基于近紅外光譜技術在線檢測AD鈣奶關鍵指標

王建偉 ，陶飛，葉升*

1. 天津大學生命科學學院（天津 300072）；2. 杭州娃哈哈集團有限公司（杭州 310009）；3. 杭州中美華東制藥江東有限公司（杭州 311228）

含乳飲料生產過程中需要檢測飲料中的蛋白質、酸度、糖度等關鍵指標。目前，蛋白質的常規檢測方法為GB 5009.5—2016中的凱氏定氮法，酸度的常規檢測方法為GB 5009.239—2016食品酸度的測定，糖度的常用檢測方法為GB/T 12143—2008飲料通用分析方法中的飲料中可溶性固形物的測定方法。這些傳統檢測方法普遍存在試驗操作復雜、耗時、存在試劑消耗等缺點，無法實時指導生產過程。為避免上述不足，研究一種快速、無損、準確的分析技術來實時檢測含乳飲料生產中的關鍵指標顯得尤為重要。

近紅外光譜是一種分子光譜，適用于測定含C—H、N—H、O—H等含H基團的物質，不僅能得到分子的結構、組成信息，還能得到樣品的物理狀態信息[1-3]。近紅外光譜分析技術具有檢測精度高、檢測速度快、綠色無損等優點，已被廣泛應用于食品質量和食品安全檢測領域[4-7]。奶類、肉類、谷物等食品中單一成分含量的近紅外檢測方法已有諸多文獻報道[8-10]，但含乳飲料中蛋白質、酸度和糖度含量的近紅外檢測方法還未見報道。AD鈣奶作為一款含乳飲料，在市場上有較大需求量，采用國標方法對上述成分含量進行檢測，需要消耗大量的人力、物力和時間。為節約成本、提高生產效率，試驗以近紅外光譜技術為基礎，采用偏最小二乘回歸法建立了AD鈣奶中蛋白質、酸度、糖度的定量檢測模型，并將近紅外在線檢測系統部署于生產線，實現了AD鈣奶生產過程中蛋白質、酸度、糖度含量的在線檢測，為AD鈣奶實時質量控制提供參考。

1 材料與方法

1.1 材料

AD鈣奶樣品，由杭州娃哈哈集團有限公司提供。共采集399個線下和線上樣品作為建模樣品，其中關鍵成分的含量范圍：蛋白質0.90~1.28 g/100 g，酸度62~89 °T，糖度6.5~10.0 °Brix。上述標準樣品涵蓋了蛋白質、酸度、糖度三個檢測指標所有可能的測定范圍，并盡量實現了數值的均勻分布。

1.2 近紅外光譜掃描

采用瑞譜分析儀器（天津）有限公司生產的DA-5G型近紅外光譜儀采集樣品的近紅外漫反射光譜。光譜掃描范圍設置為950~1 650 nm，分辨率為5 nm，每個樣品采集時間10 s。

分別掃描了線下和線上AD鈣奶樣品的近紅外光譜數據。其中，線下樣品為人工制備，其指標含量變化范圍較廣，主要用于建立初步的模型，使模型對正常和異常濃度的樣品皆能做出預測；線上樣品為AD鈣奶生產線上的樣品，其指標含量變化范圍較窄，主要用于優化模型，提高模型對線上樣品檢測的適用性。

在掃描AD鈣奶線下樣品時，近紅外光譜儀和石英流通池被固定在安裝支架上，光譜儀的圓形光斑照射在石英流通池中心，如圖1（A）所示。待測樣品在蠕動泵的驅動下，勻速流經流通池，光譜儀采集樣品的漫反射光譜。AD鈣奶線上樣品的光譜數據掃描通過安裝在配料罐循環管路上的石英檢測視鏡實現，如圖1（B）所示。

圖1 近紅外光譜掃描示意圖

1.3 樣品標準值測定

采用GB 5009.5—2016《食品中蛋白質的測定》中的凱氏定氮法、GB 5009.239—2016《食品酸度的測定》中的酚酞指示劑法、GB/T 12143—2008《飲料通用分析方法》中的折光計法，分別測定AD鈣奶樣品中蛋白質、酸度和糖度的含量。

1.4 近紅外光譜預測模型的建立

模型構建：選擇波長950~1 350 nm，進行SG（一階求導，5點平滑）、Detrending+SNV光譜預處理，采用偏最小二乘回歸法建立AD鈣奶成分參數（蛋白質、酸度、糖度）的定量預測模型。相關數據處理采用The Unscrambler X 10.3進行分析。

2 結果與分析

2.1 AD鈣奶中蛋白質、酸度、糖度含量的測定

在測定AD鈣奶中蛋白質、酸度、糖度含量過程中，為降低檢測誤差，同時也為保證近紅外檢測的準確性，399份樣品的蛋白質、酸度、糖度含量分別由同一位實驗員操作，并保證實驗室環境溫度的穩定性和試驗操作的一致性。399份樣品的統計信息如表1所示。

表1 AD鈣奶樣品數據統計結果

2.2 AD鈣奶樣品的近紅外光譜及光譜預處理

AD鈣奶樣品的原始近紅外光譜圖見圖2（A）。樣品掃描時光譜范圍設定為950~1 650 nm。采用SG（一階求導，5點平滑）、Detreing+SNV進行光譜優化預處理，最優光譜區間為950~1 350 nm，光譜優化預處理結果見圖2（B）。

圖2 樣品原始光譜圖和優化預處理后的光譜圖

2.3 近紅外光譜模型的確立和驗證

采用The Unscrambler X 10.3建立AD鈣奶中蛋白質、酸度、糖度含量的預測模型，模型的性能見表2。AD鈣奶中蛋白質含量的化學測定值與模型預測值的比較結果見圖3。蛋白質含量預測模型的校正均方根誤差為0.011，校正決定系數為0.951，預測均方根誤差為0.012，預測決定系數為0.944。AD鈣奶中酸度的化學測定值與模型預測值的比較結果見圖4。酸度含量預測模型的校正均方根誤差為0.607，校正決定系數為0.986，預測均方根誤差為0.665，預測決定系數為0.983。AD鈣奶中糖度的化學測定值與模型預測值的比較結果見圖5。糖度含量預測模型的校正均方根誤差為0.105，校正決定系數為0.970，預測均方根誤差為0.114，預測決定系數為0.966。三種指標所建立模型的預測精度都比較高，具有較好的應用效果。

圖3 蛋白質的化學測定值與模型預測值的比較

圖4 酸度的化學測定值與模型預測值的比較

圖5 糖度的化學測定值與模型預測值的比較

表2 AD鈣奶中關鍵指標的近紅外光譜模型性能

為評估建立模型的重復性，選擇8個外部AD鈣奶樣品，進行重復性測試，每個樣品重復掃描6次，計算6次掃描結果的極差。蛋白重復性極差為0.004%~0.013%，酸度重復性極差為0.321~0.831 °T，糖度重復性極差為0.102~0.157 °Brix。近紅外模型重復性極差與模型本身的預測均方根誤差相當，表明模型較為穩定。

為進一步驗證模型的準確性和穩定性，從AD鈣奶生產線采集10個外部樣品，將其代入模型進行預測，并與化學測定值進行比較。由表3可知，模型對AD鈣奶中蛋白質含量的預測準確度很好，誤差在±0.02%范圍內。模型對酸度和糖度的預測誤差分別在±0.7 °T和±0.2 °Brix范圍內。由試驗結果可知，近紅外模型具有較高的預測準確度，可用于AD鈣奶成分參數的在線檢測。

表3 模型檢測AD鈣奶關鍵指標準確性測試結果

3 結論

AD鈣奶中蛋白質、酸度、糖度含量預測模型采用SG（一階求導，5點平滑）、Detreing+SNV進行光譜優化預處理，建模光譜在950~1 350 nm之間。建立的蛋白質含量預測模型的校正均方根誤差為0.011，校正決定系數為0.951，預測均方根誤差為0.012，預測決定系數為0.944。建立的酸度含量預測模型的校正均方根誤差為0.607，校正決定系數為0.986，預測均方根誤差為0.665，預測決定系數為0.983。建立的糖度含量預測模型的校正均方根誤差為0.105，校正決定系數為0.970，預測均方根誤差為0.114，預測決定系數為0.966。模型對AD鈣奶中蛋白質含量的預測準確度很好，誤差在±0.02%范圍內。模型對酸度和糖度的預測誤差分別在±0.7 °T和±0.2 °Brix范圍內。三種指標所建立模型的預測精度都比較高，對于AD鈣奶樣品具有較好的預測效果，可用于AD鈣奶樣品中關鍵指標的在線檢測。

此次研究結果應用于實際檢測的效果顯著，對提高檢測效率、降低檢測成本具有重要意義。傳統國標檢測蛋白質、酸度、糖度含量耗時耗力，而近紅外光譜技術可實現簡單、快速、無損、準確的檢測，對于AD鈣奶產線品質的實時檢測具有重要價值，值得應用推廣。