釀造醬油與配制醬油的紅外光譜鑒別研究

邱丹丹，劉 嘉，于春煥，王 超，趙國(guó)華,2,*

(1.西南大學(xué)食品科學(xué)學(xué)院，重慶 400715；2.西南大學(xué) 國(guó)家食品科學(xué)與工程實(shí)驗(yàn)教學(xué)示范中心，重慶 400715)

釀造醬油與配制醬油的紅外光譜鑒別研究

邱丹丹1，劉 嘉1，于春煥1，王 超1，趙國(guó)華1,2,*

(1.西南大學(xué)食品科學(xué)學(xué)院，重慶 400715；2.西南大學(xué) 國(guó)家食品科學(xué)與工程實(shí)驗(yàn)教學(xué)示范中心，重慶 400715)

采用傅里葉變換中紅外光譜結(jié)合最小偏二乘法(PLS)，對(duì)釀造醬油、酸水解植物蛋白液(AHVP)以及添加不同比例(10%～50%)AHVP而得的配制醬油進(jìn)行類別分析。結(jié)果表明：釀造醬油、酸水解植物蛋白液及配制醬油在以PLS主成分為坐標(biāo)的二維線性投影圖中分布差異明顯；通過模型相關(guān)系數(shù)(R2)和交互驗(yàn)證標(biāo)準(zhǔn)差(RMSECV)比較，篩選出建模光譜波段為4000～500cm-1，同時(shí)確定了最適主因子數(shù)為8。利用模型成功對(duì)21份盲樣進(jìn)行鑒定，證明利用PLS建立的模型能有效地檢測(cè)配制醬油中HVP的添加量，且最大偏差小于3.5%。

中紅外光譜；釀造醬油；配制醬油；酸水解植物蛋白；主成分分析；偏最小二乘法

醬油是我國(guó)傳統(tǒng)的調(diào)味品，具有悠久的歷史。釀造醬油以大豆、小麥等為原料，利用黑曲霉、米曲霉等微生物發(fā)酵而來[1]。隨著酸水解植物蛋白液的出現(xiàn)，產(chǎn)生了經(jīng)調(diào)配后制得的配制醬油[2]，它以釀造醬油為主體，與酸水解植物蛋白質(zhì)液、食品添加劑等混合配制可有效節(jié)省生產(chǎn)時(shí)間和成本，同時(shí)符合醬油氨基酸態(tài)氮等各種指標(biāo)。我國(guó)已將在商品標(biāo)簽上標(biāo)注“釀造醬油”或“配制醬油”列為強(qiáng)制執(zhí)行內(nèi)容[2]，但是仍然存在不少不法商販將配制醬油冠以釀造醬油的名義出售，嚴(yán)重侵害了廣大消費(fèi)者的利益。因此，對(duì)釀造醬油與配制醬油進(jìn)行鑒別具有十分重要的現(xiàn)實(shí)意義。目前已有多種方法應(yīng)用于釀造和配制醬油的鑒別。王悅宏等[3]通過同位素稀釋氣相色譜-質(zhì)譜聯(lián)用法測(cè)定配制醬油中3-氯-1,2-丙二醇來鑒別二者。Yang等[4]利用氣相色譜測(cè)定配制醬油中的乙酰丙酸達(dá)到了鑒別的目的。除此之外，還有利用銨鹽[5]、氨基酸[6]來鑒別的方法。但它們要么成本高、對(duì)儀器設(shè)備要求高，要么操作復(fù)雜、對(duì)人員技術(shù)要求高。傅里葉變換紅外光譜技術(shù)以其快速高效、成本低、操作簡(jiǎn)便、無污染等優(yōu)點(diǎn)開始廣泛應(yīng)用于各種定性、定量分析之中[7-10]。Andrea等[11]分別使用經(jīng)過多元數(shù)據(jù)分析的中紅外和紫外光譜技術(shù)、利用紅葡萄酒中的酚類物質(zhì)的中紅外圖譜順利地對(duì)多種奧地利紅葡萄酒實(shí)現(xiàn)鑒別。目前發(fā)現(xiàn)可利用近紅外分析技術(shù)[12]，近紅外光譜透射法[13]對(duì)醬油的理化指標(biāo)總氮和總酸進(jìn)行快速檢測(cè)，包春芳等[14]利用近紅外光譜技術(shù)結(jié)合偏最小二乘法實(shí)現(xiàn)了對(duì)醬油中的氨基酸態(tài)氮、總酸、食鹽含量和色度的快速、無損定量檢測(cè)。另外，利用近紅外光譜技術(shù)結(jié)合人工神經(jīng)網(wǎng)絡(luò)對(duì)信息的提取，可以實(shí)現(xiàn)對(duì)不同等級(jí)不同品牌的醬油進(jìn)行快速準(zhǔn)確鑒別[15]。本實(shí)驗(yàn)結(jié)合傅里葉變換中紅外光譜與主成分分析法鑒別釀造醬油及配制醬油，以期為醬油市場(chǎng)的監(jiān)督管理提供一定的參考。

1 材料與方法

1.1 材料與儀器

釀造醬油 重慶市質(zhì)量技術(shù)監(jiān)督局；酸水解植物蛋白液 四川恒泰食品有限公司。

Spectrum GX 傅里葉變換紅外光譜儀 Perkin Elmer公司；ALPAAI-4LSC中紅外DTGS檢測(cè)器 美國(guó)Christ公司。

1.2 樣品制備與光譜采集

配制醬油是在釀造醬油中摻入不同比例的酸水解植物蛋白液而得，共設(shè)置摻入10%、20%、30%、40%和50%體積的水解液5組梯度。首先，將樣品放入冰箱冷凍室內(nèi)(－18℃)預(yù)凍3h；繼而放入真空冷凍干燥器中干燥4h(物料溫度為0℃，真空度為0.25mbar，時(shí)間為4h，冷阱溫度為－57℃)，取出用保鮮膜密封后放入干燥器中備用。實(shí)驗(yàn)共取樣品56份，其中35份用于模型的建立，其余21份用于外部驗(yàn)證。

紅外光譜儀的掃描范圍為4000～500cm-1，掃描次數(shù)16次，分辨率4cm-1。掃描時(shí)通過扣除背景，從而去除水分和CO2對(duì)測(cè)定的干擾。掃描前，預(yù)熱儀器1h后使用。掃描過程中保持室溫25℃，并嚴(yán)格控制室內(nèi)濕度，保持環(huán)境的一致性。

1.3 光譜預(yù)處理與數(shù)據(jù)分析

為了去除高頻隨機(jī)噪音、基線漂移和樣品不均勻等影響，采用紅外光譜儀自帶的Spectrum 3.0操作軟件對(duì)紅外圖譜進(jìn)行必要的預(yù)處理。預(yù)處理方式包括平滑處理和矢量歸一化處理。然后，將獲得的紅外光譜圖轉(zhuǎn)換為JCAMP-DX格式后導(dǎo)入U(xiǎn)nscramber 7.8中進(jìn)行PLS回歸分析。

2 結(jié)果與分析

2.1 樣品的紅外圖譜

釀造醬油和酸水解植物蛋白液(acid hydrolyzed vegetable protien，AHVP)(4000～500cm-1)以及配制醬油(2500～500cm-1)的紅外光譜圖見圖1、2。由圖1、2可知，不同樣品在1600～1400cm-1和1200～1000cm-1處具有一定的差異性和指紋性，這些差異為釀造醬油與配制醬油的鑒別奠定了一定基礎(chǔ)。

圖1 釀造醬油與酸水解植物蛋白液的紅外光譜圖Fig.1 Infrared spectroscopy of fermented soy sauce and acid-HVP

圖2 不同AHVP添加量配制醬油的紅外光譜圖Fig.2 Infrared spectroscopy of blended soy sauce

2.2 PCA分析

釀造醬油、酸水解植物蛋白液以及配制醬油在以主成分一和主成分二為橫縱坐標(biāo)的二維分布圖中，擁有較好的聚類效果，如圖3所示。從圖3可以看出，以PC1和PC2為橫縱坐標(biāo)的二維圖像中，酸水解植物蛋白液與釀造醬油分別位于圖譜的右上角和左下角，分隔間距遠(yuǎn)，而不同比例混合的配制醬油均分布于水解液和純釀造醬油中間的區(qū)域，水解液添加比例越高，則其分布趨勢(shì)更靠近水解液一側(cè)，相反水解液添加量少者分布趨勢(shì)更靠近釀造醬油一側(cè)。

圖3 釀造醬油的主成分分析圖Fig.3 Principal component analysis plot of fermented soy sauce

2.3 PLS鑒別模型的建立

對(duì)釀造醬油、植物蛋白水解液以及配制醬油多次取樣后重復(fù)測(cè)定紅外圖譜，并選取35份樣品的圖譜(7組×5份)用于建模。采用Unscramber 7.8分析軟件以PLS建立鑒別模型，并用內(nèi)部交叉驗(yàn)證法(cross validation)檢驗(yàn)?zāi)Ｐ?。針?duì)釀造醬油與配制醬油在紅外光譜中的差異及指紋特點(diǎn)，將光譜分為800～1200、1300～1600、800～1600cm-1以及全光譜500～4000cm-1四個(gè)區(qū)域。討論不同光譜段對(duì)模型R2和RMSECV值的影響，進(jìn)而篩選出最佳光譜段。表1給出的是各組樣品分別在不同譜段的校正模型相關(guān)系數(shù)R2和RMSEC以及交互驗(yàn)證集相關(guān)系數(shù)R2和RMSECV。由表1可知，譜區(qū)選擇500～4000cm-1，預(yù)測(cè)結(jié)果最好，其檢驗(yàn)集相關(guān)系數(shù)為99.38%，預(yù)測(cè)標(biāo)準(zhǔn)差RMSECV為最低的3.45%。增加模型所使用主因子數(shù)，能夠提高模型對(duì)樣品準(zhǔn)確度。但是，過多的主因子數(shù)使得模型計(jì)算量增加使計(jì)算速度減慢，甚至出現(xiàn)標(biāo)準(zhǔn)差增大即過擬合現(xiàn)象。為優(yōu)化模型計(jì)算速度以及防止模型出現(xiàn)過擬合現(xiàn)象，在優(yōu)化波段下通過對(duì)不同主因子數(shù)的相關(guān)系數(shù)及交互驗(yàn)證標(biāo)準(zhǔn)差進(jìn)行分析，當(dāng)主因子數(shù)為8時(shí)，擁有最低的交互驗(yàn)證標(biāo)準(zhǔn)差(2.98%)和最高的相關(guān)系數(shù)(99.62%)(圖 4)。

表1 不同波段下鑒別模型的相關(guān)系數(shù)和標(biāo)準(zhǔn)偏差Table 1 PLS models in different wavelength regions

圖4 主因子數(shù)目對(duì)鑒別模型的影響Fig.4 Effect of principal component number on PLS model

2.4 PLS 鑒別模型的驗(yàn)證

為了檢測(cè)模型對(duì)未知樣本預(yù)測(cè)的精確度，將21份單獨(dú)驗(yàn)證樣品(共7組各3份)進(jìn)行模型驗(yàn)證。結(jié)果表明，模型能夠?qū)⑨勗灬u油、HVP以及配制醬油區(qū)別開來(表2)。證明利用PLS建立的模型能有效地檢測(cè)配制醬油中HVP的添加量，且最大偏差小于3.5%。

表2 判別模型驗(yàn)證結(jié)果Table 2 Validation of discrimination model for unknown samples

3 結(jié) 論

本實(shí)驗(yàn)首次利用傅里葉中紅外光譜結(jié)合PLS回歸分析對(duì)釀造醬油、HVP以及配制醬油進(jìn)行鑒別分析。通過分析發(fā)現(xiàn)釀造醬油、HVP以及添加比例的配制醬油，在以PC1和PC2為坐標(biāo)軸的二維線性投影圖上分布差異明顯。且以35份樣本的中紅外光譜為分析對(duì)象，建立的判別模型(模型主因子數(shù)為8)，對(duì)21份驗(yàn)證樣品全部實(shí)現(xiàn)了準(zhǔn)確判別。

[1] 趙龍飛, 徐亞軍. 米曲霉的應(yīng)用研究進(jìn)展[J]. 中國(guó)釀造, 2006(3): 8-10.[2] SB 10336—2000 配制醬油[S].

[3] 王悅宏, 閆吉昌. 同位素稀釋氣相色譜-質(zhì)譜法快速測(cè)定醬油中3-氯-1,2-丙二醇量[J]. 分析化學(xué), 2007, 7(11): 1657-1660.

[4] YANG Minghua, CHOONG Y M. A rapid gas chromatographic method for direct determination of short-chain (C2－C12) volatile organic acids in foods[J]. Food Chemistry, 2001, 75(1): 101-108.

[5] 熊芳, 易偉亮, 戴華. 用全自動(dòng)凱氏定氮儀測(cè)定醬油中銨鹽含量[J].中國(guó)衛(wèi)生檢驗(yàn)雜志, 2002, 12(2): 198.

[6] ZHU Yonghong, YANG Ya, ZHAO Xuzhou, et al. Direct determination of free tryptophan contents in soy sauces and its applicationas an index of soy sauce adulteration[J]. Food Chemistry, 2010, 118(1): 159-162.

[7] HE Yong, LI Xiaoli, DENG Xunfeng, et al. Discrimination of varieties of tea using near infrared spectroscopy by principal component analysis and BP model[J]. Journal of Food Engineering, 2007, 79(4): 1238-1242.

[8] 趙琛, 瞿海斌, 程翼宇. 蟲草氨基酸的人工神經(jīng)網(wǎng)絡(luò)近紅外光譜快速測(cè)定方法[J]. 光譜學(xué)與光譜分析, 2004, 24(1): 50-53.

[9] 何勇, 馮水娟, 李曉麗, 等. 應(yīng)用近紅外光譜快速鑒別酸奶品種的研究[J]. 光譜學(xué)與光譜分析, 2006, 26(11): 2021-2023.

[10] 徐永群, 孫素琴, 袁子明, 等. 紅外光譜結(jié)合主成分分析鑒別道地山藥[J]. 分析化學(xué), 2002, 30(10): 1231-1233.

[11] ANDREA E, JOSEF D, KURT C S, et al. Rapid method for the discrimination of red wine cultivars based on mid-infrared spectroscopy of phenolic wine extracts[J]. Journal of Agricultural and Food Chemistry,2001, 49(3): 1139-1145.

[12] 陳斌, 于麗燕, 陸道里, 等. 近紅外分析技術(shù)快速檢測(cè)醬油中的總氮和總酸[J]. 中國(guó)調(diào)味品, 2009(9): 40-44.

[13] 于麗燕, 方如明, 陳斌. 近紅外光譜透射法測(cè)定醬油的主要成分[J].食品科技, 2001(1): 64-65.

[14] 包春芳, 劉彤, 王彬, 等. 近紅外光譜-偏最小二乘法非破壞分析醬油的主要成分[J]. 吉林大學(xué)學(xué)報(bào): 理學(xué)版, 2009, 47(2): 362-366.

[15] 童曉星, 鮑一丹, 何勇. 應(yīng)用近紅外光譜技術(shù)快速檢別醬油品牌的研究[J]. 光譜學(xué)與光譜分析, 2008, 23(8): 597-601.

Discrimination of Fermented Soy Sauce and Blended Soy Sauce by FT-IR

QIU Dan-dan1，LIU Jia1，YU Chun-huan1，WANG Chao1，ZHAO Guo-hua1,2,*
(1. College of Food Science, Southwest University, Chongqing 400715, China；2. National Representative Center of Experimental Teaching of Food Science and Engineering, Southwest University, Chongqing 400715, China)

Fourier transform infrared (FT-IR) spectroscopy coupled with partial least squares (PLS) regression was used to discriminate fermented soy sauce and blended soy sauce with and acid hydrolyzed vegetable protein (acid-HVP). Results indicated that different samples were successfully discriminated from seven classes according to the distribution of geographical areas from principal components of PLS. By comparing the model correlation coefficient (R2) and root mean square error of cross validation (RMSECV), the spectral region of 4000－500 cm-1and the number of principal components was determined to be 8 and an optimal discrimination model was established. Totally 21 independent samples were successfully discriminated by the established model, which supported its availability about discriminating fermented soy sauce, HVP and blended soy sauce. The maximum deviation is less than 3.5%.

mid-infrared spectroscopy；fermented soy sauce；blended soy sauce；acid hydrolyzed vegetable protein；principal component analysis；partial least squares

TS207.3

A

1002-6630(2010)24-0322-03

2010-09-02

西南大學(xué)食品學(xué)院本科生科技創(chuàng)新基金項(xiàng)目(08-09)

邱丹丹(1987—)，女，本科生，研究方向?yàn)槭称钒踩?。E-mail：qdd1123@163.com

趙國(guó)華(1971—)，男，教授，博士，研究方向?yàn)槭称坊瘜W(xué)與營(yíng)養(yǎng)學(xué)。E-mail：zhaoguohua1971@163.com