饒河蜂蜜產地溯源的研究

馬占峰

（哈爾濱市產品質量監(jiān)督檢驗院，150090）

饒河蜂蜜產地溯源的研究

馬占峰

（哈爾濱市產品質量監(jiān)督檢驗院，150090）

為了對蜂蜜進行產地溯源，對地理標志產品東北黑蜂蜂蜜產地造假進行甄別，本研究分別通過中紅外光譜技術和電感耦合等離子體質譜儀對饒河地區(qū)的蜂蜜樣品和其他地區(qū)非饒河地區(qū)蜂蜜樣品進行建模分析。其中，中紅外光譜分析技術所建立的模型，對蜂蜜產地判定準確率可以達到91.43%；電感耦合等離子體質譜儀分析技術所建立模型對蜂蜜產地判定準確率為93.75%。結果表明，中紅外光譜技術和電感耦合等離子體質譜儀分析技術均能夠對饒河蜂蜜產品進行產地溯源。

饒河蜂蜜，中紅外光譜分析，ICP-MS，主成分分析，判別模型

黑龍江省饒河東北黑蜂國家級自然保護區(qū)是中國乃至亞洲唯一的國家級蜂種保護區(qū)。區(qū)內不僅生態(tài)環(huán)境良好，蜜源膠源植物豐富，而且三面環(huán)山一面環(huán)水，具有得天獨厚的良好自然屏障隔離條件，大部分地貌仍然保持原始狀態(tài)。在蜂產品生產過程中，嚴格按照歐盟有機食品組織制定的“有機食品生產操作規(guī)范”組織生產，自1996年以來，被歐盟ECOERT有機食品組織認證為有機食品，是我國主要優(yōu)質蜂產品之一，并在國際第33屆養(yǎng)蜂大會暨蜂產品博覽會上分別獲金獎和銅獎。國家質量監(jiān)督檢驗檢疫總局于2012年12月9日發(fā)布了第128號公告，批準了饒河東北黑蜂為原產地域產品保護的申請。黑蜂抗病力強，幾乎不需要使用抗生素免疫，從根本上解決了蜂產品常見的獸藥殘留問題［1］。

但是，在蜂蜜的銷售和流通環(huán)節(jié)，特別是在中國市場存在著個別經營者一味追求高額利潤，標識混亂、傍品牌、冒名牌、以次充好等制造、銷售假冒偽劣蜂蜜的行為，嚴重擾亂和干擾了正常的蜂蜜消費市場秩序［2］。當前，對蜂蜜產地來源鑒別主要停留在從標簽的識別、感官檢查［3］和花粉形態(tài)學分析等階段。感官分析受蜂蜜儲存、加工、結晶等過程的影響，會帶有一定的主觀性、經驗性和不確定性。而花粉形態(tài)學分析法是通過對蜂蜜進行稀釋、離心，在顯微鏡下分析蜂蜜中花粉類型、數(shù)量來判斷蜂蜜真?zhèn)巍⒌赜騺碓春推贩N純度［4］。該方法具有良好的重復性，但該方法的準確度和精確度與蜂蜜中花粉的含量、種類組成、形態(tài)、來源、采蜜方式、放蜂環(huán)境等因素有關，而且需要經驗豐富的專家進行判斷。同時該方法在辨別純蜂蜜和摻入花粉的假蜂蜜方面還不夠成熟，不能真實、客觀地反映被檢樣品的特征。上述方法缺少客觀性和科學性，不能統(tǒng)一、系統(tǒng)的對品牌造假蜂蜜進行準確的判定，無法對地理標志產品的品牌給予應有的保護。因此，如何有效、全面地鑒別和評價不同品牌蜂蜜，已經成為當前蜂蜜質量控制的技術瓶頸［5］。研究和創(chuàng)新蜂蜜品牌產地溯源的理論與技術，對于制定不同產地蜂蜜鑒別技術標準，有效指導蜂蜜市場價格，規(guī)范市場秩序，具有重要的理論價值和實踐意義。

本文分別利用中紅外技術［6-7］，電感耦合等離子體質譜儀對饒河地區(qū)的蜂蜜樣品和其他地區(qū)非饒河地區(qū)蜂蜜樣品進行主成分分析，建立蜂蜜產地溯源判別模型，能準確判別出蜂蜜產地［8］，具有快速、準確、實驗過程無污染等優(yōu)點，充分保護地理標志產品的品牌利益。

1　實驗材料與方法

1.1主要儀器與試劑

中紅外福斯光譜分析儀：MilkoScan FT120型，配備質量保證模塊-QA模塊，丹麥FOSS公司；

超純水機：Milli-Q Advantage型，美國密理博公司；

電子天平：梅特勒AL104型，美國梅特勒-托利多公司；

磁力攪拌器：RO10型，德國IKA公司；

水浴鍋：HH-S6數(shù)顯雙列六孔水浴鍋，基諾儀器公司；

電感耦合等離子體質譜儀7700（ICP-MS，美國Angilent公司），配置玻璃同心霧化器；

鎳采樣錐；

Ar和He作為碰撞氣；

MARS Xpress微波消解儀（美國CEM公司）；

蜂蜜樣品：饒河和具有代表性的其他地域蜂蜜樣品；

實驗用水均為去離子水。

1.2實驗方法

1.2.1中紅外光譜分析法

1.2.1.1樣品制備

對所有待測蜂蜜樣品進行編號處理，并進行記錄。對存在結晶現(xiàn)象的樣品于50℃水浴鍋中進行加熱，直至樣品中無結晶現(xiàn)象為止。分別對樣品進行5倍稀釋和10倍稀釋。分別精確稱取待測樣品5g（±0.05g）于100mL燒杯中，加入30mL去離子水，放入磁子。將燒杯置于磁力攪拌器上攪拌，設定溫度為30℃，攪拌8min。待樣品均勻后轉移至50mL比色管中，并用去離子水清洗燒杯全部轉移至比色管中，定容至標線，搖勻后待檢。再分別準確稱取待測樣品10g（±0.05g）于100mL燒杯中，重復以上操作后，樣品待檢。

1.2.1.2樣品掃描

首先對分析儀作標準化，測量前，預熱中紅外福斯光譜分析儀，進行充分的清洗和調零，使儀器達到最佳狀態(tài)，然后將蜂蜜樣品按照定標樣品收集光譜信息，每個樣品均要掃描兩遍，然后取平均值；將驗證集合的樣品按照以上制備方法進行制備，實際檢測并收集光譜信息。

1.2.1.3判別模型的建立

采用主成分分析（PCA）回歸方法，按照PCA定標程序選擇確定的模塊、饒河蜂蜜樣品集及驗證樣品集，根據實際情況調整確定主成分數(shù)（F值）和門檻值（T值），建立產地溯源模型。對模型的F因子、T因子的調整，要以饒河地區(qū)樣品集和其他地域樣品驗證樣品集相互對照來調整，首先F的設定數(shù)值決定著地區(qū)樣品集的一致性，即地區(qū)樣品的光譜應趨于一致，不能差異過大。T因子的調整以驗證集合為調整基礎，應把饒河地區(qū)樣品的數(shù)據置于T因子以下，保證地區(qū)樣品不被報警，同時要保證其他地域樣品置于T因子以上。可以留出一定的報警空間，以避免正常樣品的誤判。

1.2.2電感耦合等離子體質譜儀法

1.2.2.1原理：利用ICP-MS對來自于饒河多個區(qū)域的102個蜂蜜樣品和其他地域的31個蜂蜜樣品中B和Sr及其同位素的含量進行分析。所得數(shù)據與化學計量學方法結合并探尋這些元素和蜂蜜樣品產地之間的關系。采用主成分分析的方法，對所有的數(shù)據采用MPP化學計量軟件進行統(tǒng)計學分析，并構建了Decision Tree、Naive Bayes、Neural Network、Partial Least Square Discriminate和Support Vector Machine五種判別模型。隨機抽取饒河蜂蜜11個和外地蜂蜜5個，對五個模型進行驗證。

1.2.2.2實驗方法：稱取蜂蜜樣品0.1g，并加入HNO3和H2O2將其微波消解至透明，用ICP-MS檢測樣品中的Sr84，Sr86，Sr87，Sr88，B10，B11，He碰撞氣去同量異位素干擾，并用標準物質進行質量校正。對所測結果進行同位素豐度比并運用Angilent MPP軟件對各同位素豐度比值進行數(shù)據分析和建立模型。

2　結果與討論

2.1中紅外光譜分析法

樣品經前處理后，采用MilkoScan FT120一起進行測定，并利用MilkoScan FT120的質量控制模塊對所測的多種成分和樣品的光譜信息進行建模分析，采用模式識別技術，對檢測數(shù)據信息進行處理和分析，通過調節(jié)模型的主成分數(shù)（F值）和門檻值（T值）來對模型進行篩選和優(yōu)化，并確定出最佳的判別模型。應用模型對實際的樣品進行判別時，模型會對差異性較顯著的樣品自動報警。表1為樣品經5倍稀釋測定的通過對F值和T值設定不同值，判別模型的校正集合和驗證集合的判定正確率，圖1和圖2分別為F=3，T=2的校正集和判別模型圖。表2為樣品經10倍稀釋測定的加過通過對F值和T值設定不同值，判別模型的校正集合和驗證集合的判定正確率，圖3和圖4分別為F=5，T= 1.76的校正集和判別模型圖。

圖1　F=3，T=2的校正集合

圖2　F=3，T=2的驗證集合

表1　5倍稀釋蜂蜜樣品的判別結果

表2　10倍稀釋蜂蜜樣品的判別結果

圖3　F=5，T=1.76的校正集合

圖4　F=5，T=1.76的驗證集合

本研究利用中紅外光譜分析儀，分別采用5倍稀釋和10倍稀釋的前處理方法對95個饒河地區(qū)蜂蜜樣品和其他地域具有代表性的35個蜂蜜樣品進行測定，利用質量控制模塊和分析軟件對樣品集和校正集進行建模處理，通過對建立的模型加以篩選和優(yōu)化，最終確定當F=3，T=2所建立的判別模型符合建模要求，該識別模式可以進行較為準確的判別，判定準確率為91.43%。

2.2電感耦合等離子體質譜儀法

通過實驗分析，確定三個主成分并建立三維立體模型（圖5），采用三個主成分兩兩交互建立二維模型，運用Agilent MPP軟件建立Decision Tree、Naive Bayes、Neural Network、Partial Least Square Discriminate和Support Vector Machine五種模型。并隨機篩選饒河蜂蜜11個和外地蜂蜜5個，對五個模型進行驗證。

如圖5所示，紅色點代表饒河蜂蜜的數(shù)據點，藍色代表其他地域蜂蜜樣品的數(shù)據點，從圖中可以看出兩種樣品差異性顯著。

通過對五個模型的驗證分析，得出Decision Tree模型及預判結果最佳。詳見表3和圖6。

圖5　3D分布圖

圖6　Decision Tree模型中waidifengmi1的Component1和Component2交互圖

如表3和圖6所示，Confident Meatur數(shù)值都接近1，證明該模型可信度很高，對應的結果顯示只有一個為誤判，即Sample為waidifengmi1（表中帶菱形標注的樣品）誤判為饒河。總體預判準確率為93.75%，判定準確率＞90%，符合模式識別判別模型的統(tǒng)計學要求。

表3　Decision Tree模型預判結果

3　結語

綜合近年來國內外高水平期刊的發(fā)表情況可以看出，關于食品產地溯源的研究還相對較少，且結合模式識別技術的應用還處于探索階段，具有較好的研究前景。中紅外光譜憑借其檢測方便、快速、高效、無污染、樣品無需復雜預處理等優(yōu)勢在檢測、鑒別等方面的研究應用日益受到廣泛的關注。電感耦合等離子體質譜（ICP-MS）分析技術對食品產地溯源也是公認的最有效方法之一，通過同位素分析，結合地形、氣候、地質等因素探討同位素礦物元素的變化規(guī)律［9］，快速有效的對產地進行溯源。

本研究中的兩種產地溯源方法各有優(yōu)勢，均能準確的判斷食品產地，在日常就監(jiān)督檢測中可以對二者進行結合，使得判定結果更加準確，建立健全食品溯源體系。

［1］別梅.蜂產品中多種農獸藥殘留同步檢測技術研究，《天津商業(yè)大學》，2012，（3）:1-2.

［2］鐘艷萍，鐘振聲，陳蘭珍.近紅外光譜技術定性鑒別蜂蜜品種及真?zhèn)蔚难芯浚跩］.現(xiàn)代食品科技，2010，（11）:125-128.

［3］陳蘭珍，李褶.近紅外光譜在蜂蜜溯源中的研究進展［J］.質量安全期刊，2012，（4）:21-23.

［4］王顏紅，李國琛，張紅，等.食品產地溯源技術研究進展［J］.農產品質量與安全，2012，B9:15-18.

［5］王強，薛曉鋒，趙靜.質譜檢測技術在蜂蜜溯源分析中的應用［J］.中國農業(yè)科技導報，2013，（4）:4-6.

［6］趙秀琴.中紅外光譜分析技術及研究進展［J］.安慶師范學院學報（自然科學版），2012，（4）:2-3.

［7］張文海，顧小紅，周文果，等.中紅外光譜技術在乳制品分析中的應用研究［J］.中國乳品工業(yè)，2013，（1）:40-43.

［8］袁玉偉，張志恒，葉雪珠，等.蜂蜜摻假鑒別技術的研究進展與對策建議［J］.食品科學，2010，（9）:318-322.

［9］馬英軍，劉叢強花崗巖化學風化過程中的Sr同位素演化-礦物相對風化速率的影響［J］.中國科學（D輯），2001，31（8）: 634-640.

The Research of Raohe Honey Origin Traceability

Ma Zhanfeng
（Harbin Product Quality Supervision and Inspection Institute，Harbin 150090）

In order to trace origin of honey，to identify fraud out of geographical indication products northeast black bee honey，we used the infrared spectrum and Inductively Coupled Plasma Mass Spectrometer to analyze Raohe honey and other districts honeys，and used chemical metrology software to set up discriminant models.The honey origin decision accuracy of two methods were 91.43%with the infrared spectrum and 93.75%with Inductively Coupled Plasma Mass Spectrometer，respectively.The results showed that the Infrared Spectrum Technology and Inductively Coupled Plasma Mass Spectrometer analysis techniques were able to RaoHe honey product origin traceability.

RaoHe origin honey，The Infrared Spectrum ICP-MS，Principal Component Analysis，Recognition model

國家質檢總局科技計劃項目，項目編號：2013QK221