基于近紅外光譜技術(shù)的蜂蜜ph值和梯度的定量分析

基于近紅外光譜技術(shù)的蜂蜜ph值和梯度的定量分析

蜂蜜是收集植物的花蜜、分泌物或蜂蜜露。經(jīng)過處理后，它得到了完全轉(zhuǎn)化的天然甜味物質(zhì)。主要成分是葡萄糖和糖果。此外，它還含有許多成分，如糊精、蛋白質(zhì)、蠟、氨基酸、礦產(chǎn)、芳香化合物、脂肪酸、棕櫚酸、類黃酮、類黃酮和羥甲基粉胺。這是一種深受消費(fèi)者喜愛的天然食品。pH值是描述氫離子活度的參數(shù)。蜂蜜的pH值可作為區(qū)分花蜜和甘露蜜以及判斷單花蜜是否真實(shí)的一個(gè)重要參數(shù)。酸度一般是指中和100g試樣中的酸性物質(zhì)所需要的氫氧根離子(OH―)的毫摩爾數(shù)。蜂蜜中的酸性物質(zhì)包括有機(jī)酸和無機(jī)酸,有機(jī)酸有葡萄糖酸、乳酸、醋酸、丁酸、甲酸和苯甲酸等,無機(jī)酸有磷酸和鹽酸等。蜂蜜酸度反映了蜂蜜中酸性物質(zhì)含量的高低,是衡量蜂蜜是否發(fā)酵的重要指標(biāo),也可作為區(qū)分花蜜和甘露蜜的一個(gè)重要參數(shù)。我國(guó)蜂蜜國(guó)家標(biāo)準(zhǔn)規(guī)定蜂蜜酸度不得大于40mL/kg(1mol/L氫氧化鈉)。近紅外光譜(nearinfraredspectroscopy,NIR)技術(shù)是一種快速無損的檢測(cè)技術(shù),能實(shí)現(xiàn)對(duì)物質(zhì)多種理化指標(biāo)的快速無損分析,已有文獻(xiàn)報(bào)道該技術(shù)可用于測(cè)定食品的pH值和酸度,蜂蜜中糖類成分的NIR檢測(cè)已有報(bào)道,而蜂蜜pH值和酸度的NIR檢測(cè)國(guó)內(nèi)還未見報(bào)道,國(guó)外雖有報(bào)道,但模型預(yù)測(cè)結(jié)果差。本實(shí)驗(yàn)利用NIR技術(shù)結(jié)合基于蒙特卡洛交互驗(yàn)證(Monte-Carlocross-validation,MCCV)的奇異樣本篩選法和CARS(competitiveadaptivereweightedsampling)變量選擇法,對(duì)蜂蜜pH值和酸度進(jìn)行分析,以期實(shí)現(xiàn)NIR檢測(cè),為快速評(píng)價(jià)蜂蜜質(zhì)量提供一定的參考依據(jù)。1材料和方法1.1蜂蜜的制備試驗(yàn)樣本集包括真假蜂蜜樣本共134個(gè)。真蜂蜜樣本包括2008年和2009年收集的15個(gè)品種(油菜、柑橘、荔枝、洋槐、荊條、枸杞、益母草、野菊花、九龍?zhí)佟ⅫS芪、桂圓、棗花、山桂花、老瓜頭、蘋果),共122個(gè),來自全國(guó)10個(gè)省區(qū)(湖南、湖北、廣西、四川、寧夏、貴州、山西、陜西、河南、云南)。摻假蜂蜜樣本分別用果葡糖漿和麥芽糖漿按不同比例摻假得到,每種摻假物得到6個(gè)摻假樣本,共12個(gè)。蜂蜜收集后,貯藏在6~8℃冰箱中。采集光譜時(shí),先將蜂蜜從冰箱內(nèi)取出,放置至室溫,再在55℃水浴下溶解晶體。1.2譜儀帶tqAntarisⅡ傅里葉變換近紅外光譜儀(帶TQ軟件)美國(guó)ThermoNicolet公司;PHS-320型pH計(jì)成都世紀(jì)方舟科技有限公司。1.3方法1.3.1近紅外光譜條件掃描范圍10000~4000cm-1,分辨率為8cm-1,增益2,掃描次數(shù)32次。1.3.2ph值采用pH計(jì)測(cè)定。平行測(cè)定3次,取平均值。1.3.3u3000相對(duì)于naoh溶液不足所需的體積對(duì)顏色較深的蜂蜜,參照國(guó)標(biāo)方法測(cè)定并做一定修改:準(zhǔn)確稱取10g左右蜂蜜溶于100mL蒸餾水中,用0.05mol/LNaOH溶液滴定到pH8.3,記錄消耗的NaOH溶液體積(mL),再換算為中和1000g蜂蜜所需消耗的1mol/LNaOH溶液毫升數(shù)。平行3次測(cè)定,取平均值。1.3.4光譜、光譜和酸度的測(cè)定方法先將樣品攪拌均勻,再置于離心試管中離心10min除去氣泡,取約10g樣品倒入一專用玻璃容器內(nèi),用金箔控制樣品厚度為0.1mm,以空氣為背景,每小時(shí)掃描一次背景,采用透反射方式在約25℃下采集光譜。取4次的平均光譜為該樣品的原始光譜。每采集完1個(gè)樣品,先用自來水洗凈玻璃容器和金箔,再用蒸餾水潤(rùn)洗兩遍,然后冷風(fēng)吹干。光譜采集完成后即進(jìn)行pH值和酸度測(cè)定。同一批樣品,光譜采集和數(shù)據(jù)測(cè)定在同一天進(jìn)行。2結(jié)果與分析2.1最優(yōu)光譜預(yù)處理平滑可提高分析信號(hào)的信噪比,微分能有效消除光譜漂移,二者都是常用的光譜預(yù)處理方法。本實(shí)驗(yàn)通過比較8種光譜預(yù)處理方法的效果,分別為原始光譜、1階微分(firstderivative,1D)、2階微分(secondderivative,2D)、Savitzky-Golay(S-G)平滑、Norris平滑+1D、Norris平滑+2D、S-G平滑+1D、S-G平滑+2D,最終選擇Norris平滑+1D為本實(shí)驗(yàn)的最優(yōu)光譜預(yù)處理方法。圖1(A)為樣本原始光譜,存在較明顯的基線漂移。圖1(B)為(Norris平滑+1D)預(yù)處理后的光譜,光譜經(jīng)平滑和微分處理后,能有效降低基線漂移,消除光譜變量間的差異。2.2偏差檢驗(yàn)mean-stdMCCV的奇異樣本篩選法是一種新近提出的篩選奇異樣本的方法,能夠在一定程度上降低由掩蔽效應(yīng)帶來的風(fēng)險(xiǎn),有效檢出光譜陣和性質(zhì)陣方向的奇異點(diǎn),與傳統(tǒng)方法相比具有較高的識(shí)別奇異樣本的能力。用PLS確定最佳主成分?jǐn)?shù)后,用蒙特卡洛隨機(jī)取樣(MonteCarlosampling,MCS)法取80%的樣本作校正集建立PLS回歸模型,剩余部分作預(yù)測(cè)集,循環(huán)2000次,得到各樣本的一組預(yù)測(cè)殘差,求各樣本預(yù)測(cè)殘差的均值(MEAN)與方差(STD),作MEAN-STD圖(圖2)。從圖2可知,某些樣本明顯偏離主體樣本,如A中的33、34、35、36、45和46,B中的27、40、79、109、123和131,這些樣本可視為奇異樣本,應(yīng)剔除。從表1可知,奇異樣本剔除前后PLS校正模型的交互驗(yàn)證均方差(RMSECV)的變化情況:pH值的RMSECV由0.3545降到0.1854,降低顯著,酸度的RMSECV由3.1779降到3.0891。2.3變量選擇與交互檢驗(yàn)CARS變量選擇法是最新提出的變量篩選方法,可有效選擇與所測(cè)性質(zhì)相關(guān)的最優(yōu)變量組合,預(yù)測(cè)結(jié)果往往優(yōu)于MC-UVE、全譜偏最小二乘法(FS-PLS)和移動(dòng)窗口偏最小二乘法(MW-PLS)。用CARS變量選擇法(CARS變量選擇的Matlab源代碼獲取自http://co/p/carspls/downloads/list)篩選出的pH值和酸度的最優(yōu)變量子集的變量個(gè)數(shù)都為59個(gè)。從表1可知,變量選擇前后pH值和酸度PLS校正模型的交互檢驗(yàn)結(jié)果:交互驗(yàn)證決定系數(shù)(Rcv2)分別由0.6404增大到0.8563(pH)和0.7399增大到0.8714(酸度);RMSECV分別由0.1854降低到0.1172(pH)和3.0891降低到2.1718(酸度)。2.4ml/l的測(cè)定pH值的范圍為3.18~4.80,平均值為3.65,酸度的范圍為2.70~32.6mL/kg,平均值為16.8mL/kg。采用Norris平滑+1D的光譜預(yù)處理方法,剔除奇異樣本,用選擇的最優(yōu)變量子集,通過Kennard-Stone(KS)法劃分訓(xùn)練集和預(yù)測(cè)集,所建立的PLS校正模型的預(yù)測(cè)結(jié)果見表2,真實(shí)值與預(yù)測(cè)值之間的相關(guān)圖見圖3。表3列出了相關(guān)文獻(xiàn)報(bào)道的蜂蜜pH值和酸度的NIR模型檢驗(yàn)結(jié)果,表中數(shù)據(jù)表明本實(shí)驗(yàn)?zāi)Ｐ皖A(yù)測(cè)結(jié)果最好。3ph值pls近紅外光譜最優(yōu)校正模型預(yù)測(cè)結(jié)果本實(shí)驗(yàn)利用NIR技術(shù)結(jié)合新近開發(fā)的MCCV的奇異樣本篩選法和CARS變量選擇法,對(duì)蜂蜜pH值和酸度進(jìn)行了分析,比較了奇異樣本篩選前后和變量選擇前后的PLS模型預(yù)測(cè)結(jié)果,剔除奇異樣本后,模型的預(yù)測(cè)結(jié)果有了顯著提高,用篩選出的變量建立的模型的預(yù)測(cè)結(jié)果也優(yōu)于用全部變量建模的預(yù)測(cè)結(jié)果。pH值PLS近紅外光譜最優(yōu)校正模型的Rcv2為0.8516、RMSECV為0.1214,用該模型對(duì)驗(yàn)證集樣本進(jìn)