材料与方法
1.1 试剂材料与设备
样品来源包括采购于大型超市的豆粉和从粮油市场中收集不同产地如黑龙江省（齐齐哈尔、佳木斯、绥化、黑河和北安）、吉林省、辽宁省的大豆原材料直接粉碎获得豆粉，并编号。23份定标集样品；10份预测集样品。另设定标集阳性对照12份，掺假预测样品3份。
H2SO4（比重1.84）；NaOH溶液；2%H3BO3溶液；盐酸；硒粉；甲基紅（0.1%）；溴甲酚绿（0.5%）；DA7200近红外谷物品质分析仪（波通（Perten）公司，瑞典）；配套样品池；KDN-04B凯氏定氮仪（上海新嘉电子有限公司）。
1.2 方法
（1）凯氏定氮法。
应用凯氏定氮仪，参照GB/T 14489.2- 2008[2]方法测定定标样品豆粉蛋白质的化学值蛋白质含量，计算公式[3]：
%
式中：X为样品中蛋白质的百分含量，g；V1为样品消耗硫酸或盐酸标准液的体积，mL；V2为试剂空白消耗硫酸或盐酸标准溶液的体积，mL；N为硫酸或盐酸标准溶液的当量浓度；0.014为1N硫酸或盐酸标准溶液1mL相当于氮克数；m为样品的质量（体积），g（mL）；F为氮换算为蛋白质系数。蛋白质中的氮含量一般为15%～17.6%，按16%计算乘以6.25即为蛋白质[4]。
（2）NIRS。
应用近红外谷物品质分析仪收集豆粉光谱图，光谱数据分析软件Unscrambler X10.3进行光谱分析，PLS法建立豆粉品质测量模型，并用新建的模型对预测集豆粉进行蛋白质值的预测。
（3）建立模型的评价参数。
决定系数（R2：R squared）：R2在定标模型中表示定标相关系数，即定标模型对定标集变异所能描述出的百分率。如果R2=1，则意味着定标集浓度的变化可以被完全解释出来，说明预测值与真实值一致，没有偏差。而R2越小，表明拟合效果越差。R2的平方根，主要用于说明在模型的验证中验证集的真实值与预测值之间的相关度，越接近于1，说明预测效果越好。
偏差（Bias）：是验证集的真实值与预测值差值的平均值，对于验证结果而言，残差值越小越好。
SEC：通过建立的定标模型对定标样品集进行预测，所获得的实验室真实值和近红外预测值之间的标准偏差。因其主要决定定标模型在预测样品时所能达到的最佳准确度，故可用定标标准偏差来评价定标模型的优劣。
SEP：主要用于评价模型的预测能力，预测标准偏差越小，说明模型的预测效果越好。
（4）质量控制。
实验所用样品均来自大型超市、粮油市场，进入实验室之后统一密封保存；平行测试结果符合规定的允许差，凯氏定氮法实验中由不同时间段平行试验知相对误差分别为-1.5%、-1.6%（负号代表与标准测量值相比降低），小于2%，符合实验室含氮物质测定要求；实验过程中均由同一操作员进行实验，减小实验测量误差。
2 结果
2.1 获得原始豆粉光谱图
实验室环境温度控制在15℃～35℃，湿度保持恒定，仪器预热30min后进行自检和性能测试，近红外光谱间隔为5nm，每个样品扫描3次。横坐标是波长（nm），纵坐标为吸光度值log[1/R]（见图1）。
2.2 凯式定氮法测定蛋白质化学值
定标集和预测集蛋白质质量分数的变化范围、平均值及其变异程度（见表1）。
每一个编号的样品进行2次重复测量，真实值为2次结果的平均值，避免实验结果的偶然性，保证实验结果的可靠性，再将阴性未掺假组与阳性对照组进行两独立样本t检验，求得t=9.352，P<0.001，可认为两组数据有差异。
2.3 模型的建立
采用偏最小二乘法[5]建立豆粉中蛋白质的定量分析模型。
运用近红外定量分析软件包OPUS建立模型：添加所采集的光谱，输入化学值，使用全光谱范围及光谱预处理方法，利用软件自动优化功能选择最佳建模光谱波段及最佳光谱预处理方法，进一步建立豆粉蛋白质的定量分析模型，并对模型预测效果进行检验。
2.4 对定标集及阳性对照组进行蛋白含量预测
在光谱波段950～1650nm选最优光谱预处理方法，用PLS法建立豆粉的校正模型，经过内部验证后，应用一元线性回归法得近红外预测值与实测值相关性，表征相关性方程为Y=1.0111X-0.4548，决定系数R2=0.9869，SEC为0.0912。对相关系数进行统计推断得P<0.05，即认为两变量间线性相关有统计学意义。见图2。
2.5 近红外光谱法测定蛋白质化学值
预测集及掺假预测样品蛋白质质量分数的真实值与预测值见表2。
对10份预测集样品及3份掺假预测样品用一元线性回归法得近红外预测值与实测值相关性，表征相关性方程为Y= 0.9591X-1.6397，决定系数R2=0.9853，SEP为0.0959，对相关系数进行统计推断P<0.05，即认为两变量间线性相关有统计学意义。见图3。
3 讨论
随着现代科学技术的快速发展，对食品品质检测技术的要求已经从一般性的检测扩展到快速动态分析和绿色无损检测，从单一指标的检测发展到多元指标同时检测。快速检测技术的研究和完善，不仅可以加强食品安全的管理，还可以为人们的消费提供科学指导。大量的文献查阅和研究资料表明，近红外光谱分析技术不仅可以做到对样品的无损处理而且可以对其进行快速、便捷的检测。本实验主要完成了以下几个方面的工作。
本实验所得光谱曲线（图1）因化学值异常的判断比较复杂，故并不会做异常样品剔除处理[6]。光谱区域重叠多、谱带复杂，会出现影响模型可靠性与稳定性不相关信息，故在建立模型前，需对豆粉的原始光谱进行预处理，目的是消除光谱偏移或基线变化等因素对模型性能的影响，确保光谱数据与待测样品品质之间有很好的相关性。
本实验采用的23份定标样品的变异程度范围是36.85%～44.37%，10份预测样品的变异程度范围是39.53%～46.03%，样品的蛋白质含量在34.13%～48.31%[7]，说明样品具有一定的代表性，可准确进行模型的建立。
将预测集样本的谱图数据输入校正模型可完成模型評价及优化修正，从而通过预测集样本的光谱数据和建立的校正模型预测出对应成分含量，以检验定标模型的预测精度[8]。本实验运用国标法和NIRS所测定定标样品的蛋白质质量百分数在34.13%～48.31%且定标模型相关性方程的R2=0.9869，SEC为0.0912，说明该模型有较好的准确性。
本实验通过分析偏差和（见表2），蛋白质含量实测和预测值的残差之和（0.03）接近于0，说明建立的蛋白质含量定标模型预测性能较好。由图3可知预测样品的化学值和预测值的相关性方程的R2=0.9853，接近于1，与定标模型的决定系数0.9869接近，SEP为0.0959。相对较小预测标准差与较大决定系数可以证明定标模型预测效果较优，那么所创建的近红外光谱分析方法用于定量测定豆粉中蛋白质含量有较高的准确性[9]。
4 结语
运用近红外光谱技术对大型超市豆粉的检测证明无掺假现象；对散卖商户掺假样品的检出率为100%。
参考文献
[1]杨月欣，王光亚，潘兴昌.中国食物成分表2002[M].北京：北京大学医学出版社，2002.
[2]中华人民共和国卫生部.GB/T 14489.2-2008，食品安全国家标准食品中蛋白质的测定[S].
[3]陈智慧，史梅，王秋香，等.用凯氏定氮法测定食品中的蛋白质含量[J].新疆畜牧业，2008（5）：22-24.
[4]张墨英，程瑞庆.紫外吸收光谱法测定猪肉中蛋白质的含量[J].无锡轻工业学院学报，1995（4）：331-335.
[5]金华丽，王金水.近红外光谱法检测小麦粉中灰分含量的研究[J].河南工业大学学报：自然科学版，2010（1）：14-17，21.
[6]闵顺耕，李宁，张明祥.近红外光谱分析中异常值的判别与定量模型优化[J].光谱学与光谱分析，2004，24（10）：1205-1209.
[7]田志刚，范杰英，康立宁，等.我国东北地区大豆品种油脂与蛋白质含量现状分析[J].吉林农业科学，2009（5）：7-9.
[8]刘树深，易忠胜.基础化学计量学[M].北京：科学出版社，1999.
[9]金华丽，卞科.近红外光谱法检测小麦粉中的水分含量[J].中国粮油学报，2010（8）：109-112.
相关热词搜索： 豆粉 掺假 光谱 研究 技术