近紅外光譜結(jié)合線性判別分析方法在食醋品牌鑒別中的應(yīng)用

古麗君，林振華，吳世玉，鄭彥婕，周曉文，袁福定，江培淳，林長虹

(深圳市計量質(zhì)量檢測研究院，廣東 深圳，518000)

食醋味酸醇厚，液香柔和，是一種具有醫(yī)藥保健功效的食用調(diào)味品[1]。早在《本草綱目》中就有記載“醋能消腫、散火氣、殺邪毒、理諸藥之功效”。食醋含有豐富的風味物質(zhì)[2]、糖類、有機酸、維生素和無機鹽等成分[3]。根據(jù)調(diào)味品消費者協(xié)會的統(tǒng)計，在全國6 000家食醋制造企業(yè)中，品牌企業(yè)產(chǎn)量僅占30%，其他作坊式小企業(yè)占70%，目前市售的醋產(chǎn)品多為小作坊產(chǎn)品，食醋質(zhì)量參差不齊，在營養(yǎng)和價格等差異也比較大，制假售假現(xiàn)象嚴重，而且各品牌食醋在外觀和味道上幾乎沒有差別，消費者難以鑒別區(qū)分。2018年山西“平遙縣假食醋”事件致使消費者“聞醋色變”。目前亟需一種能精確快速鑒別食醋品牌的方法。

近紅外光譜技術(shù)是一種新型的物理測定技術(shù)，具有分析速度快、成本低、操作簡單、非破壞性、無污染等特點[4]。近紅外光譜結(jié)合化學計量學方法在食品安全[5-7]和食品溯源[8-10]領(lǐng)域得到了廣泛應(yīng)用。范睿等[11]基于近紅外光譜定量分析花生牛奶，并建立定量分析模型，結(jié)果表明，花生牛奶使用PLS建模方法可以有效地對光散射、花生與奶粉之間的干擾做出補償,適合用于花生牛奶復雜成分體系的分析；日本秋田大學SATO等[12]采用便攜式近紅外光譜儀結(jié)合化學計量學方法主成分分析對日本清酒進行鑒別區(qū)分，并取得了理想結(jié)果；巴西學者PONTES等[13]以Brandy、Rum、Vodka、Whiskey四種酒為實驗對象，采用近紅外光譜結(jié)合化學計量學方法對其進行品牌區(qū)分和摻假鑒別，結(jié)果表明，在95%的置信度下可以達到100%的鑒別準確率；夏蓉等[14]采用近紅外光譜結(jié)合化學計量學方法對144個食醋樣品進行品牌和貯藏年份鑒別，結(jié)果表明這種方法可以為食醋原產(chǎn)地保護和年份鑒別提供一種快速的參考方法。

線性判別分析不同于主成分分析，線性判別分析是有監(jiān)督模式識別技術(shù)，它通過最大化類間方差和最小化類內(nèi)方差，確定線性判別函數(shù)，是一種有效的特征抽取和降維技術(shù)[15]，在白酒[16～18]、牛奶[19-20]和飲料[21]的判別分析上有廣泛的應(yīng)用。本研究采用近紅外光譜技術(shù)結(jié)合線性判別分析對食醋品牌鑒別，為保護名優(yōu)品牌食醋的質(zhì)量、維護消費者和合法生產(chǎn)經(jīng)營者的權(quán)益提供一種快速的參考方法。

1 材料和方法

1.1 樣品收集

市售東湖牌食醋(13組)、恒順牌食醋(13組)、寧化府牌食醋(13組)、紫林牌食醋(8組)、金山寺牌食醋(8組)，以及其他品牌(48組)共103組食醋樣品。

1.2 儀器及工作參數(shù)

Bruker MPA近紅外光譜儀，德國布魯克公司。掃描的波數(shù)范圍：4 000～12 500 cm-1；分辨率：8 cm-1； 漫透射測量模式。

1.3 光譜采集

將食醋樣品充分混勻，使用移液槍準確移取1 mL 食醋樣品,小心加入樣品管中立即測量。首先從測量儀器的背景單通道光譜扣除背景。通過近紅外光譜儀對樣品重復掃描64次得一張光譜圖，再重復3次操作后得到3張光譜。

將樣品3次的光譜圖作均一化處理，與相應(yīng)的近紅外數(shù)據(jù)庫及相關(guān)的數(shù)據(jù)模型進行鑒別分析。

1.4 建立評價模型

采用二階導數(shù)(second derivative, SD)對圖譜進行預處理，SD通?？梢韵€漂移，克服譜帶重疊現(xiàn)象，由此達到強化譜帶特征的作用，并通過自動波段的選擇，依次進行標準處理、T檢驗、主成分分析(PCA)及PCA特征提取，然后利用留一法構(gòu)建線性判別(LDA)模型。樣品的正確識別率R評價定型模型的精確度。按照公式(1)計算模型正確識別率。

(1)

2 結(jié)果與分析

2.1 不同品牌的食醋近紅外光

近紅外光譜顯示的是測試樣品中含氫基團的振動倍頻和組合頻信息，樣品中所含成分、濃度等都會影響光譜信號。本研究每隔8 cm-1波數(shù)進行光譜測量，圖1中橫坐標波數(shù)范圍4 000～12 500 cm-1，縱坐標為光譜吸收度。圖中6 900 cm-1附近出現(xiàn)的大的吸收峰，為食醋中醇類和酚類的O—H鍵伸縮振動所引起；在5 500、8 600 cm-1附近出現(xiàn)的小的吸收，代表了C—H鍵振動的倍頻區(qū)域，這與食用醋中含有的乙酸等有機酸有關(guān)。漫反射模式下采集近紅外光譜信號時，光譜信息包含了樣品所含的物質(zhì)結(jié)構(gòu)以及成分含量信息，但也會因外界噪聲干擾、儀器響應(yīng)、雜散光等因素導致噪音信號,從而影響后續(xù)的光譜分析。同時由于各品牌食用醋主要成分相似，峰形相近，并存在嚴重重疊現(xiàn)象，無法通過直接觀察方法將不同品牌醋區(qū)分開，如圖1-a所示，因此需要結(jié)合化學計量學手段將光譜數(shù)據(jù)集進行預處理，才能達到品牌區(qū)分目的。依次采用SD對圖形進行預處理(圖1-b)、然后選擇>閾值0.3的波段(圖1-c)進行標準化處理，并通過T檢驗(圖1-d)對存在顯著性差異的點進一步進行特征值提取處理并建立分類模型。

圖1 食醋近紅外光譜預處理圖Fig.1 The pretreatment of near infrared spectrum of vinegar注：其中圖a～圖d對應(yīng)的分別為食醋近紅外光譜原始圖、經(jīng)過二階導數(shù)預處理圖、波段選擇圖和T檢驗圖。

2.2 不同品牌食醋的主成分分析結(jié)果

主成分分析方法是模式識別分析中常用的特征抽取和降維技術(shù)之一，可在不具備任何相關(guān)知識背景的條件下對未知樣品進行類別歸屬的判別，常被用于解決譜帶重疊[22]。本研究對5個品牌食醋的近紅外光譜進行主成分分析，并保留3個主成分。如圖2所示，X、Y、Z軸分別代表食醋樣品的第1、第2和第3主成分得分。由圖2可知，5個品牌的食醋樣品具有明顯的聚類趨勢，然而主成分分析無法準確地劃分各個品牌之間的界限，因此，需要有監(jiān)督的模式識別方法，本研究利用留一法構(gòu)建線性判別(LDA)模型。

圖2 不同品牌食醋的3個主成分分布圖Fig.2 Distribution of three principal components of different brands of vinegar注：其中圖a～圖e對應(yīng)的分別為東湖、恒順、寧化府、金山寺和紫林等單一品牌和其他品牌之間的區(qū)分圖f對應(yīng)的為東湖、恒順、寧化府、金山寺以及紫林等五大品牌相互之間的區(qū)分。

2.3 LDA應(yīng)用于食醋品牌的鑒別

由于食醋的組成成分繁多復雜，且受到品種、產(chǎn)地、原料和發(fā)酵工藝等多方面影響，僅通過主成分分析并不能準確的鑒別食醋的品牌。在主成分分析的結(jié)果上，提取PCA特征，并采用留一法構(gòu)建線性判別模型。由圖3可以看出，食醋品牌近紅外光譜經(jīng)處理后可以達到一定的聚類效果，和其他品牌食醋能夠較好的分離，對于單一品牌和其他品牌的區(qū)分，通過留一法構(gòu)建線性判別模型交叉驗證結(jié)果東湖正確率達到89.69%、恒順87.63%、寧化府87.63%、紫林92.78%、金山寺85.57%，結(jié)果令人滿意。但對于5個品牌相互之間的區(qū)分鑒別,LDA模型交叉驗證結(jié)果正確率僅為58.18%。以上數(shù)據(jù)結(jié)果表明各品牌食醋在原材料上有所不同，也表明食醋紅外光譜在食醋品牌區(qū)分上具有一定的應(yīng)用前景。

3 結(jié)論

本研究采用近紅外光譜結(jié)合化學計量學方法(主要是主成分分析和線性判別分析)對5個品牌的食醋進行判別分析。主成分分析結(jié)果表明,5個品牌的食醋樣品具有明顯的聚類趨勢，然而無法準確劃分各個品牌之間的界限。線性判別模型交叉驗證結(jié)果東湖正確率達到89.69%、恒順87.63%、寧化府87.63%、紫林92.78%、金山寺85.57%，結(jié)果令人滿意。

圖3 不同品牌食醋的線性判別(LDA)模型結(jié)果Fig.3 Results of linear discriminant analysis model of different brands of vinegar注：其中圖a～圖e對應(yīng)的分別為東湖、恒順、寧化府、金山寺和紫林等單一品牌和其他品牌之間的區(qū)分，圖f對應(yīng)的為東湖、恒順、寧化府、金山寺以及紫林等五大品牌相互之間的區(qū)分。