苑柯巖，王 嶸，王翔翔，薛莉娉，余 麗*

1.呼和浩特市檢驗(yàn)檢測中心，內(nèi)蒙古 呼和浩特 010018 2.安徽建筑大學(xué)環(huán)境與能源工程學(xué)院，安徽 合肥 230601

引 言

駝乳含有免疫球蛋白、乳鐵蛋白、溶菌酶等多種營養(yǎng)物質(zhì)和特有的保健功能, 使其逐漸成為廣大消費(fèi)者所信賴的保健乳制品原料。水解動(dòng)物蛋白(HAP)以其較高的含氮量以及與駝乳同屬動(dòng)物氮源的特性，可以作為提高駝乳及其制品的添加劑。目前，乳制品當(dāng)中摻偽水解動(dòng)物蛋白的定量檢測主要采用高效液相法、氣相色譜法、電泳法、PCR技術(shù)、免疫酶聯(lián)法等檢測技術(shù)[1]。

近紅外光譜(NIR)是指波長780～2 500 nm范圍內(nèi)的電磁波，主要測量分子中含氫官能團(tuán)X—H(X=C，N，O和S等)振動(dòng)的倍頻及合頻吸收，可檢測乳制品中的蛋白質(zhì)、脂肪、水分、淀粉、糖、等成分[2]。范瑞等采用1 mm測量皿對牛奶中摻偽水解動(dòng)物蛋白的現(xiàn)象進(jìn)行了偏最小二乘法的建模研究得到了相關(guān)系數(shù)為0.983定量預(yù)測模型[3]。魏玉娟等[4]采用近紅外光譜技術(shù)結(jié)合模式識(shí)別方法對液態(tài)奶中違法添加三聚氰胺進(jìn)行快速檢測，采用PLS判別法結(jié)合近紅外光譜技術(shù)對牛奶中三聚氰胺不同摻假量的快速識(shí)別研究，所構(gòu)建的偏最小二乘判別分析(partial least-square discriminant analysis，PLSDA)方法模型對三聚氰胺不同摻假量牛奶樣品訓(xùn)練集和預(yù)測集的近紅外原始光譜的識(shí)別正確率分別達(dá)到100%和90.32%。Chen等[5]研究了采用近紅外光譜和偏最小二乘法檢測牛奶中三聚氰胺摻假的可行性。本工作將近紅外6 mm檢測皿檢測光譜結(jié)合間隔偏最小二乘法(iPLS)應(yīng)用于復(fù)原駝乳中參偽水解動(dòng)物蛋白的含量測定，擴(kuò)大了近紅外光譜的應(yīng)用范圍，同時(shí)為實(shí)現(xiàn)近紅外光譜實(shí)現(xiàn)液態(tài)乳制品實(shí)時(shí)監(jiān)測提供了相關(guān)實(shí)踐經(jīng)驗(yàn)。

1 實(shí)驗(yàn)部分

1.1 材料與樣品

所用駝奶為所市售駝乳粉按照奶粉與水1∶7溶解后制得的復(fù)原駝乳，駝乳粉為新疆生產(chǎn)的“原始黃金”品牌全脂駝乳粉，水解動(dòng)物蛋白是由泉州盛達(dá)食品添加劑有限公司生產(chǎn)的食品級(jí)水解動(dòng)物蛋白粉。

1.2 參偽駝乳樣品配置

按照表1信息精確稱取水解動(dòng)物蛋白于100 mL稱量瓶內(nèi)，用配置好的復(fù)原駝乳定容到100 mL，置于搖床室溫振搖30 min，確保水解動(dòng)物蛋白完全溶解。

1.3 原始光譜的采集和樣品集的劃分

采用德國布魯克光譜儀器公司生產(chǎn)的傅里葉近紅外光譜儀(MPA)以空氣為背景，6 mm測量皿，分辨率8 cm-1，掃描次數(shù)為64, 檢測器INGaAs, 波長范圍: 10 000～4 000 cm-1同一樣品在相同的條件下重復(fù)測定3次[6]，逐一采集樣品并保存光譜點(diǎn)數(shù)據(jù)(dpt格式)，共采集樣品光譜圖數(shù)據(jù)129條。取每個(gè)樣品中間光譜，即第二條光譜構(gòu)成待測樣品光譜矩陣，得到43×1 555原始光譜矩陣。等距離選取矩陣中33份具有代表性的樣品作為訓(xùn)練集，其余10份樣品作為驗(yàn)證集，用于動(dòng)物水解蛋白含量定量分析模型建立，結(jié)果如表2所示。驗(yàn)證集中水解動(dòng)物蛋白含量在訓(xùn)練集含量范圍內(nèi)，此訓(xùn)練集和驗(yàn)證集可用于定量分析模型的建立[7-9]。

2 結(jié)果與討論

2.1 光譜數(shù)據(jù)預(yù)處理

將原始光譜矩陣在Origin軟件中進(jìn)行SG平滑和一階導(dǎo)數(shù)的處理，得到SG平滑光譜矩陣和一階導(dǎo)數(shù)矩陣，分別將原始、SG平滑、一階導(dǎo)數(shù)光譜矩陣進(jìn)行SNV處理分別得到原始SNV、SG平滑SNV、一階導(dǎo)數(shù)SNV矩陣。

2.2 光譜預(yù)處理方法的選擇

將6個(gè)光譜矩陣，分別計(jì)算其主成分個(gè)數(shù)，并以相應(yīng)主成分建立全局光譜偏最小二乘法模型，以校正均方差(RMSECV)、相關(guān)系數(shù)(r)為指標(biāo)篩選建模方法。由表3可知，原始光譜在1個(gè)主成分情況下全局建模情況最好，相關(guān)系數(shù)為0.854 4，RMSECV為0.322 0；SG法與原始光譜相差不大，相關(guān)系數(shù)為0.849 1，RMSECV為0.326 0。選擇原始光譜矩陣進(jìn)行iPLS模型的建立為最優(yōu)。

表3 預(yù)處理方法全局建模參數(shù)

2.3 基于原始光譜矩陣iPLS模型的初步建立

參考文獻(xiàn)[7-9]，對特征區(qū)間進(jìn)行篩選建模，計(jì)算步驟如下：

(1)計(jì)算全局光譜10個(gè)主成分的RMSECV值，得到圖1。由圖1可以看出全局主成分RMSECV的最小值為1，選取1個(gè)主成分在全光譜范圍內(nèi)即全局波譜建立待測樣品的偏最小二乘回歸模型，相關(guān)系數(shù)為0.877 3，RMSECV值0.297 7(見圖2)，以此模型參數(shù)為參比。

圖1 計(jì)算主成分RMSECV值

圖2 全局1個(gè)主成分PLS回歸曲線

(2)將全光譜區(qū)域劃分為多個(gè)等寬的子區(qū)間，初步設(shè)定20個(gè)。在每個(gè)子區(qū)間上計(jì)算主成分并進(jìn)行偏最小二乘回歸，建立水解動(dòng)物蛋白濃度的局部回歸模型，得到20個(gè)局部回歸模型。由圖3可知，8號(hào)區(qū)間RMSECV值低于全局值為0.208 1，相關(guān)系數(shù)為0.941 3，以此模型參數(shù)為區(qū)間調(diào)整參比標(biāo)準(zhǔn)。

圖3 區(qū)間劃分情況

2.4 建模間隔的調(diào)整

將區(qū)間間隔分別設(shè)置為15，25，30，35和40建立iPLS模型，相關(guān)參數(shù)記錄于表4。從表4可以看出，在整個(gè)間隔波段選擇過程中，過于稀疏或過于密集的采樣對于模型的建立產(chǎn)生較大影響，相關(guān)性和精確度均下降并且未出現(xiàn)多個(gè)可用區(qū)間。在區(qū)間劃分?jǐn)?shù)為30時(shí)，出現(xiàn)最優(yōu)子區(qū)間模型，即12號(hào)，其相關(guān)系數(shù)最高(0.945 1)，且RMSECV值最低(0.200 1)，見圖4和圖5。

表4 間隔劃分參數(shù)情況表

圖4 區(qū)間劃分為30的區(qū)間選擇情況

圖5 第12區(qū)間模型回歸情況

3 結(jié) 論

(1)通過計(jì)算全局光譜不同規(guī)模的主成分RMSECV值，得出全局主成分規(guī)模為10個(gè)最佳，在遇到建模主成分達(dá)到規(guī)模上限時(shí)再擴(kuò)大主成分計(jì)算規(guī)模，可以有效的減少模型冗余計(jì)算提高模型計(jì)算效率。

(2)通過不同方法預(yù)處理后的光譜矩陣全局偏最小二乘回歸模型，對比各模型預(yù)處理后的模型參數(shù)，可知原始光譜矩陣不做任何預(yù)處理做iPLS建模為最佳。

(3)在對劃分光譜區(qū)間數(shù)量的考察實(shí)驗(yàn)中，發(fā)現(xiàn)區(qū)間數(shù)為30時(shí)能夠?qū)⒆訁^(qū)間確定在最佳范圍即子區(qū)間為7 787.56～7 590.87 cm-1，并建立本實(shí)驗(yàn)最優(yōu)iPLS模型，相關(guān)系數(shù)為0.945 1，RMSECV值為0.200 1。

采用間隔偏最小二乘法可以對6 mm檢測皿近紅外光譜實(shí)現(xiàn)特征提取，并在該體系建立復(fù)原駝乳中摻偽動(dòng)物水解蛋白快速定性表征和定量分析，可以液態(tài)乳及液態(tài)乳制品中的摻偽行為提供新的分析鑒別思路和方法。