高文佳 張海華 馬雪巍 張 瑩 那雙俊 劉 欣 馬占峰

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

基于中紅外光譜法快速檢測蜂蜜中還原糖的研究

高文佳 張海華 馬雪巍 張 瑩 那雙俊 劉 欣 馬占峰

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

目前蜂蜜的還原糖測定方法主要有滴定法、液相色譜法、氣相色譜法等。傳統(tǒng)化學檢測方法費時、費力,因此無法做到快速、無損檢測。中紅外光譜技術具有快速、簡便、無樣品預處理、無損傷等特點，現(xiàn)已成為國內(nèi)外的研究重點。本研究采用中紅外光譜技術，利用偏最小二乘法建立模型，結合高效液相色譜法測定的蜂蜜中果糖和葡萄糖的檢測結果。采用主成分分析和PLS的方法，建立和優(yōu)化蜂蜜果糖和葡萄糖的快速檢測模型，實現(xiàn)蜂蜜還原糖的快速檢測。

中紅外光譜技術；蜂蜜；果糖；葡萄糖；高效液相色譜法

蜂蜜是指蜜蜂采集植物的花蜜或者分泌物經(jīng)自身含有的特殊物質(zhì)進行充分釀造而成的甜味物質(zhì)，蜂蜜中主要成分是糖類物質(zhì)，約占蜂蜜的3/4,其中果糖和葡萄糖含量最高,其次是蔗糖、麥芽糖、曲二糖等，還有蛋白質(zhì)、氨基酸、有機酸、維生素等多種對人體有益的營養(yǎng)成分?，F(xiàn)有國家標準對蜂蜜中果糖、葡萄糖、蔗糖給出了明確的限量規(guī)定。由于利益的驅(qū)使，蜂蜜摻雜、使假一直是我國蜂產(chǎn)品行業(yè)存在的重要問題[2]?，F(xiàn)階段蜂蜜的還原糖測定方法主要有滴定法、液相色譜法、氣相色譜法等，傳統(tǒng)化學檢測方法費時、費力，因此無法做到快速、無損檢測[1]。中紅外光譜技術具有快速、簡便、無樣品預處理、無損傷等特點，并結合化學計量學方法提取光譜有效信息進行樣品定性或定量分析被應用到很多領域[3]，尤其在食品的無損檢測方面顯現(xiàn)出巨大優(yōu)勢，現(xiàn)已成為國內(nèi)外的研究重點。本研究采用中紅外光譜技術，采用化學計量學的方法[4]，結合液相色譜測得蜂蜜中果糖和葡萄糖的檢測結果，利用主成分分析和PLS的方法[5]，建立和優(yōu)化蜂蜜果糖和葡萄糖的快速檢測模型[6]，實現(xiàn)蜂蜜糖分的快速檢測。

1 材料與方法

1.1 樣品與試劑

本研究通過調(diào)研，找出不同蜜種的分布區(qū)域，從2013年開始連續(xù)到全國多個區(qū)域采集蜂蜜真實樣本，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、百花蜜和其他一些蜜種，采樣區(qū)域覆蓋山東、遼寧、黑龍江、廣東、廣西等二十個省份。

D-果糖標準品：Purity≥99%，美國 SIGMAALDRICH公司；D-葡萄糖標準品：Purity 99.9%，美國SUPELCO公司；乙腈（色譜純），一級水，符合GB/ T6682規(guī)定。

1.2 主要設備與儀器

中紅外福斯光譜分析儀：MilkoScan FT120型，丹麥FOSS公司；液相色譜儀，配示差折光檢測器：waters 2695型，美國waters公司；超純水機：Milli-Q Advantage型，美國密理博公司；電子天平：梅特勒AL104型，美國梅特勒-托利多公司；磁力攪拌器：RO10型，德國IKA公司。

1.3 樣品光譜采集法

1.3.1 樣品的制備

對所有待測蜂蜜樣品進行編號處理，并進行詳細記錄。對存在結晶現(xiàn)象的樣品于50℃水浴鍋中進行加熱，直至樣品中無結晶現(xiàn)象為止。精確稱取待測樣品10g（±0.05 g）于100 ml燒杯中，加入30 ml去離子水，放入磁子。將燒杯置于磁力攪拌器上攪拌，設定溫度為30℃，攪拌8分鐘。待樣品均一后，轉移至50 ml比色管中，并用去離子水清洗燒杯，全部轉移至比色管中，定容至刻度。搖勻靜置后待檢。

1.3.2 樣品掃描

測量前，預熱中紅外光譜分析儀，對儀器進行標準化，測試前進行清洗和調(diào)零。將選定的146個樣品，按設定好的儀器條件進行紅外檢測，每個樣品均檢測兩次，每次進樣量為8 ml，取兩次平均值作為樣品的原始光譜。利用校正集合建立PLS模型后，對驗證集合的樣品進行掃描，驗證模型的預測準確性。

1.4 蜂蜜中果糖、葡萄糖、蔗糖含量的測定

蜂蜜的果糖、葡萄糖含量按照國標 GB/T 18932.22-2003《蜂蜜中果糖、葡萄糖、蔗糖、麥芽糖含量的測定方法-液相色譜示差折光檢測法》測定。

1.5 PLS定標模型的建立

將上述選定的146個樣品的紅外光譜數(shù)據(jù)建立正常樣品集合，在集合分別增加果糖、葡萄糖和蔗糖的參數(shù)，輸入液相色譜測得的結果作為真值（中紅外掃描時樣品經(jīng)過5倍稀釋），選擇具有較強吸收的特征波段，打開蜂蜜成分快速檢測模塊，對相應的檢測項目采用PLS定標方式定標，選擇交互驗證誤差最小時對應的主成分數(shù)，建立最優(yōu)的蜂蜜成分快速檢測模型。

2 結果與討論

2.1 定標波段的選擇

采用主成分分析的方法，按照PLS定標程序選擇確定的模塊，選擇最佳紅外吸收的15個波段。

2.2 中紅外光譜分析模型的建立

采用偏最小二乘法建立多元統(tǒng)計模型。校正模型的最佳因子個數(shù)由舍一交互驗證法(leave-one-out)確定，計算出不同主因子數(shù)對應的Cross Validation Error交互驗證誤差 (交互驗證誤差）值和RESECV(root mean square errorof cross validation交叉驗證均方差)，然后以最小的交互驗證誤差值所對應的因子數(shù)作為模型的最佳因子數(shù)。圖1顯示了Norris平滑后葡萄糖PLS模型中Cross Validation Error值隨PLS因子變化的趨勢，隨著PLS因子數(shù)的增加，PRESS逐漸降低，當PLS主成分因子達到6時，交互驗證誤差最小，當PLS主成分因子數(shù)大于6時，PLS模型擬合了部分噪聲信息，導致交互驗證誤差值逐漸增大。因此，蜂蜜葡萄糖PLS模型的最佳主成分因子數(shù)為6。

圖1中橫坐標為模型和選擇的主成分因子Factor數(shù)，縱坐標為Cross Validation Error（交互驗證誤差）值。

圖1 Norris平滑后Cross Validation Error值和PLS主成分因子關系圖

圖2 Norris平滑后Cross Validation Error值和PLS主成分因子關系圖

圖2顯示了Norris平滑后果糖PLS模型中Cross Validation Error值隨PLS因子變化的趨勢，隨著PLS因子數(shù)的增加，PRESS逐漸降低，當PLS主成分因子達到6時，交互驗證誤差最小，當PLS主成分因子數(shù)大于6時，PLS模型擬合了部分噪聲信息，導致交互驗證誤差值逐漸增大。因此，蜂蜜果糖PLS模型的最佳主成分因子數(shù)為6。

圖2中橫坐標為模型和選擇的主成分因子Factor數(shù)，縱坐標為Cross Validation Error（交互驗證誤差）值。

2.3 PLS模型預測結果分析

2.3.1 葡萄糖PLS模型的預測值與液相色譜結果對照

146個檢測蜂蜜樣本中，葡萄糖PLS模型的預測值與手工輸入的液相色譜結果（視為真值）對比情況見圖3和圖4。圖3中橫坐標代表葡萄糖的預測結果，縱坐標代表預測結果與真值之間的殘差。圖4為葡萄糖預測結果的部分截取圖。

圖3 葡萄糖預測值與真值之間的殘差散點分布圖

2.3.2 果糖PLS模型的預測值與液相色譜結果對照

146 個檢測蜂蜜樣本中，果糖PLS模型的預測值與手工輸入的液相色譜結果（視為真值）對比情況見圖5和圖6。圖3中橫坐標代表果糖的預測結果，縱坐標代表預測結果與真值之間的殘差。圖6為果糖預測結果的部分截取圖。

表1 PLS定標模型的預測情況同行估計結果表

圖4 葡萄糖預測值與真值的殘差截取圖

圖5 果糖預測值與真值之間的殘差散點分布圖

參與品定量分析樣品的含量應能涵蓋待測樣品的成分范圍。將所有樣本的預測值和真值作比較，分析對比數(shù)據(jù)見表1(本實驗樣品嚴格按照5倍質(zhì)量比稀釋，所得結果乘以5為蜂蜜中果糖和葡萄糖含量的真實值)。

對于建立的模型，交互驗證均方差RMSECV越小，說明所提取的光譜信息與分析組分的相關性越好，所得到的模型的預測能力也就越好。通過表1可以看出，預測模型經(jīng)過平滑、求導等處理方式后，交叉驗證均方根誤差分別為0.5151%和0.5143%，數(shù)值較小，說明模型可以很好地預測蜂蜜中果糖和葡萄糖的含量。

圖6 果糖預測值與真值的殘差截取圖

2.4 結論

采用中紅外光譜技術對蜂蜜中果糖和葡萄糖進行檢測，檢測速度快，檢測成本低，污染小，而且能達到滿意的檢測精度。同時，采用Norris平滑、一階導數(shù)、二階導數(shù)等數(shù)據(jù)預處理方法，對利用中紅外光譜法定量檢測蜂蜜中的果糖和葡萄糖起到重要作用。試驗模型中包含了來自多個省份的十幾種蜂蜜樣品，不同的地理位置和不同的植物來源都會對光譜產(chǎn)生影響，樣品的合理選擇使得模型具有更加廣泛的適用性。

中紅外光譜技術可以滿足蜂蜜檢測質(zhì)量控制需求，是適合蜂蜜果糖和葡萄糖檢測和質(zhì)量控制的高效檢測技術。

[1]史建國,馬耀宏,楊艷,等.蜂蜜中還原糖的快速測定技術[J].山東科學,2004,17(2):30-32.

[2]趙延華,劉成雁,韓旭,等.傅里葉變換紅外光譜法快速鑒別摻假蜂蜜[J].PTCA,2012,48(2):136-139.

[3]李水芳,朱向榮,單楊,等.中/近紅外光譜技術結合化學計量學在蜂蜜快速檢測中的應用研究進展 [J].食品與機械,2009,25(5): 121-124.

[4]張欣,單楊,李水芳.基于多元散射校正和偏最小二乘（MSC/ PLS）的傅里葉變換近紅外光譜檢測蜂蜜中還原糖[J].食品與機械,2009,25(6):109-112.

[5]許偉堅,周劍楊.基于PLS/Sugar預言的RISC模塊驗證[J].廈門大學學報,2005,44(3):337-340.

[6]褚小立,王艷斌,陸婉珍.近紅外光譜定量校正模型的建立及應用[J].理化檢驗(化學分冊),2008,44(08):796-800.

馬占峰，E－mail：tct1998@163.com