蜂蜜品質及其測定技術

丁磊 梁愛心 望玲 李翔 張淑君 │文

1 華中農業大學動物遺傳育種與繁殖教育部實驗室，武漢 430070；2 神農架匯野生態食品有限公司，神農架 442499

一、蜂蜜中物質成分與分類

1.蜂蜜中的營養物質、功能物質及其含量

蜂蜜的主要成分包括葡萄糖和果糖（70%以上）、水（14%～25%）、蛋白質（0.5%）、多種氨基酸（0.1%～0.78%）、礦物質、無機鹽、維生素、多種有機酸、微量元素和多種活性酶[1-3]。蜂蜜作為保健類食品，含有一定量的功能物質，例如抗菌的酚類和酶類物質，抗腫瘤的酚類物質和類黃酮，抗氧化的黃酮類化合物、酚類物質和超氧化物歧化酶[3]。

2.影響蜂蜜風味和功能的物質

蜂蜜中最重要的物質是糖類物質、水和酚類物質。糖類的含量能夠決定蜂蜜的味道；隨著成熟度增高含水量降低，質量越好；酚類物質使蜂蜜具有消炎、抗菌、抗過敏、抗血栓形成等生物學活性[4]。

3.蜂蜜分類

從蜜蜂種類劃分可分為中蜂蜜和意蜂蜜，從狀態劃分可分為液態蜜和結晶蜜，從成熟度劃分可分為成熟蜜和未成熟蜜，從工藝上劃分可分為天然蜜、濃縮蜜和蜂巢蜜，從蜜源品種上劃分可分為百花蜜、槐花蜜、椴樹蜜、荊條蜜、棗花蜜。除此之外，蜂蜜因蜜源不同還有荔枝蜜、龍眼蜜、柑橘蜜等幾十個蜜種。

二、蜂蜜品質及其指標

國標中對蜂蜜的指標主要涉及三個方面，包括感官要求、理化指標以及微生物限量[5]。其中感官要求主要是對色澤、氣味、滋味、狀態和雜質的要求；理化指標包括果糖、葡萄糖、蔗糖（不同蜂蜜要求不同）和鋅；微生物限量包括微生物總數、大腸菌數、霉菌計數、嗜滲酵母計數、沙門氏菌、志賀氏菌和金黃色葡萄球菌。各指標范圍見表1-3。

表1 國標中對蜂蜜的感官要求

表2 國標中蜂蜜的理化指標

表3 國標中微生物限量

三、優質蜂蜜及其評價標準

優質蜂蜜是高出一般質量的蜂蜜，主要是色香味好、成熟、含水量低。在我國養蜂產業現狀下，只要不是假蜜、不摻雜，藥殘不超標就是合格蜂蜜。而從商品屬性來看，合格的蜂蜜應該天然成熟、不發酵、農藥殘不超標、無污染、無雜質，并且符合安全衛生條件。區別于合格蜂蜜，優質蜂蜜主要從三個方面來衡量——色香味特征、成熟度和含水量[6]。

優質蜂蜜還可以進一步劃分成基本優質和特別優質等不同檔次。其中基本優質蜂蜜應具備色香味屬性穩定、成熟度高、含水量小于18%、藥殘和農殘不得檢出等特點，并且在主要蜜源花期，生產場地只有單一蜜源植物開花泌蜜；特別優質蜂蜜對蜜源單一性和蜂蜜的成熟度要求則更高，其含水量應小于17%[6]。

蜂蜜一般可分為四等，一等蜜是優質蜂蜜。一等蜜的顏色呈白色、水白色或特淺琥珀色；狀態是透明、粘稠的液體或結晶體；味甜，具有蜜源植物特有的香味；蜜源花種是枇杷、龍眼、荔枝、椴樹、紫云英、槐花等。

四、蜂蜜品質測定方法及其優缺點

測定和評價蜂蜜品質指標的方法包括感官法、電子鼻和電子舌、質譜法、光譜法、色譜法、酶活檢測法、同工酶檢測法、顯微鏡檢技術、差示量熱掃描法（DSC）[7]，還有各種方法的聯合使用[8,9]，各方法優缺點見表4。

表4 各測定方法優缺點對比

五、光譜技術在蜂蜜品質指標定量測定、種類定性分類及摻假鑒別中應用

1.光譜技術應用現狀

關于中紅外光譜技術（MIR）在蜂蜜相關測定的研究中，國外做的遠比國內多。而中紅外的研究比近紅外少，中紅外在蜂蜜品質測定的研究還有很大空間。

（1）蜂蜜品質的定量測定、摻假鑒別

高文佳等[14]運用中紅外光譜技術，偏最小二乘法（PLS）建模，結合液相色譜法檢測蜂蜜中的葡萄糖和果糖，建立優化了檢測蜂蜜中葡萄糖和果糖的檢測模型。實驗采用來自中國10 個省份超過6 種植物源蜂蜜樣品，對選定的146 個樣品進行檢測。預測模型經過平滑、求導等處理方式后，交叉驗證均方根誤差分別為0.5151%和0.5143%，準確性較高，表明中紅外光譜技術可以運用于蜂蜜檢測的質量控制，并且對蜂蜜果糖和葡萄糖的檢測具有高效性。

Das 等[15]利用傅里葉變換中紅外光譜技術和電阻抗譜技術，檢測不同花卉來源的蜂蜜摻糖情況。實驗采用印度西孟加拉邦的蜂蜜，研究了分別摻有10%、20%、30%、40%、50%、60%、70%蔗糖糖漿的蜂蜜，發現隨著摻入量的增加吸光度增加，光譜峰也在變化。

Kelly 等[16]利用中紅外光譜結合化學計量對蜂蜜中糖溶液摻假進行研究，結合偏最小二乘法（PLS）分析，主要對摻入果糖和葡萄糖進行研究。實驗采用來自愛爾蘭的人工養殖蜂蜜，對99 份真實和221 份摻假樣品進行光譜分析。結果準確率為93%，表明能夠成功鑒別純蜂蜜和摻入果糖和葡萄糖溶液的蜂蜜，并且很可能也可以鑒別其他糖溶液。

毛力軍[11]對中紅外光譜技術應用于蜂蜜摻假預判進行了研究，結合主成分分析（PCA）建立判別模型。實驗采用來自中國20 多個省的超過6 種蜂蜜，使用了124 個摻假樣本和113 個真實樣本，在蜂蜜中分別摻入人工轉化糖、大米糖漿和果葡萄糖。結果在添加量低于10%時誤判，判斷準確性為97.78%，表明該方法可以對蜂蜜是否摻假及摻假方式和添加量進行判別。

（2）蜂蜜種類的定性分類

Formosa 等[17]研究了衰減全反射中紅外光譜法對本地蜂蜜和外來蜂蜜的區分和分析模型，使用21 種馬耳他蜂蜜樣品和49 種國外（西西里島、希臘、瑞典）采集的蜂蜜，通過結合光譜技術、光譜變換、變量選擇和偏最小二乘（PLS）判別分析，建立了成功分類本地和外來蜂蜜的化學計量模型。結果分類的準確率均大于97%，最高可達100%。

Schwolow 等[18]利用衰減全反射中紅外光譜法和氣相色譜-離子遷移譜互補聯合，鑒別不同植物和地理來源的蜂蜜，利用主成分分析（PCA）和偏最小二乘判別分析（PLS）建模。實驗總共分析了從歐洲各個國家采集的64 個蜂蜜樣品，包括單花相思蜂蜜、低芥酸菜籽蜂蜜和蜜露蜂蜜3 種，建立了可以區分不同來源蜂蜜的可靠模型，準確率高達100%。

Ruoff 等[19]利用衰減全反射中紅外光譜法對蜂蜜進行了植物和地理來源的鑒定，實驗采用411 份主要來自瑞典的蜂蜜，結果準確率大于91.7%，表明該方法與化學計量相結合不僅可以鑒別單花蜂蜜，還可以鑒別多花蜂蜜。此外，還可以通過光譜獲得蜂蜜常規質量控制的幾種被測量物的定量信息。

陳蘭珍等[12]利用中紅外光譜結合線性判別（LDA）分析方法，建立了蜂蜜品種鑒別模型。實驗采用來自不同蜂場的249 個蜂蜜樣本，包括椴樹蜜、槐花蜜、葵花蜜、苕子蜜、油菜蜜和棗花蜜共6 種不同蜂蜜，實驗結果模型對訓練集和測試集樣品的識別率分別為97.59%和96.30%，表明能夠準確的鑒別出不同品種蜂蜜，可以作為蜂蜜品種鑒別的新方法。

徐天揚等[20]利用中紅外光譜技術基于主成分分析（PCA）結合支持向量機（SVM）或最小支持向量機（LES-SVM）對蜂蜜進行品種分類研究，建立分類器模型。實驗用采自不同蜂場的392 個蜂蜜樣本，包括荊條蜜、油菜蜜、洋槐蜜、椴樹蜜和荔枝蜜共5 種蜂蜜。結果降維到20 維時平均準確率高于97%，最高可達100%，表明該方法鑒別蜂蜜種類是可行的，而且效率高、損失少，減少了人為主觀影響。

2.光譜技術的優勢

光譜法具有檢測速度快、分析簡便、每次使用成本低和避免人為主觀性影響的優勢[12]，在蜂蜜的測定中應用廣泛。而中紅外光譜與近紅外光譜比起來包含更多的光譜信息，且振動吸收帶更容易辨別[16]。也有研究認為近紅外光譜技術來源分類效果略好于中紅外光譜技術[21]。

3.蜂蜜品質與分類的光譜方法具體操作及注意事項

（1）采樣

根據實驗需要在養蜂場采集足夠的蜂蜜樣品，采集的蜂蜜樣品密封于塑料瓶中，20～25℃保存。

（2）儀器和設備

中紅外光譜儀和分析軟件

（3）樣本處理

對樣本進行篩選分組，結晶蜜需用水浴鍋在40～60℃水浴融化成液體蜜。準確稱取10g 蜂蜜樣品于100mL 燒杯中，加入30mL 水，設定磁力攪拌器溫度為40℃，攪拌5min 后轉移至50mL 容量瓶中，用水定容至標線，靜置數分鐘后待檢。

（4）樣本掃描

測量前，對中紅外光譜分析儀進行預熱，標準化，測試前清洗干凈和調零。設置儀器的檢測參數分別為：掃描范圍650～4000cm-1、分辨率8cm-1、掃描32 次。每次進樣量為8mL，每個選定樣品掃描2 次取平均值，作為原始光譜。最后利用光譜采集軟件采集光譜。

（5）模型建立

光譜預處理：影響樣品光譜的因素有很多，如基線漂移、光散射、高頻隨機噪聲等，為了消除這些影響，增加結果的可靠性，在建立判別模型之前，需對原始光譜進行預處理，例如，標準歸一化法、平滑、倒數、基線矯正等[21]。

波段選擇：將光譜波段分為幾個波段，除去有干擾峰的波段，建立PLS 模型，用不同預處理方式優化波段，采用交叉驗證法對模型進行評價，選擇決定系數大的波段建模[21]。

建模：為驗證模型的準確性，先選取一部分樣品作為測試集，一部分作為檢驗集。選擇具有較強吸收的特征波段，選擇交叉驗證誤差最小時對應的主成分數，建立最優的蜂蜜成分快速檢測模型。

（6）注意事項

（A）采集的蜂蜜樣品一定要真實可靠

（B）測定前要注意將光譜測定儀預熱

（C）測定時實驗室溫度控制在15～30℃，相對濕度在65%以下

（D）每次測定使用的模型要注意進行矯正

4.存在問題和改進

在運用紅外光譜儀進行常規測定時，需要進行大量的初步工作，建立可靠的化學計量模型[19]。判別模型在檢測時會出現誤判[11]，靈敏度還有望進一步提升，也并不是所有的檢測模型準確率都高，只是可作為一種檢測方式，還需要不斷地改進和篩選。目前所報道的中紅外測定蜂蜜的模型準確率通過多種建模方式聯合驗證已經在不斷地提升，甚至有100%的準確率[18]。中紅外光譜結合化學計量學方法具有實現蜂蜜快速檢測的潛力，但在光譜采集方式、建模方法、波段選擇以及檢測結果方面，各個實驗研究結果均有差異[22]。今后的研究可著重于檢測方法標準和標準模型的制定，此外，對于一些高級摻假也還不能準確鑒別出來。