CN101413885A - 一种快速定量蜂蜜品质的近红外光谱方法 - Google Patents

Abstract

本发明涉及一种快速、简便定量蜂蜜品质的方法及其应用，主要步骤如下：1)收集蜂蜜样品；2)用常规化学方法获得蜂蜜样品的水分、葡萄糖、果糖含量和淀粉酶值；3)采集蜂蜜样品的近红外光谱图；4)对所述近红外光谱图进行预处理，消除干扰因素，选择波长范围；5)分别建立蜂蜜样品的水分、葡萄糖、果糖含量和淀粉酶值和近红外光谱之间的校正模型并检验；6)采集待测样品的近红外光谱；7)用所建模型预测待测样品的水分、葡萄糖、果糖含量和淀粉酶值。本发明具有前处理简单、分析速度快、环保等优点；能预测蜂蜜中的水分、葡萄糖、果糖含量和淀粉酶值，结果可靠、理想。

Description

一种快速定量蜂蜜品质的近红外光谱方法

技术领域

本发明涉及一种定量蜂蜜品质的光谱方法，特别是涉及一种快速定量蜂蜜品质的近红外光谱方法。

背景技术

蜂蜜是蜜蜂采集周边蜜源植物的花蜜并贮存在蜂巢中，与自身特殊物质结合，消化而成的天然甜味物质。蜂蜜主要由碳水化合物(约占总量的3/4)和水分(约占总量的1/4)组成，另外含少量有机酸，维生素、氨基酸等。糖类物质尤其是单糖(葡萄糖和果糖)占碳水化合物的85％～90％，形成了高糖分的饱和溶液。水分、葡萄糖、果糖、淀粉酶(DN)是评价蜂蜜品质好坏的重要理化指标，决定蜂蜜感官特征和化学性质。例如，水分含量多少与蜂蜜是否发酵、结晶有关，糖分含量与蜂蜜甜度、味道、结晶相关，而DN是评定蜂蜜新鲜度的主要指标。常规分析蜂蜜水分、糖、DN的方法分别是折光率法、色谱法、紫外-可见分光光度法。然而，同时分析这些指标费时，需大量试剂和耗材，影响蜂蜜分析效率，尤其是分析大量样品时常需要10～20小时。因此，如何有效、快速评价蜂蜜品质成为质检部门、企业的关注问题。

近红外(Near Infrared，NIR)光的波长范围约为780～2500nm，是介于可见区与中红外区之间的电磁波，通过与物质中有机分子的含氢基团X-H键的作用，形成有机分子的倍频和合频吸收光谱。根据这些近红外吸收频谱出现的位置、吸收强度等信息特征，结合数理统计对该成分作定性和定量分析。与常规分析相比，该项技术需要更多的化学计量学算法与软件技术。随着计算机技术的发展、化学计量学研究的深入及近红外光谱仪器制造技术的日益完善，近红外光谱分析技术得到飞跃发展。由于具有快速、无前处理、环保等特点而广泛用于农产品、食品、化学、医药、石油等领域，从而成为90年代最引人注目的光谱分析技术。

发明内容

为解决上述问题，本发明的目的是提供一种简单、快速定量蜂蜜品质的近红外光谱方法及其应用。

本发明提供一种快速定量蜂蜜品质的近红外光谱方法，包括以下步骤：

1)收集具代表性的蜂蜜样品；

2)用常规化学方法获得蜂蜜样品的水分、葡萄糖、果糖含量和淀粉酶值；

3)采集蜂蜜样品的近红外光谱图；

4)对所述近红外光谱图进行预处理，消除各种干扰因素，选择波长范围；

5)分别建立蜂蜜样品的水分、葡萄糖、果糖含量和淀粉酶值和近红外光谱之间的校正模型并检验；

6)采集待测样品的近红外光谱；

7)用所建模型预测待测样品的水分、葡萄糖、果糖含量和淀粉酶值。

其中，所述蜂蜜品质为水分、葡萄糖、果糖、淀粉酶值中的一个或多个。

步骤1)所述代表性的蜂蜜样品的数量至少为30个，蜂蜜样品来源真实，并将蜂蜜样品随机分为校正集样品和验证集样品，其中，校正集样品供建立校正模型用，验证集样品供检验模型用。

步骤2)所述常规化学方法为：水分检测用折光率法，葡萄糖、果糖含量检测用高效液相色谱法；淀粉酶值检测用紫外-可见分光光度法。

应用傅立叶近红外光谱仪器采集蜂蜜样品，用液体光纤探头扫描，扫描次数为：32次；光谱扫描范围：10000cm^-1～4000cm^-1，分辨率：8cm^-1，重复测定三次，取平均光谱。仪器自身所带的具有NIRs收集、存储、处理功能的软件或其它公认统计软件处理光谱图，例如可采用OPUS5.5软件。

对原始光谱进行预处理方法包括：一阶导数、二阶导数、多元散射校正、矢量归一化、消除常数偏移量、减去一条直线等。这些方法可单独使用或多个联合使用，以达到最佳预处理效果。

建立NIR光谱与蜂蜜水分、葡萄糖和果糖含量之间的校正模型的化学计量学方法包括：偏最小二乘法(PLS)、多元线性回归(MLR)、主成分回归(PCR)等。用决定系数(R²)、交互验证标准偏差(RMSECV)或预测均方差(RMSEP)评价模型性能。

将化学值(即用常规化学方法得到的数值，下同)输入对应的样品，结合光谱图，用偏最小二乘法或其它化学计量学方法建立蜂蜜水分、葡萄糖、果糖、淀粉酶定量数学模型，以决定系数(R²)、交互验证标准偏差(RMSECV)评价模型优劣。决定系数最大、标准差最小的模型，效果最佳。

决定系数 $R^2=\{1-\frac{\mathrm{\Σ}{\left({\mathrm{Differ}}_i\right)}^2}{\mathrm{\Σ}{\left(y_i{-y}_m\right)}^2}\}$   $\mathrm{RMSECV}=\sqrt{\frac{\mathrm{\Σ}{\left({\mathrm{Differ}}_i\right)}^2}{M}}$

其中：Differ_i表示第i个样品的化学值和NIR预测值之差，M为校正集样品数，y_i为第i个样品的化学值，y_m是m个样品NIR预测值的平均值。

用验证集样本考察模型能否定量样品，以预测标准差(RMSEP)，以及用化学方法测定结果和NIR预测结果进行比较，检验两种方法的差异显著性，差异不显著的说明该模型可以取代化学方法。

$\mathrm{RMSEP}=\sqrt{\frac{\mathrm{\Σ}{\left({\mathrm{Differ}}_i\right)}^2}{N}}$ 其中：Differ_i表示第i个样品的化学值和NIR预测值之差，N为验证集样品数。

$t=\frac{\stackrel{\‾}{d}}{S_{\stackrel{\‾}{d}}},$ 其中：d表示化学值和预测值平均值之差，

为样本平均数的标准偏差。

待测样品的光谱采集方法同建模时采集光谱的方法，用建立的模型快速预测蜂蜜样品水分、葡萄糖、果糖和淀粉酶值含量。

本发明所述近红外光谱方法在测定蜂蜜品质中的应用。

所述蜂蜜品质的指标为水分、葡萄糖、果糖含量和淀粉酶值。

本发明具有以下有益效果：

1)本发明采用傅立叶光谱仪和液体光纤，具有前处理简单、分析速度快、环保等优点。本发明可以同时检测蜂蜜中多种组分，由常规分析方法10～20小时缩短至几分钟，提高了分析效率，是蜂蜜质量控制分析的一种快速新型检测方法。

2)利用傅立叶近红外光谱分析技术分析蜂蜜，结合PLS方法建立蜂蜜水分、葡萄糖、果糖、淀粉酶值与近红外光谱的校正模型，通过预测未知样品，结果可靠、理想。因此，可以将该技术进行推广，尤其是为质检部门和企业产品实时监控节省大量的人力、物力。

附图说明

图1为蜂蜜的傅立叶近红外原始光谱图；

图2为水分含量NIR预测值与真实值之间的相关图；

图3为葡萄糖含量NIR预测值与真实值之间的相关图；

图4为果糖含量NIR预测值与真实值之间的相关图；

图5为淀粉酶值NIR预测值与真实值之间的相关图。

具体实施方式

以下实施例用于说明本发明，但不用来限制本发明的范围。

实施例1 蜂蜜样品的近红外光谱图

至少收集50个样本(市购获得)，随机分为校正集和验证集(3：1)。结晶蜂蜜分析前40℃水浴至完全液化，室温放置。采用傅立叶变换近红外光谱仪器和液体光纤附件扫描蜂蜜样品，光源为钨卤灯，铟镓砷(InGaAs)检测器，扫描范围：10000cm^-1～4000cm^-1。扫描次数：32次，分辨率：8cm^-1。每个样品平行测定3次，取其平均光谱(见图1)。

实施例2 蜂蜜水分模型

2.1 水分模型建立

根据GB18796-2005蜂蜜标准，用折光率法测定实施例1蜂蜜样品的水分含量，采用OPUS5.5软件，对实施例1采集的样品光谱图进行二阶导数光谱预处理，采用偏最小二乘法建立数学模型，对模型进行交叉验证，得到水分NIR预测值与真值交叉检验图(见图2)。决定系数(R²)达94.86，交叉验证均方差(RMSECV)为0.301。

2.2 水分模型检验

用建立好的模型对蜂蜜样品水分进行预测，预测结果与国标方法测定结果及其偏差见表1。预测均方根误差(RMSEP)为0.324。通过配对T检验，结果表明近红外预测水分含量结果与化学方法结果无显著差异，所建的模型用于蜂蜜水分检测是准确可靠的。

表1 水分NIR预测值与化学实测值结果比较

实施例3 蜂蜜葡萄糖模型

3.1 葡萄糖模型建立

根据GB 18796-2005蜂蜜标准，液相色谱法测定实施例1蜂蜜样品的葡萄糖含量，采用OPUS5.5软件，对实施例1采集的样品光谱图进行减去一条直线光谱预处理，采用偏最小二乘法建立数学模型，对模型进行交叉验证，得到葡萄糖NIR预测值与真值交叉检验图(见图3)。决定系数(R²)达90.81，交叉验证均方差(RMSECV)为1.04。

3.2 葡萄糖模型检验

用建立好的模型对蜂蜜样品葡萄糖进行预测，预测结果与国标方法测定结果及其偏差见表2。预测均方根误差(RMSEP)为1.09。通过配对T检验，结果表明，近红外预测葡萄糖含量结果与化学方法结果无显著差异，所建的模型用于蜂蜜葡萄糖检测是准确可靠的。

表2 葡萄糖NIR预测值与化学实测值结果比较

实施例4 蜂蜜果糖模型

4.1 果糖模型建立

根据GB 18796-2005蜂蜜标准，液相色谱法测定实施例1蜂蜜样品的果糖含量，采用OPUS5.5软件，对实施例1采集的对样品光谱图进行减去一条直线光谱预处理，采用偏最小二乘法建立数学模型，对模型进行交叉验证，得到果糖NIR预测值与真值交叉检验图(见图4)。决定系数(R²)达94.18，交叉验证均方差(RMSECV)为0.835。

4.2 果糖模型检验

用建立好的模型对蜂蜜样品果糖进行预测，预测结果与国标方法测定结果及其偏差见表3。预测均方根误差(RMSEP)为0.979。通过配对T检验，结果表明近红外预测果糖含量结果与化学方法结果无显著差异，所建的模型用于蜂蜜果糖检测是准确可靠的。

表3 果糖NIR预测值与化学实测值结果比较

实施例5 蜂蜜淀粉酶模型

5.1 淀粉酶模型建立

根据GB 18796-2005蜂蜜标准，紫外可见分光光度法测定实施例1蜂蜜样品的淀粉酶活性，采用OPUS5.5软件，对实施例1采集的样品光谱图进行二阶导数光谱预处理，采用偏最小二乘法建立数学模型，对模型进行交叉验证，得到淀粉酶NIR预测值与真值交叉检验图(见图5)。决定系数(R²)达94.36，交叉验证均方差(RMSECV)为1.80。

5.2 淀粉酶模型检验

用建好的模型对蜂蜜样品淀粉酶值进行预测，预测结果与国标方法测定结果及其偏差见表4。预测均方根误差(RMSEP)为1.85。通过配对T检验，结果表明近红外预测淀粉酶值含量结果与化学方法结果无显著差异，所建的模型用于蜂蜜淀粉酶值检测是准确可靠的。

表4 淀粉酶值NIR预测值与化学实测值结果比较

实施例6 预测蜂蜜样品的水分、葡萄糖、果糖及淀粉酶值

对未知蜂蜜样品进行扫描，然后比较未知样品与定标样品的近红外光谱，用上面建立的模型分别预测蜂蜜样品水分、葡萄糖、果糖含量和淀粉酶值。

Claims (10)

1、一种快速定量蜂蜜品质的近红外光谱方法，其特征在于，包括以下步骤：

1)收集蜂蜜样品；

2)用常规化学方法获得蜂蜜样品的水分、葡萄糖、果糖含量和淀粉酶值；

3)采集蜂蜜样品的近红外光谱图；

4)对所述近红外光谱图进行预处理，消除干扰因素，选择波长范围；

5)分别建立蜂蜜样品的水分、葡萄糖、果糖含量和淀粉酶值和近红外光谱之间的校正模型并检验；

6)采集待测样品的近红外光谱；

7)用所建模型预测待测样品的水分、葡萄糖、果糖含量和淀粉酶值。

2、如权利要求1所述的方法，其特征在于，步骤1)所述蜂蜜样品的数量至少为30个，蜂蜜样品随机分为校正集样品和验证集样品。

3、如权利要求1所述的方法，其特征在于，步骤2)所述常规化学方法为：水分检测用折光率法，葡萄糖、果糖含量检测用高效液相色谱法；淀粉酶值检测用紫外-可见分光光度法。

4、如权利要求1所述的方法，其特征在于，应用傅立叶变换近红外光谱仪采集蜂蜜的近红外光谱，采样装置为液体光纤探头。

5、如权利要求4所述的方法，其特征在于：采集蜂蜜的近红外光谱扫描范围为10000cm^-1～4000cm^-1，分辨率：8cm^-1，重复测定三次，取平均光谱。

6、如权利要求1所述的方法，其特征在于，步骤4)所述进行预处理的方法选自一阶导数、二阶导数、多元散射校正、矢量归一化、消除常数偏移量、减去一条直线方法中的一种或多种。

7、如权利要求1所述的方法，其特征在于，步骤5)所述校正模型采用偏最小二乘法经内部交叉检验建立，内部交叉检验的具体算法：在M个样品光谱中取出第1张样品光谱，用M-1个样品光谱建立基本模型，再将取出样品光谱用于检验，并计算误差；将第1张样品光谱放回，取出另一个样品光谱，如此重复、循环，直至每个光谱都被检验分析。通过衡量样品近红外预测值与化学值间的决定系数(R²)和交叉验证均方差(RMSECV)指标评价模型性能，其中R²和RMSECV的计算公式如下：

决定系数 $R^2=\{1-\frac{{\mathrm{\Σ}\left({\mathrm{Differ}}_i\right)}^2}{\mathrm{\Σ}{(y_i-y_m)}^2}\}$ $\mathrm{RMSECV}=\sqrt{\frac{\mathrm{\Σ}{\left({\mathrm{Differ}}_i\right)}^2}{M}}$

其中：Differ_i表示第i个样品的化学值和NIR预测值之差，M为校正集样品数，y_i为第i个样品的化学值，y_m是m个样品NIR预测值的平均值。

8、如权利要求7所述的方法，其特征在于，用优化好的校正模型预测验证集样品，比较NIR预测值和化学值含量，用预测均方差(RMSEP)和配对法T检验评价模型，RMSEP公式如下：

$\mathrm{RMSEP}=\sqrt{\frac{\mathrm{\Σ}{\left({\mathrm{Differ}}_i\right)}^2}{N}}$

其中：Differ_i表示第i个样品的化学值和NIR预测值之差，N为验证集样品数。

$t=\frac{\stackrel{\‾}{d}}{S_{\stackrel{\‾}{d}}}$

其中：d表示化学值和预测值平均值之差，

为样本平均数的标准偏差。

9、如权利要求1～8任一项所述的近红外光谱方法在测定蜂蜜品质中的应用。

10、如权利要求9所述的近红外光谱方法，其特征在于，所述蜂蜜品质的指标为水分、葡萄糖、果糖含量和淀粉酶值。

Images