速溶普洱茶中水分、咖啡堿和茶多酚含量近紅外光譜快速測定方法的建立

白曉麗，郭衛(wèi)華，孔俊豪 ，劉順航，李長文

(1.云南天士力帝泊洱生物茶集團有限公司，云南普洱665000;2.中華全國供銷合作總社杭州茶葉研究院，浙江杭州310016)

速溶茶是以茶葉為原料，經浸提、過濾、濃縮、干燥等工序制成粉末，可以直接沖泡飲用的固體飲料。由于速溶茶基本保持了茶葉原有的色、香、味，且同時具備方便、衛(wèi)生、高雅等特點，具有茶對人體的功效，因此，深受國內外許多消費者的喜愛［1］。速溶茶中的水分、咖啡堿和茶多酚影響著茶色、茶香和茶味的形成，是速溶茶產品檢測中的重要指標［2］。傳統(tǒng)的速溶茶品質分析方法有液相色譜、紫外分光光度計、氣相色譜－質譜技術［3］等，但這些方法操作復雜、費時費力，難以滿足速溶茶生產過程中實時監(jiān)控的需要。因此為了解決這一問題，有必要提出一種快速、無損、經濟的方法，定量分析速溶茶中水分、咖啡堿和茶多酚的含量。

近紅外光譜分析技術是近年來發(fā)展起來的一種定性、定量分析技術，具有快速、不破壞樣品、操作簡單等特點，在農業(yè)食品、石油化工、制藥工業(yè)［4－7］等領域得到廣泛的應用，而且在茶葉理化成分快速測定、茶葉種類識別以及產地判別方面已經取得一定的研究成果［8－13］，但在速溶普洱茶有效成分定量分析方面報道較少。由于近紅外光譜分析技術在應用時存在一些實際問題，如建立模型時需要大量的樣品、專用的近紅外儀器和專業(yè)的技術人員、建立的模型不能通用等，所以，未能在茶葉領域得到廣泛的應用，但是隨著消費者對茶葉品質、安全要求的不斷提高以及近紅外光譜技術的不斷發(fā)展，近紅外光譜技術必定會在茶葉品質檢測方面得到廣泛應用。

因此，為了加快推進近紅外光譜技術在速溶普洱茶理化成分快速檢測方面的應用，本文以國家標準為基礎，利用近紅外光譜結合偏最小二乘回歸的方法，建立水分、咖啡堿和茶多酚含量的定標模型，以期實現速溶普洱茶成分的快速、無損、高效、多組分含量同時測定的目標，并與傳統(tǒng)分析方法的結果進行比較，以期為速溶普洱茶的質量控制提供科學依據和參考。

1 材料與方法

1.1 材料與儀器

速溶茶粉 采集云南和其他地區(qū)25個不同廠家，總共42個速溶茶樣品，樣品市場隨機購買，具有廣泛的代表性，樣品名稱及來源如表1所示;福林酚試劑 上海源聚生物科技有限公司;咖啡堿標準品 中國食品藥品檢定研究院;無水碳酸鈉、沒食子酸(一水)、抗壞血酸、乙二胺四乙酸二鈉鹽(二水) 國藥集團化學試劑有限公司;乙腈、甲醇 默克股份有限公司。

表1 42個樣品名稱及來源Table 1 Name and source of 42 samples

U－3010紫外可見分光光度計 日立公司;Agilent 1260高效液相色譜儀 安捷倫公司;AB204S電子分析天平 梅特勒公司;MPA多功能型傅立葉變換近紅外光譜儀 布魯克公司。

1.2 實驗方法

1.2.1 速溶茶中主要理化成分的分析方法 水分含量測定參照GB 5009.3－2016《食品安全國家標準食品中水分的測定》(第一法)［14］;茶多酚含量測定參照GB/T 8313－2008《茶葉中茶多酚和兒茶素類含量的檢測方法》(方法二)［15］;咖啡堿含量測定參照GB/T 21727－2008《固態(tài)速溶茶 兒茶素類含量的檢測方法》［16］。

1.2.2 近紅外光譜數據采集 光譜采集儀器為布魯克MPA多功能型傅立葉變換近紅外光譜儀。光譜采集參數如下:光譜采集范圍4000～10000 cm－1;光譜分辨率4 cm－1;掃描次數32次。光譜采集方式為漫反射方式，以空氣做參比，扣除背景，把樣品裝入圓柱形樣品杯中且裝樣厚度保持一致，每個樣品取三次進行掃描，每次掃描3次，即每個樣品共得到9個光譜，存儲于計算機中。

1.3 數據處理方法

1.3.1 光譜預處理 近紅外光譜儀所釆集的光譜除樣品的自身信息外，還包含了其它無關的干擾信息。這些無關信息的存在會影響用化學計量學方法對光譜數據建立模型的準確性。因此在建模時，消除光譜數據無關信息和選擇建模波段變得十分關鍵。本文所用的光譜預處理方法包括以下幾種:平滑(smoothing)、導數(derivative)、標準正態(tài)變量變換(SNV)、多元散射校正(MSC)［17］。

1.3.2 模型評價參數 用The unscrambler 9.7軟件進行數據處理和建模分析，以校正集相關系數(Rc)、校正集均方根誤差(RMSEC)、交互驗證相關系數(Rcv)和交互驗證均方根誤差(RMSECV)為指標評價模型的優(yōu)劣，以驗證集相關系數(Rp)和驗證集均方根誤差(RMSEP)為指標考察模型的預測精準度。

2 結果與分析

2.1 樣本集的劃分以及實測值的分布

本文共選用42個速溶茶樣本建立水分、咖啡堿、茶多酚的定量分析模型。在建立模型之前，需要從42個樣本中選擇合適的樣本作為校正集來建立模型，剩下的樣本作為預測集來驗證模型的預測能力。本文按照三選一的樣本劃分方法，其中28個樣本作為校正集，剩下的14個樣本作為預測集。其測量值范圍、平均值、標準偏差的結果如表2所示。實驗結果顯示，42個樣品中水分和咖啡堿的含量范圍分別是3.10%～13.25%、2.38%～13.29%，變化幅度不大;茶多酚的含量范圍是11.70%～48.10%，樣品間的變化幅度較大，而且生茶樣品茶多酚含量明顯高于熟茶和其他速溶茶樣品，主要是因為生茶在渥堆發(fā)酵過程中，茶多酚在多酚氧化酶的作用下發(fā)生氧化、縮合反應，使得茶多酚含量下降。在選擇校正集時，校正集中測量值數值覆蓋了預測集中測量值的變化范圍。因此，所選的樣品具有代表性，在樣品集中的分布是合理的。

表2 訓練集和預測集中樣本數及樣本實測值的分布(%)Table 2 Sample number of training set and prediction set and the distribution of measured values(%)

2.2 速溶茶的近紅外光譜特性

近紅外光譜圖反映了速溶茶樣品的內在品質，速溶茶樣品無論在品種、產地方面是否相同，近紅外光譜圖都帶有很多相似的信息，這是因為近紅外光譜反應的是速溶茶中C－H和N－H基團的信息，這些基團的周圍環(huán)境發(fā)生變化時，會導致吸收峰位置的變化，但變化幅度并不大。樣品中存在的成分含量決定近紅外光譜的吸收強度，而不同的速溶茶中成分含量不一致，也就出現了不同的光譜圖。如圖1是42個樣品的近紅外原始光譜圖，從圖1中可以看出，波數在6860 cm－1處是N－H鍵伸縮振動一次倍頻峰;波數在5180 cm－1處是C=O伸縮振動的二次倍頻峰;波數在4660 cm－1處是一級胺與三級胺伸縮振動的合頻峰;波數在4430 cm－1處是亞甲基C－H伸縮振動和彎曲震動的合頻峰［18］。近紅外光譜數據記錄了速溶茶樣品中豐富的化學成分與結構信息，速溶茶中的大多數有機化合物如茶多酚、咖啡堿等都含有各種含氫基團，不同基團產生的光譜在吸收峰位置和強度上有所不同，根據朗伯—比耳吸收定律，隨著樣品成分含量的變化，其光譜特征也將發(fā)生變化，這為近紅外光譜快速預測速溶茶中水分、咖啡堿和茶多酚含量提供了理論基礎。

圖1 42個速溶茶樣品的近紅外原始光譜圖Fig.1 Near infrared original spectra of 42 instant tea samples

2.3 速溶茶中水分、咖啡堿、茶多酚近紅外光譜模型的建立與優(yōu)化

采用偏最小二乘法對不同方法處理后的光譜進行建模分析，確定最優(yōu)的光譜預處理方法，建模相關系數越接近1，說明預測值與真實值的相關程度越好，RMSECV越小，說明模型預測性能越好，與RMSEC越接近，則模型的穩(wěn)定性越好。表3統(tǒng)計了各種光譜處理方法的建模指標，根據最佳模型的選擇方法，從表3可以看出，水分和茶多酚的最優(yōu)建模光譜是原始光譜，而咖啡堿的最優(yōu)建模光譜是經過SG平滑、SNV和一階導數處理后的光譜數據。水分的最優(yōu)建模指標Rc=0.9266，RMSEC=0.6439，Rcv=0.8809，RMSECV=0.8509，主因子數是5;咖啡堿的最優(yōu)建模指標 Rc=0.9964，RMSEC=0.1337，Rcv=0.9543，RMSECV=0.4958，主因子數是7;茶多酚的最優(yōu)建模指標 Rc=0.9845，RMSEC=1.2097，Rcv=0.9679，RMSECV=1.8083，主因子數是7。從模型指標中得出，3種組分近紅外光譜的模型預測性能由高到低為咖啡堿＞茶多酚＞水分，這可能與國標檢測的精密度有關。咖啡堿、茶多酚模型的交互驗證決定系數均在0.95以上，預測誤差較小，交互驗證預測效果良好，水分的交互驗證相關系數是0.8809，預測效果比咖啡堿和茶多酚的略差。

表3 不同預處理光譜水分、咖啡堿、茶多酚PLS定標模型結果Table 3 PLScalibration model of different pretreatment spectral moisture，caffeine and tea－polyphenols

2.4 速溶茶中水分、咖啡堿、茶多酚模型的驗證

近紅外光譜校正模型必須具備良好的預測性能才能在實際中得到應用，因此，對所建立的校正模型進行驗證，是近紅外光譜快速檢測分析方法的必要環(huán)節(jié)。本文選用28個樣本作為校正集，用于建立模型，14個樣本作為驗證集，采用外部驗證的方法對所建模型的預測效果進行檢驗。圖2～圖4是所建模型對水分、咖啡堿、茶多酚外部驗證結果的相關圖，驗證集相關系數(Rp)分別為 0.9050、0.9350、0.9557，驗證集均方根誤差(RMSEP)分別為0.6786、0.4546、2.1222，能夠反映模型的精確性和準確性。表4是14個樣品中水分、咖啡堿、茶多酚含量近紅外預測值與真實值的比較結果，咖啡堿、茶多酚的近紅外預測效果良好，與真實值比較吻合，可以用于速溶茶中咖啡堿、茶多酚含量的預測。水分的預測相關系數是0.9050，從表4可以看出，模型對水分的預測效果相對稍差，但可以初步預估速溶茶中水分的含量，對建立的水分模型需要進一步研究，以提高模型預測的精確度。

表4 速溶茶中水分、咖啡堿、茶多酚含量NIR預測值與真實值比較Table 4 Comparison of NIR predicted and real values of moisture，caffeine and tea－polyphenols in instant tea

圖2 水分真實值與近紅外預測值的相關圖Fig.2 The correlation diagram of trueand near infrared predicted value for moisture

圖3 咖啡堿真實值與近紅外預測值的相關圖Fig.3 The correlation diagram of true and near infrared predicted value for caffeine

3 結論

圖4 茶多酚真實值與近紅外預測值的相關圖Fig.4 The correlation diagram of true and near infrared predicted value for tea－polyphenols

在速溶普洱茶樣品的品質分析檢測中，各種指標物質的測定方法費時、繁瑣、前期準備工作量大，且分析結果時效性差。本文利用近紅外光譜技術與化學計量學相結合，采用偏最小二乘法建立了速溶茶中水分、咖啡堿和茶多酚含量的定量分析模型。對速溶茶樣品的近紅外光譜采用了多元散射校正、標準正態(tài)變換、Savitzky－Golay平滑和一階導數多種光譜預處理方法進行處理，從建模結果可以看出:速溶茶中水分、咖啡堿和茶多酚的交互驗證相關系數分別是0.8809、0.9543、0.9679，驗證集相關系數分別是0.9050、0.9350、0.9557，模型基本可以滿足定量分析的要求，具有良好的預測效果。該方法顯示了近紅外光譜技術在速溶茶樣品質量控制和快速分析方面的可行性和優(yōu)越性，為速溶茶中其他成分的快速檢測提供了借鑒。在實際應用中，通過添加更多有代表性的樣品，對模型進行再校正和優(yōu)化，可以提高模型的穩(wěn)定性和準確性，從而能夠快速、準確的預測速溶普洱茶中各成分的含量。