基于多元散射校正和偏最小二乘的傅里叶变换近红外光谱检测蜂蜜中还原糖

蜂蜜中富含糖类， 还有蛋白质、 氨基酸、 有机酸、 维生素等多种对人体有益的营养成分。虽然蜂蜜中的还原糖与蔗糖同是糖类，但还原糖易被人体直接吸收。而蔗糖则需经过人体中相应的酶的降解才能被吸收， 因而高还原糖、 低蔗糖是检验蜂蜜品质优劣的重要指标。蔗糖是一种双糖， 来自蜜蜂采集的花蜜。蜜蜂在酿蜜过程中， 通过分泌的唾液酶的作用，将蔗糖转化为还原糖。还原糖低、 蔗糖高， 表明蜂蜜未经蜜蜂充分酿造或者有不法商贩直接在蜂蜜中掺假。

　蜂蜜的还原糖测定方法目前主要有滴定法、 液相色谱法、 气相色谱法， 除此之外，也有人在尝试其它的测定方法，但基本上都是一些常用方法的改进， 这些方法或者操作复杂、 或者耗时耗力、 或者分析结果不够准确。近红外光谱分析技术作为一种快速无损的检测技术正被各行各业应用到实际生产和检测当中，这一技术在食品检测中的应用研究国内外都有报道。近红外谱区主要包含 O—H，C—H，N—H 等基团原子问振动的倍频与合频信息。蜂蜜中的糖类物质中正含有这些信息基团中的某些基团。本试验针对近红外光谱应用于蜂蜜检测时， 光谱数据的预处理方法、 数学模型的选择和评价， 以期达到实时在线测定蜂蜜还原糖的目的。
1 材料与方法
1.1 材料与仪器
　试验用样品:湖南省明园蜂业有限公司， 有荆条蜜、 柑橘蜜、 桂圆蜜、 洋槐蜜、 荔枝蜜、 益母草蜜、 枸杞蜜、 九龙藤蜜、 黄芪蜜、 枣花蜜、 野菊花蜜、 山桂花蜜、 油菜蜜、 老瓜头蜜、 苹果蜜、 紫云英蜜和雪脂莲蜜共计 17 个品种， 包含经过加工的商品蜜和直接由蜂农采集的非成品蜜。分别来自山西、 陕西、湖南、 广西、 广东、 宁夏、 湖北、 江西、 浙江、 四川 10 个省。为提高模型的适应性，在试验室另调配了果葡糖浆掺假 6 个样品和麦芽糖浆掺假 6 个样品。整个试验共计 135 个样品。其中 100 个样品作为校正集，35 个样品作为验证集;
　　试验用样品在测定前先经过 50 ℃ 水浴溶解其中的结晶，之后置于 25 ℃ 室温下静置过夜后采集光谱;傅立 叶 变 换 近 红 外 光 谱 仪: AntarisⅡ 型， 美 国 ThermoScientific 公司;

　　浆体杯(slurry cup)、 镀金反射器(gold reflector):配丹麦FOSS 公司。

1. 2 方法
 1. 2. 1 样品化学值测定

 采用 SN /T0852———2000 铁氰化钾滴定法测得。
 1. 2. 2 样品光谱采集

 将样品置于浆体杯中， 用镀金反射器压实，注意避免有气泡压入当中。采用透反射积分球模式采集光 谱， 透 反 射 光 程 0. 1 mm， 光 谱 测 定 范 围 4 000 ～10 000 cm － 1 ; 扫描次数 32 次;分辨率 8 cm － 1。每个样本分别采集 3 次，取 3 次采集平均光谱作为样本的原始光谱。

2 结果与分析
2. 1 光谱预处理
 2. 1. 1 光谱中噪声和背景的去除

 选用了多元散射校正(MSC)、 平滑处理(smoothing)、 一阶导数( first derivative)、 二阶导数(second derivative)4 种预处理方法对波段选择后的光谱进行预处理。
 (1) 多元散射校正:多元散射校正方法是经过散射校正后得到的光谱数据， 可以有效地消除散射影响， 增强与成分含量相关的光谱吸收信息。该方法的使用首先要建立一个待测样品的光谱，该光谱的变化与样品中成分的含量满足直接的线性关系，以该光谱为标准要求对其它所有样品的近红外光谱进行修正。
　由图 1 和图 2 的对比可知， 通过这一技术有效地消除了样品间散射影响所导致的基线平移和偏移现象， 提高了原吸光度光谱的信噪比

(2) 对光谱做一阶导数和二阶导数， 并比较 2 种求导后光谱所建立模型的优劣。目的是为了扣除仪器背景或飘移对信号的影响。图 3 为光谱经过一阶导数得到的谱图， 图 4为光谱经过二阶导数得到的谱图。

(3) Norris 求导平滑处理:在对光谱求微分后虽然可以消除基线和其它背景干扰以提高分辨率和灵敏度， 但也会将原有的噪声放大。从图 5 中可知， 毛刺极多， 图 6 中也有大量毛刺，噪声被显著放大。选用 Norris 求导平滑处理可以消除噪声，尽可能去除无关的信息变量。

2. 2 蜂蜜近红外分析模型的建立

　采用偏最小二乘法建立多元统计模型。校正模型的**因子个数由舍一交互验证法 ( leave-one-out) 确定， 计算出不同主因子数对应的 PRESS (predicted residual error sum ofsquare 预测残差总和) 值和 RESECV (root mean square errorof cross validation 交叉验证均方差)， 然后以最小的 PRESS值所对应的因子数作为模型的**因子数。图 7 显示了Norris 平滑后糖度模型中交互验证 PRESS 值随 PLS 因子变化的趋势，随着 PLS 因子数的增加， PRESS 逐渐降低， 当 PLS达到 7 时，PRESS 最小，当 PLS 因子数大于 7 时， PLS 模型拟合了部分噪声信息， 导致 PRESS 值逐渐增大。因此， 蜂蜜还原糖模型的**主因子数为 7。经过 MSC、 Norris 平滑、 一阶导数、 二阶导数处理后，建立的蜂蜜还原糖的校正模型见表 1。从表 1 可知，4 种预处理方法及原始模型的相关系数均大于 0. 85。说明基于傅里叶变换近红外光谱的蜂蜜还原糖检测具有可行性。
　对于建立的模型， 交互验证相关系数越大， 交互验证均方差 RMSECV 越小，说明所提取的光谱信息与分析组分的相关性越好， 所得到的模型的预测能力也就越好。从表 2 可知，经过 MSC 校正后， Norris 二阶导数处理的光谱模型**，交互验证相关系数达到 0. 962 67，交叉验证均方差也只有 1.36。图 8 表明，这一模型可以很好的预测蜂蜜中的还原糖含量。在近红外 4 000 ～ 10 000 cm － 1 范围获得蜂蜜透反射光谱，应用多元散射校正( MSC) 处理， 并经过 Norris 二阶导数平滑后的 PLS 模型优于经典 PLS 算法所建立的模型。

3 结论
　试验结果表明，近红外透反射光谱技术适合于不同种类蜂蜜还原糖的检测，可在较短时间内快速检测蜂蜜还原糖含量，而且能达到满意的检测精度。同时， MSC、 Norris 导数平滑、 一阶导数、 二阶导数等数据预处理方法对利用近红外透反射无损定量检测蜂蜜还原糖起重要作用。并且经过处理的光谱所建立模型优于 Luiz C. M. Pataca 等人和 KasparRuoff的试验结果。试验模型中包含了来自多个省份的十几种蜂蜜样品， 不同的地理位置和不同的植物来源都会对光谱产生影响。但正是在这样的复杂条件下建立的模型才有更广的适用范围，试验模型中加入了掺假样品也是为了模型更好地适应实际检测中的需要。

　综上所述，近红外透反射光谱技术满足蜂蜜检测质量控制需求，是适合蜂蜜还原糖含量检测和质量控制的高效检测技术。