液態(tài)奶制品中乳糖、脂肪及蛋白質(zhì)的定量檢測研究

本文通過多功能近紅外分析儀開展液態(tài)奶制品中乳糖、脂肪及蛋白質(zhì)的正交試驗，分析各種校正方法和預(yù)處理方法給檢測數(shù)據(jù)造成的影響，構(gòu)建液態(tài)奶制品中不同元素含量的定標模型，測定蛋白質(zhì)、脂肪、乳糖等元素含量。并通過目標函數(shù)法科學研究相關(guān)模型，檢驗相關(guān)模型的適用性。試驗結(jié)果表明，正交試驗方法能從不同方面分析校正方法和預(yù)處理方法給模型建立工作帶來的影響，而近紅外光譜分析法能快速檢測牛奶中的蛋白質(zhì)、乳糖、脂肪的含量。

紅外光譜分析技術(shù)是目前最新型的定性定量分析技術(shù)，具有綠色、高效、無損、快速等特征，被廣泛應(yīng)用在農(nóng)業(yè)、制藥、煙草工業(yè)等行業(yè)。工作人員利用近紅外光譜技術(shù)進行牛奶品質(zhì)的無損檢測，判斷牛奶真蛋白質(zhì)、粗蛋白、脂肪等元素含量，研究牛奶的凝固過程，并結(jié)合檢測數(shù)據(jù)建立各種定量分析模型。近年來，我國專業(yè)人員在乳粉和原料乳分析方面，采用近紅外光譜進行分析，很少分析直接食用的液態(tài)奶制品研究數(shù)量，且正交試驗設(shè)計并未全面應(yīng)用在液態(tài)奶制品的校正和預(yù)處理方面。在日常試驗過程中，經(jīng)常受儀器響應(yīng)、雜散光、樣品狀態(tài)等因素影響，給近外紅光譜測量質(zhì)量帶來嚴重影響，甚至產(chǎn)生較強的不重復(fù)性。針對該種情況，工作人員要提高對原始光譜預(yù)處理的重視程度，利用導數(shù)處理方法進行預(yù)處理，通過導數(shù)光譜提高原譜信號，如原譜中寬峰經(jīng)過二階導數(shù)處理后會逐漸尖銳，便于工作人員準確測量出峰值的具體位置，科學區(qū)分不同光譜內(nèi)容。從目前液態(tài)奶消費情況來看，部分企業(yè)為提高自身經(jīng)濟效益，經(jīng)常出現(xiàn)鮮奶摻假的現(xiàn)象，嚴重影響乳品加工質(zhì)量，給消費者身體健康帶來嚴重影響。例如，三鹿奶粉事件就是一些不法企業(yè)將蛋白質(zhì)添加到飼料、牛奶中，導致粗蛋白質(zhì)質(zhì)量虛增，不僅給消費者健康帶來嚴重損壞，還讓消費者對我國食品安全產(chǎn)生信任危機，給我國整體形象造成嚴重影響。因此，建立新型定量檢測技術(shù)來檢測液態(tài)奶中的營養(yǎng)物質(zhì)是目前急需解決的問題。

1.材料和方法

1.1 實驗材料

通過從某超市購買極具代表的樣品類型為85種，分別從４個廠家進行生產(chǎn)，這些純牛奶生產(chǎn)在春、夏、秋、冬不同季節(jié)。

1.2 光譜采集

本文采用Infra Xact多功能近紅外分析儀，負責掃描牛奶樣品，檢測器采用硅，操作溫度控制為0℃-40℃，光譜數(shù)據(jù)間隔為2min，所有樣品重復(fù)掃描3次。

1.3 牛奶中主要成分的化學分析方法

乳糖含量采用直接滴定法；蛋白質(zhì)含量采用考馬斯亮藍法測量；脂肪質(zhì)量采用羅子-格特里法進行檢測。

1.4 異常樣品的處理和樣本集劃分

通過利用Win ISI軟件分析光譜文件，分析方法以主成分分析為主體，即采用文件中的掃描數(shù)據(jù)功能計算實際分數(shù)，分析不同光譜間的差異性，當兩者間的距離大于3.0，被定義為異常樣品，會被系統(tǒng)自動處理。將異常樣品處理后，要根據(jù)主要成分的濃度等級進行分類，從而得到驗證集和定標集樣品。

1.5 定標模型的建立

由于預(yù)處理方法和校正方法對模型產(chǎn)生的效果不可避免，工作人員在進行正交實驗時，要將f=R/（1+escv）作為目標檢測模型自身性能（R為定標決定系數(shù)，escv為交叉驗證標準差），開展不同序列的試驗，從而得到準確的檢測結(jié)果。因素水平表見表1。

1.6 驗證定標模型

本文通過將驗證集樣品作為未知樣品進行檢測，通過分析相對誤差和標準偏差大小，判斷模型自身的預(yù)測能力。

2.結(jié)果和分析

2.1 液態(tài)奶制品的近紅外反射光譜分析

乳糖在1200-1400cm-1波段有明顯的吸收峰，隨著乳糖含量的增加，該波段的吸收強度顯著增強。脂肪則在1700-1850cm-1波段表現(xiàn)出較強的吸收特性，脂肪含量越高，該波段的吸收峰越明顯。蛋白質(zhì)的吸收波段主要集中在1500-1700cm-1之間，蛋白質(zhì)含量變化對該波段的影響較為顯著。當波段低于1200cm-1時，液態(tài)奶制品的吸收能力較差，這一現(xiàn)象可能與分子內(nèi)部振動模式的復(fù)雜性有關(guān)。在低于1200cm-1的波段，吸收帶的強度較弱，且容易受到其他因素的干擾，因此在實際檢測中，這一波段的數(shù)據(jù)參考價值較低。通過對液態(tài)奶制品近紅外反射光譜圖中特征吸收波段的分析，得出乳糖在1200-1400cm-1波段的吸收峰強度與乳糖含量呈正相關(guān)。通過建立該波段吸收強度與乳糖含量的回歸模型，可以實現(xiàn)對乳糖含量的快速、準確檢測。脂肪在1700-1850cm-1波段的吸收峰強度與脂肪含量密切相關(guān)，通過分析該波段的吸收特性，可以有效評估液態(tài)奶制品中的脂肪含量，為產(chǎn)品的營養(yǎng)價值提供科學依據(jù)。蛋白質(zhì)在1500-1700cm-1波段的吸收峰強度與蛋白質(zhì)含量呈正相關(guān)，通過對該波段的分析，可以實現(xiàn)對蛋白質(zhì)含量的快速檢測，確保產(chǎn)品的蛋白質(zhì)含量符合標準。

2.2 樣本集劃分結(jié)果

通過分析樣本集劃分結(jié)果，發(fā)現(xiàn)驗證集和定標集分布均勻，驗證集樣本能滿足近紅外分析模型的基本要求，如表2和表3所示。

2.3 液態(tài)奶制品中乳糖、脂肪、蛋白質(zhì)含量檢測的定標結(jié)果與分析

在正交試驗結(jié)果見表4，表格中的變量包括A、B、C、D、E、F，這些可能是影響液態(tài)奶制品中乳糖、脂肪、蛋白質(zhì)含量的不同因素或處理條件；f1（%）、f2（%）、f3（%）這些是液態(tài)奶制品中乳糖、脂肪、蛋白質(zhì)的含量百分比。表格中提供了每個變量（A、B、C、D、E、F）在不同水平下的均值（k1、K2、K3）。這些均值反映了在不同處理條件下，乳糖、脂肪、蛋白質(zhì)含量的平均水平。表格中的R1值表示每個變量在不同水平下的極差，即最大值與最小值之間的差異。極差越大，說明該變量對乳糖、脂肪、蛋白質(zhì)含量的影響越大。變量A極差為4.69，說明變量A對乳糖、脂肪、蛋白質(zhì)含量的影響較大；變量B極差為2.21，說明變量B對乳糖、脂肪、蛋白質(zhì)含量的影響較小；變量C極差為4.34，說明變量C對乳糖、脂肪、蛋白質(zhì)含量的影響較大；變量D極差為0.81，說明變量D對乳糖、脂肪、蛋白質(zhì)含量的影響較小；變量E極差為0.76，說明變量E對乳糖、脂肪、蛋白質(zhì)含量的影響較小；變量F極差為0.91，說明變量F對乳糖、脂肪、蛋白質(zhì)含量的影響較小。從極差分析來看，變量A和變量C對乳糖、脂肪、蛋白質(zhì)含量的影響最為顯著。因此，在實際生產(chǎn)或研究中，應(yīng)重點關(guān)注這兩個變量的控制和優(yōu)化。

2.4 模型的適用性檢驗

當工作人員建立最優(yōu)模型后，可利用驗證集分析模型標準，發(fā)現(xiàn)3種成分的最優(yōu)模型R2高于0.86，其中脂肪R2超過0.97，相對分析誤差大于2.5%，相對標準偏差低于10%。分析發(fā)現(xiàn)，該模型具有較強的定標效果，預(yù)測精確度較高，所建立的定標模型能應(yīng)用在日常檢測中。其液態(tài)奶制品模型擁有較好的適用性，樣品預(yù)測值和實驗數(shù)據(jù)基本相同，有利于建模樣品進行試驗，詳見表5。

結(jié)論

近紅外光譜分析技術(shù)憑借自身高效、便捷、準確度高等特征，被廣泛應(yīng)用在各行業(yè)，如實驗室分析、食品檢測、醫(yī)學檢測等方面，具有檢測效率高、便捷等優(yōu)點。糖、脂肪和蛋白質(zhì)的相對標準偏差分別為4.12%、7.04%、9.61%，相對分析誤差分別為2.82、6.28、2.72。因此，工作人員要將近紅外線分析儀應(yīng)用到奶制品檢測中，結(jié)合一階導數(shù)方法科學處理光譜內(nèi)容，構(gòu)建檢測模型，如果構(gòu)建的模型系統(tǒng)數(shù)據(jù)高于0.976173，表示其模型結(jié)構(gòu)達到預(yù)期標準。

*通訊作者

李慧芳（1991.2-），女，甘肅隴南人，本科，助理工程師；研究方向：食品藥品檢驗方法。