基于近红外光谱技术在线检测AD钙奶关键指标

王建伟 ，陶飞，叶升*

1. 天津大学生命科学学院（天津 300072）；2. 杭州娃哈哈集团有限公司（杭州 310009）；3. 杭州中美华东制药江东有限公司（杭州 311228）

含乳饮料生产过程中需要检测饮料中的蛋白质、酸度、糖度等关键指标。目前，蛋白质的常规检测方法为GB 5009.5—2016中的凯氏定氮法，酸度的常规检测方法为GB 5009.239—2016食品酸度的测定，糖度的常用检测方法为GB/T 12143—2008饮料通用分析方法中的饮料中可溶性固形物的测定方法。这些传统检测方法普遍存在试验操作复杂、耗时、存在试剂消耗等缺点，无法实时指导生产过程。为避免上述不足，研究一种快速、无损、准确的分析技术来实时检测含乳饮料生产中的关键指标显得尤为重要。

近红外光谱是一种分子光谱，适用于测定含C—H、N—H、O—H等含H基团的物质，不仅能得到分子的结构、组成信息，还能得到样品的物理状态信息[1-3]。近红外光谱分析技术具有检测精度高、检测速度快、绿色无损等优点，已被广泛应用于食品质量和食品安全检测领域[4-7]。奶类、肉类、谷物等食品中单一成分含量的近红外检测方法已有诸多文献报道[8-10]，但含乳饮料中蛋白质、酸度和糖度含量的近红外检测方法还未见报道。AD钙奶作为一款含乳饮料，在市场上有较大需求量，采用国标方法对上述成分含量进行检测，需要消耗大量的人力、物力和时间。为节约成本、提高生产效率，试验以近红外光谱技术为基础，采用偏最小二乘回归法建立了AD钙奶中蛋白质、酸度、糖度的定量检测模型，并将近红外在线检测系统部署于生产线，实现了AD钙奶生产过程中蛋白质、酸度、糖度含量的在线检测，为AD钙奶实时质量控制提供参考。

1 材料与方法

1.1 材料

AD钙奶样品，由杭州娃哈哈集团有限公司提供。共采集399个线下和线上样品作为建模样品，其中关键成分的含量范围：蛋白质0.90~1.28 g/100 g，酸度62~89 °T，糖度6.5~10.0 °Brix。上述标准样品涵盖了蛋白质、酸度、糖度三个检测指标所有可能的测定范围，并尽量实现了数值的均匀分布。

1.2 近红外光谱扫描

采用瑞谱分析仪器（天津）有限公司生产的DA-5G型近红外光谱仪采集样品的近红外漫反射光谱。光谱扫描范围设置为950~1 650 nm，分辨率为5 nm，每个样品采集时间10 s。

分别扫描了线下和线上AD钙奶样品的近红外光谱数据。其中，线下样品为人工制备，其指标含量变化范围较广，主要用于建立初步的模型，使模型对正常和异常浓度的样品皆能做出预测；线上样品为AD钙奶生产线上的样品，其指标含量变化范围较窄，主要用于优化模型，提高模型对线上样品检测的适用性。

在扫描AD钙奶线下样品时，近红外光谱仪和石英流通池被固定在安装支架上，光谱仪的圆形光斑照射在石英流通池中心，如图1（A）所示。待测样品在蠕动泵的驱动下，匀速流经流通池，光谱仪采集样品的漫反射光谱。AD钙奶线上样品的光谱数据扫描通过安装在配料罐循环管路上的石英检测视镜实现，如图1（B）所示。

图1 近红外光谱扫描示意图

1.3 样品标准值测定

采用GB 5009.5—2016《食品中蛋白质的测定》中的凯氏定氮法、GB 5009.239—2016《食品酸度的测定》中的酚酞指示剂法、GB/T 12143—2008《饮料通用分析方法》中的折光计法，分别测定AD钙奶样品中蛋白质、酸度和糖度的含量。

1.4 近红外光谱预测模型的建立

模型构建：选择波长950~1 350 nm，进行SG（一阶求导，5点平滑）、Detrending+SNV光谱预处理，采用偏最小二乘回归法建立AD钙奶成分参数（蛋白质、酸度、糖度）的定量预测模型。相关数据处理采用The Unscrambler X 10.3进行分析。

2 结果与分析

2.1 AD钙奶中蛋白质、酸度、糖度含量的测定

在测定AD钙奶中蛋白质、酸度、糖度含量过程中，为降低检测误差，同时也为保证近红外检测的准确性，399份样品的蛋白质、酸度、糖度含量分别由同一位实验员操作，并保证实验室环境温度的稳定性和试验操作的一致性。399份样品的统计信息如表1所示。

表1 AD钙奶样品数据统计结果

2.2 AD钙奶样品的近红外光谱及光谱预处理

AD钙奶样品的原始近红外光谱图见图2（A）。样品扫描时光谱范围设定为950~1 650 nm。采用SG（一阶求导，5点平滑）、Detreing+SNV进行光谱优化预处理，最优光谱区间为950~1 350 nm，光谱优化预处理结果见图2（B）。

图2 样品原始光谱图和优化预处理后的光谱图

2.3 近红外光谱模型的确立和验证

采用The Unscrambler X 10.3建立AD钙奶中蛋白质、酸度、糖度含量的预测模型，模型的性能见表2。AD钙奶中蛋白质含量的化学测定值与模型预测值的比较结果见图3。蛋白质含量预测模型的校正均方根误差为0.011，校正决定系数为0.951，预测均方根误差为0.012，预测决定系数为0.944。AD钙奶中酸度的化学测定值与模型预测值的比较结果见图4。酸度含量预测模型的校正均方根误差为0.607，校正决定系数为0.986，预测均方根误差为0.665，预测决定系数为0.983。AD钙奶中糖度的化学测定值与模型预测值的比较结果见图5。糖度含量预测模型的校正均方根误差为0.105，校正决定系数为0.970，预测均方根误差为0.114，预测决定系数为0.966。三种指标所建立模型的预测精度都比较高，具有较好的应用效果。

图3 蛋白质的化学测定值与模型预测值的比较

图4 酸度的化学测定值与模型预测值的比较

图5 糖度的化学测定值与模型预测值的比较

表2 AD钙奶中关键指标的近红外光谱模型性能

为评估建立模型的重复性，选择8个外部AD钙奶样品，进行重复性测试，每个样品重复扫描6次，计算6次扫描结果的极差。蛋白重复性极差为0.004%~0.013%，酸度重复性极差为0.321~0.831 °T，糖度重复性极差为0.102~0.157 °Brix。近红外模型重复性极差与模型本身的预测均方根误差相当，表明模型较为稳定。

为进一步验证模型的准确性和稳定性，从AD钙奶生产线采集10个外部样品，将其代入模型进行预测，并与化学测定值进行比较。由表3可知，模型对AD钙奶中蛋白质含量的预测准确度很好，误差在±0.02%范围内。模型对酸度和糖度的预测误差分别在±0.7 °T和±0.2 °Brix范围内。由试验结果可知，近红外模型具有较高的预测准确度，可用于AD钙奶成分参数的在线检测。

表3 模型检测AD钙奶关键指标准确性测试结果

3 结论

AD钙奶中蛋白质、酸度、糖度含量预测模型采用SG（一阶求导，5点平滑）、Detreing+SNV进行光谱优化预处理，建模光谱在950~1 350 nm之间。建立的蛋白质含量预测模型的校正均方根误差为0.011，校正决定系数为0.951，预测均方根误差为0.012，预测决定系数为0.944。建立的酸度含量预测模型的校正均方根误差为0.607，校正决定系数为0.986，预测均方根误差为0.665，预测决定系数为0.983。建立的糖度含量预测模型的校正均方根误差为0.105，校正决定系数为0.970，预测均方根误差为0.114，预测决定系数为0.966。模型对AD钙奶中蛋白质含量的预测准确度很好，误差在±0.02%范围内。模型对酸度和糖度的预测误差分别在±0.7 °T和±0.2 °Brix范围内。三种指标所建立模型的预测精度都比较高，对于AD钙奶样品具有较好的预测效果，可用于AD钙奶样品中关键指标的在线检测。

此次研究结果应用于实际检测的效果显著，对提高检测效率、降低检测成本具有重要意义。传统国标检测蛋白质、酸度、糖度含量耗时耗力，而近红外光谱技术可实现简单、快速、无损、准确的检测，对于AD钙奶产线品质的实时检测具有重要价值，值得应用推广。