基于近紅外光譜技術對豆粉摻假的研究

朱帥偉++馬立威++李濤++陳小松++馬海濤++徐政++陳哲++趙巖

DOI：10.16660/j.cnki.1674-098X.2017.25.078

摘 要：目的 通過建立豆粉品質測量模型檢測市售豆粉蛋白質含量，便于了解市售豆粉真偽的現狀。方法 購于大型超市豆粉和不同產地大豆粉碎所得樣品共33份，其中定標集樣品23份，預測集樣品10份。另設定標集的陽性對照12份，摻假預測樣品3份。運用凱氏定氮法測定豆粉蛋白質的化學值、波通DA7200近紅外谷物品質分析儀收集光譜圖、光譜數據分析軟件Unscrambler分析光譜、PLS法建立豆粉品質測量模型，并對預測集樣品進行蛋白質值的預測。結果 成功建立豆粉品質測量模型，運用模型預測樣品成分，通過比較預測值與實際值，模型的效果良好。表征相關方程為Y=1.0111X-0.4548，決定系數R2=0.9869，定標標準偏差（SEC）為0.0912；預測集化學真值與預測值相關推斷方程為Y=0.9591X-1.6397，決定系數R2=0.9853，預測標準偏差（SEP）為0.0959。預測殘差均較小，蛋白質含量實測值和預測值的殘差之和為-0.03。結論 大型超市售賣豆粉未檢出摻假現象，散賣商戶摻假豆粉的檢出率為100%。

關鍵詞：豆粉 近紅外光譜法 DA7200 蛋白質含量

中圖分類號：TS214 文獻標識碼：A 文章編號：1674-098X（2017）09（a）-0078-04

Abstract： Objective To establish a soybean powder quality measurement model to detect the content of commercially available soybean protein，and to understand the status quo of the authenticity of commercially available soybean meal.Methods A total of 33 samples were obtained from large-scale supermarket soybean meal and soybean soda from different areas.Among them，23 samples were set and 10 samples were prepared.Another set of positive control set of 12 copies，adulterated prediction of three samples.Quantitative analysis of spectrophotograms，spectral data analysis software Unscrambler analysis spectroscopy and PLS method were used to establish the model of soybean flour quality measurement，and the samples were prepared by using Kjeldahl method.Prediction of protein values.Results The model of soybean flour quality was successfully established.The model was used to predict the sample composition.By comparing the predicted value with the actual value，the model was effective.The correlation equation is Y=1.0111X-0.4548，the coefficient of determination is R2=0.9869，and the calibration standard deviation （SEC） is 0.0912.The prediction equation is Y=0.9591X-1.6397，and the coefficient R2=0.9853，the predicted standard deviation （SEP） was 0.0959.The predicted residuals are small，the sum of the measured values of the protein content and the predicted values is -0.03.Conclusion The results showed that the detection rate of adulterated soybean powder was 100%.

Key Words： Soybean powder； Near infrared spectroscopy（NIRS）；DA7200；Protein content

大豆的營養素含量豐富，其中蛋白質含量比豬肉高2倍，是雞蛋含量的2.5倍[1]。大豆蛋白質的氨基酸組成和動物蛋白質近似，容易被消化吸收；大豆脂肪含有較多不飽和脂肪酸，可以阻止膽固醇的吸收，具有較高營養價值且易被消化吸收。豆粉是大豆經烘烤和粉碎而制成的食品，反映其品質的主要理化指標為蛋白質，常規的豆粉品質檢測方法如凱氏定氮法易受消化程度、實驗溫度、裝置的氣密性等影響，標準化困難；而被廣泛應用的NIRS是采集豆粉的光譜信息，建立快速、準確、簡便和穩定的豆粉品質評定方法，具有很好的理論研究意義和實際應用價值。

1 材料與方法

1.1 試劑材料與設備

樣品來源包括采購于大型超市的豆粉和從糧油市場中收集不同產地如黑龍江省（齊齊哈爾、佳木斯、綏化、黑河和北安）、吉林省、遼寧省的大豆原材料直接粉碎獲得豆粉，并編號。23份定標集樣品；10份預測集樣品。另設定標集陽性對照12份，摻假預測樣品3份。endprint

H2SO4（比重1.84）；NaOH溶液；2%H3BO3溶液；鹽酸；硒粉；甲基紅（0.1%）；溴甲酚綠（0.5%）；DA7200近紅外谷物品質分析儀（波通（Perten）公司，瑞典）；配套樣品池；KDN-04B凱氏定氮儀（上海新嘉電子有限公司）。

1.2 方法

（1）凱氏定氮法。

應用凱氏定氮儀，參照GB/T 14489.2- 2008[2]方法測定定標樣品豆粉蛋白質的化學值蛋白質含量，計算公式[3]：

%

式中：X為樣品中蛋白質的百分含量，g；V1為樣品消耗硫酸或鹽酸標準液的體積，mL；V2為試劑空白消耗硫酸或鹽酸標準溶液的體積，mL；N為硫酸或鹽酸標準溶液的當量濃度；0.014為1N硫酸或鹽酸標準溶液1mL相當于氮克數；m為樣品的質量（體積），g（mL）；F為氮換算為蛋白質系數。蛋白質中的氮含量一般為15%～17.6%，按16%計算乘以6.25即為蛋白質[4]。

（2）NIRS。

應用近紅外谷物品質分析儀收集豆粉光譜圖，光譜數據分析軟件Unscrambler X10.3進行光譜分析，PLS法建立豆粉品質測量模型，并用新建的模型對預測集豆粉進行蛋白質值的預測。

（3）建立模型的評價參數。

決定系數（R2：R squared）：R2在定標模型中表示定標相關系數，即定標模型對定標集變異所能描述出的百分率。如果R2=1，則意味著定標集濃度的變化可以被完全解釋出來，說明預測值與真實值一致，沒有偏差。而R2越小，表明擬合效果越差。R2的平方根，主要用于說明在模型的驗證中驗證集的真實值與預測值之間的相關度，越接近于1，說明預測效果越好。

偏差（Bias）：是驗證集的真實值與預測值差值的平均值，對于驗證結果而言，殘差值越小越好。

SEC：通過建立的定標模型對定標樣品集進行預測，所獲得的實驗室真實值和近紅外預測值之間的標準偏差。因其主要決定定標模型在預測樣品時所能達到的最佳準確度，故可用定標標準偏差來評價定標模型的優劣。

SEP：主要用于評價模型的預測能力，預測標準偏差越小，說明模型的預測效果越好。

（4）質量控制。

實驗所用樣品均來自大型超市、糧油市場，進入實驗室之后統一密封保存；平行測試結果符合規定的允許差，凱氏定氮法實驗中由不同時間段平行試驗知相對誤差分別為-1.5%、-1.6%（負號代表與標準測量值相比降低），小于2%，符合實驗室含氮物質測定要求；實驗過程中均由同一操作員進行實驗，減小實驗測量誤差。

2 結果

2.1 獲得原始豆粉光譜圖

實驗室環境溫度控制在15℃～35℃，濕度保持恒定，儀器預熱30min后進行自檢和性能測試，近紅外光譜間隔為5nm，每個樣品掃描3次。橫坐標是波長（nm），縱坐標為吸光度值log[1/R]（見圖1）。

2.2 凱式定氮法測定蛋白質化學值

定標集和預測集蛋白質質量分數的變化范圍、平均值及其變異程度（見表1）。

每一個編號的樣品進行2次重復測量，真實值為2次結果的平均值，避免實驗結果的偶然性，保證實驗結果的可靠性，再將陰性未摻假組與陽性對照組進行兩獨立樣本t檢驗，求得t=9.352，P<0.001，可認為兩組數據有差異。

2.3 模型的建立

采用偏最小二乘法[5]建立豆粉中蛋白質的定量分析模型。

運用近紅外定量分析軟件包OPUS建立模型：添加所采集的光譜，輸入化學值，使用全光譜范圍及光譜預處理方法，利用軟件自動優化功能選擇最佳建模光譜波段及最佳光譜預處理方法，進一步建立豆粉蛋白質的定量分析模型，并對模型預測效果進行檢驗。

2.4 對定標集及陽性對照組進行蛋白含量預測

在光譜波段950～1650nm選最優光譜預處理方法，用PLS法建立豆粉的校正模型，經過內部驗證后，應用一元線性回歸法得近紅外預測值與實測值相關性，表征相關性方程為Y=1.0111X-0.4548，決定系數R2=0.9869，SEC為0.0912。對相關系數進行統計推斷得P<0.05，即認為兩變量間線性相關有統計學意義。見圖2。

2.5 近紅外光譜法測定蛋白質化學值

預測集及摻假預測樣品蛋白質質量分數的真實值與預測值見表2。

對10份預測集樣品及3份摻假預測樣品用一元線性回歸法得近紅外預測值與實測值相關性，表征相關性方程為Y= 0.9591X-1.6397，決定系數R2=0.9853，SEP為0.0959，對相關系數進行統計推斷P<0.05，即認為兩變量間線性相關有統計學意義。見圖3。

3 討論

隨著現代科學技術的快速發展，對食品品質檢測技術的要求已經從一般性的檢測擴展到快速動態分析和綠色無損檢測，從單一指標的檢測發展到多元指標同時檢測。快速檢測技術的研究和完善，不僅可以加強食品安全的管理，還可以為人們的消費提供科學指導。大量的文獻查閱和研究資料表明，近紅外光譜分析技術不僅可以做到對樣品的無損處理而且可以對其進行快速、便捷的檢測。本實驗主要完成了以下幾個方面的工作。

本實驗所得光譜曲線（圖1）因化學值異常的判斷比較復雜，故并不會做異常樣品剔除處理[6]。光譜區域重疊多、譜帶復雜，會出現影響模型可靠性與穩定性不相關信息，故在建立模型前，需對豆粉的原始光譜進行預處理，目的是消除光譜偏移或基線變化等因素對模型性能的影響，確保光譜數據與待測樣品品質之間有很好的相關性。

本實驗采用的23份定標樣品的變異程度范圍是36.85%～44.37%，10份預測樣品的變異程度范圍是39.53%～46.03%，樣品的蛋白質含量在34.13%～48.31%[7]，說明樣品具有一定的代表性，可準確進行模型的建立。endprint

將預測集樣本的譜圖數據輸入校正模型可完成模型評價及優化修正，從而通過預測集樣本的光譜數據和建立的校正模型預測出對應成分含量，以檢驗定標模型的預測精度[8]。本實驗運用國標法和NIRS所測定定標樣品的蛋白質質量百分數在34.13%～48.31%且定標模型相關性方程的R2=0.9869，SEC為0.0912，說明該模型有較好的準確性。

本實驗通過分析偏差和（見表2），蛋白質含量實測和預測值的殘差之和（0.03）接近于0，說明建立的蛋白質含量定標模型預測性能較好。由圖3可知預測樣品的化學值和預測值的相關性方程的R2=0.9853，接近于1，與定標模型的決定系數0.9869接近，SEP為0.0959。相對較小預測標準差與較大決定系數可以證明定標模型預測效果較優，那么所創建的近紅外光譜分析方法用于定量測定豆粉中蛋白質含量有較高的準確性[9]。

4 結語

運用近紅外光譜技術對大型超市豆粉的檢測證明無摻假現象；對散賣商戶摻假樣品的檢出率為100%。

參考文獻

[1] 楊月欣，王光亞，潘興昌.中國食物成分表2002[M].北京：北京大學醫學出版社，2002.

[2] 中華人民共和國衛生部.GB/T 14489.2-2008，食品安全國家標準食品中蛋白質的測定[S].

[3] 陳智慧，史梅，王秋香，等.用凱氏定氮法測定食品中的蛋白質含量[J].新疆畜牧業，2008（5）：22-24.

[4] 張墨英，程瑞慶.紫外吸收光譜法測定豬肉中蛋白質的含量[J].無錫輕工業學院學報，1995（4）：331-335.

[5] 金華麗，王金水.近紅外光譜法檢測小麥粉中灰分含量的研究[J].河南工業大學學報：自然科學版，2010（1）：14-17，21.

[6] 閔順耕，李寧，張明祥.近紅外光譜分析中異常值的判別與定量模型優化[J].光譜學與光譜分析，2004，24（10）：1205-1209.

[7] 田志剛，范杰英，康立寧，等.我國東北地區大豆品種油脂與蛋白質含量現狀分析[J].吉林農業科學，2009（5）：7-9.

[8] 劉樹深，易忠勝.基礎化學計量學[M].北京：科學出版社，1999.

[9] 金華麗，卞科.近紅外光譜法檢測小麥粉中的水分含量[J].中國糧油學報，2010（8）：109-112.endprint