李 俊 盧 揚(yáng) 呂 都 趙 剛 向達(dá)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(lèi)工程研究中心1，貴陽(yáng) 550006) (農(nóng)業(yè)農(nóng)村部雜糧加工重點(diǎn)實(shí)驗(yàn)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(yíng)養(yǎng)成分外，還富含蘆丁(即維生素P)、槲皮素等黃酮類(lèi)物質(zhì)，營(yíng)養(yǎng)素含量豐富[1]。黃酮類(lèi)化合物具有很高的食用價(jià)值和藥用價(jià)值，具有防治心腦血管疾病、糖尿病、抗菌消炎、增強(qiáng)人體免疫力等作用[2-3]?；诳嗍w豐富的營(yíng)養(yǎng)價(jià)值，將苦蕎粉添加到小麥面條中制作成的苦蕎面條由于獨(dú)特的口感和豐富的營(yíng)養(yǎng)，在雜糧制品中占據(jù)重要的市場(chǎng)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(xiāo)往全國(guó)各地?？嗍w粉的添加量直接影響到苦蕎面條營(yíng)養(yǎng)價(jià)值與價(jià)格，但憑借產(chǎn)品外觀無(wú)法有效鑒別苦蕎粉含量，且現(xiàn)階段包裝標(biāo)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(biāo)準(zhǔn)較少，蕎麥面條中蕎粉含量檢測(cè)方法只有DB22/T 73—2011《蕎麥面條中蕎粉含量測(cè)定》，采用檢測(cè)蕎麥面條中黃酮含量的方法確定蕎粉含量，該方法相對(duì)標(biāo)準(zhǔn)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(cè)結(jié)果準(zhǔn)確度有待驗(yàn)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(duì)于建立苦蕎面條的加工及產(chǎn)品標(biāo)準(zhǔn)具有重要的意義。

近紅外光譜技術(shù)是近年來(lái)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(cè)中，具有操作簡(jiǎn)便、效率高、穩(wěn)定性好、無(wú)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(cè)等優(yōu)點(diǎn)，在農(nóng)產(chǎn)品品質(zhì)檢測(cè)中具有很大應(yīng)用價(jià)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(jì)量學(xué)技術(shù)，對(duì)蓮藕粉中摻假較便宜的淀粉(馬鈴薯和甘薯淀粉)進(jìn)行了分類(lèi)和定量分析，確定檢測(cè)限(1%)、定量限(3%)、合理回收率(92.3%～101.5%)、內(nèi)部檢測(cè)滿(mǎn)意(2.9%～5.5%)、間檢測(cè)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(shí)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(jī)(SVM)建立定性鑒別模型，經(jīng)不同光譜預(yù)處理，對(duì)115份驗(yàn)證集樣本進(jìn)行預(yù)測(cè)，總體鑒別正確率在97.39%～100%。現(xiàn)階段將近紅外技術(shù)應(yīng)用于苦蕎面條檢測(cè)鮮見(jiàn)報(bào)道。本研究利用近紅外光譜對(duì)苦蕎面條進(jìn)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(cè)模型，篩選出一種準(zhǔn)確度較高能夠在線快速檢測(cè)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(píng)價(jià)提供參考。

1 材料與方法

1.1 實(shí)驗(yàn)材料

實(shí)驗(yàn)所用苦蕎麩皮粉購(gòu)于貴州威寧縣、四川昭覺(jué)縣、云南昭通市、貴州六盤(pán)水(各項(xiàng)指標(biāo)符合GB/T 35028—2018，經(jīng)測(cè)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(jī)制作成苦蕎面條，含水量為(11±0.5)%，共計(jì)制作面條230份(苦蕎粉含量0～60%)。所用水為純凈水。

1.2 實(shí)驗(yàn)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(cè)器；JYN-W601V型面條機(jī)；800Y型高速多功能粉碎機(jī)。

1.3 方法

1.3.1 樣品光譜的采集

測(cè)定前，將干苦蕎面條樣品粉碎后過(guò)100目篩，然后取50 g置于測(cè)量杯中。模型建立共取樣230個(gè)，考慮到裝樣方式及樣品松緊度會(huì)對(duì)光譜產(chǎn)生影響，所以每個(gè)樣品單獨(dú)裝填3次分別掃描光譜，取平均進(jìn)行分析建模。按照以下方法采集光譜。測(cè)定樣品環(huán)境溫度：24 ℃；為使采集的樣品光譜更加準(zhǔn)確，每檢測(cè)20個(gè)樣品測(cè)定1 次背景，儀器會(huì)在檢測(cè)信號(hào)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(jìn)行分析。為得到準(zhǔn)確、可靠和穩(wěn)定的標(biāo)準(zhǔn)模型，需要采用移動(dòng)平均平滑、一階導(dǎo)數(shù)、歸一化處理、標(biāo)準(zhǔn)正態(tài)化(SNV)、多元散射校正(MSC) 等計(jì)量學(xué)方法對(duì)樣品進(jìn)行預(yù)處理[13-14]，實(shí)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(zhǎng)范圍，采用化學(xué)計(jì)量法中最基本的偏最小二乘法(PLS)來(lái)建立定標(biāo)方程。

1.3.3 模型評(píng)價(jià)方法

模型的主要評(píng)價(jià)指標(biāo)有相關(guān)系數(shù)(R2) 、交叉驗(yàn)證均方根誤差(RMSECV)、預(yù)測(cè)標(biāo)準(zhǔn)誤差(RMSEP)和預(yù)測(cè)相對(duì)分析偏差(RPD)[15]。通過(guò)在校正集中逐個(gè)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(guò)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(rèn)為都是未添加苦蕎成分)；LOQ通過(guò)最小偏二乘法建模，當(dāng)校正模型R2≤0.90時(shí)的最低含量[10]。

1.4 數(shù)據(jù)處理

采用Origin 8.6進(jìn)行作圖，采用SPSS 17.0進(jìn)行統(tǒng)計(jì)學(xué)分析，P<0.05認(rèn)為有統(tǒng)計(jì)學(xué)顯著性差異，P<0.01認(rèn)為有統(tǒng)計(jì)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(guò)近紅外光譜儀對(duì)230個(gè)苦蕎面條樣品進(jìn)行光譜采集，選定波數(shù)為3 598.7～12 493.1 cm-1譜區(qū)進(jìn)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(shí)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(dòng)的一級(jí)倍頻和振動(dòng)組合頻，與花錦等[16]關(guān)于鮮肉中脂肪含量的測(cè)定結(jié)果一致。在4 000～10 000 cm-1波數(shù)范圍內(nèi)譜峰無(wú)太大差異，吸收峰形和位置都較為相似，無(wú)法通過(guò)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(jì)量學(xué)方法進(jìn)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(cè)模型結(jié)果分析

近紅外光譜的特點(diǎn)是光譜寬、信號(hào)弱、不明確且信息嚴(yán)重重疊，而建立模型時(shí)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(hào)平滑處理方式，能夠消除噪音和隨機(jī)噪聲，提高預(yù)測(cè)模型的穩(wěn)定性。通過(guò)系統(tǒng)軟件OPUS7.5對(duì)參數(shù)組合進(jìn)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(zhǎng)范圍較寬，以及預(yù)處理方法不同的原則，選擇5個(gè)不同預(yù)處理模型，參數(shù)見(jiàn)表1。5種模型相關(guān)系數(shù)均大于0.9，RPD大于3，說(shuō)明通過(guò)近紅外光譜技術(shù)可以實(shí)現(xiàn)蕎粉含量的精準(zhǔn)預(yù)測(cè)。

通過(guò)不同的預(yù)處理方式，對(duì)模型進(jìn)行優(yōu)化，剔除異常樣品，得到不同模型的對(duì)比數(shù)據(jù)見(jiàn)表1。

表1 5種模型對(duì)比實(shí)驗(yàn)結(jié)果

按照RMSEP最小的原則進(jìn)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(cè)值和實(shí)際值的相關(guān)關(guān)系見(jiàn)圖2，預(yù)測(cè)值和實(shí)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(cè)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(cè)值和實(shí)際值偏差見(jiàn)圖3，95%的樣品偏差在±2以?xún)?nèi)。

圖2 蕎粉含量實(shí)際值和預(yù)測(cè)值的相關(guān)關(guān)系圖

圖3 蕎粉含量實(shí)際值和預(yù)測(cè)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(dá)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(duì)應(yīng)的模型呈現(xiàn)最低RMSECV，因此，將PLS維數(shù)的最優(yōu)個(gè)數(shù)設(shè)為3，此時(shí)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(cè)。通過(guò)對(duì)校正后模型5的LOD和LOQ進(jìn)行測(cè)定，確定該模型的LOD為2%，LOQ為5%。

2.3 模型外部驗(yàn)證

實(shí)驗(yàn)采用外部檢驗(yàn)的方法對(duì)所建立的模型預(yù)測(cè)效果進(jìn)行驗(yàn)證，另取隨機(jī)制作的苦蕎面條樣10份作為外部驗(yàn)證集，以驗(yàn)證加入新樣品并重新優(yōu)化得到的新模型的實(shí)用性[18]。用所得模型預(yù)測(cè)樣品中苦蕎粉的含量，求出預(yù)測(cè)值與實(shí)際值的RSD(相對(duì)標(biāo)準(zhǔn)偏差)值(表2)。結(jié)果顯示，預(yù)測(cè)模型驗(yàn)證集的R2=0.985 2，RMSEP=0.881，驗(yàn)證集相關(guān)系數(shù)較高，測(cè)定值和真值比較接近，無(wú)顯著性差異；RPD=5.41，穩(wěn)定

表2 苦蕎面條樣品預(yù)測(cè)值和實(shí)際值的RSD

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

2.4 不同產(chǎn)地苦蕎粉對(duì)比驗(yàn)證

為了驗(yàn)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(jué)縣、云南昭通市、貴州六盤(pán)水)進(jìn)行對(duì)比驗(yàn)證，通過(guò)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(duì)蕎粉含量進(jìn)行預(yù)測(cè)，求出預(yù)測(cè)值與實(shí)際值的RSD值，結(jié)果見(jiàn)表3。結(jié)果顯示，預(yù)測(cè)模型驗(yàn)證集的R2=0.963 7，RMSEP=0.926，RPD=5.22，驗(yàn)證集相關(guān)系數(shù)較高，測(cè)定值和真值比較接近，模型穩(wěn)定性較好；預(yù)測(cè)值和實(shí)際值的RSD大部分小于1，只有部分高含量的樣品RSD偏高，說(shuō)明不同產(chǎn)地苦蕎粉對(duì)模型預(yù)測(cè)效果沒(méi)有影響，該模型可以應(yīng)用于市場(chǎng)上苦蕎面條中蕎粉含量快速檢測(cè)。

表3 不同產(chǎn)地苦蕎粉對(duì)比驗(yàn)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(cè)苦蕎面條中苦蕎粉含量的定量模型。分別以移動(dòng)平均平滑、一階導(dǎo)數(shù)、歸一化處理、標(biāo)準(zhǔn)正態(tài)化、多元散射校正等方法預(yù)處理光譜進(jìn)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(yàn)證預(yù)測(cè)相關(guān)系數(shù)為0.985 2，預(yù)測(cè)值和實(shí)際值的RSD均小于1，且不同產(chǎn)地苦蕎粉對(duì)模型預(yù)測(cè)效果沒(méi)有影響，模型具有較高的精密度，符合實(shí)際生產(chǎn)的需求。該方法快速、低成本、準(zhǔn)確、簡(jiǎn)便、無(wú)污染，可以實(shí)現(xiàn)苦蕎面條中蕎粉含量的快速檢測(cè)。