中紅外光譜技術(shù)應(yīng)用于蜂蜜摻假預(yù)判的研究*

毛力軍

(哈爾濱市產(chǎn)品質(zhì)量監(jiān)督檢驗院，哈爾濱 150090)

中紅外光譜技術(shù)應(yīng)用于蜂蜜摻假預(yù)判的研究*

毛力軍

(哈爾濱市產(chǎn)品質(zhì)量監(jiān)督檢驗院，哈爾濱 150090)

由于蜂蜜蜜種多，成分復(fù)雜，加之蜂蜜摻假方式繁多，采用傳統(tǒng)的方式很難對蜂蜜進行快速準(zhǔn)確的鑒別。通過對國內(nèi)多個地區(qū)的蜂蜜進行調(diào)研，采集來自全國20個省份多個蜜種的蜂蜜，利用可紅外光譜儀對樣品進行光譜掃描，采用主成分分析和聚類分析的方法，利用化學(xué)計量軟件進行模型的建立。該識別模型不僅能較準(zhǔn)確地判別蜂蜜是否摻假(準(zhǔn)確率為95.36%)，還能對添加量在10%以上的摻假方式進行預(yù)判，判別準(zhǔn)確率為97.78%，符合判別模型的建立要求。利用可紅外光譜技術(shù)對蜂蜜摻假進行鑒別的方法有效、可行。

可紅外光譜；蜂蜜；摻假鑒別；識別模型

我國不僅是蜂蜜生產(chǎn)大國，也是蜂蜜消費和蜂蜜出口大國［1-3］。養(yǎng)蜂是我國的傳統(tǒng)行業(yè)，年產(chǎn)蜂蜜約40萬t，近年來蜂蜜消費保持著日益增長的勢頭。但在蜂蜜的銷售和流通環(huán)節(jié)，特別是在中國市場存在經(jīng)營者一味追求高額利潤，標(biāo)識混亂、仿品牌、以次充好等制造、銷售假冒偽劣蜂蜜的行為，嚴(yán)重擾亂了正常的蜂蜜市場秩序［4］。要解決蜂蜜生產(chǎn)行業(yè)中的這些問題，不僅要求生產(chǎn)者自己采取有效的質(zhì)量控制措施，而且也需要相關(guān)標(biāo)準(zhǔn)制定和監(jiān)管部門強有力的檢測手段。因此國家有關(guān)部門針對蜂蜜摻假問題已經(jīng)制定了標(biāo)準(zhǔn)檢測方法，分別為GB／T 18932.1-2002《 蜂蜜中碳-4植物糖含量測定方法 穩(wěn)定碳同位素比率法》和GB／T 18932.2-2002《 蜂蜜中高果糖淀粉糖漿測定方法 薄層色譜法》，這些措施己經(jīng)在市場監(jiān)督中起到了積極的作用。由于蜂蜜的主要成分是糖，摻假原料容易獲得，一旦摻入很難檢測；同時不同種類的蜂蜜成分變化很大［5-7］，如蜂蜜果糖含量約為30.91%～44.26%，葡萄糖含量約為22.89%～40.75%，果糖與葡萄糖的比率（WG）變化范圍在0.76～1.86之間。另一方面蜂蜜摻假手段不斷翻新，各種糖漿和混合糖漿被用于蜂蜜摻假，導(dǎo)致?lián)郊俜涿鄣母泄僭u價及大部分理化指標(biāo)與天然蜂蜜產(chǎn)品極其相似，按照現(xiàn)有國家標(biāo)準(zhǔn)不能對真假作出準(zhǔn)確判斷。所有這些因素給鑒別蜂蜜是否摻假帶來了很大的困難，使得檢測手段程序繁瑣，檢測結(jié)果的驗證難以確認(rèn)。

目前蜂蜜摻假檢測方法主要有感官鑒別法、花粉鑒別法、碳穩(wěn)定同位素分析法、氣相色譜法、高效液相色譜法、薄層色譜法和電子鼻等方法［8-9］。這些方法對蜂蜜的檢測都存在一定的局限性，如感官鑒別法帶有一定的主觀性、經(jīng)驗性和不確定性，只適合于初步判斷分析；碳穩(wěn)定同位素分析法無法有效地檢測C3植物糖漿的摻假方式；色譜法無法用于天然蜂蜜摻入糖漿的檢測；電子鼻技術(shù)響應(yīng)時間短，檢測速度快，重復(fù)性好，不需要復(fù)雜的預(yù)處理過程，但由于我國蜜源植物分布遼闊、蜂蜜種類多、蜂蜜摻假手段多種多樣使得數(shù)據(jù)模型的建立受到一定限制。部分學(xué)者嘗試用近紅外光譜技術(shù)檢測蜂蜜摻假，取得了一定成效，但該方法尚未得到應(yīng)用和推廣。

筆者利用中紅外技術(shù)［10-12］，采用主成分分析和聚類分析［13］的方法，建立多種蜂蜜摻假方式預(yù)判的判別模型，該模型能準(zhǔn)確判別出蜂蜜是否摻假，在一定程度上分析出蜂蜜的摻假方式和摻假物質(zhì)，具有快速、準(zhǔn)確、實驗過程無污染等優(yōu)點，為蜂蜜摻假鑒別提供了良好的技術(shù)支持。

1 實驗部分

1.1 主要儀器與試劑

中紅外光譜分析儀：MilkoScan FT120型，丹麥FOSS公司；

超純水機：Milli-Q Advantage型，美國密理博公司；

電子天平：AL104型，瑞士梅特勒-托利多公司；

磁力攪拌器：RO10型，德國IKA公司；

真實樣本采集：對國內(nèi)多個蜜種和俄羅斯椴樹蜜進行調(diào)研，找出不同蜜種的分布區(qū)域，共采集蜂蜜真實樣本一千余批次，蜜種包括椴樹蜜、槐花蜜、棗花蜜、油菜蜜、荊條蜜、百花蜜和其它一些蜜種，采樣區(qū)域覆蓋山東、遼寧、黑龍江、廣東、廣西等20個省份和地區(qū)；

摻假樣品制備：采用多種方式模擬蜂蜜摻假，包括以不同蜜種為本底，以人工轉(zhuǎn)化糖、大米糖漿、麥芽糖漿、果葡糖漿和果葡糖漿和麥芽糖漿混合物等，分別按照5%，10%，20%，30%，40%，50%，60%，70%的比例模擬蜂蜜摻假，驗證判別模型的準(zhǔn)確性。

1.2 實驗方法

1.2.1 樣品的制備

對待測蜂蜜樣品進行編號處理。對存在結(jié)晶現(xiàn)象的樣品于水浴鍋中進行加熱，直至樣品中無結(jié)晶現(xiàn)象為止。準(zhǔn)確稱取10 g蜂蜜樣品于100 mL燒杯中，加入30 mL水，設(shè)定磁力攪拌器溫度為40℃，攪拌5 min后轉(zhuǎn)移至50 mL容量瓶中，用水定容至標(biāo)線，靜置數(shù)分鐘后待檢。

1.2.2 樣品掃描

測量前，預(yù)熱中紅外光譜分析儀，對儀器進行標(biāo)準(zhǔn)化，測試前進行清洗和調(diào)零。分別對正常樣品和驗證樣品進行檢測，每個樣品均檢測2次，取平均值作為樣本的原始光譜。

1.2.3 正常樣品集及驗證樣品集的建立

掃描結(jié)束后，分別建立正常樣品集及驗證樣品集，正常樣品集包括真實蜂蜜樣本987批次，驗證樣品集合包括124個摻假樣本和113批次真實樣本，驗證集合用于判別模型的驗證。

1.2.4 中紅外模型的建立

采用主成分分析(PCA)回歸方法，按照PCA定標(biāo)程序選擇確定的模塊、正常樣品集及驗證樣品集，根據(jù)實際檢測結(jié)果調(diào)整確定主成分?jǐn)?shù)(F值)和門檻值(T值)，F(xiàn)，T因子要以正常樣品集和非正常的驗證樣品集相互對照來調(diào)整。首先F的設(shè)定數(shù)值決定著正常樣品集的一致性，即正常樣品的光譜應(yīng)趨于一致，不能差異過大；T因子的調(diào)整以驗證集合為調(diào)整基礎(chǔ)，應(yīng)把正常樣品的數(shù)據(jù)置于T因子以下，保證正常樣品不被報警，同時要保證非正常樣品置于T因子以上。可以留出一定的報警空間，以避免正常樣品的誤判。

1.2.5 利用WinISI軟件對紅外光譜圖進行處理

采用聚類分析等方法對紅外光譜數(shù)據(jù)進行分析，建立聚類分析摻假判別的判別模型，對主成分分析的判別模型進行相互驗證。

1.2.6 摻假方式的判別

分別對人工添加果葡糖漿、大米糖漿和人工轉(zhuǎn)化糖3種摻假方式建立樣品集和，采用聚類分析的方法，建立聚類分析回歸模型，對摻假方式和添加水平進行判別。

2 結(jié)果與討論

2.1 蜂蜜的可紅外原始光譜圖

圖1為987批次多個種類真蜂蜜樣品的原始光譜的疊加圖。圖2為124批次采用不同摻假方式模擬的摻假樣原始光譜疊加圖。通過對照圖1和圖2，發(fā)現(xiàn)真蜂蜜平均光譜和摻假蜂蜜平均光譜相似，在453，747和835個波點數(shù)附近都存在強烈的吸收峰，只有通過光譜預(yù)處理及化學(xué)計量學(xué)方法才能加以區(qū)別。

2.2 采用PCA主成分分析建立蜂蜜摻假的判別模型

2.2.1 模型的總體判別情況

按照PCA定標(biāo)程序選擇確定的模塊、正常樣品集及驗證樣品集，根據(jù)實際檢測結(jié)果調(diào)整并確定主成分?jǐn)?shù)(F值)和門檻值(T值)，得到多個判別模型，對模型加以分析和優(yōu)化，選出具有代表性的臨界值模型加以分析，確定最優(yōu)模型，實現(xiàn)對蜂蜜摻假進行快速判別。通過多次驗證，發(fā)現(xiàn)樣品在經(jīng)過5倍稀釋后得到的判別模型最佳，通過調(diào)整F值和T值，當(dāng)F=8，T=2.0時模型的判定效果最佳，見圖3和圖4。

圖1 真蜂蜜原始中紅外光譜疊加圖

圖2 摻假蜂蜜的原始中紅外光譜疊加圖

圖3F=8，T=2的校正集合

圖4F=8，T=2的驗證集合

由圖3和圖4可以看出，當(dāng)樣品稀釋倍數(shù)為5倍，F(xiàn)設(shè)定為8，T設(shè)定為2時，校正集合共有987批次真實樣本，有17個真實樣本超過警戒線，被判定為摻假樣品，判定正確率為98.28%；驗證集合共有124批次摻假樣品，其中11批次摻假蜂蜜低于警戒線，被判定為真實樣本，判定正確率為91.13%。根據(jù)模型判定的要求規(guī)定，可以確定當(dāng)F=3，T=2時所建立的模型可以應(yīng)用于蜂蜜摻假的判定。分析校正集合中誤判的樣品發(fā)現(xiàn)，以油菜蜜為本底，梯度添加果葡糖漿和其它種類本底蜂蜜添加5%的果葡糖漿時易被誤判，說明該模型判別含量低于5%的果葡糖漿時誤差較大，同時說明油菜蜜的成分可能跟果葡糖漿的成分及比例較為相似，從而導(dǎo)致在油菜蜜中添加低含量果葡糖漿時被誤判為真蜜。

2.2.2 PCA模型對不同種摻假方式的判別情況

(1)槐花蜜中添加果葡糖漿的預(yù)測結(jié)果見圖5。由圖5可以看出，以槐花蜜為本底，添加不同比例果葡糖漿的預(yù)測結(jié)果隨著添加量的增加而增大，均在2(模型中門檻值T=2)以上，不存在誤判，判別準(zhǔn)確率為100%。

圖5 槐花蜜中梯度添加果葡糖漿時的檢測結(jié)果

(2)椴樹蜜添加果葡糖漿的預(yù)測結(jié)果見圖6。由圖6可以看出，以椴樹蜜為本底，添加不同比例果葡糖漿時的預(yù)測結(jié)果隨著糖漿添加量的增加而增大，僅有添加量為5%時預(yù)測結(jié)果低于2(模型中門檻值T=2)，其它結(jié)果均在2以上，判定準(zhǔn)確率較高，說明所建模型可以用于椴樹蜜中果葡糖漿摻假的判定。

圖6 椴樹蜜梯度添加果葡糖漿時的檢測結(jié)果

(3)不同種類蜂蜜梯度添加混合糖漿的預(yù)測結(jié)果見圖7。由圖7可以看出，不同種類蜂蜜梯度添加混合糖漿的預(yù)測結(jié)果隨著添加量的增加而顯著增大，只有以椴樹蜜為本底添加5%混合糖漿及以油菜蜜為本底添加5%，10%混合糖漿時預(yù)測結(jié)果低于2(門檻值T設(shè)定為2)，被誤判為真蜂蜜樣品；其它情況均能夠準(zhǔn)確判定。說明模型對混合糖漿的判定靈敏度和準(zhǔn)確度均較高，可以用于蜂蜜果葡糖漿摻假的判定。

圖7 不同種類蜂蜜梯度添加混合糖漿的預(yù)測結(jié)果

2.3 聚類分析判別模型的建立及應(yīng)用

2.3.1 聚類分析判別模型的建立

選擇不同種類的987批次真實蜂蜜樣本作為校正樣品集，選擇124批次摻假蜂蜜和113批次真實蜂蜜共同作為驗證樣品集合，利用WinISI數(shù)據(jù)處理軟件對紅外光譜經(jīng)過求導(dǎo)、平滑等處理，選擇最佳的主成分因子，建立聚類分析的判別模型。聚類分析判別模型的判別結(jié)果見表1。

表1 聚類分析建立的判別模型預(yù)測結(jié)果

從表1可以看出，校正集合中共有987個真實樣本，其中16個真實樣本被誤判，判定準(zhǔn)確率為98.38%。驗證集合共有237個樣本，其中真實樣本113個，摻假樣本124個，其中真實樣本被判定為摻假樣本3個，摻假樣本判定為真實樣本8個，整體判定準(zhǔn)確率為95.36%。摻假樣本被誤判的情況分別為椴樹蜜加5%和10%果葡糖漿、油菜蜜加5%果葡糖漿、荊條蜜加5%果葡糖漿、椴樹蜜加5%和10%混合糖漿、棗花蜜加5%混合糖漿，說明采用聚類分析所建立的模型符合建模要求，僅有在摻假物添加量小于10%時可能會誤判，判定靈敏度和準(zhǔn)確率均相對較高，可以應(yīng)用于蜂蜜摻假的預(yù)判。

2.3.2 聚類分析判別模型對摻假方式的預(yù)判

模擬蜂蜜的不同摻假方式，分別以不同蜜種為底物，通過梯度添加果葡糖漿、人工轉(zhuǎn)化糖和大米糖漿等3種摻假方式，分別建立樣品集合，通過對集合中紅外原始光譜數(shù)據(jù)采用積分求導(dǎo)、平滑等處理方式進行處理，利用WinISI數(shù)據(jù)處理軟件進行處理和分析，3種摻假方式的預(yù)測結(jié)果見圖8。

從圖8可以看出，添加大米糖漿蜂蜜的集合中共有17個樣本，預(yù)測結(jié)果顯示17個均為大米糖漿摻假，判定準(zhǔn)確率為100%；添加人工轉(zhuǎn)化糖的集合共有20個樣本，預(yù)測結(jié)果顯示20個均為人工轉(zhuǎn)化糖摻假，判定準(zhǔn)確率為100%；添加果葡糖漿蜂蜜的集合中共有55個樣本，預(yù)測結(jié)果顯示53個樣本判定正確，另有兩個樣本判定為人工轉(zhuǎn)化糖摻假，屬于誤判。聚類分析回歸模型中共有90個樣本，其中有2個樣本誤判，判定準(zhǔn)確率為97.78%，符合判定模型的判別要求。

從模型中還可以看出，預(yù)測結(jié)果隨著摻假物添加量的增加而增大，說明采用中紅外光譜法不僅可以對蜂蜜是否摻假進行判別，還可以摻假物的方式及添加濃度進行預(yù)測和判別。為了保證判定的準(zhǔn)確性，采用數(shù)據(jù)處理軟件對蜂蜜中紅外光譜數(shù)據(jù)做進一步處理，通過聚類分析的方法建立新的判定模型，相互驗證和補充，使得判定結(jié)果更加準(zhǔn)確。

圖8 3種摻假摻假方式的預(yù)測結(jié)果

3 結(jié)論

采用中紅外光譜法，結(jié)合PCA主成分分析和聚類分析等數(shù)據(jù)處理方法，建立的判別模型能夠廣泛應(yīng)用于多種糖漿摻假方式的檢測。模型以不同蜜種為底物，針對不同糖漿的檢測靈敏度稍有差異，檢出限多為5%和10%添加量。

分析發(fā)現(xiàn)，判別模型在以椴樹蜜和油菜蜜為底物添加低含量果葡糖漿和混合糖漿時會出現(xiàn)誤判，原因是葡糖漿的糖分比例與蜂蜜相似，當(dāng)添加水平較低時可能存在誤判。

所建模型對蜂蜜摻假的檢測靈敏度較高，可以對流通領(lǐng)域蜂蜜摻假情況進行準(zhǔn)確預(yù)判。不僅可以對蜂蜜是否摻假進行判別，還可以對摻假物的方式及添加量進行預(yù)測和判別，為蜂蜜產(chǎn)品質(zhì)量的監(jiān)管提供技術(shù)支持。

［1］ 馬倫姣.我國蜂蜜出口競爭力的國際對比［J］.安徽農(nóng)業(yè)科學(xué)，2009，37(33)： 16 604-16 606.

［2］ 何薇莉.世界蜂業(yè)及蜂蜜貿(mào)易概況［J］.中國牧業(yè)通訊，2006(24)： 50-52.

［3］ 于亞麗.中國蜂蜜產(chǎn)業(yè)出口貿(mào)易研究［J］.中國蜂業(yè)，2012，63(9)： 47-49.

［4］ 裴高璞，史波林，趙鐳，等.蜂蜜質(zhì)量市場動態(tài)及摻假檢測方法現(xiàn)狀分析［J］.食品科學(xué)，2013(15)： 329-336.

［5］ 王丹丹，任虹，李婷，等.蜂蜜摻假鑒別檢測技術(shù)研究進展［J］.食品工業(yè)科技，2016(16)： 362-367.

［6］ 袁玉偉，張志恒，葉雪珠，等.蜂蜜摻假鑒別技術(shù)的研究與對策建議［J］.食品科學(xué)，2010，31(9)： 318-322.

［7］ 朱青，王畢妮，梁艷，等. 蜂蜜摻假檢測方法的研究進展［J］.中國蜂業(yè)，2008，59(10)： 35-37.

［8］ 費曉慶，吳斌，沈崇鈺，等. 液相色譜／元素分析-同位素比值質(zhì)譜聯(lián)用法鑒定蜂蜜摻假［J］. 色譜，2011，29(1)： 15-19.

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

［10］ 陳蘭珍，張妍楠，吳黎明，等.中紅外光譜結(jié)合線性判別分析快速鑒別蜂蜜品種［J］.食品科技，2014，39(11)： 310-314.

［11］ 宋珊.蜂蜜品質(zhì)中近紅外光譜檢測技術(shù)研究［D］.天津：天津科技大學(xué)，2014.

［12］ 李水芳，朱向榮，單楊，等.中／近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)在蜂蜜快速檢測中的應(yīng)用研究進展［J］.食品與機械，2009，25(5)： 121-124，177.

［13］ 唐東明.聚類分析及其應(yīng)用研究［D］.成都：電子科技大學(xué)，2010.

教育部創(chuàng)新團隊結(jié)題驗收 質(zhì)譜等儀器項目榜上有名

不久前，教育部科技司發(fā)布通知稱，按照《“長江學(xué)者和創(chuàng)新團隊發(fā)展計劃”創(chuàng)新團隊支持辦法》相關(guān)規(guī)定，將開展2013年度教育部創(chuàng)新團隊結(jié)題驗收工作。

此次驗收對象為2013年度入選的教育部創(chuàng)新團隊以及培育期滿、成果突出、發(fā)展勢頭良好的培育團隊，主要考察和評估團隊發(fā)展與平臺建設(shè)、創(chuàng)新能力與社會貢獻、科教結(jié)合支撐人才培養(yǎng)以及團隊文化與管理運行。

公布的驗收清單中，由廈門大學(xué)江云寶帶頭的“譜學(xué)分析”，由東華理工大學(xué)陳煥文帶頭的“直接質(zhì)譜方法研究”等儀器方法研究項目榜上有名。

（可國分析儀器網(wǎng)）

Mid Infra-red Spectrum Technology in Honey Adulteration Anticipation

Mao Lijun
(Harbin Product Quality Supervision and Inspection Institute, Harbin 150090, China)

Due to the honey composition is complicated and the honey adulteration ways are multifarious, the traditional way of honey identification is difficult to identify accurately. Through researching honey in several parts of the country, several kinds of honey were collected from 20 provinces all over the country, then the mid infra-red spectrum was used to scan the samples. Chemical metrology software was used to build a model by using the method of principal component analysis and cluster analysis. The recognition model could not only carry on the discrimination about whether honey adulteration (the accuracy rate was 95.36%), but also anticipate the adulteration way of additive amount more than 10%, the accuracy rate was 97.78%, which met the requirements of the discriminant model. The method for identifying honey adulteration by using mid infra-red spectrum is effective and feasible.

mid infra-red spectrum; honey; adulteration identification; recognition model

O657.61

:A

:1008-6145(2017)02-0019-05

10.3969／j.issn.1008-6145.2017.02.005

*哈爾濱市應(yīng)用技術(shù)研究與開發(fā)項目(2014AE6AE055)

聯(lián)系人：毛利軍； E-mail： zhanghaihua523@126.com

2017-01-18