified Analysis of Textural Properties of Goat Yoghurt by Near Infrared Spectroscopy

ZHU Jing，DING Wu*
(College of Food Science and Technology, Northwest A & F University, Yangling 712100, China)

The aim of this study was to assess the feasibility of using near infrared spectroscopy (NIRS) to rapidly determine three textural properties of goat yoghurt: firmness, cohesiveness and water holding capacity. Forty five goat yoghurt samples fermented by different strains under different process conditions were subjected to near infrared spectral analysis, and their spectra were resolved, and based on pre-processing by second derivative (SD) method, prediction models for firmness, cohesiveness and water holding capacity were developed with partial least square (PLS), with determination coefficients (R2) of 0.6668, 0.6461and 0.7269, respectively. The correlation coefficient of external-validation for 12 goat yoghurt samples was 0.7577 for firmness, 0.7200 for cohesiveness and 0.7174 for water holding capacity. No significant difference was found in t tests between the predicted and experimental values of these three parameters (P＞ 0.05). The above results show that NIRS is applicable to assess the textural properties of goat yoghurt with good accuracy. However, further studies on statistical modeling need to be done for improving prediction precision.

goat yoghurt；near infrared spectroscopy；textural property；partial least squares

TS252

A

1002-6630(2010)19-0170-04

2010-06-28

農業部公益性行業(農業)科研專項經費項目(3-45)；西北農林科技大學校青年學骨干支持計劃資助項目

祝靜(1985—)，女，碩士研究生，主要從事乳品發酵技術研究。E-mail：xueying1015@126.com

*通信作者：丁武(1971—)，男，副教授，博士，主要從事畜產品加工和食品安全方向的研究。E-mail：dingwu10142000@hotmail.com.cn