4008-508-928

傅里叶变换红外光谱结合化学计量学鉴别预包装纯菠萝汁中外源糖

发表时间:2016-06-07 16:33作者:周密,柯剑,李宝丽来源:万方数据网址:http://www.wanfangdata.com.cn/

  菠萝属热带草本果树 ,在我国仅分布于海南、广东 、广西 、云南、福建和台湾 6 省区 ,是当地重要的农业经济作物 。我国是世界 10 大菠萝主产国之一 ,2011 年菠萝总产量达到155.14 万 t。菠萝除鲜食外 ,主要用于罐头 、果汁及浓缩汁的加工 。随着国民生活水平的提高 ,纯果汁在国内消费量越来越高 ,需求量越来越大 。而 2013 年 9 月《财经观察》报道的“瞎果”事件则让人们对纯果汁的质量安全问题引起了前所未有的关注 。目前我国果汁质量监管控制方面尚无完善的国家标准 ,现有果汁质量控制标准涵盖范围窄 ,基本停留于最基础的卫生指标上 ,而无对果汁含量和种类进行区分的标准。国内对预包装纯果汁有效判定技术及标准的缺失使得其质量判定处于无序状态 ,纯果汁掺假现象时有报道 ,且掺假方式日益复杂化 ,预包装纯果汁的质量监管难上加难

  将纯果汁加水稀释后 ,同时加入糖和酸调节风味而冒充纯果汁是预包装纯果汁主要的掺假方式 。但水果中固有的内源性糖类物质又是纯果汁的主要成分和重要风味物质 ,这也使得预包装纯果汁中外源性糖类的鉴别更为困难 。研究表
明 ,利用傅里叶变换衰减全反射中红外光谱技术(attenuatedtotal internal refraction‐Fourier transform infrared spectrosco‐py ,ATR‐FTIR
在果汁 、蜂蜜 、食用油等食品安全质量控制中得到较好应用 ,并且 ATR‐FTIR 制样简单 ,快速 、灵敏 ,结合化学计量学方法可以实现对果汁中糖类物质的定量及鉴伪,Sivakesava 等在利用 FTIR‐ATR 对苹果汁的鉴伪研究中 ,结合化学计量分析成功对掺假样品进行区分 ,Jha 等采用 FTIR‐ATR 结合偏最小二乘回归分析判定芒果汁样品中是否掺假外源性糖。


 近年来 ,国际国内市场对菠萝汁的需求量剧增 ,全球菠萝汁的贸易比例已经超过 11.56% ,因此菠萝汁的质量监管日益重要 。而我国有关纯果汁的鉴伪研究还处于起步阶段 ,对于纯菠萝汁的鉴伪研究更为空白 。 本研究主要通过ATR‐FTIR 技术对不同批次预包装纯菠萝汁以及目前食品中最常用的几种糖浆(大米糖浆 、甜菜糖浆 、木薯糖浆)作为外源性糖掺入菠萝汁样品进行红外图谱的收集 ,并结合化学计量学方法建立判别模型 ,对纯菠萝汁中添加外源性糖进行识别 ,为预包装纯菠萝汁的质量控制提供有益的思路。
1  实验部分
1.1 预包装纯菠萝汁样品及前处理
  预包装纯菠萝汁样品采自广州某果汁企业 ,共计 72 个 。经离心机以 4 500 r ・ min - 1转速离心 15 min 后取上清液用于红外光谱的测定 。
1.2 掺假样品的制备
  将大米糖浆、木薯糖浆 、 甜菜糖浆三种糖浆加水稀释后 ,调至与预包装纯菠萝汁样品同等糖度 (以可溶性固形物计) ,按 2% ,4% ,8% ,10% ,15% ,20% ,30% ,40% 和50% w /w (质量比)掺入到不同预包装纯菠萝汁中 ,超声10min 混匀后制得162个糖浆掺假样品 。
1.3 红外光谱的采集
  在 Tzayhri Gallardo‐Velázquez 等的研究方法基础上适当调整 ,采用 Nexus 470 FTIR(Nicolet ,USA)红外光谱仪测定预包装纯菠萝汁和掺假样品的红外光谱 ,并利用 ATR 附件对样品进行谱图采集 ,光谱采集区间为 900 ~ 1 500 cm - 1 ,以水为背景 ,扫描 32 次 ,扫描分辨率为 4 cm - 1 ;样品扫描32 次 ,扫描分辨率为 4 cm - 1 ,最后通过 Thermo Nicolet 公司OMNIC v8.0 软件进行基线校正 、平滑和归一化处理 。

1.4 预包装纯菠萝汁和掺假糖浆菠萝汁的识别及特征波长提取采用 CAMO 公司的实验设计多变量数据分析软件 TheUnscrambler X 10.3 对预包装纯菠萝汁样品及掺假样品通过线性判别分析(linear discriminant analysis ,LDA) 、支持向量机(support vector machine ,SVM )分析进行分类判别 ,其中 ,LDA 法作为一种有监督的模式识别方法 ,按照类内方差尽量小 、类间方差尽量大的准则求得判别函数 ,然后利用建立的判别函数来对待判样本进行分类[10] ;SVM 法是一种基于结构化风险最小的统计学习方法 ,通过非线性映射把样本空间映射到一个高维乃至无穷维的特征空间 ,在高维特征空间通过一个线性超平面实现线性划分或回归 ,该方法能够很好地解决小样本 、非线性 、高维数的问题[11] 。通过主成分载荷图提取特征波长将预包装纯菠萝汁样品及掺假样品随机分为训练集(预包装纯菠萝汁 48 个 ,掺假样 108个)和验证集(预包装纯菠萝汁 24个 ,掺假样 54个) ,训练集和验证集样品组成如表 1 ,利用训练集建立判别模型 ,并将验证集作为未知样品代入模型检验 ,结合 LDA 和 SVM 分类进行识别 。

   

种植物糖浆图谱较一致且与属于景天酸循环 (C4 循环 )的菠萝汁有明显差异 ,其中 ,在 918 cm - 1附近的峰代表糖类物质C — H 弯曲振动 ;1 043 cm - 1 附近的峰代表糖类物质中 C —OH 官能团的 C — O 拉伸振动 ;1 110 cm - 1附近的峰代表 C —O — C 链上 C — O 带的拉伸振动[10] 。图中甜菜糖浆 、大米糖浆 、木薯糖浆在 900 ~ 1 500 cm - 1范围内谱图比较吻合 ,而菠萝汁谱图与这三者均不相同 。出现上述现象的原因可能是预包装纯菠萝汁中内源糖的种类及含量与三种糖浆不同 ,也有可能是由于植物光合作用糖代谢途径不同有关 ,菠萝属于C4 类植物 ,在光合作用中通过景天酸代谢(crassulacean acidmetabolism ,CAM )途径进行二氧化碳的固定[12] ,即合成植物体内的糖是 C4 循环途径 ;而甜菜 、大米 、木薯均属于 C3类植物 ,在光合作用中通过 Calvin(C3 )循环光合作用代谢途径合成植物体内的糖类

 将预包装纯菠萝汁样品与掺入不同比例甜菜糖浆 、大米糖浆和木薯糖浆的菠萝汁样品进行比较发现 ,随着掺入糖浆比例的增加 ,掺入糖浆的菠萝汁样品的谱图也呈一定规律性的变化 ,如图 3

2.2 全波段预包装纯菠萝汁及掺假样品的分类识别结果
  通过 FTIR‐ATR 采集到预包装纯菠萝汁样品和外源性糖浆掺假样品共计 234 例 ,900 ~ 1 500 cm - 1范围内共 312 个波数的光谱信息 ,利用 SVM 法和 LDA 法进行判别 ,其中SVM 类型为 nu‐SVM ,核函数为 Linear ,LDA 类型为 PCA‐LDA ,主成分个数为 6 ,分析结果如表 2



  结果表明 ,将预包装纯菠萝汁和掺假样品分为训练集和验证集后结合 SVM 法和 LDA 法分类分析 ,预包装纯菠萝汁和糖浆掺假菠萝汁训练集判别正确率皆高于 91% ,说明利用上述模型鉴别未知样品是可靠的 。将验证集作为未知样品进
行判别 ,利用 SVM 法对预包装纯菠萝汁和掺假糖浆的菠萝汁样品的判断正确率为 88.46% ,利用 LDA 法验证集判断正确率为 93.59% 。该方法选取多达 312 个光谱信息 ,工作量大 ,而且在此范围内有的光谱信息很弱 ,在实际检测过程中 ,可以通过 PCA 载荷图选取特征波长简化数据信息 ,实现纯果汁的快速分类识别 。
2.3 基于主成分载荷系数的特征波长选择
  主成分载荷作为各个原始空间(主成分)向量在新的向量空间投影的单位向量 ,表示原始向量分别在每个新的空间(主成分)向量上的相关性 ,可以利用主成分分析得到的载荷值筛选波段范围内对预包装纯果汁和掺假外源性糖浆纯果汁敏感的特征波长 ,从而提高模型识别率对训练集纯菠萝汁样品和掺假样品共计 156 个样品的900 ~ 1 500 cm - 1全波段光谱进行基线校正 、平滑处理后得到的光谱信息建立 PCA 模型 ,前 7 个主成分累计可信度如表 3所示 。建模过程中能得到模型的隐含变量 ,每个隐含变量下均可得到各个波长点对应的载荷系数 ,载荷系数绝对值的大小说明了该波长对模型预测性能的影响 ,因此 ,可根据隐含变量中各波长的载荷系数进行特征波长的提取。
  从表 3 可以看出 ,前两个主成分 PC1 和 PC2 的累计可信度已达到 88.76% ,所以可以用这两个主成分表示原始红外光谱的主要信息[13] 。取第一主成分和第二主成分 900 ~1 500 cm - 1波段变量载荷图 ,结果如图 4 。
  选取第一主成分和第二主成分较大载荷系数绝对值所对应的波长作为特征波长 ,共提取 8 个特征波长 ,选取特征波长如图 5 所示 ,由图可知选取的特征波长为 :931 ,997 ,1033 ,1 051 ,1 085 ,1 139 ,1 257 和 1 397 cm - 1 。其中在997 cm - 1附近处掺入糖浆菠萝汁与预包装纯菠萝汁的吸光度差异最大 ,此波数代表糖类物质中 C — O 键的拉伸振动 ;而1 045 cm - 1代表葡萄糖吡喃糖中 C— O 和 C — C — C 键的不对称振动 ;1 060 cm - 1 代表蔗糖中 C — O ,C — C ,C — C — O的拉伸振动 ;1 400 cm - 1附近代表果糖中 C — OH 和 C — C —H 键的振动
2.4 特征波长的分类识别结果
  对训练集和验证集光谱信息进行基线校正 、平滑和归一化处理之后 ,通过主成分载荷图将选取的 8 个特征波长所对应的吸光度值作为输入变量 ,将 900 ~ 1 500 cm - 1 全波段范围内 312 个变量减少到 8 个变量 ,利用训练集建立 SVM 和LDA 分类模型 ,验证集作为验证模型 ,其中 SVM 类型为nu‐SVM ,核函数为 Linear ,LDA 类型为 PCA‐LDA ,主成分个数为6,分类结果如表4
  由表 4 可知 ,通过主成分载荷图选取 8 个特征波长 ,采用 SVM 法对训练集判别正确率提高了 2. 56% ,LDA 法对训练集判别正确率与全波段模型基本相当 ,且皆高于 91% ,表明可以利用此模型对验证集进行验证 。与全波段模型相比 ,两者对验证集判别正确率明显提高 ,其中 ,SVM 模型验证集判断正确率为 94.87% ,提高了 6.41% ;LDA 模型验证集判断正确率为 96.15% ,提高了 2.56% ,而且两者验证集中对掺假样品的分类判别全部正确 ,表明所选波长涵盖了纯果汁样品和掺假糖浆样品判别的有效信息 ,且模型输入变量由312 个减少到 8 个 。程术希等人在对大白菜种子品种鉴别的研究中采用了类似的提取特征波长处理 ,SVM 法对大白菜种子种类的判别正确率达 96.30% [11] 。本研究通过特征波长的选择 ,不仅剔除了大量多余信息 ,提高了数据处理效率 ,而且判别准确率提高 ,在实际检测过程中有望实现快速检测 。
3 结 论
  在 ATR‐FTIR 图谱中 900 ~ 1 500 cm - 1处的吸光度值属于卡尔文循环(C3 循环)的甜菜糖浆 、大米糖浆 、木薯糖浆三种植物糖浆图谱较一致 ,且与属于景天酸循环 (C4 循环)的菠萝汁红外图谱有明显差异 。ATR‐FTIR 技术结合 LDA 和 SVM 建立对预包装纯菠萝汁和掺假糖浆菠萝汁的判别模型 ,全波段模型对验证集判别正确率均高于 88% ;进一步利用主成分载荷图选取特征波长并优化模型 ,大量减少输入变量的同时提高了模型对验证集的判别正确率 ,SVM 法和 LDA 法分别提高了 6.41% 和2.56% ,其判别准确率分别是 94.87% 和 96.15% 。 利用ATR‐FTIR 方法结合化学计量学分析在对预包装菠萝汁的鉴伪研究中 ,制样简单 ,快速 ,有望在实际检测中实现对预包装纯菠萝汁的快速检测和质量控制 ,具有较好的实用价值 。





会员登录
登录
我的资料
留言
回到顶部