近紅外法測定豆?jié){蛋白質(zhì)、脂肪和可溶性固形物含量

邱燕燕 孫娟娟 魏肖鵬 欒廣忠，2 張玉靜 胡亞云 辰巳英三

（西北農(nóng)林科技大學(xué)食品學(xué)院1，楊凌 712100）（陜西省農(nóng)產(chǎn)品加工工程技術(shù)研究中心2，楊凌 712100）（日本國際農(nóng)林水產(chǎn)業(yè)研究中心3，日本筑波 305－8686）

近紅外法測定豆?jié){蛋白質(zhì)、脂肪和可溶性固形物含量

邱燕燕1孫娟娟1魏肖鵬1欒廣忠1，2張玉靜1胡亞云1辰巳英三3

（西北農(nóng)林科技大學(xué)食品學(xué)院1，楊凌 712100）（陜西省農(nóng)產(chǎn)品加工工程技術(shù)研究中心2，楊凌 712100）（日本國際農(nóng)林水產(chǎn)業(yè)研究中心3，日本筑波 305－8686）

利用傅里葉變換近紅外光譜儀采用積分球漫反射方式對60個豆?jié){樣品進行光譜的采集，結(jié)合常規(guī)分析結(jié)果分別建立了3種成分的近紅外校正模型。結(jié)果表明：豆?jié){蛋白質(zhì)、脂肪及可溶性固形物光譜分別經(jīng)過消除常數(shù)偏移量、一階導(dǎo)數(shù)和矢量歸一化（SNV）預(yù)處理后建模效果最好。蛋白質(zhì)、脂肪和可溶性固形物含量的校正模型決定系數(shù)（R2）分別為：0.966 4、0.950 0和0.950 7，交叉驗證均方根差（RMSECV）依次為0.076 9、0.087 4和0.316；對模型進行外部驗證，驗證集化學(xué)值和模型預(yù)測值之間差異不顯著，說明模型可以用于豆?jié){中蛋白質(zhì)、脂肪和可溶性固形物含量的檢測。

傅里葉變換近紅外光譜 豆?jié){ 蛋白質(zhì) 脂肪 可溶性固形物

豆?jié){是我國傳統(tǒng)的植物蛋白飲料，不僅富含蛋白質(zhì)，脂肪，鈣、磷、鐵等礦物質(zhì)和維生素等，還含有異黃酮、皂甙等生物活性物質(zhì)，消化率高達95%，可被人體充分利用，適合“乳糖不耐受癥”、心血管疾病以及糖尿病患者飲用[1－3]。據(jù)中國豆制品專業(yè)委員會統(tǒng)計顯示，我國每年豆?jié){消費量為60～70萬t，約占傳統(tǒng)豆制品消費總量的10%～20%[4]。蛋白質(zhì)、脂肪和可溶性固形物含量是評價豆?jié){品質(zhì)的重要理化指標(biāo)，由于常規(guī)檢測方法過程繁瑣，耗時較長，國內(nèi)企業(yè)大多數(shù)憑經(jīng)驗或通過手持折光儀判斷豆?jié){品質(zhì)，因此建立一種快速檢測豆?jié){營養(yǎng)品質(zhì)的方法十分必要。

近紅外光譜分析技術(shù)是一種高效快速的現(xiàn)代分析技術(shù)，該技術(shù)分析速度快、效率高，樣品無需預(yù)處理，易于實現(xiàn)在線分析，因此在農(nóng)產(chǎn)品檢測中有廣泛應(yīng)用[5－8]。目前，豆制品近紅外檢測的研究主要對大豆中蛋白質(zhì)、脂肪、水分、異黃酮及各種氨基酸等成分的測定[9－11]，但對豆干、豆腐及豆?jié){等豆制品的近紅外研究少有報道。張建新[12]等應(yīng)用傅里葉變換近紅外光譜技術(shù)，以豆腐干為材料建立了總酸、蛋白質(zhì)及含水量的定量分析模型，模型決定系數(shù)均在0.97以上，模型精度較高。李東華[13]等利用近紅外光譜技術(shù)采用透射方式采集豆?jié){光譜，建立了豆?jié){中蛋白質(zhì)和總固形物含量在譜段643.26～954.15 nm范圍內(nèi)的數(shù)學(xué)模型，實現(xiàn)了對真假豆?jié){的判別，但該譜段不能包含蛋白質(zhì)和總固形物含量的全部信息，并未對豆?jié){中脂肪含量的近紅外檢測進行研究。

本試驗利用傅里葉變換近紅外光譜儀，采用積分球漫反射方式對60個不同豆?jié){樣品進行光譜采集，結(jié)合常規(guī)方法測定結(jié)果分別建立了豆?jié){中蛋白質(zhì)、脂肪和可溶性固形物含量在4 000～12 000 cm－1（波長為800～2 500 nm）波數(shù)范圍內(nèi)的近紅外模型并進行驗證，以期為建立豆?jié){主要成分的快速檢測方法提供一定的參考依據(jù)。

1 材料與方法

1.1 材料

大豆原料部分采自楊凌（20個）、河南（17個）等地的超市或糧油店，部分（23個）由銀川農(nóng)科院提供，共計60個樣本。

1.2 儀器設(shè)備

傅里葉變換近紅外光譜儀（MPA.0331.04）：德國Bruker公司；全自動凱氏定氮儀（KJELTEC 8400）：瑞典FOSS公司。

1.3 試驗方法

1.3.1 豆?jié){的制備

參照李平[14]等的方法進行豆?jié){的制備，每個大豆樣品制備1個豆?jié){樣品：大豆經(jīng)挑選除雜，準(zhǔn)確稱取100 g大豆清洗后加入3倍質(zhì)量的蒸餾水4℃下浸泡過夜（約16 h），然后用干豆總量的8倍水進行研磨（磨漿所用的水量應(yīng)扣除干豆所吸收的水分），得到的生漿經(jīng)200目尼龍布過濾后，加熱煮沸，保持10 min，在4℃冰箱中冷藏備用。

1.3.2 豆?jié){主要成分的測定

豆?jié){中蛋白質(zhì)及脂肪含量分別按照GB/T 5009.5—2010《食品中蛋白質(zhì)的測定》和 GB/T 5413.3—2010《嬰幼兒食品和乳品中脂肪的測定》進行測定，可溶性固形物含量利用數(shù)顯折光儀進行測定。每個樣品各個指標(biāo)分別進行2次平行試驗。

1.3.3 樣品近紅外光譜的采集

利用傅里葉變換近紅外光譜儀，采用積分球漫反射方式采集光譜，以空氣為參比，波數(shù)范圍為12 000～4 000 cm－1，掃描次數(shù)為 64次，分辨率為8 cm－1。將制備的豆?jié){樣品快速冷卻至室溫（約25℃），攪拌均勻，用移液槍移取1 mL樣品至樣品杯中，保證樣品杯底無氣泡出現(xiàn)，進行光譜采集，每個樣品光譜采集3次，以平均光譜作為樣品光譜。

1.3.4 模型建立及驗證

首先利用OPUS7.0軟件對樣品光譜進行預(yù)處理，預(yù)處理方法分別采用矢量歸一化（SNV）、多元散射校正（MSC）、消除常數(shù)偏移量、一階導(dǎo)數(shù)及二階導(dǎo)數(shù)五種方法。光譜預(yù)處理后，采用偏最小二乘法進行模型的建立與驗證。樣品的校正集和驗證集由軟件進行劃分，其中校正集進行模型的建立，驗證集對模型進行外部驗證，模型的建立和驗證分別采用內(nèi)部交叉驗證法和外部檢驗法。

1.4 數(shù)據(jù)處理

分別利用Excel和Origin 7.0軟件對數(shù)據(jù)進行分析。

2 結(jié)果與分析

2.1 豆?jié){樣品常規(guī)分析結(jié)果

豆?jié){樣品各組分含量見表1。由表1可知豆?jié){中蛋白質(zhì)含量分布在2.63%～4.42%范圍內(nèi)，脂肪含量分布在1.54%～3.12%范圍內(nèi)，可溶性固形物含量分布在5.10%～10.60%范圍內(nèi)。3種成分含量范圍相對較廣，基本覆蓋了豆?jié){中可能出現(xiàn)的含量范圍，并且驗證集樣本的蛋白質(zhì)、脂肪和可溶性固形物含量范圍均在校正集范圍內(nèi)，說明樣品具有一定的代表性，可準(zhǔn)確進行模型的建立。

表1 豆?jié){樣品成分常規(guī)測定結(jié)果

2.2 豆?jié){光譜采集方式的選擇

圖1 1個豆?jié){樣品的漫反射和透射光譜圖

為了選擇一種合適的光譜采集方式，本試驗分別采用了漫反射和透射2種方式對1種豆?jié){樣品光譜進行采集，圖1中a、b兩條光譜分別為1種豆?jié){樣品的透射光譜和漫反射光譜。水分在8 403和10 309 cm－1處有較強吸收[15]，圖 1顯示在 12 000～8 000 cm－1范圍內(nèi)，漫反射光譜在 8 000 cm－1和10 000 cm－1左右有吸收峰，而透射光譜無明顯吸收峰；4 000～8 000 cm－1波數(shù)范圍內(nèi)，兩條光譜的吸收峰位置相同，透射光譜的吸收峰比漫反射光譜吸收峰更加明顯，但是在5 000 cm－1左右處透射光譜吸收峰的吸光度要明顯高于4.0，已經(jīng)超出了本試驗所用儀器的檢測范圍，而蛋白質(zhì)的特征吸收波長主要為4 587和4 878 cm－1[15]，正好位于 4 000～6 000 cm－1波數(shù)范圍內(nèi)，若采用透射光譜會影響蛋白質(zhì)模型的精度。脂肪在近紅外區(qū)域的吸收主要是長鏈脂肪酸，吸收波長為 4 264、4 329、5 666、5 767和 8 333 cm－1[15]，由圖 1可看出，漫反射光譜在這些波長附近均表現(xiàn)出一定的吸收，而透射光譜只在7 000和5 000 cm－1左右有吸收，所以對于脂肪模型的建立，采用積分球漫反射方式采集光譜更合適。綜上所述，建立豆?jié){3種成分全譜段模型，采用漫反射方式進行豆?jié){光譜采集更合適。

2.3 校正模型的建立

近紅外光譜在采集過程中會受到許多不確定因素（如基線漂移、樣品均勻度和光散射等）的干擾，影響近紅外吸收強度與樣品中各項指標(biāo)的關(guān)系，所以在建立模型之前有必要對原始光譜進行預(yù)處理[16]。

采用MSC、SNV、消除常數(shù)偏移量、一階導(dǎo)數(shù)及二階導(dǎo)數(shù)5種方法進行光譜預(yù)處理，原始光譜經(jīng)過預(yù)處理后，在一定程度上可消除基線漂移及平緩背景干擾，從而提高模型精度。不同光譜預(yù)處理方法對豆?jié){蛋白質(zhì)、脂肪及可溶性固形物校正模型的影響見表2。由表2可以看出，豆?jié){蛋白質(zhì)、脂肪及可溶性固形物光譜分別經(jīng)過消除常數(shù)偏移量、一階導(dǎo)數(shù)和SNV預(yù)處理后，3種成分近紅外模型R2分別最大，RMSECV分別最小，模型精度最高。

表2 不同預(yù)處理方法對豆?jié){蛋白質(zhì)、脂肪及可溶性固形物校正模型精度的影響

校正模型的建立采用內(nèi)部交叉驗證法。內(nèi)部交叉驗證是依次剔除建模樣品集中某一個或多個樣本，用剩余樣本來建模預(yù)測被剔除樣本的成分，比較被剔除樣本預(yù)測值與化學(xué)值的差異，由此來判斷模型的預(yù)測準(zhǔn)確性[17]，該方法主要是通過比較模型的決定系數(shù)（R2）和內(nèi)部交叉驗證均方根差（RMSECV）衡量模型的質(zhì)量。

分別建立了豆?jié){蛋白質(zhì)、脂肪和可溶性固形物含量的校正模型（圖2為豆?jié){3種成分的校正結(jié)果），分析得到3種成分近紅外校正模型的R2分別0.966 4、0.950 0和0.950 7，RMSECV分別為0.076 9、0.087 4和0.316。比較3種成分的近紅外模型發(fā)現(xiàn)，豆?jié){蛋白質(zhì)校正模型R2最高，可溶性固形物和脂肪較差，原因可能是原豆?jié){含有的一些水不溶性物質(zhì)（如水不溶性蛋白質(zhì)、纖維素等）及脂肪球顆粒對化學(xué)測定結(jié)果及光譜產(chǎn)生了干擾，從而影響了模型的精度。雖然可溶性固形物和脂肪校正模型精度略低，但3個模型的R2均達到了0.95，化學(xué)值和預(yù)測值之間偏差之和的絕對值均小于0.05%，說明模型預(yù)測值和化學(xué)測定值之間差異較小，兩者相關(guān)性很高。

圖2 近紅外校正模型預(yù)測值和化學(xué)值關(guān)系散點圖

2.4 模型的驗證

為了檢驗校正模型的準(zhǔn)確度，需要對模型進行外部檢驗。外部驗證是選擇一批與建模樣本集獨立無關(guān)的樣本，通過比較獨立樣本預(yù)測值與實際分析值的差異來判斷模型的預(yù)測準(zhǔn)確性[18]。分別用3種成分的近紅外模型對驗證集進行外部檢驗，驗證結(jié)果見表3。由表3可知3個模型的預(yù)測殘差均較小，說明蛋白質(zhì)、脂肪和可溶性固形物的近紅外模型具有較好的預(yù)測性能，在一定范圍內(nèi)可以滿足檢測精度要求。

對預(yù)測值和化學(xué)值進行成對數(shù)據(jù)雙尾t檢驗，可以看到3種成分的t值均小于t0.05，表明預(yù)測值和化學(xué)值之間差異不顯著（驗證結(jié)果見表4）。外部驗證結(jié)果可知所建模型能夠較準(zhǔn)確預(yù)測豆?jié){中蛋白質(zhì)、脂肪和可溶性固形物含量，表明近紅外法可以應(yīng)用到實際生產(chǎn)中。

表3 驗證集樣品的檢驗結(jié)果

表4 校正模型的評價結(jié)果

3 結(jié)論

利用傅里葉變換近紅外光譜儀，采用積分球漫反射方式采集豆?jié){光譜并對豆?jié){中蛋白質(zhì)、脂肪和可溶性固形物進行定量分析，結(jié)果顯示3個模型的R2均達到了0.95，模型經(jīng)過外部檢驗，驗證集的化學(xué)值和預(yù)測值之間無顯著差異，說明利用近紅外光譜法對豆?jié){中蛋白質(zhì)、脂肪及可溶性固形物含量進行同時快速檢測是可行的。

[1]Zhang H，Li L，Tatsumi E，et al.High－pressure treatment effects on proteins in soymilk[J].LWT－Food Science and Technology，2005，38（1）：7－14

[2]林旭東，潘巨忠，凌建剛.豆?jié){的保健功能及研究進展[J].現(xiàn)代農(nóng)業(yè)科技，2008（24）：146－146

[3]李瑩瑩，笪久香，欒廣忠，等.不同干豆豆?jié){機制備豆?jié){的主要品質(zhì)評價[J].大豆科學(xué)，2011，30（3）：493－496

[4]吳月芳.我國豆?jié){行業(yè)的現(xiàn)狀與展望[J].農(nóng)產(chǎn)品加工（上），2014（3）：32－33

[5]譚正林，吳謀成，傅延棟.近紅外光譜技術(shù)在農(nóng)產(chǎn)品品質(zhì)檢測中的應(yīng)用[J].中國油料作物學(xué)報，2012，34（4）：455－460

[6]Wu JG，ShiC，Zhang X.Estimating the amino acid composition in milled rice by near－infrared reflectance spectroscopy[J].Field Crops Research，2002，75（1）：1－7

[7]Zhang L，Xu H，Gu M.Use of signal to noise ratio and area change rate of spectra to evaluate the Visible/NIR spectral system for fruit internal quality detection[J].Journal of Food Engineering，2014，139：19－23

[8]Melfsen A，Hartung E，Haeussermann A.Accuracy ofmilk composition analysiswith near infrared spectroscopy in diffuse reflection mode[J].Biosystems engineering，2012，112（3）：210－217

[9]Ferreira D S，Gal?o O F，Pallone JA L，et al.Comparison and application of near－infrared（NIR）and mid－infrared（MIR）spectroscopy for determination of quality parameters in soybean samples[J].Food Control，2014，35（1）：227－232

[10]王力立，段燦星，雙少敏，等.大豆中異黃酮含量的測定及其近紅外分析[J].食品科技，2011，36（1）：242－246

[11]李楠，許韻華，宋雯雯，等.利用近紅外光譜技術(shù)快速檢測大豆氨基酸含量[J].植物遺傳資源學(xué)報，2012，13（6）：1037－1044

[12]張建新，李慧.傅立葉變換近紅外光譜法測定豆腐干中總酸、蛋白質(zhì)和水分含量[J].食品與發(fā)酵工業(yè)，2008，34（1）：124－128

[13]李東華，潘園園，張卉.利用近紅外光譜技術(shù)檢測摻假豆?jié){[J].農(nóng)業(yè)工程學(xué)報，2014，30（3）：238－242.

[14]李平，欒廣忠，宋陽，等.五通橋毛霉麩皮培養(yǎng)基的豆乳凝固酶活性研究[J].大豆科學(xué)，2014，2：264－268

[15]應(yīng)義斌，韓東海.農(nóng)產(chǎn)品無損檢測技術(shù)[M].北京：化學(xué)工業(yè)出版社，2005：38－42

[16]唐長波，岳田利.近紅外光譜檢測果汁中的富馬酸[J].西北農(nóng)業(yè)學(xué)報，2007，16（2）：187－189

[17]王衛(wèi)東，谷運紅，秦廣雍，等.近紅外漫反射光譜法測定整粒小麥單株蛋白質(zhì)含量[J].光譜學(xué)與光譜分析，2007，27（4）：697－701

[18]王雪蓮，薛雅琳，趙會義，等.近紅外法測定大豆脂肪酸值方法的研究[J].中國糧油學(xué)報，24（8）：152－154.

Determination of Protein，F(xiàn)at and Soluble Solids Content of Soy Milk by Near－Infrared Spectroscopy

Qiu Yanyan1Sun Juanjuan1Wei Xiaopeng1Luan Guangzhong1，2Zhang Yujing1Hu Yayun1Eizo Tatsumi3

（College of Food Science＆Engineering，Northwest A＆F University1，Yangling 712100）（Shaanxi Engineering Center of Agro－product Processing2，Yangling 712100）（Japan International Research Center for Agricultural Science3，Tsukuba，Japan 305－8686）

With themode of integrating sphere diffuse，the spectra of60 soymilk sampleswere obtained by the Fourier transform near－infrared spectrometer（FT－NIRS）in this research.Combined with the results of chemical analysis，the calibration models of the three components were established separately.The calibration models had a best prediction performance when the spectra of the protein，fat and soluble solidswere preprocessed by constant offset elimination，first derivative and standard normal variate transformation（SNV）respectively.The determination coefficients（R2）for the protein，fat and soluble solids contentwere 0.966 4，0.950 0 and 0.950 7 respectively，and the rootmean square errors of cross－validation（RMSECV）were 0.076 9，0.087 4 and 0.316 respectively.External validation of themodel showed there was no significant difference between chemical values and model predictions，which indicated that the calibrationmodels could be used to detect protein，fatand soluble solids contentof soymilk.

FT－NIRS，soy milk，protein，fat，soluble solids

TS207.3

A

1003－0174（2015）10－0123－05

時間：2015－10－20 13：57：43

網(wǎng)絡(luò)出版地址：http：//www.cnki.net/kcms/detail/11.2864.TS.20151020.1357.004.html

中日合作項目（K332021107）

2014－09－11

邱燕燕，女，1986年出生，碩士，糧油加工及貯藏

欒廣忠，男，1968年出生，副教授，植物蛋白工程