陳 嘉，劉 嘉，馬雅欽，祝詩平，趙國華,3,*

（1.西南大學(xué)食品科學(xué)學(xué)院，重慶 400715；2.西南大學(xué)工程技術(shù)學(xué)院，重慶 400715；3.重慶市農(nóng)產(chǎn)品加工技術(shù)重點(diǎn)實(shí)驗(yàn)室，重慶 400715）

葛根是豆科植物野葛（Pueraria lobata（Willd.）Ohwi）的根，是一種藥食兩用資源[1]。葛根中含有異黃酮、葛根素等活性成分，還含有必需氨基酸和鈣、鐵、鋅、硒等微量元素[2]，具有改善心腦血管循環(huán)、降低心肌耗氧量、降低血管阻力、抗炎、祛痰、解熱、提高機(jī)體免疫力等作用[3]。由于葛根的主要加工品葛粉具有清熱解毒、生津止渴、補(bǔ)腎健脾、益胃安神、清心明目、潤腸通便及解酒等功能[4-5]，其市場(chǎng)需求量逐年提升。但某些葛粉生產(chǎn)企業(yè)為了謀利，在葛粉中摻入廉價(jià)的薯類淀粉（如紅薯淀粉、馬鈴薯淀粉等）以降低成本，損害了消費(fèi)者的權(quán)益，也沖擊了正規(guī)葛粉企業(yè)的生產(chǎn)和銷售。

常用的葛粉摻假檢測(cè)技術(shù)有感官識(shí)別法、顯微鏡比較法[6]、黏度比較法[7]、指紋圖譜識(shí)別法[8]等。這些方法有些過度依賴經(jīng)驗(yàn)的積累，有些需要繁瑣的樣品前處理，無法做到快速、高效地對(duì)葛粉摻假進(jìn)行檢測(cè)。劉嘉等[4]曾采用傅里葉變換紅外譜鑒別法對(duì)葛粉摻假進(jìn)行鑒別，取得了較好的效果，但仍然需要對(duì)樣品進(jìn)行干燥及KBr壓片處理，操作過程較為繁瑣。近紅外光譜（near infrared spectroscopy，NIRS）檢測(cè)技術(shù)是20世紀(jì)80年代發(fā)展起來的一種快速檢測(cè)技術(shù)，具有分析速度快[9-10]、效率高、低成本[11]、無污染、無需要前處理[12-13]和多組分同時(shí)測(cè)定等優(yōu)點(diǎn)[14]。在食品領(lǐng)域中，近紅外光譜被廣泛應(yīng)用于食品成分檢測(cè)[15-16]、產(chǎn)地和種類鑒別[17-19]、品質(zhì)鑒定[20-21]、產(chǎn)品分級(jí)[22]等方面。在食品摻假檢測(cè)中，近紅外光譜檢測(cè)技術(shù)也被國內(nèi)外學(xué)者廣泛的應(yīng)用。Haughey等[23]采用近紅外光譜對(duì)摻雜了三聚氰胺的豆粕進(jìn)行了鑒別，Zhu Xiangrong等[24]采用化學(xué)計(jì)量學(xué)的方法，通過近紅外光譜對(duì)摻雜甜味劑的蜂蜜進(jìn)行了有效的鑒別；褚瑩等[25]利用近紅外光譜技術(shù)結(jié)合多種化學(xué)計(jì)量學(xué)方法，研究了快速鑒別摻假羊奶的方法。目前，使用近紅外光譜快速鑒別葛粉品質(zhì)還未見報(bào)道。因此，本實(shí)驗(yàn)以摻假葛粉為研究對(duì)象，探討采用近紅外漫反射光譜對(duì)葛粉摻假（摻雜紅薯淀粉和馬鈴薯淀粉）進(jìn)行快速檢測(cè)的可行性，以期為加強(qiáng)市場(chǎng)監(jiān)管提供有力支持。

1 材料與方法

1.1 材料

葛粉 重慶正里元實(shí)業(yè)有限公司；紅薯淀粉 重慶金田農(nóng)業(yè)集團(tuán)有限公司；馬鈴薯淀粉 重慶佳仙食品有限公司。

1.2 儀器與設(shè)備

MPA近紅外光譜儀 德國Bruker公司。掃描范圍12 000～4 000 cm-1，分辨率4 cm-1，掃描次數(shù)16次，PbS檢測(cè)器，采用石英樣品杯和樣品旋轉(zhuǎn)臺(tái)，漫反射方式收集信號(hào)。采用儀器自帶的OPUS 7.0采集并處理光譜。

1.3 方法

1.3.1 樣品制備

表 1 葛粉摻假樣品的制備Table 1 Preparation of kudzu starch adulterated with potato starch and sweet potato starch

向葛粉中加入不同質(zhì)量的薯類淀粉（紅薯淀粉和馬鈴薯淀粉）并混合均勻。每個(gè)相同配比樣品重復(fù)10 份，選取其中7 份作為校正集，其余3 份作為驗(yàn)證集，共制得葛粉含量為0%、20%、40%、60%、80%、100%（質(zhì)量含量）的樣品160 份[4]，詳見表1。

1.3.2 數(shù)據(jù)處理及建模分析

通過測(cè)定，得到樣品的近紅外光譜。將原圖譜數(shù)據(jù)以JCAMP-DX格式導(dǎo)入U(xiǎn)nscrambler 9.8中進(jìn)行分析。對(duì)光譜進(jìn)行適當(dāng)?shù)那疤幚?，選擇最佳的光譜波長(zhǎng)區(qū)，建立校正模型。

2 結(jié)果與分析

2.1 葛粉與摻假葛粉的近紅外光譜比較

圖 1 葛粉及摻假葛粉近紅外漫反射光譜圖Fig.1 Near infrared diffuse reflectance spectra of kudzu starch adulterated with potato starch and sweet potato starch

近紅外光譜主要反映的是分子中化學(xué)鍵振動(dòng)的倍頻和合頻信息，光譜信息重疊度較大。從圖1可以看出，在12 000～4 000 cm-1波數(shù)范圍內(nèi)，葛粉及摻假葛粉近紅外光的峰形和位置都較為相似，無法通過圖譜直觀地進(jìn)行鑒別。因此，需要采用化學(xué)計(jì)量學(xué)的方法，建立摻假葛粉檢測(cè)模型進(jìn)行鑒別分析。

2.2 主成分分析

主成分分析（principal component analysis，PCA）通過對(duì)原始光譜變量進(jìn)行轉(zhuǎn)換，將原來的變量重新組合成一組新的互相無關(guān)的幾個(gè)綜合變量。新變量能最大限度地表征原變量的數(shù)據(jù)結(jié)構(gòu)特征，且不丟失信息。通過PCA，可實(shí)現(xiàn)紅外光譜數(shù)據(jù)的線性降維投影顯示，進(jìn)而能直觀地從二維或三維圖像中觀察到光譜的主要特性和聚類情況[26]。

將校正集樣品所有光譜數(shù)據(jù)導(dǎo)入The Unscrambler 9.7中，對(duì)原始光譜進(jìn)行PCA，并在平面坐標(biāo)系中，以第1主成分的得分值（PC1）為橫軸，以第2主成分的得分值（PC2）為縱軸，做出樣品的PC點(diǎn)散圖，如圖2所示?？梢钥闯?，馬鈴薯淀粉聚集在X軸正方向，紅薯淀粉聚集在Y軸負(fù)方向，純的葛粉則與之相反。隨著葛粉含量的增加，各摻假樣品分別從馬鈴薯淀粉和紅薯淀粉物的聚集區(qū)向純葛粉的聚集區(qū)靠攏，不同的摻假樣品分布區(qū)域相距較明顯，相同樣品內(nèi)聚合度較好。

圖 2 葛根及摻假葛粉的主成分分析圖Fig.2 Principal component score plots for kudzu starch adulterated with potato starch and sweet potato starch

通過主成分分析，得到校正集112個(gè)樣品的主成分的方差累計(jì)貢獻(xiàn)率，如表2所示。校正集樣品前4 個(gè)主成分的累計(jì)貢獻(xiàn)率超過99.99%，說明前4 個(gè)主成分已經(jīng)足夠代表樣品的重要信息。主成分分析的目的是將數(shù)據(jù)降維，主成分選取過多可能會(huì)引入不必要的噪聲，造成過擬合，因此，在建模中選擇主成分因子數(shù)為4。

表 2 主成分的方差累計(jì)貢獻(xiàn)率Table 2 Cumulative variance contribution rates of principal components

2.3 光譜預(yù)處理及校正模型的建立

表 3 不同光譜處理方法對(duì)建模效果的影響Table 3 Results from PLS and PCR calibration models with different spectral pretreatments ents

2.4 光譜區(qū)間選擇

表 4 不同光譜區(qū)間PLS模型對(duì)比Table 4 Comparison among PLS calibration models with different wavelength bands

2.5 模型驗(yàn)證

圖 3 驗(yàn)證集葛粉含量預(yù)測(cè)值與真實(shí)值的相關(guān)關(guān)系Fig.3 Relationship between predicted and true levels of kudzu starch content in the validation set

為檢驗(yàn)?zāi)Ｐ偷目煽啃?，利用已建立的PLS數(shù)學(xué)模型對(duì)驗(yàn)證集48 個(gè)樣品進(jìn)行預(yù)測(cè)。圖3為校正模型對(duì)未知樣品的葛粉含量預(yù)測(cè)值與實(shí)際值的比較。驗(yàn)證結(jié)果顯示，預(yù)測(cè)值與真實(shí)值集中分布在45°線附近，具有較好的相關(guān)性。模型的RMSEP=2.298 7%，=0.994 5，模型的相對(duì)分析誤差（relative prediction deviation，RPD）為13.56，說明模型有較強(qiáng)的預(yù)測(cè)能力和穩(wěn)定性。

2.6 回收實(shí)驗(yàn)

稱取等質(zhì)量的紅薯淀粉與馬鈴薯淀粉均勻混合，得到空白樣品，向其中添加一定質(zhì)量的葛粉，分別制備葛粉含量為50%、70%、90%樣品各3 份（共9 份），掃描近紅外光譜并進(jìn)行預(yù)測(cè)，計(jì)算回收率，結(jié)果見表5。結(jié)果顯示，該模型的平均回收率為99.89%，相對(duì)標(biāo)準(zhǔn)偏差（relative standard deviation，RSD）為2.96%，說明該模型預(yù)測(cè)結(jié)果準(zhǔn)確可靠。

表 5 回收實(shí)驗(yàn)結(jié)果（ =9）Table 5 Results of recovery tests （ = 9）

3 結(jié) 論

本研究采用近紅外漫反射光譜技術(shù)，結(jié)合化學(xué)計(jì)量學(xué)的方法，對(duì)葛粉摻假快速檢測(cè)方法進(jìn)行了研究。通過比較分析，采用PLS回歸建立預(yù)測(cè)模型，SNV處理近紅外光譜，光譜區(qū)間962～1 389 nm，可以達(dá)到較高的預(yù)測(cè)精度。結(jié)果表明，模型的預(yù)測(cè)誤差均方根RMSEP為2.298 7%，實(shí)際值與預(yù)測(cè)值相關(guān)系數(shù)RP2為0.994 5，相對(duì)分析誤差13.56，平均回收率99.89%（n=9，RSD=2.96%），實(shí)現(xiàn)了較高精度的預(yù)測(cè)。采用近紅外光譜法，樣品不需前 處理，操作簡(jiǎn)便迅速，為葛粉摻假快速檢測(cè)提供了一種新方法。

[1]廖洪波, 賀稚非, 王光慈, 等. 葛根的研究進(jìn)展及展望[J]. 食品工業(yè)科技, 2003, 2 4(2): 81-83.

[2]張雁, 張孝祺. 葛根的營養(yǎng)保健功能及開發(fā)利用[J]. 食 品研究與開發(fā), 2000, 21(2): 37-39.

[3]馮慧, 周青, 謝繼安. HPLC譜法 測(cè)定葛粉中葛根素含量[J]. 中國食物與營養(yǎng), 2011, 17(3): 57-59.

[4]劉嘉, 李建超, 陳嘉, 等. 葛粉摻假的傅里葉變換紅外光譜法鑒別研究[J]. 食品科學(xué), 20 11, 32(8): 226-230.

[5]盧成瑛, 陳功錫, 卜曉英, 等. 不同 來源葛根淀粉的理化性質(zhì)比較[J].食品科學(xué), 2009, 30(21): 50-52.

[6]孫亮, 杜威, 周敏, 等. 葛根淀粉的鑒別方法研究[J]. 中國衛(wèi)生檢驗(yàn)雜志, 2012, 22(5): 1151-1152.

[7]趙文紅, 白衛(wèi)東, 王琴, 等. 葛根全粉糊流變特性初探[J]. 食品與機(jī)械, 2008, 24(4): 41-45.

[8]沈夢(mèng)潔, 馮昕韡, 朱仲良. 葛根HPLC指紋圖譜及模式識(shí)別研究[J].內(nèi)蒙古大學(xué)學(xué)報(bào): 自然科學(xué)版, 2012, 43(1): 73-76.

[9]陳斌, 方如明, 趙杰文, 等. 食醋主要成分近紅外光譜快速測(cè)定法[J].食品科學(xué), 2000, 21(5): 55-57.

[10]張鵬, 李江闊, 孟憲軍, 等. 磨盤柿可溶性固形物的可見/近紅外漫反射光譜無損檢測(cè)[J]. 食品科學(xué), 20 11, 32(6): 191-194.

[11]王右軍, 朱大洲, 屠振華. CCD短波近紅外光譜快速檢 測(cè)牛奶中摻假物質(zhì)的研究[J]食品科學(xué), 2009, 30(6): 135-138.

[12]毛莎莎, 曾明, 何紹蘭, 等. 哈姆林甜橙果實(shí)內(nèi)在品質(zhì)的可見-近紅外漫反射光譜無損檢測(cè)法[J]. 食品科學(xué), 2010, 31(14): 258-263.

[13]羅陽, 王錫昌, 鄧德文. 近紅外光譜分析檢測(cè)魚丸彈性的可行性研究[J]. 食品科學(xué), 2008, 29(8): 530-533.

[14]劉婭, 趙國華, 陳宗道, 等. 近紅外光譜技術(shù)及其在油脂檢測(cè)中應(yīng)用[J].糧食與油脂, 2002, 15(11): 35-37.

[15]金華麗, 王金水. 近紅外光譜法檢測(cè)小麥粉中灰分含量的研究[J].河南工業(yè)大學(xué)學(xué)報(bào): 自然科學(xué)版, 2010, 31(1): 14-17.

[16]金華麗, 許春紅, 李漫男, 等. 基于近紅外光譜技術(shù)測(cè)定小麥籽粒淀粉含量[J]. 河南工業(yè)大學(xué)學(xué)報(bào): 自然科學(xué)版, 2011, 32(6): 24-27.

[17]趙海燕, 郭波莉, 魏益民, 等. 近紅外光譜對(duì)小麥產(chǎn)地來源的判別分析[J]. 中國農(nóng)業(yè)科學(xué), 2011, 44(7): 1451-1456.

[18]湯丹明, 孫斌, 劉輝軍. 近紅外漫反射光譜鑒別雞蛋種類[J]. 光譜實(shí)驗(yàn)室, 2012, 29(5): 2699-2702.

[19]LUCIO-GUTI RREZ J R, COELLO J, MASPOCH S. Application of near infrared spectral f ingerprinting and pattern recognition techniques f or fast identification of Eleutherococcus senticosus[J]. Food Research International, 2011, 44(2): 557-565.

[20]高居榮, 樊廣華, 李圣福, 等. 近紅外光譜技術(shù)分析小麥品質(zhì)的應(yīng)用研究[J]. 實(shí)驗(yàn)技術(shù)與管理, 2009, 26(3): 42-44.

[21]岳絨, 郭文川, 劉卉. 近紅外漫反射光譜檢測(cè)損傷獼猴桃的內(nèi)部品質(zhì)[J]. 食品科學(xué), 2011, 32(10): 141-144.

[22]郎玉苗, 李海鵬, 沙坤, 等. 近紅外技術(shù)在牛肉質(zhì)量分級(jí)體系中的應(yīng)用研究進(jìn)展[J]. 肉類研究, 2012, 26(8): 39-42.

[23]HAUGHEY S A, GRAHAM S F, CANCOU?T E, et al. The application of Near-Infrared Reflectance Spectroscopy (NIRS) to detect melamine adulteration of soya bean meal[J]. Food Chemistry,2013, 136(3/4): 1557-1561.

[24]ZHU Xiangrong, LI Shuifang, SHAN Yang, et al. Detection of adulterants such as s weeteners materials in honey using near-infrared spectroscopy and chemometrics[J]. Journal of Food Engineering, 2010, 101(1): 92-97.

[25]褚瑩, 丁武, 丁丁. 近紅外光譜法用于摻假羊奶的快速無損鑒別[J].中國乳品工業(yè), 2012, 40(2): 51-53.

[26]羅陽, 王錫昌, 鄧德文. 近紅外光譜技術(shù)及其在食品感官分析中的應(yīng)用[J]. 食品科學(xué), 2009, 30(7): 273-276.