基于近紅外光譜技術(shù)快速檢測苦蕎面條中蕎粉含量

李 俊 盧 揚 呂 都 趙 剛 向達兵 劉 輝 劉 嘉

(貴州省農(nóng)業(yè)科學(xué)院食品加工研究所；貴州省薯類工程研究中心1，貴陽 550006) (農(nóng)業(yè)農(nóng)村部雜糧加工重點實驗室2， 成都 610106)

苦蕎是一種重要的小宗雜糧作物和藥食同源植物，除含有蛋白質(zhì)、維生素、膳食纖維等基礎(chǔ)營養(yǎng)成分外，還富含蘆丁(即維生素P)、槲皮素等黃酮類物質(zhì)，營養(yǎng)素含量豐富[1]。黃酮類化合物具有很高的食用價值和藥用價值，具有防治心腦血管疾病、糖尿病、抗菌消炎、增強人體免疫力等作用[2-3]?；诳嗍w豐富的營養(yǎng)價值，將苦蕎粉添加到小麥面條中制作成的苦蕎面條由于獨特的口感和豐富的營養(yǎng)，在雜糧制品中占據(jù)重要的市場份額，貴州威寧地區(qū)每年有大量的蕎粉用于加工苦蕎面條并銷往全國各地。苦蕎粉的添加量直接影響到苦蕎面條營養(yǎng)價值與價格，但憑借產(chǎn)品外觀無法有效鑒別苦蕎粉含量，且現(xiàn)階段包裝標明苦蕎粉含量也有一定誤差?，F(xiàn)階段關(guān)于苦蕎面條相關(guān)標準較少，蕎麥面條中蕎粉含量檢測方法只有DB22/T 73—2011《蕎麥面條中蕎粉含量測定》，采用檢測蕎麥面條中黃酮含量的方法確定蕎粉含量，該方法相對標準偏差較大，且不同品種蕎粉黃酮含量有較大差別，所以該方法檢測結(jié)果準確度有待驗證。因此建立一種能夠快速、有效鑒別苦蕎面條中苦蕎粉添加量的方法，對于建立苦蕎面條的加工及產(chǎn)品標準具有重要的意義。

近紅外光譜技術(shù)是近年來發(fā)展迅速的一種綠色分析技術(shù)，已經(jīng)被廣泛應(yīng)用于糧食谷物[4-6]、乳品飲料[7]、食品成分[8-9]等的檢測中，具有操作簡便、效率高、穩(wěn)定性好、無污染、非破壞性、適合于大規(guī)模產(chǎn)業(yè)化生產(chǎn)的在線檢測等優(yōu)點，在農(nóng)產(chǎn)品品質(zhì)檢測中具有很大應(yīng)用價值。Liu等[10]采用傅立葉變換中紅外光譜(FT-MIR)結(jié)合化學(xué)計量學(xué)技術(shù)，對蓮藕粉中摻假較便宜的淀粉(馬鈴薯和甘薯淀粉)進行了分類和定量分析，確定檢測限(1%)、定量限(3%)、合理回收率(92.3%～101.5%)、內(nèi)部檢測滿意(2.9%～5.5%)、間檢測精度(11.0%～13.5%)，方法性能良好。陳秀明等[11]利用近紅外光譜技術(shù)結(jié)合 Adulterant Screen 算法建立的咖啡快速鑒別方法。吳習(xí)宇等[12]為實現(xiàn)摻假花椒粉的快速定性鑒別，采用判別偏最小二乘法(DPLS)和支持向量機(SVM)建立定性鑒別模型，經(jīng)不同光譜預(yù)處理，對115份驗證集樣本進行預(yù)測，總體鑒別正確率在97.39%～100%?，F(xiàn)階段將近紅外技術(shù)應(yīng)用于苦蕎面條檢測鮮見報道。本研究利用近紅外光譜對苦蕎面條進行掃描，用不同的數(shù)學(xué)處理方法、平滑方式和不同的波段建立檢測模型，篩選出一種準確度較高能夠在線快速檢測苦蕎面條中苦蕎粉含量的最優(yōu)模型，為苦蕎面條品質(zhì)評價提供參考。

1 材料與方法

1.1 實驗材料

實驗所用苦蕎麩皮粉購于貴州威寧縣、四川昭覺縣、云南昭通市、貴州六盤水(各項指標符合GB/T 35028—2018，經(jīng)測定含水量均為13%左右)，小麥粉為金沙河高筋小麥粉，用壓面機制作成苦蕎面條，含水量為(11±0.5)%，共計制作面條230份(苦蕎粉含量0～60%)。所用水為純凈水。

1.2 實驗儀器及參數(shù)

MPA 型多功能近紅外光譜儀，積分球附件，掃描波數(shù)范圍3 598.7～12 493.1 cm-1，分辨率8 cm-1，掃描次數(shù)32，分光鏡：石英；RT-Pbs檢測器；JYN-W601V型面條機；800Y型高速多功能粉碎機。

1.3 方法

1.3.1 樣品光譜的采集

測定前，將干苦蕎面條樣品粉碎后過100目篩，然后取50 g置于測量杯中。模型建立共取樣230個，考慮到裝樣方式及樣品松緊度會對光譜產(chǎn)生影響，所以每個樣品單獨裝填3次分別掃描光譜，取平均進行分析建模。按照以下方法采集光譜。測定樣品環(huán)境溫度：24 ℃；為使采集的樣品光譜更加準確，每檢測20個樣品測定1 次背景，儀器會在檢測信號中扣除背景。樣品以直接接觸方式采集。

1.3.2 數(shù)據(jù)分析方法

采集光譜數(shù)據(jù)后，用儀器自帶的OPUS7.5 軟件進行分析。為得到準確、可靠和穩(wěn)定的標準模型，需要采用移動平均平滑、一階導(dǎo)數(shù)、歸一化處理、標準正態(tài)化(SNV)、多元散射校正(MSC) 等計量學(xué)方法對樣品進行預(yù)處理[13-14]，實現(xiàn)數(shù)據(jù)降維，消除噪聲及背景干擾。在光譜數(shù)據(jù)預(yù)處理的基礎(chǔ)上，篩選出有效波長范圍，采用化學(xué)計量法中最基本的偏最小二乘法(PLS)來建立定標方程。

1.3.3 模型評價方法

模型的主要評價指標有相關(guān)系數(shù)(R2) 、交叉驗證均方根誤差(RMSECV)、預(yù)測標準誤差(RMSEP)和預(yù)測相對分析偏差(RPD)[15]。通過在校正集中逐個加入低含量(0.5～10%)的苦蕎面條，確定模型的最低檢出限(LOD)和定量檢出限(LOQ)。LOD通過主成分分析判斷，在二維主成分圖譜中顯著區(qū)別于苦蕎面條集群的最低苦蕎含量(即在此含量之下認為都是未添加苦蕎成分)；LOQ通過最小偏二乘法建模，當校正模型R2≤0.90時的最低含量[10]。

1.4 數(shù)據(jù)處理

采用Origin 8.6進行作圖，采用SPSS 17.0進行統(tǒng)計學(xué)分析，P<0.05認為有統(tǒng)計學(xué)顯著性差異，P<0.01認為有統(tǒng)計學(xué)極顯著性差異。

2 結(jié)果與討論

2.1 原始光譜分析

通過近紅外光譜儀對230個苦蕎面條樣品進行光譜采集，選定波數(shù)為3 598.7～12 493.1 cm-1譜區(qū)進行連續(xù)掃描，同一樣品不同部位重復(fù)掃描3次。圖1為苦蕎面條樣品的原始光譜疊加圖，可以看出，在波數(shù)低于4 000 cm-1和高于10 000 cm-1時其噪聲影響明顯，在6 850 cm-1和5 160 cm-1附近處出現(xiàn)峰值，分別是O—H鍵伸縮的振動的一級倍頻和振動組合頻，與花錦等[16]關(guān)于鮮肉中脂肪含量的測定結(jié)果一致。在4 000～10 000 cm-1波數(shù)范圍內(nèi)譜峰無太大差異，吸收峰形和位置都較為相似，無法通過近紅外圖譜直觀鑒別，需要將樣品的光譜數(shù)據(jù)結(jié)合化學(xué)計量學(xué)方法進行分析及判別，確定光譜范圍及預(yù)處理方法。

圖1 苦蕎面條樣品的原始光譜疊加圖

2.2 預(yù)測模型結(jié)果分析

近紅外光譜的特點是光譜寬、信號弱、不明確且信息嚴重重疊，而建立模型時使用導(dǎo)數(shù)光譜可以有效削弱光譜的系統(tǒng)差異[17]，可以選用一階導(dǎo)數(shù)和二階導(dǎo)數(shù)的處理方法。其次，選擇信號平滑處理方式，能夠消除噪音和隨機噪聲，提高預(yù)測模型的穩(wěn)定性。通過系統(tǒng)軟件OPUS7.5對參數(shù)組合進行優(yōu)化，各種優(yōu)化參數(shù)組合按RMSECV值從小到大的順序顯示，按照RMSECV值較小，維數(shù)較低，波長范圍較寬，以及預(yù)處理方法不同的原則，選擇5個不同預(yù)處理模型，參數(shù)見表1。5種模型相關(guān)系數(shù)均大于0.9，RPD大于3，說明通過近紅外光譜技術(shù)可以實現(xiàn)蕎粉含量的精準預(yù)測。

通過不同的預(yù)處理方式，對模型進行優(yōu)化，剔除異常樣品，得到不同模型的對比數(shù)據(jù)見表1。

表1 5種模型對比實驗結(jié)果

按照RMSEP最小的原則進行選擇，模型5的RMSEP最小，所以選擇最優(yōu)定量模型為模型5。模型5的蕎粉含量預(yù)測值和實際值的相關(guān)關(guān)系見圖2，預(yù)測值和實際值集中分布在45°附近，相關(guān)系數(shù)為0.983 9，苦蕎面條中蕎粉含量 NIR 預(yù)測值與參考值具有良好的相關(guān)性，表明所建模型穩(wěn)定可靠。蕎粉含量預(yù)測值和實際值偏差見圖3，95%的樣品偏差在±2以內(nèi)。

圖2 蕎粉含量實際值和預(yù)測值的相關(guān)關(guān)系圖

圖3 蕎粉含量實際值和預(yù)測值的偏差圖

圖4 RMSECV和R2與PLS中使用的維數(shù)關(guān)系圖

圖4顯示了RMSECV和R2與PLS中使用的維數(shù)關(guān)系圖，由圖4可以看出，RMSECV隨著初始的維數(shù)升高急劇降低，在維數(shù)達到3之后基本保持穩(wěn)定(1.14～1.21)。在本研究中，最佳的PLS維數(shù)對應(yīng)的模型呈現(xiàn)最低RMSECV，因此，將PLS維數(shù)的最優(yōu)個數(shù)設(shè)為3，此時R2為0.983 9，RMSECV為1.14，校正后RPD=7.89，偏移量為-0.006 93，R2較高，能夠?qū)崿F(xiàn)苦蕎面條中蕎粉含量的有效預(yù)測。通過對校正后模型5的LOD和LOQ進行測定，確定該模型的LOD為2%，LOQ為5%。

2.3 模型外部驗證

實驗采用外部檢驗的方法對所建立的模型預(yù)測效果進行驗證，另取隨機制作的苦蕎面條樣10份作為外部驗證集，以驗證加入新樣品并重新優(yōu)化得到的新模型的實用性[18]。用所得模型預(yù)測樣品中苦蕎粉的含量，求出預(yù)測值與實際值的RSD(相對標準偏差)值(表2)。結(jié)果顯示，預(yù)測模型驗證集的R2=0.985 2，RMSEP=0.881，驗證集相關(guān)系數(shù)較高，測定值和真值比較接近，無顯著性差異；RPD=5.41，穩(wěn)定

表2 苦蕎面條樣品預(yù)測值和實際值的RSD

性較好；RSD均小于1，進一步證明模型的有效性，說明建立的預(yù)測模型可以用于苦蕎面條中蕎粉含量的快速檢測。

2.4 不同產(chǎn)地苦蕎粉對比驗證

為了驗證模型的適用范圍，選擇不同產(chǎn)地的苦蕎粉(貴州威寧縣、四川昭覺縣、云南昭通市、貴州六盤水)進行對比驗證，通過設(shè)定不同的苦蕎粉含量，制作成苦蕎面條后用建立的模型對蕎粉含量進行預(yù)測，求出預(yù)測值與實際值的RSD值，結(jié)果見表3。結(jié)果顯示，預(yù)測模型驗證集的R2=0.963 7，RMSEP=0.926，RPD=5.22，驗證集相關(guān)系數(shù)較高，測定值和真值比較接近，模型穩(wěn)定性較好；預(yù)測值和實際值的RSD大部分小于1，只有部分高含量的樣品RSD偏高，說明不同產(chǎn)地苦蕎粉對模型預(yù)測效果沒有影響，該模型可以應(yīng)用于市場上苦蕎面條中蕎粉含量快速檢測。

表3 不同產(chǎn)地苦蕎粉對比驗證結(jié)果

3 結(jié)論

采用近紅外漫反射光譜技術(shù)結(jié)合偏最小二乘法，建立了預(yù)測苦蕎面條中苦蕎粉含量的定量模型。分別以移動平均平滑、一階導(dǎo)數(shù)、歸一化處理、標準正態(tài)化、多元散射校正等方法預(yù)處理光譜進行建模，得到最優(yōu)建模參數(shù)為波數(shù)9 403.6～7 498.2，6 101.9～5 446.2 cm-1+一階導(dǎo)數(shù)+MSC，校正模型相關(guān)系數(shù)為0.983 9，LOD和LOQ分別為2%和5%。外部驗證預(yù)測相關(guān)系數(shù)為0.985 2，預(yù)測值和實際值的RSD均小于1，且不同產(chǎn)地苦蕎粉對模型預(yù)測效果沒有影響，模型具有較高的精密度，符合實際生產(chǎn)的需求。該方法快速、低成本、準確、簡便、無污染，可以實現(xiàn)苦蕎面條中蕎粉含量的快速檢測。