營(yíng)養(yǎng)成分檢測(cè)與NIR預(yù)測(cè)模型構(gòu)建

劉菁 高英 李倩

摘 要：針對(duì)乳制品缺乏全面系統(tǒng)的營(yíng)養(yǎng)素成分檢測(cè)數(shù)據(jù)，本研究應(yīng)用成分檢測(cè)與近紅外（NIR）光譜建立了乳制品營(yíng)養(yǎng)素快速檢測(cè)模型。首先，通過(guò)臺(tái)式和便攜式兩種NIR掃描儀獲取乳樣成分中營(yíng)養(yǎng)素的NIR光譜。然后利用化學(xué)計(jì)量學(xué)軟件選取適合的NIR片段，并通過(guò)NIR光譜導(dǎo)數(shù)、MSC、SNV等轉(zhuǎn)換手段對(duì)選取片段進(jìn)行了預(yù)處理。最后，建立了乳制品營(yíng)養(yǎng)素的NIR光譜預(yù)測(cè)模型，確定了模型的參數(shù)，并通過(guò)實(shí)驗(yàn)驗(yàn)證了模型的有效性。結(jié)果表明，臺(tái)式NIR光譜儀建立的模型優(yōu)于微型NIR光譜儀建立的模型;馬奶、牛奶、山羊奶的營(yíng)養(yǎng)素通用模型預(yù)測(cè)精準(zhǔn)度不高，有必要分別建立專用模型;PH對(duì)預(yù)測(cè)模型具有一定程度的影響。

關(guān)鍵詞：乳制品成分檢測(cè);營(yíng)養(yǎng)素;近紅外光譜;NIR預(yù)測(cè)模型

中圖分類號(hào)：TS252.7? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)：1001-5922（2021）07-0101-04

Nutrient Component detection and NIR Prediction Model Construction

Liu Jing， Gao Ying， Li Qian

（Institute of Clinical Nutrition， people s Hospital of Xinjiang Autonomous Region， Urumqi 830000， China）

Abstract：In view of the lack of comprehensive and systematic detection data of nutrients in dairy products， this study applied component detection and near-infrared （NIR） spectroscopy to establish a rapid nutrient detection model for dairy products. First，a rapid detection model was established by near infrared （NIR） spectroscopy. The NIR spectra of nutrients in milk samples were obtained by two NIR scanners， desktop and portable. Then the suitable NIR segments were selected by chemometrics software， and the selected fragments were pretreated by NIR spectral derivative， MSC， SNV and other conversion methods. Finally， the NIR spectrum prediction model of milk nutrients was established， and the parameters of the model were determined， and the effectiveness of the model was verified through experiments. The results showed that the model established by desktop NIR spectrometer was better than that established by micro NIR spectrometer; the accuracy of general nutrient model for horse milk， milk and goat milk was not high， so it was necessary to establish special models respectively; pH had certain influence on nutrient prediction model.

Key words：dairy ingredients detection; nutrients; near infrared spectroscopy; NIR prediction model

隨著國(guó)內(nèi)生活水平的快速提高，人們對(duì)食物的營(yíng)養(yǎng)成分要求越發(fā)嚴(yán)格，既要求營(yíng)養(yǎng)均衡，同時(shí)又要求營(yíng)養(yǎng)豐富。乳制品作為日常生活不可或缺的食物之一，其營(yíng)養(yǎng)成分更是備受關(guān)注。近年來(lái)，針對(duì)乳制品鮮牛奶、酸牛奶的營(yíng)養(yǎng)成分分析的檢測(cè)研究成果較多，如婁文琦、羅漢鵬等人對(duì)牛奶的中紅外光譜相關(guān)指標(biāo)及遺傳規(guī)律進(jìn)行了研究[1]，劇檸、胡婕研究了光譜技術(shù)在乳及乳制品的應(yīng)用進(jìn)展[2]。雖然這些研究在一定程度上對(duì)牛奶等常見(jiàn)乳制品成分進(jìn)行了有效檢測(cè)，但對(duì)于馬奶、山羊奶及其奶制品的成分研究較少。因此，為建立馬奶、山羊奶及乳制品營(yíng)養(yǎng)成分預(yù)測(cè)模型，本研究應(yīng)用成分檢測(cè)與NIR預(yù)測(cè)模型，構(gòu)建了馬奶營(yíng)養(yǎng)素NIR預(yù)測(cè)模型，重點(diǎn)對(duì)乳制品中的營(yíng)養(yǎng)素含量進(jìn)行了預(yù)測(cè)。

1 材料與方法

1.1 實(shí)驗(yàn)材料

1.1.1 乳樣來(lái)源

研究乳樣選自2019秋季內(nèi)蒙古錫林浩特馬奶飲料廠采集到鮮馬奶72份和酸馬奶28份，采集荷斯坦牛奶50份和內(nèi)蒙山羊奶30份作為對(duì)比研究。其中，鮮牛奶包括馬奶廠早中晚產(chǎn)出的鮮奶，具有個(gè)體變異代表性;酸馬奶來(lái)自混合酸馬奶樣品，具有馬群代表性。乳樣采集后立即采用液氮冷卻并放入零下18℃的冷凍柜進(jìn)行保藏。

1.1.2 實(shí)驗(yàn)試劑

本研究實(shí)驗(yàn)用試劑均選自國(guó)藥集團(tuán)化學(xué)試劑有限公司生產(chǎn)分析純?cè)噭?。具體試劑包括鹽酸、硫酸、硼酸、氫氧化鈉、甲基紅、溴甲酚綠、無(wú)水碳酸鈉、國(guó)家標(biāo)準(zhǔn)物質(zhì)奶粉。

1.1.3 儀器設(shè)備

本研究實(shí)驗(yàn)所用的儀器設(shè)備包括由武漢亞華電爐有限公司生產(chǎn)的馬弗爐、福普森科技有限公司生產(chǎn)的真空抽干箱、海能全自動(dòng)凱式定氮儀、博科乳脂劑離心機(jī)、塞多利斯萬(wàn)分之一天平、PE有限責(zé)任公司生產(chǎn)的傅里葉變換近紅外、Viavo MincroNIR生產(chǎn)的微型便攜式NIR，以及上海博訊事業(yè)有限公司醫(yī)療設(shè)備廠生產(chǎn)的鼓風(fēng)干燥箱。

1.2 研究方法

乳樣中常規(guī)營(yíng)養(yǎng)素包括蛋白質(zhì)、乳脂肪、乳糖、水分、灰分。其中，蛋白質(zhì)按照凱式定氮法測(cè)定，水分按照GB5009.3-2016測(cè)定，脂肪按照蓋博法測(cè)定，乳糖按照萊茵-埃農(nóng)氏法測(cè)定，灰分按照GB5009.4-2016測(cè)定。測(cè)定時(shí)，每個(gè)指標(biāo)測(cè)定3次并附帶質(zhì)控物質(zhì)。同時(shí)為保證測(cè)定值的準(zhǔn)確性，需要對(duì)異常值進(jìn)行復(fù)檢。測(cè)定得到的數(shù)值為NIR建模中的化學(xué)值。

2 實(shí)驗(yàn)過(guò)程

2.1 數(shù)據(jù)獲取與整理

本研究將測(cè)定得到的營(yíng)養(yǎng)素?cái)?shù)據(jù)利用Microsoft Excel2019進(jìn)行錄入，通過(guò)SPSS對(duì)數(shù)據(jù)進(jìn)行整理以及統(tǒng)計(jì)分析。

2.2 NIR光譜掃描

溫度會(huì)影響食物NIR光譜的吸收和反射，因此通常情況下，NIR光譜掃描在室溫或50℃的環(huán)境中進(jìn)行。通過(guò)比較50℃和25℃下NIR乳樣掃描，發(fā)現(xiàn)乳樣的聚類特性沒(méi)有發(fā)生本質(zhì)改變，故本研究選擇在25℃下，采用一臺(tái)實(shí)驗(yàn)室用臺(tái)式NIR光譜儀和一臺(tái)微型便攜式NIR光譜儀進(jìn)行NIR光譜對(duì)比建模研究，并利用PE傅里葉變換近紅外光譜儀漫投射掃描乳樣，獲得NIR光譜。

InGaAs以50W的鹵素?zé)糇鳛楣庠矗涔庾V分辨率為8cm-1，掃描波譜范圍為4000nm～12000nm，掃描次數(shù)為16次，即每條近紅外光譜含4000個(gè)數(shù)據(jù)點(diǎn)。對(duì)每個(gè)乳樣樣品平行掃描3次，不同時(shí)間掃描2次，使每次掃描每個(gè)乳樣獲得6個(gè)光譜。

Viavo Mincro NIR近紅外光譜儀檢測(cè)器為S1-00723。其掃描波譜范圍為900cm-1～1675cm-1，掃描次數(shù)為50次，每條可獲取125個(gè)數(shù)據(jù)點(diǎn)。

2.3 光譜預(yù)處理

（1）光譜區(qū)間選取。采用Unscrambler X10.5選取采集到的NIR光譜片段，通過(guò)導(dǎo)數(shù)、多元散射矯正等方法對(duì)選取的NIR光譜片段進(jìn)行預(yù)處理。采用最小二乘法對(duì)校正后的乳樣營(yíng)養(yǎng)素測(cè)定值和預(yù)處理后的NIR光譜進(jìn)行回歸校正，并建立預(yù)測(cè)模型。然后根據(jù)內(nèi)部交叉驗(yàn)證的均方差選擇最佳模型。最后，利用相對(duì)分析誤差評(píng)價(jià)模型。

（2）確定光譜建模和優(yōu)化方式。通過(guò)實(shí)驗(yàn)分析，PE臺(tái)式NIR光譜儀獲得的光譜沒(méi)有達(dá)到理想效果，故采用全光譜建模和優(yōu)化;Viavo Mincro NIR光譜儀僅獲得較少的數(shù)據(jù)點(diǎn)，故同樣選取全光譜建模和優(yōu)化。

（3）光譜預(yù)處理模塊。本研究實(shí)驗(yàn)選用直接差分法對(duì)光譜進(jìn)行求導(dǎo)，以提高光譜的分辨率，實(shí)現(xiàn)對(duì)光譜基線的校正。

（4）光譜預(yù)處理方式選擇。本研究使用SNV、MSC、一階導(dǎo)數(shù)和二階導(dǎo)數(shù)對(duì)PE臺(tái)式NIR光譜儀和Viavo Mincro NIR光譜儀采集到的NIR光譜進(jìn)行預(yù)處理。

2.4 模型建立與優(yōu)化

在對(duì)鮮馬奶和酸馬奶N(yùn)IR光譜預(yù)處理中，發(fā)現(xiàn)兩者的光譜特征差異較大，因此為使研究結(jié)果更加精準(zhǔn)，本研究不僅建立了馬奶通用模型，同時(shí)對(duì)鮮馬奶和酸馬奶分別建立了專用模型，并對(duì)專用模型進(jìn)行了優(yōu)化和評(píng)價(jià)。

隨機(jī)選擇80%乳樣作為建模樣本集，剩余20%乳樣作為驗(yàn)證測(cè)試集。針對(duì)上述3種模型，分別建立乳樣常規(guī)營(yíng)養(yǎng)素快速檢測(cè)模型。

（1）3種家畜乳通用模型建立和評(píng)價(jià)。結(jié)合馬奶專用模型的建立和評(píng)價(jià)，建立了馬奶、牛奶、山羊奶3種家畜乳通用NIR模型，且該模型適用于各種動(dòng)物乳的快速測(cè)定。

（2）馬奶通用模型、鮮馬奶和酸馬奶模型優(yōu)化和評(píng)價(jià)。通過(guò)比較馬奶專用模型和通用模型，可選擇其中之一模型作為最優(yōu)模型，然后對(duì)最優(yōu)模型的預(yù)測(cè)能力進(jìn)行評(píng)判。

（3）馬奶PH值對(duì)模型的影響。由于馬奶多以酸馬奶形式出售，故PH值也會(huì)對(duì)NIR光譜產(chǎn)生一定的影響，進(jìn)而對(duì)模型的建立產(chǎn)生一定的影響。

3 結(jié)果與分析

3.1 3種家畜乳通用NIR模型參數(shù)

馬奶成分與牛奶、山羊奶大有不同，故其紅外光譜特征也不同。因此，建立馬奶營(yíng)養(yǎng)素的通用NIR預(yù)測(cè)模型十分必要。而根據(jù)PLS基本方法與評(píng)定參數(shù)指標(biāo)，得到3種家畜乳通用模型及最終優(yōu)化參數(shù)如表1所示。

由表1可知，模型的R2均大于0.9，RMSECV結(jié)果較為理想，說(shuō)明該模型可用于實(shí)際檢測(cè);模型的RPD值只有乳糖和水分大于3，而其余常規(guī)營(yíng)養(yǎng)素的RPD值均小于2.5，說(shuō)明該模型需要繼續(xù)優(yōu)化。

3.2 馬奶N(yùn)IR專用模型

3.2.1 馬奶常規(guī)營(yíng)養(yǎng)素正態(tài)性檢驗(yàn)

馬奶常規(guī)營(yíng)養(yǎng)素正態(tài)性檢驗(yàn)結(jié)果顯示，蛋白質(zhì)、水分和灰分的p-p檢驗(yàn)值均在[-0.5，0.5]之間，符合正態(tài)分布，說(shuō)明該模型可用于實(shí)際模型構(gòu)建;乳糖的p-p檢驗(yàn)值在[-0.1，0.1]之間，呈偏態(tài)分布，其原因在于鮮馬奶和酸馬奶中的乳糖含量具有明顯的差異，將二者樣本建立通用模型可能得不到最優(yōu)預(yù)測(cè)結(jié)果，因此需要對(duì)二者分別建立營(yíng)養(yǎng)素預(yù)測(cè)模型;脂肪的化學(xué)值分布p-p檢驗(yàn)值均在[-0.08，0.04]之間，接近正態(tài)性分布，或?qū)@得理想模型。

3.2.2 馬奶通用模型優(yōu)化結(jié)果

臺(tái)式NIR光譜儀馬奶通用模型最優(yōu)參數(shù)選擇如表2所示。

其中，主因子為10，采用二階導(dǎo)數(shù)對(duì)蛋白質(zhì)、脂肪、乳糖、灰分進(jìn)行光譜預(yù)處理;采用SNV+二階導(dǎo)數(shù)對(duì)水分進(jìn)行光譜預(yù)處理，其原因在于水分子會(huì)受其他營(yíng)養(yǎng)素光譜漫反射影響，因此需要利用SNV消除這種散射影響。由表可知，通用模型的R2和RPD的值均滿足預(yù)測(cè)模型的精度要求，分別大于0.94和3，由此可見(jiàn)模型的預(yù)測(cè)能力最優(yōu)。

確定模型最佳參數(shù)后對(duì)模型進(jìn)行外部驗(yàn)證，得到外部驗(yàn)證參數(shù)如表3所示。

由表3可知，模型的R值均大于0.9，RSD值均小于10%，P值均大于0.05，說(shuō)明該模型可直接用于實(shí)際預(yù)測(cè)。

3.2.3 馬奶PH對(duì)模型預(yù)測(cè)影響

應(yīng)用PCA對(duì)模型預(yù)測(cè)結(jié)果進(jìn)行聚類分析，結(jié)果顯示如圖1所示。

當(dāng)主因子為5時(shí)，鮮馬奶和酸馬奶的聚類明顯分為兩類，說(shuō)明PH對(duì)馬奶的營(yíng)養(yǎng)素預(yù)測(cè)模型具有一定的影響，還需對(duì)PH對(duì)模型的影響程度進(jìn)行更深層次的探究。另外，結(jié)合乳糖的化學(xué)值呈偏態(tài)分布可知，該通用模型不適用于乳糖含量預(yù)測(cè)，應(yīng)重新單獨(dú)建模。

為進(jìn)一步評(píng)價(jià)PH對(duì)模型的影響程度，本研究利用待收集的乳樣進(jìn)行了研究?jī)?yōu)化，對(duì)所有乳樣分別建立了營(yíng)養(yǎng)素預(yù)測(cè)模型，結(jié)果如表4所示。

由表4可知，所有馬奶、鮮馬奶、酸馬奶的模型參數(shù)變得更好;酸馬奶的RMSECV和RPD值均優(yōu)于鮮馬奶，說(shuō)明PH對(duì)營(yíng)養(yǎng)素預(yù)測(cè)模型具有一定程度的影響，但影響程度并不是很大，因此可分別建立鮮馬奶和酸馬奶預(yù)測(cè)模型，也可對(duì)鮮馬奶和酸馬奶可建立通用的預(yù)測(cè)模型，預(yù)測(cè)者可根據(jù)需要對(duì)模型進(jìn)行選擇使用。

3.2.4 兩種NIR光譜儀最優(yōu)模型對(duì)比

本研究臺(tái)式NIR光譜儀的波長(zhǎng)數(shù)據(jù)點(diǎn)大約有4000個(gè)，微型NIR光譜儀的波長(zhǎng)數(shù)據(jù)點(diǎn)大約有125個(gè)，可見(jiàn)兩種儀器采集到的NIR光譜信息量差距較大，但從微型NIR光譜儀的最優(yōu)參數(shù)，如表5可知，微型NIR光譜儀的參數(shù)包括R2值均大于0.9，說(shuō)明已經(jīng)接近理想值，可直接用于實(shí)際現(xiàn)場(chǎng)快速預(yù)測(cè)乳樣中的常規(guī)營(yíng)養(yǎng)素;但其RPD值在[2.5，3]之間，說(shuō)明模型還需優(yōu)化。綜上可知，當(dāng)擴(kuò)大樣本量或引入更復(fù)雜的建模模塊時(shí)，微型NIR光譜儀比臺(tái)式NIR光譜儀更能建立準(zhǔn)確的預(yù)測(cè)模型。

4 結(jié)論

4.1 3種家畜乳通用模型可行性

3種家畜乳通用模型預(yù)測(cè)乳樣中的乳糖和水分結(jié)果較為理想，其RPD值均大于3，因此可以直接使用模型;預(yù)測(cè)乳樣中的蛋白質(zhì)、脂肪、灰分結(jié)果較差，其RPD值均小于2.5，因此模型不可用，需繼續(xù)優(yōu)化。但由于此時(shí)的主因子數(shù)為10，繼續(xù)優(yōu)化的預(yù)測(cè)效果并沒(méi)有較大的改善，因此需要建立馬奶準(zhǔn)用的營(yíng)養(yǎng)素NIR預(yù)測(cè)模型。

4.2 馬奶模型優(yōu)化

4.2.1 馬奶常規(guī)營(yíng)養(yǎng)素的影響

馬奶常規(guī)營(yíng)養(yǎng)素測(cè)定中，蛋白質(zhì)、水分和灰分的p-p檢驗(yàn)值均在[-0.5，0.5]之間，符合正態(tài)分布，可用于實(shí)際模型構(gòu)建;乳糖的p-p檢驗(yàn)值在[-0.1，0.1]之間，呈偏態(tài)分布，脂肪的化學(xué)值分布p-p檢驗(yàn)值均在[-0.08，0.04]之間，接近正態(tài)性分布，因此需對(duì)乳糖和脂肪建立單獨(dú)的預(yù)測(cè)模型。

4.2.2 馬奶PH對(duì)模型的影響

PCA聚類分析結(jié)果表明，當(dāng)主因子為5時(shí)，鮮馬奶和酸馬奶的聚類明顯分為兩類，考慮到乳糖的化學(xué)值分布情況，應(yīng)對(duì)乳糖重新單獨(dú)建模;酸馬奶的RMSECV和RPD值均優(yōu)于鮮馬奶，說(shuō)明PH對(duì)營(yíng)養(yǎng)素預(yù)測(cè)模型具有一定程度的影響，但影響程度并不是很大，因此可分別建立鮮馬奶和酸馬奶預(yù)測(cè)模型，也可對(duì)鮮馬奶和酸馬奶可建立通用的預(yù)測(cè)模型，預(yù)測(cè)者可根據(jù)需要對(duì)模型進(jìn)行選擇使用。

4.2.3 臺(tái)式NIR通用模型優(yōu)化

臺(tái)式NIR光譜儀雖然能獲得較為理想乳樣中營(yíng)養(yǎng)素的預(yù)測(cè)模型，但模型的穩(wěn)定性較差，因此需要對(duì)其進(jìn)行優(yōu)化，具體優(yōu)化方式包括兩種，一是采用不同光譜或組合光譜預(yù)處理進(jìn)行優(yōu)化，二是建立單獨(dú)的模型。采用不同光譜或組合光譜預(yù)處理的方式主要是根據(jù)不同營(yíng)養(yǎng)素的光譜特征峰的不同，選擇合適的光譜片段與測(cè)定化學(xué)值，以提高模型的預(yù)測(cè)能力和精度;建立單獨(dú)的模型主要是對(duì)不同營(yíng)養(yǎng)素建立單獨(dú)模型，以獲得最佳的快速檢測(cè)模型，是預(yù)測(cè)結(jié)果更加穩(wěn)定。通過(guò)這兩種優(yōu)化方式，使得臺(tái)式NIR光譜儀獲得的模型更為理想，且預(yù)測(cè)更加穩(wěn)定。

參考文獻(xiàn)

[1]婁文琦，羅漢鵬，劉林，等.牛奶的中紅外光譜相關(guān)指標(biāo)及遺傳規(guī)律研究進(jìn)展[J].中國(guó)畜牧雜志，2020，56（03）：25-32.

[2]劇檸，胡婕.光譜技術(shù)在乳及乳制品研究中的應(yīng)用進(jìn)展[J].食品與機(jī)械，2019，35（01）：232-236.

[3]劉銳，梁秋曼，南良康，等.用于牛奶分析的中紅外光譜標(biāo)準(zhǔn)化及其在模型傳遞中的作用[J].中國(guó)奶牛，2019（04）：1-5.

[4]澹臺(tái)瑋，徐秦峰，馬西亞，等.羊乳中牛乳成分的直接實(shí)時(shí)環(huán)介導(dǎo)等溫?cái)U(kuò)增檢測(cè)[J].中國(guó)乳品工業(yè)，2020，48（01）：38-41+46.

[5]王濤，白鐵成，朱彩蝶，等.基于近紅外光譜多種預(yù)處理的胡楊葉片含水量預(yù)測(cè)對(duì)比[J].西北林學(xué)院學(xué)報(bào)，2020，35（05）：173-179.

[6]木其爾，鄭曉瑋，楊春雪，等.奶粉中OPO含量的氣相色譜檢測(cè)技術(shù)研究[J/OL].食品工業(yè)科技：1-8[2020-10-05].

[7]胡雪，段國(guó)霞，劉麗君，等.乳及乳制品中磷脂的含量、功能、分離及檢測(cè)技術(shù)研究進(jìn)展[J/OL].食品科學(xué)：1-24[2020-10-05].

[8]澹臺(tái)瑋，徐秦峰，馬西亞，等.羊乳中牛乳成分的直接實(shí)時(shí)環(huán)介導(dǎo)等溫?cái)U(kuò)增檢測(cè)[J].中國(guó)乳品工業(yè)，2020，48（01）：38-41+46.

[9]劇檸，胡婕.光譜技術(shù)在乳及乳制品研究中的應(yīng)用進(jìn)展[J].食品與機(jī)械，2019，35（01）：232-236.

[10]瑪依拉·巴合提，木卡代斯·木合旦爾，買(mǎi)熱木尼沙·吾甫爾，等.烏魯木齊零售生鮮奶食用品質(zhì)檢測(cè)分析[J].中國(guó)乳品工業(yè)，2017，45（09）：60-64.

[11]儲(chǔ)俊，董榮榮，王曉，等.近紅外光譜結(jié)合化學(xué)計(jì)量法分析茶葉與茶湯的化學(xué)品質(zhì)差異[J/OL].遼寧中醫(yī)藥大學(xué)學(xué)報(bào)：1-11[2020-10-05].