CN102313711A

CN102313711A - 一种测定辣椒辣度的方法

Info

Publication number: CN102313711A
Application number: CN2010102213042A
Authority: CN
Inventors: 何洪巨; 韩晓岚; 赵学志; 马智宏; 王文琪
Original assignee: Beijing Academy of Agriculture and Forestry Sciences
Current assignee: Beijing Academy of Agriculture and Forestry Sciences
Priority date: 2010-06-29
Filing date: 2010-06-29
Publication date: 2012-01-11

Abstract

本发明提供了一种测定辣椒辣度的方法，其包括利用近红外光谱仪采集辣椒样品中辣椒素和二氢辣椒素的光学数据，并计算出辣椒辣度，与通过化学分析方法测得的辣椒辣度数据之间进行关联，采用偏最小二乘法建立校正模型，将待测辣椒样品辣椒素和二氢辣椒素的光学数据代入该模型，得到待测辣椒样品的辣度。本发明所建的辣椒辣度定量分析模型精度好，可以准确和可靠地预测实际辣椒样品的辣度，采用本发明近红外光谱方法测定的辣椒辣度与化学分析方法测定的结果之间没有显著性差异，可实现对辣椒辣度的非破坏性检测。

Description

一种测定辣椒辣度的方法

技术领域

本发明涉及分析化学领域，具体地说，涉及利用近红外光谱分析技术检测样品中辣椒素和二氢辣椒素含量，从而测定辣椒辣度的方法。

背景技术

近红外光谱是20世纪90年代以来发展最快、最引人注目的光谱分析技术。近红外光是介于可见光和中红外光之间的电磁波，波长范围是700～2500nm，一般有机物在该区的近红外光谱吸收主要是含氢基团(O-H，C-H，N-H，S-H，P-H)等的倍频和合频吸收。由于几乎所有的有机物的一些主要结构和组成都可以在他们的近红外光谱中找到信号，而且谱图稳定，获取光谱容易，因此近红外光谱(NIRS)在分析化学领域被誉为分析的巨人。

辣度对辣椒整体辣味品质和口感影响较大，是评价辣椒品质好坏的重要指标之一。传统辣度测定方法是在测定辣椒素、二氢辣椒素含量的基础上，通过计算得到。辣椒素和二氢辣椒素二者约占辣椒总量的90％，也提供了约90％的辣感和热感。用Scoville指数法，通过以下公式，计算出辣椒中的辣度Scoville Heat Units(SHU)，

SHU = [X_{1} + X_{2}] \times (16.1 \times 10^{3}) + \frac{X 1 + X 2}{90 %} \times 10 % \times (9.3 \times 10^{3})

其中，X1、X2为样品中辣椒素和二氢辣椒素的含量(mg/g)；90％指辣椒总量中辣椒素和二氢辣椒素含量；16.1×10³指每1mg辣椒素或二氢辣椒素相当与16.1×10³SHU；9.3×10³指其余辣椒素1mg相当于9.3×10³SHU。

韦尔伯·斯科维尔用感官评定法测定的辣椒辣度Scoville指数与辣度级别换算如表1所示。

表1 辣度级别与Scoville指数换算表

用传统的化学分析方法，如高效液相色谱法和紫外分光光度法来测定辣椒素和二氢辣椒素含量，属破坏性分析，而且所用实验药品价格昂贵，实验操作复杂，耗时费力等。近红外光谱分析技术具有分析速度快、不破坏样品、操作简单、稳定性好、效率高等优点，在果蔬类产品的品质分析上得到了日益广泛的应用。

发明内容

本发明的目的是提供一种利用近红外光谱分析技术测定辣椒辣度的方法。

为了实现本发明目的，本发明的一种测定辣椒辣度的方法，其包括利用近红外光谱仪采集辣椒样品中辣椒素和二氢辣椒素的光学数据，并计算出辣椒辣度，与通过化学分析方法测得的辣椒辣度数据之间进行关联，采用偏最小二乘法建立校正模型，将待测辣椒样品辣椒素和二氢辣椒素的光学数据代入该模型，得到待测辣椒样品的辣度。

前述的检测方法，其中所述化学分析方法为高效液相色谱法或紫外分光光度法等。

本发明利用近红外光谱分析技术测定辣椒辣度的方法，其优点在于：(1)无预处理、无破坏性、无污染：近红外光线具有很强的穿透能力，可以穿透玻璃和塑料包装对样品直接进行检测，样品无需预处理，也不需要任何化学试剂，可实现对辣椒素和二氢辣椒素含量的非破坏性检测，与常规分析方法相比，既不会对环境造成污染，又可以节省大量的人力和物力；(2)测定速度快：近红外仪器的测定时间短，几分钟甚至几秒钟即可以完成测定；(3)本发明所建的辣椒辣度定量分析模型精度好，可以准确和可靠地预测实际辣椒样品的辣度，采用本发明近红外光谱方法测定的辣椒辣度与化学分析方法测定的结果之间没有显著性差异。

附图说明

图1为本发明利用近红外仪采集的辣椒样品原始光谱；

图2为本发明样品的近红外光谱预处理图；

图3为本发明PLS校正模型的预测值与实测值相关图。

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材料与方法

1.1材料

来自中国农业科学院的123个成熟辣椒样品。其中，93个样品为校正集，30个样品为验证集。辣度范围10779～151024。

1.2仪器与设备

NIRLab N-200型近红外品质分析仪，瑞士Buchi公司(NIRCalV4.21软件、12cm样品杯)。

1.3方法

1.3.1样品前处理

将干辣椒样品连籽带皮一起粉碎，过40目筛，将辣椒粉末铺满样品杯，厚度不低于1cm。

1.3.2近红外光谱采集

在室温下，测定辣椒粉末样品的近红外漫反射光谱。测定时，分辨率为1cm^-1，扫描次数为3，图谱范围1100～2500nm。仪器预热20～30min后，将辣椒粉末样品置于样品杯口上部。

1.3.3HPLC分析方法

采用高效液相色谱法测定上述辣椒样品的辣椒素和二氢辣椒素含量，并计算出辣度值。

1.4近红外校正模型的建立与评价

模型建立过程就是将通过预处理后的近红外光谱特征与辣度数据进行关联，建立相关关系。采用偏最小二乘(PLS)法建立校正模型。按照内部交互验证确定其最佳主成分个数(N)。

用该模型来预测检验集样品，以此来检验模型的准确性和可靠性。用相关系数(R)、校正集标准偏差(SEC)和验证集标准偏差(SEP)来评价校正模型的优劣。相关系数R越大、校正集标准偏差SEC越小，所提取的光谱信息与分析组分的相关性越好，得到的模型越优。

2结果与分析

2.1原始光谱对PLS模型的影响

选取每个辣椒样品的光谱作为原始光谱。123个样品的原始光谱如图1所示。

从图1可以看出，原始漫反射光谱变动不大，光谱重叠不严重，大多数辣椒样品的漫反射光谱没有较明显的差异，如果直接用于定量分析，不会掩盖由样品成分引起的光谱差异。原始光谱可以有效地消除测量条件造成的误差，提高定量分析模型的精确度，也能较全面地反映辣椒样品本身的实际情况。

在4000～10000cm^-1光谱范围内，分别以93个校正样品的原始光谱建立辣椒素PLS校正模型。校正模型内部交叉验证结果如表2所示。

表2 原始光谱对PLS校正模型的影响

注：R：相关系数；N：最佳主成分个数；SEC：校正集标准偏差；SLOPE：斜率；BIAS：偏差。

从表2可知，在主成分个数为8时，原始光谱所建立辣椒辣度的偏最小二乘法校正模型，其预测值与实测值的相关系数为0.9564，标准偏差为12063，表明所提取的光谱信息与分析组分的相关性较好，得到的模型较好。

2.2预处理方法对辣度校正模型的影响对辣椒辣度校正模型的影响

模型的预处理由NIRCal4.21软件自动选择closure的预处理方法，它是通过进行Normalization(中心化)的预处理后，减少光谱中的基线漂移，所得光谱如图2所示。在4000～10000cm^-1光谱范围内分析预处理方法对所建最小二乘法模型的影响，结果如表3所示。

表3 预处理对PLS校正模型的影响

注：R：相关系数；N：最佳主成分个数；SEP：验证集标准偏差；SLOPE：斜率；BIAS：偏差。

从表3可知，在主成分个数为8时，原始光谱所建立辣椒辣度的偏最小二乘法校正模型，其预测值与实测值的相关系数是0.948，SEP为11172，且SEP/SEC为1.08，小于1.3，表明模型没有过拟合，选择光谱预处理方法对优化模型是必要的，只有选择适当的光谱预处理方法才可以达到优化模型的目的。

2.3校正模型的建立

用93个样品作为校正集，通过前面的分析，选二阶导数预处理后的光谱在4000～10000cm^-1光谱范围內用PLS法建立辣椒辣度的校正模型，用30个样品作为验证集，将光谱导入所建的模型中，结果如图3所示。

2.4校正模型的检验

用30个样品对模型进行实际验证，通过比较近红外模型测得的结果和液相色谱测的结果，以此验证模型的稳定性。结果如表4所示。

表4 辣椒样品定量分析模型的预测结果

序号	实测值	预测值	绝对误差
				1	29419	17419.5	-11999.5
2	111668	99950.9	-11717.1
				3	111668	101268.3	-10399.7
4	24823	15334.5	-9488.5
				5	21468	13242.2	-8225.8
6	32334	24392.7	-7941.3
				7	117386	110294.1	-7091.9
8	41404	35127.5	-6276.5
				9	44840	41468.7	-3371.3
10	15918	13362.9	-2555.1
				11	27932	26063.2	-1868.8
12	16339	14637.6	-1701.4
				13	58034	57459.8	-574.2
14	24632	25061.1	429.1
				15	20537	22555.1	2018.1
16	27760	32769.8	5009.8
				17	117386	123032.5	5646.5
18	29710	35713.9	6003.9
				19	114534	121360.6	6826.6
20	11006	18453.1	7447.1
				21	17865	25463.2	7598.2
22	32191	40029.8	7838.8
				23	30467	39258.8	8791.8
24	22219	31510	9291
				25	38595	48140.5	9545.5
26	21762	31791.9	10029.9
				27	30467	40560.3	10093.3
28	14413	25498	11085
				29	12867	24294.8	11427.8
30	37121	49127.2	12006.2

成对t检验的方法检验两种分析方法之间有无显著差异。对于给定显著性水平0.01，t_0.005(19)＝2.861，计算所得的t值为1.458，小于t_0.005(19)，因此可以认为采用近红外分析方法预测的辣椒辣度与HPLC分析方法测得的辣椒辣度之间，结果无显著差异。

验证集样品预测值和实测值的相关系数为0.948，SEP/SEC为1.08，证明所建近红外PLS校正模型具有较好的稳定性，能满足辣椒辣度的检测要求。

3结论

3.1用辣度多位置点光谱的原始光谱建立辣椒辣度的PLS定量分析模型。

3.2采用二阶导数预处理方法，在4000～10000cm^-1光谱范围內，所建的辣椒辣度定量分析模型精度好，其预测值和实测值的相关系数为0.948，SEP/SEC为1.08，模型较优。近红外光谱分析技术可实现对辣椒辣度的非破坏性检测。

3.3对验证集的成对t检验结果表明，近红外光谱方法测定的辣椒辣度与化学分析方法测定的结果之间没有显著性差异。

虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

参考文献：

[1]陆婉珍，袁洪福，徐广通，等.近红外光谱分析技术[M].北京：中国石化出版社，2000.

[2]褚小立，袁洪福，陆婉珍.近红外分析中光谱预处理及波长选择方法进展与应用[J].化学进展，2004，16(4)：528-542.

[3]邓勃.数理统计方法在分析测试中的应用[M].北京：化学工业出版社，1984.

[4]王艳斌.人工神经网络在近红外分析方法中的应用及深色油品的分析[D].北京：石油化工科学研究院，2000.

[5]PEIRIS K H S，DULL G G，LEFFLER R G，et al.Near-infrared spectrometric method fornondestructive determination of soluble solids content in processing tomatoes[J].Journal of theAmerica Society for Horticulture Science，1998，123：1089-1093.

[6]JHYA S，MATSUOKA T.Non-destructive determination of acerbic ratio of tomato juice usingnear infrared spectroscopy[J].International Journal of Food Scienc and Technology，2004，39：425-430.

[7]GOULD W A.Tomato production，processing and technology[M]，3^rd ed.CTIPub：Baltimore，1992：15-120；236-349.

[8]夏俊芳，李培武，李小昱，等.不同预处理对近红外光谱检测脐橙VC含量的影响[J].农业机械学报，2007，38(6)：107-111.

[9]PEDRO A M K，FERREIRA M M C.Simultaneously calibrating solids，sugars and acidity oftomato products using PLS2 and NIR spectroscopy[J].Analytica Chimica Acta，2007，595：221-227.

[10]金同铭，刘玲.用近红外光谱测定大白菜的营养成分[J].华北农学报，1994，9(4)：104-110.

[11]金同铭.西红柿中糖酸等含量的非破坏分析[J].仪器仪表与分析检测，1996，16(1)：53-57.

[12]刘燕德.水果糖度和酸度的近红外光谱无损检测研究[D].杭州：浙江大学，2006.

[13]吴玉萍，邵岩，秦西云.近红外光谱法快速检测烟草中的苹果酸、柠檬酸和石油醚提取物[J].烟草农业科学，2006(1)，13-16.

[14]蒋锦锋，赵明月.近红外光谱法快速测定烟草中的总挥发酸与总挥发碱[J].烟草科技，2006(3)，33-37.

[15]蒋锦锋，李莉，赵明月.应用近红外检测技术快速测定烟叶主要化学成分[J].中国烟草学报，2006(2)，8-11.

[16]周汉平，王信民，宋纪真，等.烟叶结构和油分的近红外光谱预测[J].烟草科技，2006(1)，10-14.

[17]曹建国，窦峰.近红外漫反射光谱法测试醋酸纤维滤棒中的三醋酸甘油酯[J].烟草科技，2005(3)，6-9.

[18]王家俊，梁逸曾，汪帆.偏最小二乘法结合傅里叶变换近红外光谱同时测定卷烟焦油、烟碱和一氧化碳的释放量[J].分析化学，2005(6)，793-797.

[19]陆婉珍，袁洪福，徐广通，等.现代近红外光谱分析技术[M].北京：中国石化出版社，2000：146-148.

[20]严衍禄.近红外光谱分析基础与应用[M].北京：中国轻工业出版社，2005.

[21]MCCLURE W F.Spectral characteristics of tobacco in the near infrared region from 0.6-2.6microns[J].Tob Sci，1968，12：232-235.

[22]张铁强，郭山河，何丽桥，等.应用近红外分析技术检测烟丝水分[J].红外技术，1995(5)：45-48.

[23]王文真，张怀宝.利用IA450近红外分析仪快速测定烟草中的总氮含量[J].仪器仪表与分析监测，1995，(20)：53-55.

[24]赵龙莲，闵顺耕，严衍禄，等.傅立叶近红外光谱法测定烟草中九种品质参数[J].光谱学与光谱分析，1998(4)：89-90.

[25]张建平，谢雯燕，束茹欣，等.烟草化学成分的近红外快速定量分析研究[J].烟草科技，1999(3)：37-38.

[26]王子成，杨泽军.TM55系列红外水分仪的发展及其在烟草工业中的应用[J].郑州轻工业学院学报(自然科学版)，2000(4)：108-110.

[27]王东丹，李军会，吴玉萍，等.近红外光谱分析技术在烟草化学分析上的应用研究[J].云南大学学报(自然科学版)，2001，23(2)：135-137.

[28]王东丹，李军会，陈润琼，等.FT-NIR法测定青烟叶品质参数的研究[J].西南农业大学学报，2002(1)：64-67.

[29]王芳，陈达，邵学广，等.近红外光谱与卷烟样品常规成分的关系模型研究[J].烟草科技，2002(5)：23-25.

[30]王芳，陈达，邵学广，等.小波变换和偏最小二乘法在烟草常规成分预测中的应用[J].烟草科技，2004(3)：31-34.

[31]王家俊.FT-NIR光谱分析技术测定烟草中总氮、总糖和烟碱[J].光谱实验室，2003，20(2)：181-185.

[32]王家俊，罗丽萍，李辉，等.FT-NIR光谱法同时测定烟草根、茎、叶中的氮、磷、氯和钾[J].烟草科技，2004(12)：24-27.

[33]付秋娟，王树声，窦玉青，等.近红外定量分析青烟叶中K、Ca、Mg含量的研究[J].中国烟草学报，2006(2)，17-19

Claims

1.一种测定辣椒辣度的方法，其特征在于，其包括利用近红外光谱仪采集辣椒样品中辣椒素和二氢辣椒素的光学数据，并计算出辣椒辣度，与通过化学分析方法测得的辣椒辣度数据之间进行关联，采用偏最小二乘法建立校正模型，将待测辣椒样品辣椒素和二氢辣椒素的光学数据代入该模型，得到待测辣椒样品的辣度。

2.如权利要求1所述的检测方法，其特征在于，其中所述化学分析方法为高效液相色谱法或紫外分光光度法。