應用傅立葉變換近紅外光譜檢測嬰幼兒配方奶粉中的乳糖含量

何吉子，陳秀明*，梁瑞婷，李 雙，張仕云，麥麗珊

（1.廣東檢驗檢疫技術中心，廣東 廣州 510623；2.南沙海關，廣東 廣州 510623；3.廣東省動植物與食品進出口技術措施研究重點實驗室，廣東 廣州 510623；4.北京師范大學 香港浸會大學聯合國際學院 珠海市農產品質量與食品安全重點實驗室，廣東 珠海 519000）

乳糖是嬰幼兒生長發育必不可少的營養物質，乳糖不但是小兒體內器官、神經、四肢、肌肉等發育及活動的動力，而且促進小兒腸道內的乳酸菌繁殖增長，在腸道中乳糖在乳酸桿菌、乳酸鏈球菌、多種酶及其他某些微生物的作用下生成乳酸，乳酸對小兒腸胃有調整保護作用[1-4]。乳糖還參與鈣的代謝過程，促進骨骼發育，避免因缺鈣而造成佝僂病[5-6]。此外，乳糖在消化系統內水解成半乳糖，能夠對腦甙和粘多糖的合成起到促進作用，對嬰幼兒的智力發育產生巨大影響[7]。

目前奶粉中的乳糖和蔗糖的常用檢測方法是國家標準GB 5413.5—2010《食品安全國家標準嬰幼兒食品和乳品中乳糖、蔗糖的測定》中的高效液相色譜法，但該方法的缺點是樣品前處理耗時長、步驟繁瑣等，因此，尋找一種提高檢測效率的方法勢在必行。

隨著科技的發展，近紅外光譜檢測技術取得了較快的發展，該技術具備快速、制樣簡單、同時測定多組分、不使用有機試劑、無污染、非破壞性分析等優點[8]。國內外一些學者利用近紅外光譜技術對奶粉的營養成分進行了快速檢測，特定物質的掃描圖譜是特定的，光譜分析能夠確保分析結果的準確性，具有代表性，能夠應用于奶粉的質量監控證明了該方法的可行性[9-11]。

本實驗利用傅立葉變換近紅外光譜（Fourier transform near-infraredspectroscopy，FT-NIR）儀快速檢測嬰幼兒配方奶粉中的乳糖。通過高效液相色譜（highperformance liquid chromatography，HPLC）法所測的乳糖值作為樣品的校驗值，用偏最小二乘法（partial least-square，PLS）選擇最優光譜模型，預測未知樣品的乳糖值。該方法不僅提供了較低的檢出限，較寬的動態線性范圍，檢測和數據處理全部自動化，大大提高了工作效率，為乳糖成分的檢測提供一種樣品無損、操作簡單、快速的方法。

1 材料與方法

1.1 材料與試劑

嬰幼兒配方奶粉樣品94個（其中第1階段奶粉38個，第2階段奶粉26個，第3階段奶粉30個，包括美贊臣、雅培、金禧羊羊、合生元等12個品牌）市售；乳糖（純度99.9%）：天津市科密歐化學試劑開發中心；乙腈（色譜純）：賽默飛世爾科技有限公司；硫酸鋅、亞鐵氰化鉀（均為分析純）上海國藥集團化學試劑有限公司；Millipore-QA10純水：美國Millipore公司。

1.2 儀器與設備

Millipore-QA10超純水系統：廣州立諾自動化設備有限公司；FT-NIRSpectrum400傅立葉變換近紅外光譜儀：美國Perkin Elmer公司；LC-20高效液相色譜儀：日本島津公司；ELSD3300奧泰蒸發光散射檢測器：瑞士步琦有限公司；液相色譜柱氨基柱（4.6 mm×250 mm，5 μm）：月旭科技（上海）股份有限公司；XPE205分析天平（感量為0.000 1 g）：瑞士梅特勒-托利多公司。

1.3 方法

1.3.1 乳糖含量的測定[12]

前處理：稱取樣品1.0 g于50 mL容量瓶中，加15 mL 50～60℃純水溶解，于超聲波振蕩器中振蕩10 min，用乙腈定容至刻度，靜置數分鐘，過濾。取5.0mL過濾液于10mL容量瓶中，用乙腈定容，通過0.45 μm濾膜過濾，濾液供高效液相色譜分析。

高效液相色譜條件：色譜柱為氨基柱（4.6mm×250mm，5 μm）；流動相：乙腈∶水=（70∶30，V/V）；流速：1 mL/min；柱溫35℃；進樣量10 μL，示差折光檢測工作溫度33～37℃，蒸發光散射檢測工作條件為維持飄移管溫度在85～90℃，維持氣流量為2.5 L/min，撞擊器為關閉狀態。

乳糖（20 mg/mL）標準貯備液的配制：稱取在94℃烘箱中干燥2 h的乳糖標樣2.0 g（精確至0.1 mg），溶于純水中，用純水稀釋至100 mL容量瓶中，冷卻到室溫備用。

乳糖標準曲線的制作：取10 mL容量瓶6個，分別加入乳糖標準貯備液0、1.00 mL、2.00 mL、3.00 mL、4.00 mL、5.00mL，用乙腈定容至刻度。此系列乳糖標準溶液質量濃度分別為0、2mg/mL、4mg/mL、6mg/mL、8mg/mL、10mg/mL。將配制好的系列乳糖標準溶液分別進樣，進行HPLC分析。以峰面積（Y）對乳糖溶液的質量濃度（X）繪制乳糖標準曲線，得到乳糖標準曲線回歸方程為y=70 932x-2 609，相關系數R2為0.999 3。

1.3.2 嬰幼兒配方奶粉的近紅外光譜采集

環境溫度20℃，相對濕度45%，光譜掃描范圍10 000～4 000 cm-1，分辨率為16 cm-1，掃描次數為32次，用Spectrum Touch軟件對奶粉樣品進行光譜采集及分析，重新裝樣并采集2次。對平均光譜進行分析，數據采樣間隔為8 cm-1，分辨為4 cm-1。

用高效液相色譜法測定嬰幼兒配方奶粉中乳糖作為樣品的指定值，從小到大排序。在94個樣品中，抽取6個樣品（包括3個第1階段，2個第2階段，1個第3階段）作為驗證集樣品數，不參與建模計算，剩余88個樣品為校正集樣品數，參與建立乳糖含量校正模型。為剔除無效信息，在建立模型的過程中對樣品的原始近紅外光譜圖進行預處理。

2 結果與分析

2.1 近紅外光譜采集圖

嬰幼兒奶粉的原始近紅外圖譜如圖1所示，在波數為10 000～4 000 cm-1光譜掃描范圍內樣品具有較強的噪音，在波數為8 923.1～4 000.0 cm-1之間具有明顯的特征吸收峰，沿Y軸均有基線漂移現象。測試過程中受到樣品散射的影響，各光譜間的平行移動也相對明顯。

圖1 嬰幼兒奶粉樣品原始近紅外圖譜Fig.1 Original near infrared spectra of infant formula milk powder samples

對近紅外圖譜進行一階導數（first derivative，D1）處理后，如圖2所示，光譜圖的吸收峰差異更加明顯，沿Y軸基線漂移校正明顯，但發現有個別樣品偏離整體的現象，且較為雜亂。

對近紅外圖譜進行二階導數（first derivative，D2）處理之后，如圖3所示，雖然也有個別樣品偏離整體，但是相對一階導數（D1）處理而言，其光譜圖的吸收峰較為整齊，同時加強了樣品之間的光譜圖吸收峰差異，定標效果明顯。

圖2 嬰幼兒奶粉樣品近紅外圖譜一階導數（D1）圖Fig.2 First derivative(D1)diagram of near infrared spectra of infant formula milk powder samples

2.2 不同光譜預處理方法對乳糖含量建模的影響

光譜預處理和定量模型建立采用Spectrum Touch分析軟件，多元散射校正（multiplcative scatter correct，MSC）方法是目前多波長定標建模常用的一種數據處理方法。多元散射校正（MSC）可以去除近紅外漫反射光譜中樣品的鏡面反射及不均勻性造成的噪聲，消除漫反射光譜的基線及光譜的不重復性[13-15]。標準正態變量變換（standard normalizedvariate，SNV）是對每條光譜單獨進行校正，一般認為它的校正能力比MSC要強，尤其是樣品組分變化較大的時候。導數既可以消除基線漂移或平緩背景干擾的影響，也可以提供比原光譜更高的分辨率和更清晰的輪廓變化，從而更為細致地反映樣品的光譜特征。偏最小二乘法在近紅外光譜分析中得到最為廣泛的應用，是多元線性回歸、典型相關分析和主成分分析的完美結合[16-18]。

本實驗定量預測建模數據分別用標準正態變量變換（SNV）、多元散射校正（MSC）、一階導數（D1）、二階導數（D2）、大氣加權、平滑數等方法相互結合，通過上述方法得到最優光譜區間，利用偏最小二乘法（PLS）建立嬰幼兒奶粉中乳糖含量的校正數學模型，以方差D（X）、標樣估計誤差（standard sample estimation error，SEE）、預測標準差（standard error of prediction，SEP）及交叉驗證預測標準差（cross validation of predicted standard deviation，CVSEP）作評價模型的精密度。方差D（X）越大時，標樣估計誤差（SEE），預測標準差（SEP）及交叉驗證預測標準差（CVSEP）就會越小，表示模型的定標效果越好，預測的精密度越高，模型越穩健[19-20]。通過Spectrum Touch分析軟件，選擇不同的預處理方法，所得結果有所差異。本實驗挑選了5個結果理想的預處理方法進行對比，結果見表1。

表1 近紅外光譜法的5個預處理方法Table1 Five pretreatment methods of near infrared spectra

由表1可知，第5種方法的組合預處理方法的方差D（X）、SEE、SEP、CVSEP分別是95.4235%、1.157、1.18和2.345，在所有預處理方法中方差D（X）為最大，標樣估計誤差（SEE）、預測標準差（SEP）及交叉驗證預測標準差（CVSEP）為最小，模型最穩健，預測可靠性最好。因此，選用第5種方法（二階導數（D2）+標準矢量歸一化（SNV）+平滑（半寬點數9）+傳輸加權的光譜預處理方法）的模型作為預測乳糖值的模型。

2.3 模型的檢驗

本實驗利用校正集樣品檢驗乳糖的預測值（即估計值）與指定值的相關性，結果見圖4。由圖4可知，乳糖校正模型的相關系數R2為0.963 4，表明預測值與指定值的相關性良好。

由該模型對6個未知樣品（包括3個第1階段，2個第2階段，1個第3階段）進行測定的結果比較，結果見表2。由表2可知，未知樣品由該模型測定的乳糖值與液相色譜分析方法測定的乳糖值的關系符合國家標準GB 5413.5—2010《食品安全國家標準嬰幼兒食品和乳品中乳糖、蔗糖的測定》中的要求，因此說明該模型具有可行性。

圖4 校正集樣品中乳糖估計值與指定值的相關性Flg.4 Correlation between predicted values and real values of lactose content in calibration set

表2 高效液相色譜法的乳糖值與模型預測的乳糖值比較Table2 Comparison of lactose value determined by HPLC and model

2.4 模型預測能力的精密度和穩定性

由表3可知，樣品的乳糖含量測定結果平均相對誤差≤0.67%，相對標準偏差（relative standard deviation，RSD）≤0.88%。結果顯示，所建模型的精密度和穩定性良好。

表3 模型預測能力的精密度和穩定性檢驗Table3 Precision and stability test of model predictive power

3 結論

實驗結果表明，采用偏最小二乘法（PLS）建立嬰幼兒奶粉中乳糖含量的校正模型，選擇二階導數（D2）+標準矢量歸一化（SNV）+平滑（半寬點數9）+傳輸加權的光譜預處理方法，模型可以達到較理想的預測精度，模型的方差D（X）、SEE、SEP、CVSEP分別為95.4235%、1.157、1.18和2.345。模型的外部驗證中，模型測定的乳糖值與液相色譜分析方法測定的乳糖值的絕對誤差符合國家標準GB 5413.5—2010《食品安全國家標準嬰幼兒食品和乳品中乳糖、蔗糖的測定》中的要求。模型的預測精密度和穩定性實驗顯示，乳糖的預測平均相對誤差均≤0.67%，RSD均≤0.88%，模型有較好的精密度和穩定性。

本實驗建立的傅立葉變換近紅外光譜快速檢測法，樣品無損、操作簡單、快速，能有效地運用于嬰幼兒配方奶粉中乳糖的日常檢測。