亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        近紅外光譜法快速測(cè)定香菇總糖含量

        2021-07-08 03:52:04梁振華王金梅康文藝馬常陽(yáng)李昌勤
        食品科學(xué) 2021年12期
        關(guān)鍵詞:分析模型總糖香菇

        盧 潔,田 婧,梁振華,王金梅,康文藝,3,馬常陽(yáng),*,李昌勤,*

        (1.河南大學(xué) 國(guó)家食用菌加工技術(shù)研發(fā)專業(yè)中心,河南 開(kāi)封 475004;2.河南省功能食品工程技術(shù)研究中心,河南 開(kāi)封 475004;3.開(kāi)封市保健食品功效成分研究重點(diǎn)實(shí)驗(yàn)室,河南 開(kāi)封 475004)

        香菇(Lentinula edodes)隸屬香菇屬,又稱香菌、冬菇等[1],味道鮮美、營(yíng)養(yǎng)豐富,含有大量蛋白質(zhì)、維生素、膳食纖維及礦質(zhì)元素,且能量、脂肪較低,廣受大眾喜愛(ài)。香菇富含有纖維素、多肽、多糖等活性成分,現(xiàn)有研究發(fā)現(xiàn)其具有免疫調(diào)節(jié)、抗腫瘤、抗病毒、抗抑郁、抗疲勞、抗氧化、抗衰老和保護(hù)肝損傷等作用[2-3],具有開(kāi)發(fā)為保健食品或藥品的潛力。

        香菇一直是我國(guó)食用菌的主要品種,據(jù)我國(guó)食用菌協(xié)會(huì)的統(tǒng)計(jì)調(diào)查表明,其產(chǎn)量常年居我國(guó)食用菌生產(chǎn)量和消費(fèi)量的首位,市場(chǎng)流通量大。由此,快速檢測(cè)及分析香菇及其產(chǎn)品的關(guān)鍵質(zhì)量成分對(duì)評(píng)價(jià)其品質(zhì)愈發(fā)重要[4]。糖類作為香菇中的重要營(yíng)養(yǎng)和功能成分,是評(píng)價(jià)香菇品質(zhì)的重要參考指標(biāo)。目前用于檢測(cè)香菇中含糖量的國(guó)家標(biāo)準(zhǔn)方法為GB/T 15672—2009《食用菌中總糖含量的測(cè)定》[5],但此方法耗時(shí)長(zhǎng)、試劑危險(xiǎn)性高[6]。

        近紅外(near infrared,NIR)光譜技術(shù)是集合多種技術(shù)優(yōu)點(diǎn)的綜合分析方法,因其操作簡(jiǎn)便、快捷、成本低、無(wú)試劑污染等特點(diǎn)而被廣泛研究和應(yīng)用于制藥、食品、石油化工以及農(nóng)業(yè)等各個(gè)領(lǐng)域[7-9]。此方法常用于產(chǎn)品質(zhì)量的快速檢測(cè)分析以節(jié)省時(shí)間、提高效率。Diaz等[10]結(jié)合糙米的NIR光譜和理化信息建立了測(cè)定糙米中直鏈淀粉含量的精確校準(zhǔn)模型;Chen Yi等[11]的實(shí)驗(yàn)證明NIR光譜結(jié)合偏最小二乘(partial least square,PLS)法可用于靈芝樣品中多糖和三萜物質(zhì)含量的快速測(cè)定;解育靜等[12]建立了肉桂中香豆素、肉桂醇、肉桂酸、肉桂醛共4 種有效成分的NIR定量分析模型,并具有較好的預(yù)測(cè)精準(zhǔn)性;此外,NIR技術(shù)在淫羊藿、茶葉質(zhì)量的快速預(yù)測(cè)方面也有研究[13-14]。本實(shí)驗(yàn)建立基于NIR技術(shù)的快速檢測(cè)香菇總糖的方法,提高香菇質(zhì)量的檢測(cè)效率。

        在NIR光譜分析中,常用的建模方法有多元線性回歸、主成分回歸、PLS、人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等非線性校正方法。其中,PLS法理論成熟,應(yīng)用較為廣泛,在食用菌領(lǐng)域有很好的應(yīng)用效果[15-16],故本實(shí)驗(yàn)采用PLS法建立NIR分析模型,以期實(shí)現(xiàn)對(duì)香菇品質(zhì)的快速評(píng)價(jià)。

        1 材料與方法

        1.1 材料與試劑

        實(shí)驗(yàn)共從市場(chǎng)中隨機(jī)獲取香菇樣品106 批,具體信息如表1所示,并未有明確的香菇品種區(qū)分。葡萄糖標(biāo)準(zhǔn)物質(zhì)(批號(hào)CS30062-69727) 法國(guó)Extrasynthese公司;鹽酸 北京化工廠;純凈水 杭州娃哈哈百利食品有限公司。

        表1 香菇樣品信息Table 1Information about L.edodes samples collected in this study

        1.2 儀器與設(shè)備

        Spot light 400型中-近紅外光譜儀 美國(guó)鉑金埃爾默公司;Multiskan MK3酶標(biāo)儀 美國(guó)Thermo Electron公司;HH-S4數(shù)顯恒溫水浴鍋 常州翔天實(shí)驗(yàn)儀器廠;SK-1快速混勻器 金壇市華峰儀器有限公司;AB135-S型電子天平 梅特勒-托利多國(guó)際貿(mào)易(上海)有限公司。

        1.3 方法

        1.3.1 香菇總糖含量的測(cè)定

        分別吸取0、0.2、0.4、0.6、0.8、1.0 mL的葡萄糖標(biāo)準(zhǔn)溶液至10 mL具塞試管,用蒸餾水補(bǔ)至1.0 mL。按GB/T 15672—2009的苯酚-硫酸法[5]測(cè)定其吸光度,繪制標(biāo)準(zhǔn)曲線,并建立標(biāo)準(zhǔn)曲線方程。

        精密稱取0.250 g香菇粉(20 目),浸泡于65 mL體積分?jǐn)?shù)23%的鹽酸溶液,微沸回流3 h,冷卻后取濾液,洗滌濾渣,合并濾液和洗液置于250 mL容量瓶中,定容。準(zhǔn)確吸取0.2 mL定容后的樣品溶液于10 mL具塞試管,加蒸餾水補(bǔ)至1.0 mL,按照苯酚-硫酸法操作,以1 mL不含葡萄糖的苯酚-硫酸溶液,調(diào)其吸光度至零,測(cè)定樣品溶液的吸光度。根據(jù)標(biāo)準(zhǔn)曲線方程計(jì)算樣品溶液的總糖含量,并核算出原始樣品中的總糖含量。

        1.3.2 NIR光譜采集與分析

        逐一將香菇粉碎至80 目,均勻平鋪于測(cè)試用平皿底部,分辨率設(shè)置為8 cm-1,在4 000~10 000 cm-1光譜范圍內(nèi)掃描64 次,即得樣品的原始光譜圖(圖1)。

        圖1 香菇樣品的NIR原始光譜圖Fig.1 Raw NIR spectra of L.edodes samples

        1.4 模型建立及驗(yàn)證

        使用Spectrum QUANT軟件分析數(shù)據(jù),選取PLS法建立NIR分析模型。校正均方根誤差(root mean square error of calibration,RMSEC)、預(yù)測(cè)集均方根誤差(root mean square error of prediction,RMSEP)、R2、相對(duì)分析誤差(relative percent deviation,RPD)是評(píng)價(jià)模型的4 個(gè)關(guān)鍵參數(shù)。分析模型一般需具有較高的R2,較小的RMSEC和RMSEP及較高的RPD,且RMSEC/RMSEP的值需在0.8~1.2之間。RPD一般采取閾值分割法進(jìn)行評(píng)價(jià)[17-19],當(dāng)RPD>3.0時(shí),模型能夠很好地滿足預(yù)測(cè)標(biāo)準(zhǔn)[20-21]。按下式計(jì)算RPD:

        2 結(jié)果與分析

        2.1 香菇樣品總糖含量值

        通過(guò)對(duì)香菇總糖含量的測(cè)定,得出106 批樣品中總糖含量的數(shù)據(jù)制成散點(diǎn)圖,結(jié)果如圖2所示,標(biāo)記點(diǎn)為106 批樣品對(duì)應(yīng)的點(diǎn)。

        圖2 香菇樣品總糖含量的散點(diǎn)圖Fig.2 Scatter plot of total sugar content in L.edodes samples

        為了開(kāi)展NIR分析模型的構(gòu)建過(guò)程和驗(yàn)證過(guò)程,需首先將樣品分成校正集和驗(yàn)證集。將樣品隨機(jī)抽選13 批樣品劃為驗(yàn)證集,而剩余的93 批樣品為校正集,但驗(yàn)證集的樣品需包含于篩選后的校正集范圍內(nèi)。

        2.2 NIR分析模型中校正集樣品的篩選

        在建模之前,需要剔除杠桿值異常樣品和學(xué)生化殘差樣品。第1類樣品含有比較極端的成分組成,如樣品中總糖含量信息和NIR色譜信息較突出,屬于同批次產(chǎn)品中的極端樣品,無(wú)法代表樣品的一般特性;第2類樣品受系統(tǒng)因素的嚴(yán)重影響,相較于一般市場(chǎng)中的香菇樣品,貯藏時(shí)間的長(zhǎng)短也會(huì)影響香菇糖類物質(zhì)的含量,其還受種植條件和管理方式的影響,也不符合樣品結(jié)果的一般分布規(guī)律,亦不適合放入校正集中。通過(guò)樣品篩選,保留代表香菇特征的樣品,可提高構(gòu)建香菇總糖含量預(yù)測(cè)模型的精準(zhǔn)度。

        使用NIR數(shù)據(jù)分析軟件自動(dòng)識(shí)別異常樣品的結(jié)果如圖3所示,將學(xué)生化殘差和杠桿值遠(yuǎn)離大多數(shù)樣品的個(gè)體判定為潛在異常樣品[13],利用剩余樣品建模型,觀察模型的R2、RMSEC和RMSEP等各項(xiàng)指標(biāo)決定異常點(diǎn)的刪除,此過(guò)程循環(huán)往復(fù),直至模型的各項(xiàng)評(píng)價(jià)指標(biāo)符合標(biāo)準(zhǔn)且預(yù)測(cè)結(jié)果良好。最終,共篩選出65 批具備香菇一般特征的樣品,納入到NIR分析模型的構(gòu)建中。

        圖3 杠桿值與參差異常測(cè)試值關(guān)系圖Fig.3 Relationship between studentized residual and leverage value

        對(duì)比驗(yàn)證集的13 個(gè)樣品與校正集的65 個(gè)樣品信息的結(jié)果如表2所示。驗(yàn)證集樣品的總糖含量包含于校正集的范圍內(nèi),即驗(yàn)證集的樣品可以使用校正集建立模型進(jìn)行分析。

        表2 校正集和驗(yàn)證集香菇樣品中總糖含量范圍Table 2 Range of L.edodes samples’total sugar content in calibration set and validation set

        2.3 NIR分析模型光譜區(qū)間的篩選

        不同物質(zhì)在NIR光譜中吸收效果不同,而構(gòu)建NIR預(yù)測(cè)模型首先需要為樣品確定吸收度最好的光譜區(qū)間[22]。本實(shí)驗(yàn)分別利用4 個(gè)光譜區(qū)間對(duì)校正集的香菇樣品進(jìn)行建模,利用評(píng)價(jià)指標(biāo)對(duì)模型的進(jìn)行評(píng)價(jià),結(jié)果如表3所示。

        表3 光譜區(qū)間的篩選實(shí)驗(yàn)結(jié)果Table 3Results of screening for spectral ranges

        光譜區(qū)間為4 000~10 000 cm-1時(shí),即全光譜范圍的R2最大,RMSEC和RMSEP相對(duì)較小,其最小值分別為1.393、1.557,二者之比為0.895,符合模型構(gòu)建的基本要求,且RPD值大于3,RPD建模效果最好,且明顯優(yōu)于其他任一光譜區(qū)間。

        2.4 NIR分析模型光譜預(yù)處理方法的選擇

        在分析過(guò)程中,樣品的NIR光譜會(huì)存在噪聲信息,造成吸收光譜出現(xiàn)基線偏移、漂移等情況,這主要是受樣品的粒度、表面散射等因素影響[23-25]。因此,NIR光譜數(shù)據(jù)在使用前還需進(jìn)行預(yù)處理,減少非目標(biāo)因素對(duì)光譜的影響。本實(shí)驗(yàn)以多元散射校正(multiplicative scatter correlation,MSC)、標(biāo)準(zhǔn)正規(guī)變換(standard normal variation,SNV)、二階導(dǎo)數(shù)(SD,second derivative)、一階導(dǎo)數(shù)(first derivative,F(xiàn)D)共4 種預(yù)處理方式組合成不同的光譜預(yù)處理方法,且每種方法的降噪點(diǎn)數(shù)均為31,校正集樣品構(gòu)建模型的評(píng)價(jià)結(jié)果如表4所示。

        表4 光譜預(yù)處理方法的篩選實(shí)驗(yàn)結(jié)果Table 4Results of screening for spectral preprocessing methods

        由表4可知,香菇NIR分析模型的最佳預(yù)處理方法為MSC、SD,其R2最大,RMSEC和RMSEP最小值分別為1.393、1.557,二者之比為0.895,且RPD值大于3,各指標(biāo)均符合模型構(gòu)建的基本要求,由此得到的光譜圖如圖4。香菇樣品的NIR光譜信息經(jīng)預(yù)處理后基線十分平穩(wěn),具有多個(gè)特定光譜吸收區(qū)間且吸收峰尖銳、對(duì)稱。

        圖4 香菇樣品的最佳預(yù)處理NIR光譜圖Fig.4 NIR spectra of L.edodes samples after optimal data preprocessing

        2.5 NIR分析模型PLS主因子數(shù)的確定

        在使用PLS建立NIR分析模型時(shí),PLS主因子數(shù)也是影響模型質(zhì)量的關(guān)鍵因素。主因子數(shù)過(guò)少或過(guò)多會(huì)出現(xiàn)欠擬合或過(guò)擬合情況,導(dǎo)致模型的預(yù)測(cè)誤差增加[26]。利用不同主因子數(shù)對(duì)校正集樣品構(gòu)建NIR分析模型,評(píng)價(jià)結(jié)果如表5所示。綜合模型評(píng)價(jià)指標(biāo)可知,當(dāng)主因子數(shù)為10時(shí)建模效果最好,其RPD值大于3,因此其結(jié)果明顯優(yōu)于其余2 組。

        表5 主因子數(shù)的篩選實(shí)驗(yàn)結(jié)果Table 5Screening results for the number of PLS factors

        2.6 香菇總糖含量的NIR分析模型

        通過(guò)使用校正集樣品對(duì)光譜預(yù)處理方法、NIR光譜區(qū)間、PLS主因子數(shù)的逐一確定,最終得出預(yù)測(cè)香菇總糖含量的最優(yōu)NIR分析模型,該模型的各參數(shù)如表6所示。

        表6 香菇樣品總糖的最優(yōu)NIR分析模型參數(shù)Table 6Parameters of the optimal NIR prediction model for the total sugar content of L.edodes samples

        2.7 模型的外部驗(yàn)證與評(píng)價(jià)

        用建立的NIR分析模型對(duì)驗(yàn)證集樣品進(jìn)行總糖含量的預(yù)測(cè),并以預(yù)測(cè)值和實(shí)測(cè)值進(jìn)行對(duì)比分析,結(jié)果如圖5所示。驗(yàn)證集樣品的預(yù)測(cè)值與實(shí)測(cè)值均圍繞在y=x的參考線附近,因此二者十分接近。同時(shí)借助SPSS統(tǒng)計(jì)學(xué)軟件將對(duì)應(yīng)預(yù)測(cè)值與實(shí)測(cè)值的比值與數(shù)值1作顯著性分析,結(jié)果如表7所示,二者不存在顯著差異(P=0.993)。此外通過(guò)Pearson相關(guān)性分析可知,二者的相關(guān)系數(shù)為0.971,呈顯著相關(guān)。由此看出本實(shí)驗(yàn)建立基于NIR光譜的定量預(yù)測(cè)模型的預(yù)測(cè)值與化學(xué)實(shí)測(cè)值之間無(wú)顯著差異。

        圖5 驗(yàn)證集樣品的模型預(yù)測(cè)值與實(shí)測(cè)值的散點(diǎn)圖Fig.5 Scatter plot of model predicted versus measured values for validation set samples

        表7 顯著性結(jié)果分析Table 7Results of significance test

        3 討論與結(jié)論

        NIR光譜技術(shù)已經(jīng)在食品行業(yè)廣泛應(yīng)用,且在國(guó)標(biāo)GB/T 25219—2010《糧油檢驗(yàn) 玉米淀粉含量測(cè)定 近紅外法》[27]、GB/T 24896—2010《糧油檢驗(yàn) 稻谷水分含量測(cè)定 近紅外法》[28]和GB/T 24899—2010《糧油檢驗(yàn) 小麥粗蛋白質(zhì)含量測(cè)定 近紅外法》[29]中已有應(yīng)用。Jiang Hui等[30]使用加權(quán)可變乘積散射校正算法處理原始光譜,建立PLS回歸模型,模型的R2為0.961 5,RMSEP為0.362 6,此模型實(shí)現(xiàn)了水稻中脂肪酸值的快速檢測(cè);韓潔楠等[31]開(kāi)發(fā)了利用近紅外光譜快速檢測(cè)玉米粉中淀粉含量的方法,光譜預(yù)處理方法為旋光法、一階導(dǎo)數(shù)與去一條直線法,利用PLS建立模型,校正集的R2為0.909,RMSEP為0.609 00;孫陽(yáng)等[32]采用SNV、MSC的光譜預(yù)處理方法,利用PLS建模實(shí)現(xiàn)了對(duì)面粉中水分、灰分和面筋含量的快速、無(wú)損檢測(cè),驗(yàn)證集的R2分別為0.898 77、0.970 81、0.932 37,RMSEP分別為0.327 10、0.041 39、1.314 70。本實(shí)驗(yàn)以我國(guó)香菇主產(chǎn)地的106 批香菇為研究對(duì)象,以香菇總糖含量作為評(píng)價(jià)指標(biāo),采用NIR光譜技術(shù),結(jié)合計(jì)量學(xué)方法,采用PLS線性回歸分析,建立了香菇總糖含量測(cè)定NIR模型。

        在建立的香菇總糖NIR分析模型時(shí),最佳的預(yù)處理方式為MSC、SD,最佳光譜區(qū)間為4 000~10 000 cm-1,PLS主因子數(shù)為10時(shí),模型預(yù)測(cè)能力最好。模型的R2、RMSEC、RMSEP和RPD值分別為0.940 04、1.393、1.557和4.08。根據(jù)驗(yàn)證集的檢驗(yàn)可知,其預(yù)測(cè)值和化學(xué)值之間的不存在顯著差異(P=0.993),Pearson相關(guān)系數(shù)為較理想的0.971。由此可知,相較于GB/T 25219—2010[27]、GB/T 24896—2010[28]和GB/T 24899—2010[29],NIR光譜技術(shù)可以用于對(duì)香菇總糖含量的快速測(cè)定,且結(jié)果準(zhǔn)確、可靠。本實(shí)驗(yàn)為市場(chǎng)中香菇的質(zhì)量控制和規(guī)范提供了便捷的檢測(cè)方法,有助于促進(jìn)香菇產(chǎn)業(yè)的發(fā)展。

        猜你喜歡
        分析模型總糖香菇
        直接滴定法測(cè)總糖含量時(shí)檢測(cè)標(biāo)準(zhǔn)的統(tǒng)一性研究
        基于BERT-VGG16的多模態(tài)情感分析模型
        Modeling and Verification of a Sentiment Analysis System Using Aspect-Oriented Petri Nets
        香菇接種三招
        層次分析模型在結(jié)核疾病預(yù)防控制系統(tǒng)中的應(yīng)用
        林下參片中總糖、還原糖及糖醛酸的含量測(cè)定
        全啟發(fā)式語(yǔ)言分析模型
        香菇皮炎二例施為
        小香菇的奇遇
        IFC4結(jié)構(gòu)分析模型應(yīng)用技術(shù)
        亚洲AV无码精品色午夜超碰| 色偷偷av一区二区三区人妖| 97超碰国产一区二区三区| 美女午夜福利视频网址| 无码字幕av一区二区三区| 久久久久无码国产精品不卡| 免费大学生国产在线观看p| 精品人妻一区二区三区狼人| 国产aⅴ无码专区亚洲av| 国产亚洲情侣一区二区无 | 成人三级在线| 日本女同伦理片在线观看| 国产精品成人av大片| 人人爽人人爽人人片av| 亚洲男人天堂2019| 国产精品短视频| 亚洲国产精品成人一区| 蜜桃视频在线看一区二区三区| 亚洲精品美女久久久久99| 无码午夜剧场| 男女视频在线观看一区二区| 国产精品人人做人人爽人人添 | jiZZ国产在线女人水多| 毛片在线播放亚洲免费中文网| 67194熟妇人妻欧美日韩| 亚洲午夜精品久久久久久人妖| 午夜日本精品一区二区| 中文字幕一区二区三区的| 亚洲精品一区二区| 欧美色图50p| 亚洲精品一区二区三区在线观| 日本成本人片免费网站| 久久精品国产99国产精2020丨| 久草久热这里只有精品| 国产午夜视频在线观看免费| 人妻丰满熟妇av无码片| 亚洲中文久久久久无码| 日本女优中文字幕在线播放| 亚洲av片在线观看| 2021国产成人精品国产| 最新国产精品国产三级国产av|