梁超　汪朝賢　高端

摘 要：通過運用近紅外光譜技術(shù)對蜂蜜中摻入糖漿進行快速檢測，建立偏最小二乘回歸模型。實驗一共分成21組，摻假比例0%～100%，間隔5%。對于21組實驗結(jié)果選取14組作為校正集，7組作為驗證集。在MATLAB軟件上用IPLS與SIPLS方法篩選波長，之后使用The Unscrambler軟件進行主成分分析以及模型建立，并完成驗證。研究結(jié)果表明：使用IPLS分析得出在8000～8196 cm-1區(qū)間建模效果最好，校正集Correlation為0.999655，驗證集Correlation為0.996520。使用SIPLS分析得出在9244～9544 cm-1區(qū)間建模效果最好，校正集Correlation為0.998131，驗證集Correlation為0.983960。

關(guān)鍵詞：近紅外光譜；蜂蜜摻假；波長篩選；偏最小二乘法

中圖分類號：S896.1 文獻標識碼：A DOI：10.11974/nyyjs.20180532010

引言

隨著蜂蜜以及蜂蜜制品食用量的迅速增長，人們對蜂蜜的品質(zhì)也提出了更高的要求；對于蜂蜜，消費者最關(guān)心的是蜂蜜的純度。蜂蜜是一種由蜜蜂采集植物的花蜜或者分泌物經(jīng)過自身含有的特殊物質(zhì)進行充分釀造而造成的甜味物質(zhì)[1]。世界各國對于天然蜂蜜的真實性均有嚴格的要求，要求保證其天然性，不允許添加各類物質(zhì)[2]。我國國家標準中更是明確規(guī)定了“不得添加或混入任何防腐劑、澄清劑、增稠劑等異物”[1]。然而，由于蜂蜜的主要成分為水、果糖、葡萄糖等物質(zhì)，其質(zhì)量分別約占蜂蜜質(zhì)量的17%、38%、31%[3]。同時，受到蜂蜜采集的蜜源植物種類、蜜蜂群勢強弱、蜜期時間長短、空氣的溫度和濕度，以及蜂蜜的貯藏方法等多種因素的影響，均會造成蜂蜜中這些主要成分的含量變化。因此，僅通過檢測其主要成分含量，并通過其含量的多少很難有效的識別其摻入各種糖類、代糖類物質(zhì)的摻假現(xiàn)象。

近年來，在利益的驅(qū)動下，有些商戶以及廠家向蜂蜜中摻入糖漿等代替原料制造假蜂蜜，以天然蜂蜜投放市場，坑騙消費者以獲取暴利[4]。近紅外光譜技術(shù)作為快速檢測方法，因具有綠色環(huán)保、無損快速、操作簡單等優(yōu)點而廣泛應(yīng)用于農(nóng)業(yè)、食品、化學(xué)、制藥、紡織業(yè)等領(lǐng)域。與傳統(tǒng)檢測方法相比，近紅外光譜技術(shù)應(yīng)用于蜂蜜品質(zhì)檢測，檢測方法更加方便、快捷。

1 試驗材料與方法

1.1 試驗儀器

試驗采用美國PE公司的傅里葉變換近紅外光譜儀。在近紅外波段10000～4000cm-1，采集所有樣品的漫透射光譜；光譜分辨率為4cm-1，每個樣品掃描32次求平均。

1.2 樣品配置

使用市場購買的100%洋槐蜂蜜，使用糖漿不同比例摻假來設(shè)置實驗組，摻假比例的控制方法是采用質(zhì)量分數(shù)，即加入糖漿占摻假后蜂蜜的質(zhì)量比分類。實驗一共分成21組，摻假比例0%～100%，每間隔5%取值。對于21組實驗結(jié)果選取14組作為校正集，7組作為驗證集。

1.3 數(shù)據(jù)處理

使用MATLAB R2014a尋找最合理建模區(qū)間[5]。使用The Unscrambler9.7進行數(shù)據(jù)的主成分分析以及模型建立，并完成驗證集驗證[6]。

2 實驗過程及結(jié)果

2.1 基于IPLS進行數(shù)據(jù)處理

2.1.1 選取最佳建模波段

從所生成的圖1可得到最佳建模的光譜波段為8000～8196cm-1。

2.1.2 使用The Unscrambler軟件進行建模及驗證

使用MATLAB R2014a IPLS處理，得到RMSECV值為2.0460，R值為0.9979的光譜區(qū)間8000～8196 cm-1。在該區(qū)間使用The Unscrambler進行校正集建模和預(yù)測集驗證。得到校正相關(guān)系數(shù)為0.999655，效果理想。驗證相關(guān)系數(shù)為0.996520，模型合理。

2.2 基于SIPLS進行數(shù)據(jù)處理

2.2.1 選取最佳建模波段

從所生成的圖5得到最佳建模的光譜波段：9244～9544cm-1。

2.2.2 使用The Unscrambler光譜分析軟件進行建模及驗證

使用MATLAB R2014a SIPLS處理，得到RMSECV值為2.9007，R值為0.9955的光譜區(qū)間9244～9544cm-1。在該區(qū)間使用The Unscrambler進行校正集建模和預(yù)測集驗證。得到校正相關(guān)系數(shù)為0.998131，效果理想。驗證相關(guān)系數(shù)為0.983960，模型十分合理。

3 總結(jié)

本實驗數(shù)據(jù)共為21組，14組選為校正集，分別為1，2，4，5，7，8，10，11，13，14，16，18，20，21組。7組選為驗證集，分別為3，6，9，12，15，17，19組[7]。由以上實驗數(shù)據(jù)的處理和分析可以得出，經(jīng)過IPLS和SIPLS篩選波長，可以使主成分數(shù)由14降為7，模型更加穩(wěn)健、可靠[8]。

在今后的研究中，釆集建立模型所用的蜂蜜樣本時，可以擴大蜂蜜樣品產(chǎn)區(qū)范圍，從多個地區(qū)釆集蜂蜜樣本，采集不同生產(chǎn)年份、不同蜜源的蜂蜜樣品，使模型適用性更廣泛，實用性更強[9]。在擴大建模樣本的同時，可以建立蜂蜜樣本的近紅外光譜庫，對建立的模型進行定期校正，以實現(xiàn)近紅外光譜技術(shù)在蜂蜜品質(zhì)檢測中更充分的應(yīng)用[10]。

參考文獻

[1]衛(wèi)生部.蜜蜂：GB14963-2011[S].北京：中國標準出版社，

2011.

[2]WiseB.M，GallagherN.B.Theprocesschemometrics approach

to processmonitoringandfaultdetection[J].Joumalof Process Control，1996，6（6）：329-348.

[3]PoleselloA，GiangiacomoR.Applicationofnearinfraredspectrometrytothenondestructiveanalysisoffoods：Areviewofexperimentalresults[J].CritRevFoodSciNutr.1983，3（18）：203-230.

[4]中央電視臺《每周質(zhì)量報道》，特價蜂蜜背后隱藏著甜蜜的謊言[EB/OL].http：//news.cntv.cn/program/zhiliangbaogao，

2006-7-23.

[5]周強，歐陽一鳴，胡學(xué)鋼，等.數(shù)據(jù)挖掘中應(yīng)用偏最小二乘法發(fā)現(xiàn)異常值[J].微電子學(xué)與計算機，2005，2（1）：25-27.

[6]AbdiH，Wlliams，L.J.Principalcomponentanalysis[J].WileylnterdisciplinaryReviews：ComputationalStatistics，2010，2（4）：433-459.

[7]顧紹紅，王水生，王光霞.主成分分析模型在數(shù)據(jù)處理中的應(yīng)用[J].測繪科學(xué)技術(shù)學(xué)報，2007，4（5）： 387-390.

[8]喬立山，王玉蘭，曾錦光.實驗數(shù)據(jù)處理中曲線擬合方法探討[J].成都理工大學(xué)學(xué)報（自然科學(xué)版），2004，1（1）：91-95.

[9]靖永謙.蜂蜜質(zhì)量的鑒別研究[J].中國藥學(xué)雜志，1991，6（6）：

343-345.

[10]陳蘭珍.蜂蜜真?zhèn)蔚慕t外光譜鑒別研究[J].光譜學(xué)與光譜分析， 2008，8 （11）：2565-2568.

作者簡介：梁超（1996-），男，測控技術(shù)與儀器專業(yè)；靳皓，男，碩士，講師，研究方向：農(nóng)產(chǎn)品檢測。