蜂蜜質(zhì)量的近紅外光譜分析技術(shù)研究.pdf

1、蜂蜜是具有重要營(yíng)養(yǎng)價(jià)值和醫(yī)療保健作用的天然食品。對(duì)蜂蜜質(zhì)量的檢測(cè)一般包括理化參數(shù)分析、品種鑒別、產(chǎn)地鑒別和真?zhèn)螜z測(cè)。高效、快速、低成本檢測(cè)蜂蜜質(zhì)量是有效監(jiān)控蜂蜜質(zhì)量的前提條件之一。近紅外光譜技術(shù)具有高效、快速、低成本和綠色環(huán)保等常規(guī)分析方法無可比擬的優(yōu)點(diǎn)。開展蜂蜜質(zhì)量近紅外光譜分析技術(shù)研究對(duì)保證蜂蜜質(zhì)量、保護(hù)消費(fèi)者權(quán)益和保障蜂蜜產(chǎn)業(yè)健康發(fā)展具有重要意義。本課題的主要研究?jī)?nèi)容及得到的結(jié)論如下:
　　 (1)研究了薄膜袋透反射、樣品

2、杯透反射和樣本池透射三種不同方式下采集的蜂蜜近紅外光譜的重復(fù)性，確定樣品杯透反射光譜和樣本池透射光譜重復(fù)性好。進(jìn)一步比較這兩種方式下采集的光譜所建模型的預(yù)測(cè)能力后，確定樣品杯透反射方式為蜂蜜近紅外光譜采集的較合理方式。
　　 (2)通過考察掃描次數(shù)和分辨率對(duì)光譜響應(yīng)特性和對(duì)模型預(yù)測(cè)能力的影響，確定采集蜂蜜近紅外光譜時(shí)，掃描次數(shù)取32次、分辨率取8cm-1為宜。
　　 (3)用近紅外光譜結(jié)合偏最小二乘法(PLS)對(duì)蜂蜜的1

3、2個(gè)主要理化參數(shù)值進(jìn)行了定量分析。這12個(gè)理化參數(shù)包括可溶性固形物含量(SSC)、水分、還原糖、pH值、總酸度、電導(dǎo)率、果糖、葡萄糖、蔗糖、麥芽糖、果糖/葡萄糖和葡萄糖/水。PLS模型對(duì)蜂蜜中SSC、水分、還原糖和果糖/葡萄糖的定量分析結(jié)果好:驗(yàn)證集預(yù)測(cè)均方根誤差(RMSEP)依次為0.1795、0.1696、1.5270和0.0344，真實(shí)值和模型預(yù)測(cè)值的相關(guān)系數(shù)(Rp)依次為0.9989、0.9989、0.9191和0.9749。對(duì)

4、其它8個(gè)理化參數(shù)用蒙特卡羅交互檢驗(yàn)法(MCCV)剔除奇異樣本，再用競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)采樣(CARS)變量選擇法結(jié)合PLS回歸來優(yōu)化模型，優(yōu)化后的PLS模型的預(yù)測(cè)能力都有明顯提高。優(yōu)化后模型對(duì)蜂蜜pH值、總酸度、電導(dǎo)率、果糖、葡萄糖、蔗糖、麥芽糖和葡萄糖/水的RMSEP分別為0.1196、0.4674、2.6827、0.4955、0.5704、0.5711、0.2578和0.0394，Rp分別為0.9058、0.9083、0.9679、0

5、.9845、0.9879、0.9386、0.9586和0.9809。
　　 (4)選擇4200～5400cm-1的光譜范圍，分別采用馬氏距離判別分析法(MD-DA)、偏最小二乘判別分析法(PLSDA)和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)法（RBFNN）對(duì)5個(gè)品種（蘋果、油菜、棗花、枸杞和荊條）蜂蜜進(jìn)行植物來源的判別分析。MD-DA模型和RBFNN模型對(duì)驗(yàn)證集的判別總正確率都達(dá)到了94.0％，而PLSDA模型只有78.0％。表明近紅外光譜結(jié)合MD

6、-DA法或RBFNN法具有快速識(shí)別蜂蜜品種的潛力。
　　 (5)光譜用小波變換(WT)進(jìn)行變量壓縮和濾噪。結(jié)合濾波前后的光譜信息，分別用RBFNN和PLSDA建立了蘋果蜜產(chǎn)地和油菜蜜產(chǎn)地的判別模型，并對(duì)驗(yàn)證集進(jìn)行預(yù)測(cè)。對(duì)蘋果蜜，PLSDA、WT-PLSDA、RBFNN和WT-RBFNN模型對(duì)驗(yàn)證集的判別總正確率都為96.2％;對(duì)油菜蜜，PLSDA、WT-PLSDA、RBFNN和WT-RBFNN模型對(duì)驗(yàn)證集的判別總正確率分別86.

7、4％、90.9％、81.8％和86.4％。結(jié)果表明:不同品種蜂蜜的產(chǎn)地判別，同樣的建模方法所得預(yù)測(cè)結(jié)果會(huì)存在較大差異;線性的WT-PLSDA模型比非線性的WT-RBFNN模型可能更適于蜂蜜產(chǎn)地判別;近紅外光譜技術(shù)具有快速識(shí)別蜂蜜產(chǎn)地的潛力。
　　 (6)真蜂蜜樣本中分別摻入高果玉米糖漿(HFCS)、甜菜糖漿(BS)、麥芽糖漿(MS)及這三種糖漿的混合物，采集摻假前后蜂蜜樣本的近紅外光譜。分別用距離匹配法(DM)、MD-DA和PL

8、SDA法對(duì)真假蜜進(jìn)行定性判別分析，結(jié)果表明PLSDA模型的判別結(jié)果最好:驗(yàn)證集的判別總正確率依次為82.4％、90.2％、90.2％和80.4％。當(dāng)分別用這三種判別方法對(duì)摻假物類型進(jìn)行判別分析時(shí)，只有DM模型和MD-DA模型能較好地識(shí)別MS摻假物，驗(yàn)證集的判別正確率都為82.4％。用PLS回歸法對(duì)不同摻假物的摻假量進(jìn)行定量分析的結(jié)果表明:同一蜂蜜樣本摻假，摻假物的定量分析結(jié)果好，但這不具現(xiàn)實(shí)意義;同一品種或不同品種蜂蜜摻假，只有MS摻假

9、物的定量分析結(jié)果較好。
　　 (7)真蜂蜜樣本中摻入果糖和葡萄糖的混合溶液，采集真蜂蜜與摻假蜜的近紅外光譜。用WT對(duì)光譜進(jìn)行變量壓縮和去噪，選擇徑向基核函數(shù)(RBF)作為最小二乘支持向量機(jī)(LS-SVM)算法的內(nèi)核函數(shù)，用網(wǎng)格搜索法尋優(yōu)，得到回歸誤差的權(quán)重(γ)和RBF核的核參數(shù)(σ2)分別為222.822和45.170。建立的LSSVM模型對(duì)驗(yàn)證集的判別總正確率為95.1％，高于支持向量機(jī)算法(SVM)、反向傳播人工神經(jīng)網(wǎng)絡(luò)法