基于近红外光谱技术快速检测苦荞面条中荞粉含量

李 俊 卢 扬 吕 都 赵 刚 向达兵 刘 辉 刘 嘉

(贵州省农业科学院食品加工研究所；贵州省薯类工程研究中心1，贵阳 550006) (农业农村部杂粮加工重点实验室2， 成都 610106)

苦荞是一种重要的小宗杂粮作物和药食同源植物，除含有蛋白质、维生素、膳食纤维等基础营养成分外，还富含芦丁(即维生素P)、槲皮素等黄酮类物质，营养素含量丰富[1]。黄酮类化合物具有很高的食用价值和药用价值，具有防治心脑血管疾病、糖尿病、抗菌消炎、增强人体免疫力等作用[2-3]。基于苦荞丰富的营养价值，将苦荞粉添加到小麦面条中制作成的苦荞面条由于独特的口感和丰富的营养，在杂粮制品中占据重要的市场份额，贵州威宁地区每年有大量的荞粉用于加工苦荞面条并销往全国各地。苦荞粉的添加量直接影响到苦荞面条营养价值与价格，但凭借产品外观无法有效鉴别苦荞粉含量，且现阶段包装标明苦荞粉含量也有一定误差。现阶段关于苦荞面条相关标准较少，荞麦面条中荞粉含量检测方法只有DB22/T 73—2011《荞麦面条中荞粉含量测定》，采用检测荞麦面条中黄酮含量的方法确定荞粉含量，该方法相对标准偏差较大，且不同品种荞粉黄酮含量有较大差别，所以该方法检测结果准确度有待验证。因此建立一种能够快速、有效鉴别苦荞面条中苦荞粉添加量的方法，对于建立苦荞面条的加工及产品标准具有重要的意义。

近红外光谱技术是近年来发展迅速的一种绿色分析技术，已经被广泛应用于粮食谷物[4-6]、乳品饮料[7]、食品成分[8-9]等的检测中，具有操作简便、效率高、稳定性好、无污染、非破坏性、适合于大规模产业化生产的在线检测等优点，在农产品品质检测中具有很大应用价值。Liu等[10]采用傅立叶变换中红外光谱(FT-MIR)结合化学计量学技术，对莲藕粉中掺假较便宜的淀粉(马铃薯和甘薯淀粉)进行了分类和定量分析，确定检测限(1%)、定量限(3%)、合理回收率(92.3%～101.5%)、内部检测满意(2.9%～5.5%)、间检测精度(11.0%～13.5%)，方法性能良好。陈秀明等[11]利用近红外光谱技术结合 Adulterant Screen 算法建立的咖啡快速鉴别方法。吴习宇等[12]为实现掺假花椒粉的快速定性鉴别，采用判别偏最小二乘法(DPLS)和支持向量机(SVM)建立定性鉴别模型，经不同光谱预处理，对115份验证集样本进行预测，总体鉴别正确率在97.39%～100%。现阶段将近红外技术应用于苦荞面条检测鲜见报道。本研究利用近红外光谱对苦荞面条进行扫描，用不同的数学处理方法、平滑方式和不同的波段建立检测模型，筛选出一种准确度较高能够在线快速检测苦荞面条中苦荞粉含量的最优模型，为苦荞面条品质评价提供参考。

1 材料与方法

1.1 实验材料

实验所用苦荞麸皮粉购于贵州威宁县、四川昭觉县、云南昭通市、贵州六盘水(各项指标符合GB/T 35028—2018，经测定含水量均为13%左右)，小麦粉为金沙河高筋小麦粉，用压面机制作成苦荞面条，含水量为(11±0.5)%，共计制作面条230份(苦荞粉含量0～60%)。所用水为纯净水。

1.2 实验仪器及参数

MPA 型多功能近红外光谱仪，积分球附件，扫描波数范围3 598.7～12 493.1 cm-1，分辨率8 cm-1，扫描次数32，分光镜：石英；RT-Pbs检测器；JYN-W601V型面条机；800Y型高速多功能粉碎机。

1.3 方法

1.3.1 样品光谱的采集

测定前，将干苦荞面条样品粉碎后过100目筛，然后取50 g置于测量杯中。模型建立共取样230个，考虑到装样方式及样品松紧度会对光谱产生影响，所以每个样品单独装填3次分别扫描光谱，取平均进行分析建模。按照以下方法采集光谱。测定样品环境温度：24 ℃；为使采集的样品光谱更加准确，每检测20个样品测定1 次背景，仪器会在检测信号中扣除背景。样品以直接接触方式采集。

1.3.2 数据分析方法

采集光谱数据后，用仪器自带的OPUS7.5 软件进行分析。为得到准确、可靠和稳定的标准模型，需要采用移动平均平滑、一阶导数、归一化处理、标准正态化(SNV)、多元散射校正(MSC) 等计量学方法对样品进行预处理[13-14]，实现数据降维，消除噪声及背景干扰。在光谱数据预处理的基础上，筛选出有效波长范围，采用化学计量法中最基本的偏最小二乘法(PLS)来建立定标方程。

1.3.3 模型评价方法

模型的主要评价指标有相关系数(R2) 、交叉验证均方根误差(RMSECV)、预测标准误差(RMSEP)和预测相对分析偏差(RPD)[15]。通过在校正集中逐个加入低含量(0.5～10%)的苦荞面条，确定模型的最低检出限(LOD)和定量检出限(LOQ)。LOD通过主成分分析判断，在二维主成分图谱中显著区别于苦荞面条集群的最低苦荞含量(即在此含量之下认为都是未添加苦荞成分)；LOQ通过最小偏二乘法建模，当校正模型R2≤0.90时的最低含量[10]。

1.4 数据处理

采用Origin 8.6进行作图，采用SPSS 17.0进行统计学分析，P<0.05认为有统计学显著性差异，P<0.01认为有统计学极显著性差异。

2 结果与讨论

2.1 原始光谱分析

通过近红外光谱仪对230个苦荞面条样品进行光谱采集，选定波数为3 598.7～12 493.1 cm-1谱区进行连续扫描，同一样品不同部位重复扫描3次。图1为苦荞面条样品的原始光谱叠加图，可以看出，在波数低于4 000 cm-1和高于10 000 cm-1时其噪声影响明显，在6 850 cm-1和5 160 cm-1附近处出现峰值，分别是O—H键伸缩的振动的一级倍频和振动组合频，与花锦等[16]关于鲜肉中脂肪含量的测定结果一致。在4 000～10 000 cm-1波数范围内谱峰无太大差异，吸收峰形和位置都较为相似，无法通过近红外图谱直观鉴别，需要将样品的光谱数据结合化学计量学方法进行分析及判别，确定光谱范围及预处理方法。

图1 苦荞面条样品的原始光谱叠加图

2.2 预测模型结果分析

近红外光谱的特点是光谱宽、信号弱、不明确且信息严重重叠，而建立模型时使用导数光谱可以有效削弱光谱的系统差异[17]，可以选用一阶导数和二阶导数的处理方法。其次，选择信号平滑处理方式，能够消除噪音和随机噪声，提高预测模型的稳定性。通过系统软件OPUS7.5对参数组合进行优化，各种优化参数组合按RMSECV值从小到大的顺序显示，按照RMSECV值较小，维数较低，波长范围较宽，以及预处理方法不同的原则，选择5个不同预处理模型，参数见表1。5种模型相关系数均大于0.9，RPD大于3，说明通过近红外光谱技术可以实现荞粉含量的精准预测。

通过不同的预处理方式，对模型进行优化，剔除异常样品，得到不同模型的对比数据见表1。

表1 5种模型对比实验结果

按照RMSEP最小的原则进行选择，模型5的RMSEP最小，所以选择最优定量模型为模型5。模型5的荞粉含量预测值和实际值的相关关系见图2，预测值和实际值集中分布在45°附近，相关系数为0.983 9，苦荞面条中荞粉含量 NIR 预测值与参考值具有良好的相关性，表明所建模型稳定可靠。荞粉含量预测值和实际值偏差见图3，95%的样品偏差在±2以内。

图2 荞粉含量实际值和预测值的相关关系图

图3 荞粉含量实际值和预测值的偏差图

图4 RMSECV和R2与PLS中使用的维数关系图

图4显示了RMSECV和R2与PLS中使用的维数关系图，由图4可以看出，RMSECV随着初始的维数升高急剧降低，在维数达到3之后基本保持稳定(1.14～1.21)。在本研究中，最佳的PLS维数对应的模型呈现最低RMSECV，因此，将PLS维数的最优个数设为3，此时R2为0.983 9，RMSECV为1.14，校正后RPD=7.89，偏移量为-0.006 93，R2较高，能够实现苦荞面条中荞粉含量的有效预测。通过对校正后模型5的LOD和LOQ进行测定，确定该模型的LOD为2%，LOQ为5%。

2.3 模型外部验证

实验采用外部检验的方法对所建立的模型预测效果进行验证，另取随机制作的苦荞面条样10份作为外部验证集，以验证加入新样品并重新优化得到的新模型的实用性[18]。用所得模型预测样品中苦荞粉的含量，求出预测值与实际值的RSD(相对标准偏差)值(表2)。结果显示，预测模型验证集的R2=0.985 2，RMSEP=0.881，验证集相关系数较高，测定值和真值比较接近，无显著性差异；RPD=5.41，稳定

表2 苦荞面条样品预测值和实际值的RSD

性较好；RSD均小于1，进一步证明模型的有效性，说明建立的预测模型可以用于苦荞面条中荞粉含量的快速检测。

2.4 不同产地苦荞粉对比验证

为了验证模型的适用范围，选择不同产地的苦荞粉(贵州威宁县、四川昭觉县、云南昭通市、贵州六盘水)进行对比验证，通过设定不同的苦荞粉含量，制作成苦荞面条后用建立的模型对荞粉含量进行预测，求出预测值与实际值的RSD值，结果见表3。结果显示，预测模型验证集的R2=0.963 7，RMSEP=0.926，RPD=5.22，验证集相关系数较高，测定值和真值比较接近，模型稳定性较好；预测值和实际值的RSD大部分小于1，只有部分高含量的样品RSD偏高，说明不同产地苦荞粉对模型预测效果没有影响，该模型可以应用于市场上苦荞面条中荞粉含量快速检测。

表3 不同产地苦荞粉对比验证结果

3 结论

采用近红外漫反射光谱技术结合偏最小二乘法，建立了预测苦荞面条中苦荞粉含量的定量模型。分别以移动平均平滑、一阶导数、归一化处理、标准正态化、多元散射校正等方法预处理光谱进行建模，得到最优建模参数为波数9 403.6～7 498.2，6 101.9～5 446.2 cm-1+一阶导数+MSC，校正模型相关系数为0.983 9，LOD和LOQ分别为2%和5%。外部验证预测相关系数为0.985 2，预测值和实际值的RSD均小于1，且不同产地苦荞粉对模型预测效果没有影响，模型具有较高的精密度，符合实际生产的需求。该方法快速、低成本、准确、简便、无污染，可以实现苦荞面条中荞粉含量的快速检测。