魏小梅，邵玉芳，應(yīng)尋源

(浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院，浙江杭州310058)

枇杷蜂蜜中飴糖的近紅外光譜檢測(cè)

魏小梅，邵玉芳*，應(yīng)尋源

(浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院，浙江杭州310058)

實(shí)驗(yàn)通過對(duì)純枇杷蜂蜜及主動(dòng)摻入1%、2%......30%飴糖的假枇杷蜂蜜進(jìn)行近紅外光譜掃描，采用TQ Analysis v6對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，建立飴糖含量的定性及偏最小二乘法和主成分回歸法定量分析模型，并將模型應(yīng)用于蜂蜜樣品的分析預(yù)測(cè)。結(jié)果顯示，采用原始光譜或一階微分處理建立的判別分析模型均能夠較好地區(qū)分摻飴糖蜂蜜與純蜂蜜。根據(jù)PLS算法、PCR算法建立的定量模型相關(guān)系數(shù)分別為0.99771、0.98654，用于預(yù)測(cè)的蜂蜜樣品實(shí)際值與預(yù)測(cè)值之間的決定系數(shù)分別為0.992、0.974。由此可見，用近紅外光譜技術(shù)鑒別蜂蜜中是否添加飴糖是可行的，在實(shí)際操作中可以采用近紅外光譜法快速定性判別蜂蜜中是否含有飴糖，也可根據(jù)化學(xué)計(jì)量法確定飴糖的含量，為蜂蜜打假提供依據(jù)。

蜂蜜，飴糖，近紅外光譜，偏最小二乘法，主成分回歸法

蜂蜜是一種純天然食品，易被人體吸收，具有多種功效，深受廣大消費(fèi)者喜愛。我國(guó)是世界第一養(yǎng)蜂大國(guó)，生產(chǎn)量和出口量分別占世界總量的1/5和1/4，蜂蜜出口主銷日本、美國(guó)、歐盟等。近年來，許多國(guó)家對(duì)我國(guó)蜂蜜摻假提出質(zhì)疑，給我國(guó)蜂蜜出口造成了很大損失。在國(guó)內(nèi)，市售蜂蜜產(chǎn)品的品質(zhì)也不容樂觀。河南省出入境檢驗(yàn)檢疫局檢驗(yàn)檢疫技術(shù)中心等部門多次對(duì)市售蜂蜜進(jìn)行檢測(cè)，發(fā)現(xiàn)有近一半涉嫌摻假［1］。蜂蜜主要的摻假方式是大量添加飴糖、蔗糖和果葡糖漿等［2］。碳穩(wěn)定同位素比值分析法、旋光法、淀粉顆粒檢測(cè)法、色譜分析法、電化學(xué)分析法［3］等傳統(tǒng)檢測(cè)方法費(fèi)時(shí)費(fèi)力，人們?cè)絹碓角嗖A無損快速檢測(cè)方法［4－5］。近紅外光譜(Near－infrared spectroscopy，NIRS)技術(shù)在蜂蜜品質(zhì)檢測(cè)中的應(yīng)用始于上世紀(jì)末，為蜂蜜摻假檢測(cè)做出了重要貢獻(xiàn)［6－8］。但是目前近紅外光譜檢測(cè)技術(shù)主要用于檢測(cè)葡萄糖、果糖、蔗糖等［9－16］，而近幾年大多數(shù)學(xué)者致力于尋找更好的數(shù)據(jù)處理方法［17］，對(duì)飴糖的單獨(dú)研究較少。Qiu［18］等采用改進(jìn)的偏最小二乘法(Partial least squares，PLS)建立模型，對(duì)蜂蜜中葡萄糖、果糖、蔗糖及飴糖進(jìn)行分析，結(jié)果其預(yù)測(cè)值與實(shí)際值的相關(guān)性R2分別為1.0、0.97、0.86、0.93。Ruoff等［19］采用傅里葉變換近紅外光譜技術(shù)定量測(cè)定蜂蜜中24個(gè)指標(biāo)，并用PLS建立校正模型，葡萄糖、果糖、飴糖的預(yù)測(cè)值與實(shí)際值的相關(guān)性R2分別為0.884、0.810、0.233。Lin［20］等采用近紅外光譜法檢測(cè)了超市及蜂農(nóng)處的臺(tái)灣龍眼蜜中葡萄糖、果糖、蔗糖及飴糖的含量及其他指標(biāo)，蜂農(nóng)處龍眼蜜飴糖的校正系數(shù)略小于3%，超市龍眼蜜飴糖的校正系數(shù)未提及，只提到果糖及水分等校正系數(shù)小于3%。本文采用近紅外光譜法對(duì)蜂蜜中飴糖摻假進(jìn)行快速定性檢測(cè)，并分別建立偏最小二乘法(PLS)及主成分回歸(Principal component regression，PCR)模型進(jìn)行定量分析。通過分析、比較兩種建模方法，研究了近紅外光譜檢測(cè)技術(shù)單獨(dú)檢測(cè)蜂蜜中飴糖的可行性。

表1 判別分析模型及驗(yàn)證結(jié)果Table 1 Discriminant model and validation result

表2 不同預(yù)處理方法的偏最小二乘法建模結(jié)果Table 2 Modeling results of PLS in different pretreatment

1 材料與方法

1.1 材料與儀器

純枇杷蜂蜜 樣品30個(gè)，主動(dòng)摻入飴糖的假蜂蜜樣品120個(gè)，共計(jì)150個(gè)實(shí)驗(yàn)樣品;純枇杷蜂蜜實(shí)驗(yàn)蜂場(chǎng)，呈淺琥珀色，清澈透明，有花香味，密度13.0518g/mL;飴糖 超市的純正麥芽糖。

Nicolet Nexus FT－IR近紅外光譜儀 美國(guó)熱電尼高力儀器公司，最高分辨率為1.25cm－1，近紅外測(cè)量范圍:12500～4000cm－1，及自帶的InGaAS檢測(cè)器、TQ Analyst V6等。

1.2 實(shí)驗(yàn)方法

1.2.1 樣品制備 將純正枇杷蜂蜜攪拌均勻，取純樣品30個(gè)，編號(hào)為0－1，0－2…0－30。主動(dòng)摻假的樣本共120個(gè)，各取純蜂蜜20mL，以1%(質(zhì)量分?jǐn)?shù))為梯度，即1%、2%、3%…29%、30%，每個(gè)梯度4個(gè)樣品。樣品編號(hào)分別為1－1、1－2、1－3、1－4、2－1…30－3、30－4。

1.2.2 近紅外光譜檢測(cè) 用5mm的石英比色皿盛裝蜂蜜樣品，在實(shí)驗(yàn)室條件下進(jìn)行光譜采集，光譜分辨率為 16cm－1，掃描次數(shù)為 32次，動(dòng)鏡速度為0.9494cm－1，對(duì)每個(gè)樣品掃描一次。蜂蜜屬于粘稠狀液體，本研究采用的近紅外波長(zhǎng)范圍在 12500～4000cm－1。

1.2.3 定性與定量分析 應(yīng)用TQ Analyst v6分析軟件對(duì)采集到的光譜進(jìn)行預(yù)處理，分別建立模型并進(jìn)行比較，確定最優(yōu)模型用于定性分析。確定最佳主成分?jǐn)?shù)，然后分別建立PLS校正模型與PCR校正模型，并對(duì)定量分析結(jié)果進(jìn)行比較分析。

2 結(jié)果與討論

2.1 數(shù)據(jù)處理

a.應(yīng)用TQ Analyst v6分析軟件對(duì)150個(gè)光譜進(jìn)行定性分析，比較經(jīng)不同光譜預(yù)處理后建立的模型，確定最優(yōu)模型。本研究對(duì)飴糖的定性分析采用判別分析法(Discriminant Analysis)。

b.確定最佳主成分?jǐn)?shù)，建立并選擇最佳PLS校正模型與PCR校正模型，并對(duì)定量分析結(jié)果進(jìn)行比較分析。

2.2 定性分析

將所有樣品分為兩大類，一類是純蜂蜜(n= 30)，一類為摻飴糖蜂蜜(n=120)。純蜂蜜(n=20)和摻飴糖蜂蜜(n=80)樣品用于判別分析建模，剩余50個(gè)樣本用于驗(yàn)證，其中純蜂蜜10個(gè)，摻飴糖蜂蜜40個(gè)，結(jié)果如表1所示。在建立判別分析模型時(shí)采用原始光譜或一階微分預(yù)處理均能夠?qū)深惙涿鄯智宄?采用二階微分時(shí)模型誤差較大，不能很好的進(jìn)行定性。原始光譜與一階微分所獲得的驗(yàn)證模型效果均比較理想，一階微分效果略好。圖1為原始光譜下主成分1與主成分2的關(guān)系圖，從圖1中可以看出，純蜂蜜與絕大部分摻飴糖蜂蜜分別分布在垂直坐標(biāo)軸兩側(cè)，只有極少數(shù)摻飴糖蜂蜜混雜在純蜂蜜中，因此所建判別分析模型可以比較清楚地分出兩類蜂蜜。圖2為原始光譜，因此可以采用這兩種模型對(duì)蜂蜜中是否摻有飴糖進(jìn)行定性分析。

圖1 蜂蜜摻飴糖樣本的主成分?jǐn)?shù)圖Fig.1 PC score plots of honey samples adulterated with maltose

2.3 定量分析

2.3.1 偏最小二乘法分析結(jié)果 純蜂蜜(n=20)和摻飴糖蜂蜜(n=80)共100個(gè)樣品用于建模，將飴糖含量與近紅外透射光譜間進(jìn)行PLS回歸，得到校正模型，并對(duì)選取的剩余50個(gè)樣品進(jìn)行驗(yàn)證，結(jié)果如表2所示。

表2表明不同的預(yù)處理方法所得的模型精度不同，本研究所建立的模型差異較大，但原始光譜建模效果較好，建模相關(guān)系數(shù)為 0.99771，RMSEC為0.676，R2cv為0.9705，RMSECV為1.73，RMSEP為0.857。因此選擇原始光譜建立的模型進(jìn)行定量分析。其實(shí)際值與預(yù)測(cè)值之間的相關(guān)性如圖2所示。預(yù)測(cè)值與實(shí)際值之間的決定系數(shù)R2為0.992。

2.3.2 主成分回歸分析結(jié)果 純蜂蜜(n=20)和摻飴糖蜂蜜(n=80)共100個(gè)樣品用于建模，將飴糖含量與近紅外透射光譜間進(jìn)行PCR回歸，得到校正模型，并對(duì)選取的剩余50個(gè)樣品進(jìn)行驗(yàn)證，結(jié)果如表3所示。

表3表明本研究所建立的模型差異較大，但原始光譜建模結(jié)果較好，建模相關(guān)系數(shù)為0.98654，RMSEC為 1.63，R2cv為 0.946，RMSECV為 2.38，RMSEP為1.61。因此選擇原始光譜建立的模型進(jìn)行定量分析。其實(shí)際值與預(yù)測(cè)值之間的相關(guān)性如圖3所示。預(yù)測(cè)值與實(shí)際值之間的決定系數(shù)R2為0.974。

表3 不同預(yù)處理方法的主成分回歸法建模結(jié)果Table 3 Modeling results of PCR in different pretreatment

圖2 偏最小二乘法建模實(shí)際值與預(yù)測(cè)值相關(guān)性Fig.2 Correlation between true value and predicated value of PLS model

圖3 主成分回歸建模實(shí)際值與預(yù)測(cè)值相關(guān)性Fig.3 Correlation between true value and predicated value of PCR model

2.3 討論

應(yīng)用PLS算法建立的校正模型的相關(guān)系數(shù)達(dá)0.99771，高于 PCR算法建模的相關(guān)系數(shù)0.98654，PLS算法建立的模型驗(yàn)證均方差為0.857，小于PCR算法建立的模型的校正均方差1.61。PLS建立的模型預(yù)測(cè)值與實(shí)際值之間的決定系數(shù)R2達(dá)0.992，高于PCR建立的模型的R2為0.974。相對(duì)于PCR算法建立的模型，PLS算法建立的校正模型對(duì)樣品的預(yù)測(cè)結(jié)果比較好，兩種方法均可以用于枇杷蜂蜜中飴糖的摻假檢測(cè)。

3 結(jié)論

本實(shí)驗(yàn)使用近紅外光譜(NIR)掃描了30個(gè)純枇杷蜂蜜樣品及120個(gè)主動(dòng)摻入飴糖的假枇杷蜂蜜樣品，采用TQ Analyst v6對(duì)數(shù)據(jù)進(jìn)行處理，建立了飴糖含量的定性及偏最小二乘法(PLS)和主成分回歸法(PCR)定量分析模型，并將模型應(yīng)用于蜂蜜樣品的分析預(yù)測(cè)。本實(shí)驗(yàn)中PLS和PCR兩種建模方法的預(yù)測(cè)精度均高于Qiu［18］等建立的飴糖含量預(yù)測(cè)模型。而Ruoff［19］等所建立的模型主要適合同時(shí)檢測(cè)蜂蜜中的多種指標(biāo)，針對(duì)的對(duì)象是純蜂蜜，而純蜂蜜中飴糖含量相對(duì)較少。應(yīng)用PLS算法建立的模型相關(guān)系數(shù)達(dá)0.9977，比采用PCR算法建立的模型相關(guān)系數(shù)較好，但均能夠達(dá)到較好的效果。因此，用近紅外檢測(cè)蜂蜜中飴糖含量并用PLS或PCR校正模型進(jìn)行預(yù)測(cè)可以達(dá)到較好的定性定量效果。使用近紅外光譜法不僅可以快速定性蜂蜜中是否含有飴糖，而且可以快速定量飴糖含量，減少蜂蜜摻假檢測(cè)時(shí)間，降低檢測(cè)誤差，為蜂蜜打假提供有效的技術(shù)支撐。

［1］楊寒冰.2008年全國(guó)蜂蜜市場(chǎng)回顧及2009年全國(guó)蜂蜜市場(chǎng)預(yù)測(cè)［J］.中國(guó)蜂業(yè)，2009，60(4):18－19.

［2］盧太白，陳玲，張中滿.蜂蜜品質(zhì)檢測(cè)與摻假鑒別［J］.陜西農(nóng)業(yè)科學(xué)，2006(2):24－25.

［3］沈曉玲，李誠(chéng).蜂蜜品質(zhì)檢測(cè)與摻假的鑒別方法［J］.中國(guó)蜂業(yè)，2007，58(8):30－31.

［4］呂強(qiáng)，蔡健榮，趙杰文，等.基于X射線成像技術(shù)的板栗內(nèi)部品質(zhì)檢測(cè)［J］.江蘇大學(xué)學(xué)報(bào):自然科學(xué)版，2009，30(2): 124－128.

［5］黃興奕，林建榮，趙杰文.基于支持向量機(jī)的蘋果檢測(cè)技術(shù)［J］.江蘇大學(xué)學(xué)報(bào):自然科學(xué)版，2005，26(6):465－467.

［6］Pataca L C，Neto W B，Marcucci M C，et al.Determination of apparent reducing sugars，moisture and acidity in honey by attenuated total reflectance－ Fourier transform infrared spectrometry［J］.Talanta，2007，71:1926－1931.

［7］Tu Zhenhua，Zhu Dazhou，Ji Baoping，et al.Difference analysis and optimization study for determination of fructose and glucose by Near Infrared Spectroscopy［J］.Chinese Journal of Analytical Chemistry，2010，38(1):45－50.

［8］Cozening D，Corbella E.Determination of honey quality components by near infrared reflectance spectroscopy［J］.Journal of Apicultural Research，2003，42(1－2):16－20.

［9］García－Alvarez，Huidobro J F，Hermida M，et al.Major components of honey analysis by near－infrared transflectance spectroscopy［J］.Journal of Agricultural and Food Chemistry，2000，48(11):5154－5158.

［10］Corbella E，Cozzolino D.The use of visible and near infrared spectroscopy to classify the floral origin of honey samples produced in Uruguay［J］.Journal of Near Infrared Spectroscopy，2005，13(2):63－68.

［11］Downey G，F(xiàn)ouratier V，Kelly J D.Detection of honey adulteration by addition of fructose and glucose using near infrared transflectance spectroscopy［J］.JournalofNear Infrared Spectroscopy，2003，11(6):447－456.

［12］Gerard Downey，J Daniel Kelly.Food authentication using infrared spectroscopic methods［R］.Agriculture and Food Development Authority Final Report Project RMIS NO.4907，2006.

［13］侯瑞麗，程玉來，重騰和明.采用近紅外光譜技術(shù)檢測(cè)蜂蜜中蔗糖含量的研究［J］.食品工業(yè)，2007(2):57－58.

［14］Irudayaraj J，Xu F，Tewari J.Rapid determination of invert cane sugar adulteration in honey using FTIR spectroscopy and multivariate analysis［J］.Journal of Food Science，2003，68(6): 2040－2045.

［15］Kelly J D，Petisco C，Downey G.Potential of near infrared transflectance spectroscopy to detect adulteration of Irish honey by beet invert syrup and high fructose corn syrup［J］.Journal of Near Infrared Spectroscopy，2006，14(2):139－146.

［16］Chen Lanzhen，Zhao Jing，Ye Zhihua，et al.Determination of adulteration in honey using near－infrared spectroscopy［J］. Spectroscopy and Spectral Analysis，2008，28(11):2565－2568.

［17］Zhu Xiangrong，Li Shuifang，Shan Yang，et al.Detection of adulterants such as sweeteners materials in honey using nearinfrared spectroscopy and chemometrics［J］.Journal of Food Engineering，2010，101:92－97.

［18］Qiu P Y，Ding H B，Tang Y K，et al.Determination of chemical composition of commercial honey by near－infrared spectroscopy［J］.Journal of Agricultural and Food Chemistry，1999，47(7):2760－2765.

［19］Ruoff K，Luginbühl W，Bogdanov S，et al.Quantitative determination of physical and chemical measurands in honey by near－infrared spectrometry［J］.European Food Research and Technology，2007，225:415－423.

［20］Lin Tenli，Ou Shaumei.Application ofnearinfrared spectroscopy in physicochemical constituents analysis of longan honey in Taiwan［J］.Taiwanese Journal of Agricultural Chemistry and Food Science，2001，39(2):144－152.

Detection of maltose adulteration in loquat honey by near infrared spectroscopy

WEI Xiao－mei，SHAO Yu－fang*，YING Xun－yuan
(School of Biosystem Engineering and Food Science，Zhejiang University，Hangzhou 310058，China)

Near infrared spectroscopy(NIR)was used to detect pure loquat honey(30 samples)and loquat honey adulterated with maltose(120 samples at 30 different rates as 1%，2%…30%).Spectral datas were first pretreated by TQ Analyst v6，and a qualitative model was established to discriminate the two sorts of honey，then partial least squares(PLS)model and principal component regression(PCR)model were established to determine maltose content in honey.And finally models were applied to predict maltose content in honey samples.Results indicated that both of the discriminant analysis models(one was raw spectrum and one was pretreated by first derivative) could discriminate the two sorts of honey clearly.The correlation coefficient of PLS and PCR models were 0.99771 and 0.98654，respectively.R2between the experimental values and simulated values of the honey samples for prediction of PLS and PCR models were 0.992 and 0.974，respectively.It could be concluded that NIR could not only detect maltose in honey，but also determine maltose content in honey according to chemometrics methods，which would provide a basis for cracking down on honey adulteration.

honey;maltose;near infrared spectroscopy(NIR);PLS;PCR

TS207.3

A

1002－0306(2012)10－0085－04

2011－09－19 *通訊聯(lián)系人

魏小梅(1986－)，女，碩士研究生，主要從事農(nóng)產(chǎn)品質(zhì)量安全檢測(cè)技術(shù)體系方面的研究。

國(guó)家公益性行業(yè)(農(nóng)業(yè))專項(xiàng)(200903009)。