李 繁

(新疆財(cái)經(jīng)大學(xué)，烏魯木齊 830012)

番茄醬是一種深受消費(fèi)者喜愛的調(diào)味品，其品質(zhì)直接影響消費(fèi)者的健康狀況。對(duì)番茄醬的成分檢測(cè)和品質(zhì)分析具有重要意義，番茄醬品質(zhì)檢測(cè)分析方法主要包含理化指標(biāo)檢測(cè)、成分檢測(cè)、微生物檢測(cè)以及感官評(píng)價(jià)，檢測(cè)過(guò)程復(fù)雜，且需要耗費(fèi)大量的時(shí)間，對(duì)檢測(cè)樣品具有較大的破壞性，檢測(cè)成本高，無(wú)法滿足食品安全檢測(cè)過(guò)程需求[1-2]。隨著光譜成像技術(shù)的發(fā)展和快速檢測(cè)的需求，利用光譜成像技術(shù)對(duì)番茄醬進(jìn)行無(wú)損檢測(cè)，并采用粒子群算法對(duì)檢測(cè)數(shù)據(jù)進(jìn)行混合優(yōu)化，實(shí)現(xiàn)番茄醬成分的快速檢測(cè)，同時(shí)對(duì)番茄醬品質(zhì)進(jìn)行預(yù)測(cè)，成為食品安全檢測(cè)過(guò)程的重要手段[3-4]。

番茄醬營(yíng)養(yǎng)成分豐富，以番茄為原材料進(jìn)行濃縮加工，其中的可溶性固形物和番茄紅素是影響番茄醬口感和品質(zhì)的關(guān)鍵因素，也是評(píng)價(jià)番茄醬品質(zhì)的重要指標(biāo)[5]。

番茄醬中可溶性固形物含量測(cè)試復(fù)雜，且影響因素較多，番茄醬中糖類物質(zhì)、有機(jī)酸物質(zhì)和其他相關(guān)物質(zhì)的代謝均會(huì)影響番茄醬的可溶性固形物含量[6]。番茄紅素是番茄醬中的關(guān)鍵著色物質(zhì)，在食用過(guò)程中，番茄紅素具有較好的抗氧化性，能夠抑制人體中氧化性自由基的產(chǎn)生，同時(shí)消除人體中的氧化自由基，減少皮膚受外界輻射的影響[7-8]。

對(duì)番茄醬中可溶性固形物含量的測(cè)定主要采用折射儀，對(duì)番茄醬中番茄紅素的檢測(cè)方法主要為分光光度計(jì)和高效液相色譜相結(jié)合的方法，檢測(cè)過(guò)程具有較高的準(zhǔn)確性，但需要消耗大量的試劑，試驗(yàn)成本高，難以進(jìn)行快速、有效的檢測(cè)。本文采用多光譜成像技術(shù)對(duì)番茄醬中的可溶性固形物含量和番茄紅素含量進(jìn)行檢測(cè)，并利用粒子群算法建立番茄醬品質(zhì)預(yù)測(cè)模型，為番茄醬品質(zhì)檢測(cè)提供了理論依據(jù)。

1 番茄醬成分預(yù)測(cè)

本文采用8種不同的番茄醬樣品，按照不同的比例進(jìn)行混合，制作成120種新的番茄醬樣品，選取其中的80個(gè)番茄醬新樣品作為校準(zhǔn)集，剩余的40個(gè)番茄醬新樣品作為預(yù)測(cè)集。采用多光譜成像技術(shù)對(duì)新制作的番茄醬樣品進(jìn)行圖像采集，并對(duì)圖像進(jìn)行閾值分割，獲取有效的番茄醬光譜圖像，并提取出光譜信息。

稱取40 g新制備的番茄醬待檢測(cè)樣品，放置于燒杯中，并加入100 mL蒸餾水，攪拌均勻后煮沸，并冷卻至室溫。間隔20 min，對(duì)冷卻后的樣品進(jìn)行稱重，并進(jìn)行過(guò)濾，留取濾液進(jìn)行遮光率測(cè)定，采用折光儀對(duì)濾液的遮光率進(jìn)行檢測(cè)，并計(jì)算番茄醬樣品中可溶性固形物含量。

式中：η表示番茄醬中可溶性固形物含量，D表示溶液中可溶性固形物質(zhì)量分?jǐn)?shù)，m1表示稀釋后的濾液質(zhì)量，m0表示稀釋前的濾液質(zhì)量。

稱取0.2 g新制備的番茄醬待檢測(cè)樣品，置于10 mL容器中，加入甲醇，立即攪拌均勻，抽取溶液中的黃色素，重復(fù)以上步驟，直至黃色素被完全提取，保留殘?jiān)鼈溆?。向殘?jiān)屑尤爰妆剑崛堅(jiān)蟹鸭t素，采用高效液相色譜法進(jìn)行番茄紅素含量的測(cè)定。

2 番茄醬成分?jǐn)?shù)據(jù)分析

實(shí)驗(yàn)測(cè)得8種番茄醬樣品中可溶性固形物和番茄紅素含量，見圖1和圖2。8種番茄醬樣品平均光譜數(shù)據(jù)見圖3。

圖1 番茄醬中可溶性固形物含量Fig.1 The content of soluble solids in ketchup

圖2 番茄醬中番茄紅素含量Fig.2 The content of lycopene in ketchup

圖3 番茄醬樣品平均光譜曲線Fig.3 The average spectral curves of ketchup samples

由圖3中曲線可知，不同的番茄醬樣品，光譜曲線變化趨勢(shì)相似，但不同番茄醬樣品光譜之間具有微小的差異，該差異可用來(lái)研究番茄醬成分差異。番茄醬光譜變化區(qū)域范圍在波長(zhǎng)650～950 nm之間，因此通過(guò)番茄醬光譜數(shù)據(jù)能夠有效進(jìn)行可溶性固形物和番茄紅素含量的定性測(cè)定，當(dāng)進(jìn)行大量的數(shù)據(jù)測(cè)定時(shí)，光譜曲線之間會(huì)造成重疊。為有效進(jìn)行番茄醬中可溶性固形物和番茄紅素含量的定量測(cè)定，本文對(duì)番茄醬光譜數(shù)據(jù)進(jìn)一步進(jìn)行多變量分析。

3 預(yù)測(cè)模型的建立

番茄醬樣品中可溶性固形物和番茄紅素測(cè)定完成后，分別采用偏最小二乘法、偏最小二乘法支持向量機(jī)算法以及粒子群算法建立成分定量預(yù)測(cè)模型。

偏最小二乘法是一種多元統(tǒng)計(jì)分析方法，通過(guò)選取潛在變量，構(gòu)成番茄醬光譜數(shù)據(jù)現(xiàn)象組合，并采用影響因子確定分析物比例[9-10]。偏最小二乘法預(yù)測(cè)模型可表示為：

式中：X表示光譜矩陣，Y表示濃度矩陣，P表示光譜矩陣的主成分矩陣，EA表示最小二乘法擬合輸入值誤差矩陣，EC表示最小二乘法擬合輸出值誤差矩陣。

偏最小二乘法支持向量機(jī)算法能夠同時(shí)進(jìn)行線性分析和非線性分析，可根據(jù)多元輸入因素，快速回歸出預(yù)測(cè)結(jié)果[11-12]。偏最小二乘法支持向量機(jī)算法預(yù)測(cè)模型可表示為：

式中：n為樣品數(shù)量，αi為拉格朗日乘數(shù)，k(x,xi)為核函數(shù)，b為偏置向量。

利用粒子群算法模型進(jìn)行分析過(guò)程中，首先對(duì)控制參數(shù)和粒子群規(guī)模進(jìn)行優(yōu)化，再計(jì)算出粒子群最佳位置和速度，使優(yōu)化目標(biāo)達(dá)到最小值時(shí)，選取樣本方差的粒子群適應(yīng)度函數(shù)[13-14]。

粒子群算法是一種智能隨機(jī)優(yōu)化算法，通過(guò)迭代的方式尋找最優(yōu)解，操作簡(jiǎn)單，使用廣泛。粒子群算法迭代更新過(guò)程可表示為：

式中：Pij表示第i個(gè)粒子在第j維上的最佳位置，Pgj表示第g個(gè)粒子在第j維上的最佳位置，mbest表示個(gè)體最佳位置中心點(diǎn)，mbestj表示維最佳位置中心點(diǎn)，M表示粒子群規(guī)模，Pi表示第i個(gè)粒子最佳位置，PCij表示Pij和Pgj之間的隨機(jī)位置，α為控制參數(shù)，u,φ?(0,1)。

4 番茄醬品質(zhì)預(yù)測(cè)

通過(guò)對(duì)3種模型中校準(zhǔn)絕對(duì)系數(shù)、預(yù)測(cè)絕對(duì)系數(shù)、校準(zhǔn)均方根誤差、預(yù)測(cè)均方根誤差以及相對(duì)預(yù)測(cè)誤差進(jìn)行比較，選取出番茄醬成分的最佳預(yù)測(cè)模型。番茄醬可溶性固形物預(yù)測(cè)結(jié)果對(duì)比數(shù)據(jù)見表1。番茄醬中番茄紅素預(yù)測(cè)結(jié)果對(duì)比數(shù)據(jù)見表2。

表1 番茄醬可溶性固溶物預(yù)測(cè)結(jié)果數(shù)據(jù)對(duì)比Table 1 Comparison of predicted results of soluble solids in ketchup

表2 番茄醬中番茄紅素預(yù)測(cè)結(jié)果數(shù)據(jù)對(duì)比Table 2 Comparison of predicted results of lycopene in ketchup

由表1可知，采用偏最小二乘法、偏最小二乘法支持向量機(jī)算法和粒子群算法3種模型的校準(zhǔn)絕對(duì)系數(shù)分別為0.927，0.955和0.964，偏最小二乘法的校準(zhǔn)絕對(duì)系數(shù)略小于其他兩種預(yù)測(cè)模型；偏最小二乘法的校準(zhǔn)均方根誤差和預(yù)測(cè)絕對(duì)系數(shù)均優(yōu)于其他兩種預(yù)測(cè)模型；偏最小二乘法的預(yù)測(cè)絕對(duì)系數(shù)略高于其他兩種預(yù)測(cè)模型。結(jié)果表明，偏最小二乘法預(yù)測(cè)模型的預(yù)測(cè)性能低于偏最小二乘法支持向量機(jī)算法和粒子群算法兩種預(yù)測(cè)模型。偏最小二乘法支持向量機(jī)算法和粒子群算法兩種模型的預(yù)測(cè)性能接近，且粒子群算法模型的相對(duì)預(yù)測(cè)誤差低于偏最小二乘法支持向量機(jī)算法模型。表明在進(jìn)行番茄醬可溶性固形物含量預(yù)測(cè)時(shí)，粒子群算法模型是一種更接近實(shí)際應(yīng)用的預(yù)測(cè)模型。

由表2可知，采用偏最小二乘法、偏最小二乘法支持向量機(jī)算法和粒子群算法3種模型的校準(zhǔn)絕對(duì)系數(shù)分別為0.903，0.912和0.968，粒子群算法的校準(zhǔn)絕對(duì)系數(shù)高于其他兩種預(yù)測(cè)模型；粒子群算法的預(yù)測(cè)均方根誤差和相對(duì)預(yù)測(cè)誤差分別為0.567和1.906，均小于其他兩種預(yù)測(cè)模型；偏最小二乘法和偏最小二乘法支持向量機(jī)算法的預(yù)測(cè)絕對(duì)系數(shù)均小于0.85，對(duì)應(yīng)相對(duì)預(yù)測(cè)誤差均大于2.7。表明在進(jìn)行番茄醬番茄紅素含量預(yù)測(cè)時(shí)，粒子群算法模型是一種更接近實(shí)際應(yīng)用的預(yù)測(cè)模型。

5 結(jié)論

本文通過(guò)多光譜成像技術(shù)，獲取番茄醬樣品的光譜圖像，并分割出能夠?qū)Ψ厌u樣品光譜進(jìn)行檢測(cè)的有效區(qū)域，實(shí)現(xiàn)對(duì)番茄醬中可溶性固形物和番茄紅素的快速檢測(cè)，提取出番茄醬的光譜圖像信息，同時(shí)利用偏最小二乘法、偏最小二乘法支持向量機(jī)算法和粒子群算法建立3種預(yù)測(cè)模型，通過(guò)對(duì)比方式，確定粒子群算法預(yù)測(cè)模型為番茄醬中可溶性固形物和番茄紅素預(yù)測(cè)最有效的模型，為番茄醬品質(zhì)快速實(shí)時(shí)檢測(cè)奠定了理論基礎(chǔ)。