利用近红外光谱技术快速测定鱼油中EPA和DHA含量的方法研究

王 楠，于宏威，李军国，秦玉昌(.农业部食物与营养发展研究所，北京0008； .中国农业科学院 农产品加工研究所,北京009；.中国农业科学院 饲料研究所，北京0008； .中国农业科学院 北京畜牧兽医研究所，北京009)

检测分析

利用近红外光谱技术快速测定鱼油中EPA和DHA含量的方法研究

王 楠1，于宏威2，李军国3，秦玉昌4
(1.农业部食物与营养发展研究所，北京100081； 2.中国农业科学院 农产品加工研究所,北京100193；3.中国农业科学院 饲料研究所，北京100081； 4.中国农业科学院 北京畜牧兽医研究所，北京100193)

利用近红外光谱技术建立快速测定鱼油中EPA和DHA含量的方法。分别测定EPA和DHA的含量以及收集鱼油光谱信息，比对了多种单一和复合预处理方法以及数学建模方法。结果表明：Normalize-SNV和Detrend-MSC分别为EPA和DHA预测模型最佳的预处理方法，PLS为最佳的建模方法，其中EPA预测模型RC为0.966，SEC为1.960，DHA预测模型RC为0.945，SEC为1.281。利用近红外光谱技术可以快速测定鱼油中EPA和DHA含量。

鱼油；EPA；DHA；近红外光谱技术；化学计量学

鱼油是从深海鱼类动物体中提炼出来的油脂，包含了人体必须从外界摄入补充的健康脂肪酸，其中最具有代表性的是二十碳五烯酸(EPA)和二十二碳六烯酸(DHA)[1]。EPA具有降低胆固醇、防治血小板凝聚、预防心脑血管疾病等作用，因此被称为“血管清道夫”；DHA对人类健康和智力发育有很大的影响，具有增加大脑机能、改善记忆力、补充大脑营养等作用，因此被称为“脑黄金”[2-4]。

行业标准SC/T 3505—2006《鱼油微胶囊》对鱼油中EPA和DHA含量有明确的要求，其中EPA含量要求为标示量的85%～115%，DHA含量要求为标示量的90%～110%。但是鱼油市场龙蛇混杂，产品之间差异很大，仍然存在诸如EPA和DHA含量不足等问题，严重侵害了消费者的利益。常规测定鱼油中DHA和EPA方法有：气相色谱法[5]、稳定同位素法[6]、高效液相色谱法[7]和高效液相色谱/质谱联用技术[8]，这些方法虽然准确，但是实验烦琐复杂，并需要专业人员进行操作，难以满足鱼油市场迅猛发展的要求。

近红外光谱技术是目前主流的快速无损检测方法，已经在粮油[9]、果蔬[10]、畜产品[11]中有应用。在化学值测定和光谱扫描的基础上，结合化学计量学的手段，建立近红外吸收光谱与待测成分含量间的线性或非线性关系模型[12]。曹芳[13]已经利用近红外光谱测定鱼油中EPA和DHA含量，但是存在样品覆盖面少，模型不够稳定等问题。因此，本文对市面上10种主流品牌的鱼油产品，利用国家标准测定鱼油中EPA和DHA含量，比对多种单一和复合预处理方法和数学建模方法，以期实现对大范围鱼油样品中EPA和DHA含量快速准确的测定。

1 材料与方法

1.1 实验材料

1.1.1 原料与试剂

从市面上购置10种主流品牌的鱼油产品，从1到10分别进行编号，见表1；10%乙酰氯甲醇溶液、甘油三酯标准工作液。

表1 10种品牌的鱼油产品

1.1.2 仪器与设备

海尔F237电冰箱：青岛海尔电冰箱公司；GC450气相色谱仪(具有氢火焰离子检测器)：德国布鲁克公司；毛细管色谱柱：聚二氰丙基硅氧烷强极性固定相，柱长100 m，内径0.25 mm，膜厚0.2 μm；MPA型傅里叶变换近红外光谱分析仪，分辨率2 cm-1，谱区范围12 800～4 000 cm-1，波数重现性优于0.05 cm-1，高能量空气冷却NIR光源，具备高灵敏度PbS检测器和半导体冷却InCaAs检测器，液体透射检测附件——样品腔：德国布鲁克公司。

1.2 实验方法

1.2.1 鱼油中EPA和DHA含量的测定

参照GB 5009.168—2016《食品安全国家标准 食品中脂肪酸的测定》中内标法测定鱼油中EPA和DHA含量，加入内标物的鱼油经水解-乙醚溶液提取其中的脂肪后，在碱性条件下皂化和甲酯化，生成脂肪酸甲酯，经毛细管柱气相色谱分析，内标法定量测定脂肪酸甲酯含量，依据EPA甲酯和DHA甲酯含量和转换系数计算出EPA和DHA含量。

1.2.2 样品制备

分别测定编号1到编号10的鱼油样品中EPA和DHA含量，再通过两两品牌等比例配比的方式，使得DHA和EPA含量具有一定的范围性和梯度，加上单一品牌10个样品，共计55个样品。

1.2.3 光谱数据的采集

实验前先将MPA型傅里叶变换近红外光谱分析仪开机预热30 min。安装液体检测附件，并将背景温度设为50℃。连接布鲁克公司专用分析软件OPUS 6.5进行背景信息和光谱数据的采集。将样品分装到专用液体检测瓶中，55个样品分别做3组平行，在检测过程中分组再做2次重复，共得到330个样品数据。在检测过程中每隔1 h进行背景检测，保证采集光谱数据准确。

1.2.4 光谱的预处理

光谱数据中包含有大量鱼油信息，而关于DHA和EPA含量的光谱信息不够明显，因此为了提高两种物质的信号比重，研究了多种光谱预处理算法提高信噪比的效果，预处理算法包括单一预处理算法：归一化(Normalize)，基线校正(Baseline)，标准正态变化(Standard Normal Variate，SNV)，去趋势(Detrend)和导数处理(Derivative，Der)等，以及复合预处理算法：Moving Average与一阶导、Normalize与Baseline、二阶导与SNV和Detrend与MSC等。

1.2.5 模型的建立及评价

采用合适的数学算法对于建立稳健性好的模型是至关重要的，分别选用偏最小二乘法(PLS)、主成分回归算法(PCR)和支撑向量回归算法(SVR)建立回归模型。利用留一法内部交叉验证来评价模型的稳健性，评价参数为校正模型相关系数(RC)和内部验证模型相关系数(RCV)，以及校正模型标准偏差(SEC)和内部验证模型标准偏差(SECV)。稳健性好的模型具有较高相关系数和较低标准偏差的特点[14]。

1.2.6 数据分析

光谱预处理和模型的建立及评价是基于挪威CAMO公司Unscrambler10.3软件。

2 结果与分析

2.1 EPA和DHA含量分析

表1为55种鱼油中EPA和DHA含量情况。由表1可知，鱼油中EPA含量范围为12.67～70.31 g/100 g，平均含量为(22.98±10.28)g/100 g；DHA含量范围为8.01～40.51 g/100 g，平均含量为(15.09±5.36)g/100 g。收集的鱼油产品中EPA和DHA含量范围覆盖了市面上主要的鱼油产品，但是部分样品中EPA和DHA含量处于极端值，如果建立数学模型时采用这部分数据，会对模型产生较大的波动性，因此为了模型的稳定性，在建模前需要将这部分极端样品剔除掉。

表1 鱼油中EPA和DHA含量 g/100 g

2.2 光谱数据分析

采集的谱区范围：12 800～4 000 cm-1，但是在12 800～9 218.67 cm-1和4 590～4 000 cm-1光谱图没有波峰和波谷，因此为了提高计算速度和准确性，选取9 218.67～4 590 cm-1为有效波段进行分析。

2.3 EPA和DHA光谱预处理方法的确定

为了去除噪声、杂光等干扰因素对模型预测性能的影响，采用多种光谱预处理方法来提高EPA和DHA模型的预测稳健性。EPA和DHA预测模型解释图见图1、图2。

图1 EPA预测模型解释图

图2 DHA预测模型解释图

由图1、图2可知，EPA和DHA模型都在factor5 下达到最佳解释情况，其中EPA模型的factor5解释率为94%，DHA模型的factor5解释率为89%。再增加因素对模型解释率的影响不大，反而会引进误差，因此在factor5下讨论并确定最佳的光谱预处理方法，结果见表2。

由表2可知，经过预处理后，多数模型的稳健性均优于未进行光谱预处理的原始模型，对于EPA来说，最佳的单一预处理是SNV，该处理可以消除表面散射以及光程变化对光谱数据的影响，最佳的复合预处理是Normalize-SNV，Normalize常被用来校正由微小光程差异引起的光谱变化[16]，综合考虑相关系数和标准偏差的大小，最终确定Normalize-SNV为EPA预测模型最佳的光谱预处理方法。对于DHA来说，最佳的单一预处理是Detrend，该处理可以消除光谱的基线漂移，最佳的复合预处理是Detrend-MSC，MSC与SNV作用相似，该方法所建模型的稳定性更优于单一预处理方法[17]，因此确定Detrend-MSC为DHA预测模型最佳的光谱预处理方法。

表2 不同光谱预处理的EPA和DHA预测模型

2.4 EPA和DHA建模方法的确定

在最佳预处理的基础上，比对了不同的建模方法(PCR，PLS，SVR)所构建的EPA和DHA预测模型的稳健性，将9 218.67～4 590 cm-1波段的光谱建立校正模型和验证模型，见表3。为了防止模型出现过度拟合，要求所建校正模型和验证模型性能接近，否则模型缺乏适用性[13]。由表3可知，Normalize-SNV-PCR-EPA和Normalize-SNV-SVR-EPA的校正模型和预测模型性能之间存在差别，可能存在拟合现象，此外Normalize-SNV-PLS-EPA模型相比前两者性能更好，RC和RCV分别为0.966 和0.961，SEC和SECV分别为1.960和2.099，所建模型见图3。对于DHA预测模型，Detrend-MSC-PLS-DHA模型是3者中最佳的预测模型，其RC和RCV分别为0.945和0.938，SEC和SECV分别是1.281和1.348，所建模型见图4。因此，确定了PLS为EPA和DHA的建模方法。

表3 不同建模算法的EPA和DHA预测模型

图3EPA的校正模型(A)和验证模型(B)

图4 DHA的校正模型(A)和验证模型(B)

3 结 论

本文通过近红外光谱技术研究了快速测定鱼油中EPA和DHA含量的可行性。收集了市面上主要的鱼油产品，利用国家标准测定了鱼油中EPA和DHA含量的化学值，并扫描收集了所有鱼油的光谱数据。通过比较不同的光谱预处理方法和建模方法，确定了Normalize-SNV-PLS为EPA含量最佳预测模型，其RC和RCV分别为0.966和0.961，SEC和SECV分别是1.960和2.099，Detrend-MSC-PLS为DHA含量最佳预测模型，其RC和RCV分别为0.945和0.938，SEC和SECV分别是1.281和1.348。结果表明，利用近红外光谱技术可以快速测定鱼油中EPA和DHA含量，为鱼油生产企业监控产品质量和国家质检机构检测鱼油产品品质提供了高效便捷的绿色检测手段。下一步将围绕开发便携式检测设备进行相关研究。

[1] 张建友，费骁文，刘建华，等. 鱼油精制过程中的品质变化规律及评价[J]. 现代食品科技，2016(6):194-199.

[2] 肖玫，欧志强. 深海鱼油中两种脂肪酸(EPA和DHA)的生理功效及机理的研究进展[J]. 食品科学，2005(8):522-526.

[3] 李妍，王静，李麒龙，等. EPA与DHA最新研究进展[J]. 农产品加工(学刊)，2013(3):6-13.

[4] KAMAL-ELDIN A，YANISHLIEVA N V.n-3 fatty acids for human nutrition: stability considerations[J]. Eur J Lipid Sci Technol，2002，104(12): 825-836.

[5] 洪毅敏，马金萍，张艳纹，等. 气相色谱法测定乙酯型鱼油微胶囊产品中 EPA 乙酯和 DHA 乙酯含量[J]. 中国油脂，2015，40(12): 88-91.

[6] 王娜，诸乃彤，刘锐，等. 鱼油原料中DHA、EPA 的碳稳定同位素测定的方法[J]. 食品研究与开发，2010，31(10): 147-152.

[7] 张怡评，晋文慧，陈伟珠，等. 高效液相色谱法测定鱼油中的EPA乙酯和DHA乙酯[J]. 中国食品添加剂，2012(1):233-237.

[8] 全文琴，陈小娥，陈洁，等. 高效液相色谱/质谱联用直接测定鱼油中EPA/DHA含量[J]. 食品与机械，2008(2):114-117.

[9] 于宏威，王强，刘丽，等. 粮油品质安全高光谱成像检测技术的研究进展[J]. 光谱学与光谱分析，2016(11):3643-3650.

[10] 傅霞萍，应义斌. 基于NIR和Raman光谱的果蔬质量检测研究进展与展望[J]. 农业机械学报，2013(8):148-164.

[11] 彭彦昆，张雷蕾. 农畜产品品质安全高光谱无损检测技术进展和趋势[J]. 农业机械学报，2013(4):137-145.

[12] 陆婉珍，袁洪福，徐广通. 现代近红外光谱分析技术[M]. 北京：中国石化出版社，2000.

[13] 曹芳. 基于多波段光谱技术的鱼油关键品质信息快速检测方法研究[D]. 杭州：浙江大学，2012.

[14] XIONG Z，SUN D W，XIE A，et al. Potential of hyperspectral imaging for rapid prediction of hydroxyproline content in chicken meat[J]. Food Chem，2015，175: 417-422.

[15] 褚小立，许育鹏，田高友. 近红外光谱解析实用指南[J]. 北京：化学工业出版社，2009.

[16] 褚小立. 化学计量学方法与分子光谱分析技术[M]. 北京：化学工业出版社，2011.

[17] 褚小立. 近红外光谱分析技术实用手册[M]. 北京：机械工业出版社，2016.

RapiddeterminationofEPAandDHAcontentsinfishoilbyNIRtechnology

WANG Nan1，YU Hongwei2, LI Junguo3，QIN Yuchang4
(1.Institute of Food and Nutrition Development, Ministry of Agriculture, Beijing 100081, China;2.Institute of Food Science and Technology, Chinese Academy of Agricultural Sciences, Beijing 100193, China; 3.Feed Research Institute, Chinese Academy of Agricultural Sciences，Beijing 100081, China; 4. Institute of Animal Sciences, Chinese Academy of Agricultural Sciences, Beijing 100193, China)

The method of rapid determination of EPA and DHA contents in fish oil was established by NIR technology. The EPA and DHA contents were determined and the spectral information of fish oil was collected. The different single and composite pretreatment methods and mathematical modeling methods were compared. The results showed that the Normalize-SNV and Detrend-MSC were the best pretreatment methods for EPA and DHA, respectively. PLS was the best modeling method. TheRCandSECof the EPA prediction model were 0.966 and 1.960 respectively, and theRCandSECof the DHA prediction model were 0.945 and 1.281 respectively. The EPA and DHA contents in fish oil could be determined rapidly by NIR technology.

fish oil; EPA; DHA; NIR technology; chemometrics

2017-02-14；

2017-06-27

中国农业科学院科技创新工程(CAAS-ASTIP-201X-IAPPST)

王 楠(1990)，男，硕士，研究方向为食品加工与安全(E-mail)13910368801@139.com。

秦玉昌，研究员，博士生导师(E-mail)qinyuchang@caas.cn。

TS224;TS225.2

A

1003-7969(2017)10-0138-05