李東華，潘園園，李 根

（沈陽化工大學(xué)制藥與生物工程學(xué)院，遼寧 沈陽 110142）

利用光密度法對(duì)摻假豆?jié){的定性判別研究

李東華，潘園園，李 根

（沈陽化工大學(xué)制藥與生物工程學(xué)院，遼寧 沈陽 110142）

蛋白質(zhì)含量是豆?jié){品質(zhì)評(píng)價(jià)的主要指標(biāo)，實(shí)驗(yàn)運(yùn)用近紅外光譜技術(shù)獲得83 個(gè)真?zhèn)味節(jié){的光譜，并對(duì)光譜圖和光密度值進(jìn)行統(tǒng)計(jì)分析，研究以蛋白質(zhì)為主要定性指標(biāo)的豆?jié){品質(zhì)等級(jí)劃分的可行性，建立豆?jié){品質(zhì)定性判別的標(biāo)準(zhǔn)。結(jié)果顯示：在波長742.59～810.96 nm范圍內(nèi)，隨著豆?jié){樣品蛋白質(zhì)含量的升高，吸收光譜峰值變化越大。實(shí)驗(yàn)選取OD810.96nm與OD742.59nm做光密度差值分布圖，根據(jù)83 個(gè)校正集樣品的光密度差值分布圖，確定豆?jié){兩級(jí)判別的檢測標(biāo)準(zhǔn)為：ΔOD742.59～810.96nm大于0.062 9時(shí)，豆?jié){為不合格豆?jié){；ΔOD742.59～810.96nm小于或等于0.062 9時(shí)，豆?jié){為合格豆?jié){。根據(jù)該判別標(biāo)準(zhǔn)對(duì)37 個(gè)預(yù)測集樣品進(jìn)行判別，17 個(gè)不合格豆?jié){全部被判別，正確判別率100%，20 個(gè)合格豆?jié){中有2 個(gè)被誤判成不合格，誤判率10%，預(yù)測結(jié)果準(zhǔn)確率較高。實(shí)驗(yàn)應(yīng)用光密度法進(jìn)行豆?jié){品質(zhì)的評(píng)價(jià)是可行的，方法簡明、結(jié)果可靠，可為豆?jié){品質(zhì)快速檢測技術(shù)的應(yīng)用提供一種參考方法。

豆?jié){；光密度差值；近紅外光譜；定性判別

豆?jié){是一種營養(yǎng)豐富植物蛋白飲品，因其營養(yǎng)豐富，口感良好，受到人們的喜愛。豆?jié){中不僅富含蛋白質(zhì)及多種微量元素，還在防治高血脂、高血壓、動(dòng)脈硬化等方面具有很好的功效[1-2]。近幾年豆?jié){摻假現(xiàn)象日益嚴(yán)重，這不僅有礙于豆?jié){行業(yè)的發(fā)展，長期攝入摻假成分更是危及到了消費(fèi)者的人身健康，因此亟需一種快速鑒定豆?jié){品質(zhì)的定性判別方法。

光密度（optical density，OD）表示被檢測物所吸收的光密度，與溶質(zhì)含量呈現(xiàn)正比關(guān)系，光密度法利用測定物質(zhì)溶液的光密度間接測定溶質(zhì)的量，具有快速、簡便的特點(diǎn)，為了提高測量的精度常選用光密度差法[3-5]，因?yàn)樵S多變量，比如樣品的尺寸、形狀、位置、儀器等因素都會(huì)影響光密度的測量值，做光密度差值后可以抵消這些因素的影 響。

近紅外光譜分析技術(shù)是近幾年來被廣泛應(yīng)用的一種液體品質(zhì)快速無損傷檢測技術(shù)[6-8]，對(duì)于近紅外光譜信息的有效提取，目前較多的研究是結(jié)合化學(xué)統(tǒng)計(jì)學(xué)方法進(jìn)行光譜信息和質(zhì)量參數(shù)的定性和定量分析[6,9-10]，分析和計(jì)算過程比較復(fù)雜，需要匹配相應(yīng)的軟件，利用光密度差法對(duì)近紅外光密度值的進(jìn)行分析處理，方法簡單，易兼容，判別分析結(jié)果也較可靠。早在1964年Gerald等[11]利用光密度差法開展了蘋果水心病的NIRS無損檢測研究。Francis等[12]用透射光檢測元帥蘋果水心病和內(nèi)部崩潰，采用光密度差法能正確分離91%的褐變蘋果。涂潤林等[13]采用光密度差法檢測鴨梨黑心病，確定正常梨和黑心梨兩級(jí)別的判別標(biāo)準(zhǔn)，根據(jù)該分級(jí)標(biāo)準(zhǔn)進(jìn)行判別，130 個(gè)黑心鴨梨中有6 個(gè)被誤判成正常梨，誤判率為5.4%，32 個(gè)正常梨中有3 個(gè)被誤判成黑心梨，誤判率為9.5%；本實(shí)驗(yàn)通過分析豆?jié){近紅外吸收光譜的特點(diǎn)，利用光密度差法對(duì)合格和摻假的豆?jié){樣品進(jìn)行初步定性判斷，并對(duì)該方法在豆?jié){品質(zhì)預(yù)測和摻假檢驗(yàn)中的實(shí)用性進(jìn)行分析和討論。

1 材料與方法

1.1 材料與儀器

制備豆?jié){的大豆原料購買于 沈陽富友種子有限公司，收集的豆?jié){樣品購買于沈陽市內(nèi)多個(gè)農(nóng)貿(mào)市場，豆?jié){香精、增稠劑、色素等均購買于沈陽南二添加劑市場。一共制備120 個(gè)樣品，83 個(gè)樣品作為定標(biāo)集樣品，37 個(gè)樣品作為預(yù)測集樣品，其中校正集樣品包括57 個(gè)純豆?jié){和26 個(gè)摻假豆?jié){，預(yù)測集樣品包括20 個(gè)純豆?jié){和17 個(gè)摻假豆?jié){；將樣品按照順序依次編號(hào)，供光譜和化學(xué)值的測定。

Purespect型近紅外透射光譜儀 日本雜賀技術(shù)研究所；紫外-可見雙光束掃描分光光度計(jì) 日本日立公司；電熱恒溫鼓風(fēng)干燥箱 上海森信實(shí)驗(yàn)儀器有限公司；電子天平 北京賽多利斯儀器系統(tǒng)有限公司。

1.2 方法

1.2.1 真?zhèn)味節(jié){的制作

按照豆?jié){的典型制作工藝[14]制作純豆?jié){（蛋白質(zhì)含量≥2.0 g/100 g），再根據(jù)市場調(diào)查和有關(guān)摻假豆?jié){的報(bào)道，確定目前摻假豆?jié){主要是通過向純豆?jié){中加入大量的水、增稠劑、豆?jié){香精、色素以及甜味劑等勾兌而成，因此本實(shí)驗(yàn)在蛋白質(zhì)含量符合標(biāo)準(zhǔn)的純豆?jié){基礎(chǔ)上，通過現(xiàn)有的摻假手段，制備摻假豆?jié){。用于制備摻假豆?jié){的主輔料分別為：純豆?jié){（豆水質(zhì)量比為1∶10）、豆?jié){香精、豆?jié){增稠劑、甜蜜素、日落黃。

1.2.2 蛋白質(zhì)含量的化學(xué)測定

根據(jù)豆?jié){行業(yè)標(biāo)準(zhǔn)[15-16]，實(shí)驗(yàn)確定以蛋白質(zhì)含量為評(píng)價(jià)豆?jié){品質(zhì)的主要指標(biāo)，本實(shí)驗(yàn)采用考馬斯亮藍(lán)G-250法進(jìn)行蛋白質(zhì)含量的測定[17]。

1.2.3 近紅外光譜的測定和預(yù)處理

采用日本雜賀技術(shù)研究所提供的Purespect型近紅外光譜透射儀獲取豆?jié){近紅外光譜，準(zhǔn)確量取50 mL常溫的豆?jié){樣品倒入燒杯中攪拌均勻，然后將燒杯放入樣品杯內(nèi)，隨操作臺(tái)轉(zhuǎn)動(dòng)5 min內(nèi)完成光譜采集；儀器掃描波長范圍為643.26～954.15 nm，采點(diǎn)間隔為1.29 nm，每個(gè)樣品掃描3 次。采集的光譜數(shù)據(jù)根據(jù)比爾定律將其轉(zhuǎn)化為光密度值，導(dǎo)入U(xiǎn)nscrambler 6.1軟件中對(duì)光譜進(jìn)行平滑、背景扣除等處理[18-19]，利用Excel對(duì)處理后的光譜圖和光密度值進(jìn)行統(tǒng)計(jì)分析。

2 結(jié)果與分析

2.1 光密度臨界值的確定

圖1a為83 個(gè)校正集樣品的吸收光譜圖，為了清晰地反映由于蛋白質(zhì)含量的不同所引起的光譜光密度值的不同，圖1b是選擇了比較有代表性的4 個(gè)樣品，它們囊括了整個(gè)樣本的蛋白質(zhì)含量梯度，通過化學(xué)測定法確定4個(gè)樣品的蛋白質(zhì)含量為按1→4的順序逐漸降低，因此圖1b可以清晰地反映出光密度值隨蛋白質(zhì)含量的變化趨勢。

圖1 豆?jié){樣品吸收光譜圖Fig.1 Absorption spectra of soymilk samples

由圖1可知，在742.59～810.96 nm范圍內(nèi)豆?jié){的吸收光譜變化較明顯。隨著豆?jié){樣品蛋白質(zhì)含量的升高，該范圍內(nèi)樣品峰的斜率越高，波形變化較陡峭，由于光密度受儀器性能、外界環(huán)境等影響，本實(shí)驗(yàn)采用差值法消除一些因素的影響，實(shí)驗(yàn)選取OD810.96nm與OD742.59nm做光密度差值，ΔOD742.59～810.96nm值變化的過程恰好能描述蛋白質(zhì)含量的變化，即豆?jié){品質(zhì)變化的過程。實(shí)驗(yàn)對(duì)83 個(gè)樣品的ΔOD742.59～810.96nm值分布進(jìn)行了統(tǒng)計(jì)，結(jié)果見表1。

表1 ΔOD742.59～810.96nm值的分析結(jié)果Table1 Statistics results of ΔOD742.59－810.96nm

由表1可知，合格品與不合格豆?jié){樣品的ΔOD值區(qū)間范圍存在部分的重合，這說明不能簡單地以區(qū)間范圍來劃分樣品，因此，為了減少誤判，需要選擇一個(gè)準(zhǔn)確的判斷標(biāo)準(zhǔn)，因此利用Excel軟件制作樣品ΔOD值的正態(tài)分布圖，見圖2。

圖2 ΔOD742.59～810.96nm值的正態(tài)分布圖Fig.2 Normal quantie plot of ΔOD742.59－810.96nm

根據(jù)豆?jié){行業(yè)標(biāo)準(zhǔn)確定，當(dāng)樣品中的蛋白質(zhì)質(zhì)量分?jǐn)?shù)小于2%時(shí)，樣品判定為不合格，本實(shí)驗(yàn)依據(jù)樣品蛋白質(zhì)的化學(xué)實(shí)測值，將校正集樣品分為兩級(jí)，圖2中，系列1為合格樣品的正態(tài)分布圖，系列2為不合格樣品的正態(tài)分布圖，系列1和系列2正態(tài)分布曲線重合部分，也就是合格品和不合格品會(huì)出現(xiàn)誤判域，即合格品和不合格品判斷的臨界點(diǎn)為0.062 9。因此可以得出合格豆?jié){與不合格格豆?jié){檢測判別標(biāo)準(zhǔn)為：ΔOD742.59～810.96nm值大于0.062 9時(shí)，豆?jié){為不合格樣品；ΔOD742.59～810.96nm值小于或等于0.062 9，豆?jié){為合格樣品。

2.2 光密度差值法的驗(yàn)證結(jié)果

利用確定的光密度臨界值，對(duì)37 個(gè)驗(yàn)證集樣品進(jìn)行驗(yàn)證，驗(yàn)證結(jié)果見表2。

由表2可知，利用確定的判斷標(biāo)準(zhǔn)，17 個(gè)不合格豆?jié){全部被判定出來，正確判別率達(dá)到100%，20 個(gè)合格豆?jié){中有2 個(gè)被誤判成不合格，正確判別率為90%；對(duì)于合格品被誤判這主要是由于這幾個(gè)豆?jié){樣品與其他合格樣品相比，其中的蛋白質(zhì)含量只稍微在標(biāo)準(zhǔn)值之上，光譜信號(hào)的差別難以區(qū)分造成的；此外實(shí)驗(yàn)中樣品總數(shù)有限，不能較為全面的涵蓋所有可能出現(xiàn)的情況，因此實(shí)驗(yàn)還應(yīng)該繼續(xù)擴(kuò)充豆?jié){的數(shù)量和種類，并且采取措施提高檢測的精度，盡量將誤判率降至最低值。

表2 兩個(gè)系列豆?jié){樣品ΔOD742.59～810.96 nm值的分析結(jié)果Table2 Statistics results of ΔOD742.59－810.96 nm for 37 soymilk samples from predication set

3 結(jié) 論

本實(shí)驗(yàn)將常溫的豆?jié){樣品盛放到50 mL的燒杯中，并在5 min內(nèi)保證樣品均勻不分層的條件下采集豆?jié){的近紅外吸收光譜，結(jié)果表明ΔOD742.59～810.96nm值越大，豆?jié){蛋白質(zhì)含量越高。按照蛋白質(zhì)含量的高低采用光密度差法檢測真?zhèn)味節(jié){時(shí)，真假豆?jié){的判別的檢測標(biāo)準(zhǔn)為ΔOD742.59～810.96nm值小于或等于0.062 9時(shí)，豆?jié){為合格豆?jié){；當(dāng)ΔOD742.59～810.96nm值大于0.062 9時(shí)，豆?jié){為不合格品。

根據(jù)判斷標(biāo)準(zhǔn)對(duì)預(yù)測集樣品進(jìn)行定性判別，17 個(gè)不合格豆?jié){全部被判定出來，正確判別率達(dá)到100%，20 個(gè)合格豆?jié){中有2 個(gè)被誤判成不合格，誤判率10%，預(yù)測結(jié)果誤差較小，證明此判斷標(biāo)準(zhǔn)可以滿足實(shí)際應(yīng)用的需要。

[1] 殷涌光, 劉靜波. 大豆食品工藝學(xué)[M]. 北京: 化學(xué)工業(yè)出版社, 2006.

[2] 賀豐霞, 芮漢明. 豆?jié){對(duì)糖液清凈效果的研究[J]. 食品工業(yè)科技, 2009, 30(4): 255-257.

[3] 湯耀法. 光密度的由來及其物理意義[J]. 中國醫(yī)學(xué)物理學(xué)雜志, 1997, 14(3): 179-181.

[4] 韓東海, 劉新鑫, 魯超, 等. 蘋果內(nèi)部褐變的光學(xué)無損傷檢測研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2006, 37(6): 86-88; 93.

[5] 王英娟, 賀敬, 李壯, 等. 光密度法測定蛋白核小球藻生物量[J]. 西北大學(xué)學(xué)報(bào): 自然科學(xué)版, 2012, 42(1): 60-63.

[6] MELFSEN A, HARTUNG E, HAEUSSERMANN A. Accuracy of milk composition analysis with near infrared spectroscopy in diffuse reflection mode[J]. Biosystems Engineering, 2012, 112(3): 210-217.

[7] 王小燕, 王錫昌, 劉源, 等. 近紅外光譜技術(shù)在食品摻偽檢測應(yīng)用中的研究進(jìn)展[J]. 食品科學(xué), 2011, 32(1): 265-269.

[8] 楊晉輝, 卜登攀, 王加啟, 等. 近紅外透反射光譜法測定牛奶成分[J].食品科學(xué), 2013, 34(20): 153-156.

[9] 吳靜珠, 徐云. 基于CARS-PLS的食用油脂肪酸近紅外定量分析模型優(yōu)化[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2011, 42(10): 162-166.

[10] 張菊華, 朱向榮, 尚雪波, 等. 近紅外光譜法結(jié)合化學(xué)計(jì)量學(xué)測定油茶籽油中脂肪酸組成[J]. 食品科學(xué), 2011, 32(18): 205-208.

[11] GERALD S B, KENNETH L O. Nondestructive detection of watercore in delicious apples[J]. American Society of Hortieultural Science, 1964, 22(6): 75-85.

[12] FRANCIS F J, BRAMLAGE W J. Detection of watercore and internal Breakdown in delicious apples by light transmittance[J]. American Society of Horticultural Science, 1965, 87(8): 78-87.

[13] 涂潤林. 基于光物性的鴨梨黑心病無損檢測方法的研究[D]. 北京:中國農(nóng)業(yè)大學(xué), 2005.

[14] 江連洲. 植物蛋白工藝學(xué)[M]. 北京: 科學(xué)出版社, 2011.

[15] 中國輕工業(yè)聯(lián)合會(huì). QB/T 2132—2008 植物蛋白飲料豆奶(豆?jié){)和豆奶飲料[S]. 北京: 中國輕工業(yè)出版社, 2008.

[16] 商務(wù)部. SB/T 10633—2011 豆?jié){類[S]. 北京: 中國標(biāo)準(zhǔn)出版社, 2012.

[17] 南亞, 李宏高. 考馬斯亮藍(lán)G-250法快速測定牛乳中的蛋白質(zhì)[J]. 飲料工業(yè), 2007, 12(10): 41-44.

[18] CHEN Lanzhen, XUE Xiaofeng, YE Zhihua, et al. Determination of Chinese honey adulterated with high fructose corn syrup by near infrared spectroscopy[J]. Food Chemistry, 2011, 128(4): 1110-1114.

[19] 嚴(yán)衍祿, 趙龍蓮, 韓東海, 等. 近紅外光譜分析基礎(chǔ)與應(yīng)用[M]. 北京:中國輕工業(yè)出版社, 2005: 142-145.

Qualitative Discrimination of Adulterated Soymilk Using Optical Density Method

LI Dong-hua, PAN Yuan-yuan, LI Gen (College of Pharmaceutical and Biological Engineering, Shenyang University of Chemical Technology, Shenyang 110142, China)

Soymilk protein content is a major index for quality evaluation. In this study, near infrared spectra were obtained for 83 adulterated soymilk samples and then the spectra and optical density of these adulterated samples were analyzed by statistical methods. The feasibility for qualitative discrimination of soymilk quality was studied by using protein as the major qualitative index. At last, qualitative discrimination standard was established. The experimental results indicated that the spectral peak changed obviously in the wavelength range from 742.59 to 810.96 nm with an increase in soymilk protein content. The optical density OD810.96nmand OD742.59nmwere used to plot distribution diagram. Based on optical density distribution diagram of 83 calibration samples, the soymilk classification model of OD difference was confirmed as following: when its value of ΔOD742.59-810.96nmwas more than 0.062 9, the soymilk sample was classified into adulterated sample, otherwise it was normal soymilk sample. Totally 37 prediction set samples were classified according to the model; 100% of adulterated soymilk in the prediction set were classified as adulterated samples, and 2 of 20 normal soymilk samples were classified wrongly into adulterated samples. The preferable prediction results indicated that the accuracy of the developed method was superior. The feasibility of soymilk quality evaluation based on optical density combined with near infrared spectral data was confirmed. The method was simple and reliable, and could provide certain references for the rapid detection of soymilk quality.

soymilk; optical density; near infrared spectroscopy; qualitative discrimination

TS207.3；TS229

A

1002-6630（2014）20-0217-03

10.7506/spkx1002-6630-201420043

2013-12-24

遼寧省教育廳項(xiàng)目（L2014163）；遼寧省自然科學(xué)基金項(xiàng)目（2013020060）

李東華（1981—），女，講師，博士，主要從事食品質(zhì)量控制和無損檢測研究。E-mail：lidonghua2004168@163.com