液态奶制品中乳糖、脂肪及蛋白质的定量检测研究

本文通过多功能近红外分析仪开展液态奶制品中乳糖、脂肪及蛋白质的正交试验，分析各种校正方法和预处理方法给检测数据造成的影响，构建液态奶制品中不同元素含量的定标模型，测定蛋白质、脂肪、乳糖等元素含量。并通过目标函数法科学研究相关模型，检验相关模型的适用性。试验结果表明，正交试验方法能从不同方面分析校正方法和预处理方法给模型建立工作带来的影响，而近红外光谱分析法能快速检测牛奶中的蛋白质、乳糖、脂肪的含量。

红外光谱分析技术是目前最新型的定性定量分析技术，具有绿色、高效、无损、快速等特征，被广泛应用在农业、制药、烟草工业等行业。工作人员利用近红外光谱技术进行牛奶品质的无损检测，判断牛奶真蛋白质、粗蛋白、脂肪等元素含量，研究牛奶的凝固过程，并结合检测数据建立各种定量分析模型。近年来，我国专业人员在乳粉和原料乳分析方面，采用近红外光谱进行分析，很少分析直接食用的液态奶制品研究数量，且正交试验设计并未全面应用在液态奶制品的校正和预处理方面。在日常试验过程中，经常受仪器响应、杂散光、样品状态等因素影响，给近外红光谱测量质量带来严重影响，甚至产生较强的不重复性。针对该种情况，工作人员要提高对原始光谱预处理的重视程度，利用导数处理方法进行预处理，通过导数光谱提高原谱信号，如原谱中宽峰经过二阶导数处理后会逐渐尖锐，便于工作人员准确测量出峰值的具体位置，科学区分不同光谱内容。从目前液态奶消费情况来看，部分企业为提高自身经济效益，经常出现鲜奶掺假的现象，严重影响乳品加工质量，给消费者身体健康带来严重影响。例如，三鹿奶粉事件就是一些不法企业将蛋白质添加到饲料、牛奶中，导致粗蛋白质质量虚增，不仅给消费者健康带来严重损坏，还让消费者对我国食品安全产生信任危机，给我国整体形象造成严重影响。因此，建立新型定量检测技术来检测液态奶中的营养物质是目前急需解决的问题。

1.材料和方法

1.1 实验材料

通过从某超市购买极具代表的样品类型为85种，分别从４个厂家进行生产，这些纯牛奶生产在春、夏、秋、冬不同季节。

1.2 光谱采集

本文采用Infra Xact多功能近红外分析仪，负责扫描牛奶样品，检测器采用硅，操作温度控制为0℃-40℃，光谱数据间隔为2min，所有样品重复扫描3次。

1.3 牛奶中主要成分的化学分析方法

乳糖含量采用直接滴定法；蛋白质含量采用考马斯亮蓝法测量；脂肪质量采用罗子-格特里法进行检测。

1.4 异常样品的处理和样本集划分

通过利用Win ISI软件分析光谱文件，分析方法以主成分分析为主体，即采用文件中的扫描数据功能计算实际分数，分析不同光谱间的差异性，当两者间的距离大于3.0，被定义为异常样品，会被系统自动处理。将异常样品处理后，要根据主要成分的浓度等级进行分类，从而得到验证集和定标集样品。

1.5 定标模型的建立

由于预处理方法和校正方法对模型产生的效果不可避免，工作人员在进行正交实验时，要将f=R/（1+escv）作为目标检测模型自身性能（R为定标决定系数，escv为交叉验证标准差），开展不同序列的试验，从而得到准确的检测结果。因素水平表见表1。

1.6 验证定标模型

本文通过将验证集样品作为未知样品进行检测，通过分析相对误差和标准偏差大小，判断模型自身的预测能力。

2.结果和分析

2.1 液态奶制品的近红外反射光谱分析

乳糖在1200-1400cm-1波段有明显的吸收峰，随着乳糖含量的增加，该波段的吸收强度显著增强。脂肪则在1700-1850cm-1波段表现出较强的吸收特性，脂肪含量越高，该波段的吸收峰越明显。蛋白质的吸收波段主要集中在1500-1700cm-1之间，蛋白质含量变化对该波段的影响较为显著。当波段低于1200cm-1时，液态奶制品的吸收能力较差，这一现象可能与分子内部振动模式的复杂性有关。在低于1200cm-1的波段，吸收带的强度较弱，且容易受到其他因素的干扰，因此在实际检测中，这一波段的数据参考价值较低。通过对液态奶制品近红外反射光谱图中特征吸收波段的分析，得出乳糖在1200-1400cm-1波段的吸收峰强度与乳糖含量呈正相关。通过建立该波段吸收强度与乳糖含量的回归模型，可以实现对乳糖含量的快速、准确检测。脂肪在1700-1850cm-1波段的吸收峰强度与脂肪含量密切相关，通过分析该波段的吸收特性，可以有效评估液态奶制品中的脂肪含量，为产品的营养价值提供科学依据。蛋白质在1500-1700cm-1波段的吸收峰强度与蛋白质含量呈正相关，通过对该波段的分析，可以实现对蛋白质含量的快速检测，确保产品的蛋白质含量符合标准。

2.2 样本集划分结果

通过分析样本集划分结果，发现验证集和定标集分布均匀，验证集样本能满足近红外分析模型的基本要求，如表2和表3所示。

2.3 液态奶制品中乳糖、脂肪、蛋白质含量检测的定标结果与分析

在正交试验结果见表4，表格中的变量包括A、B、C、D、E、F，这些可能是影响液态奶制品中乳糖、脂肪、蛋白质含量的不同因素或处理条件；f1（%）、f2（%）、f3（%）这些是液态奶制品中乳糖、脂肪、蛋白质的含量百分比。表格中提供了每个变量（A、B、C、D、E、F）在不同水平下的均值（k1、K2、K3）。这些均值反映了在不同处理条件下，乳糖、脂肪、蛋白质含量的平均水平。表格中的R1值表示每个变量在不同水平下的极差，即最大值与最小值之间的差异。极差越大，说明该变量对乳糖、脂肪、蛋白质含量的影响越大。变量A极差为4.69，说明变量A对乳糖、脂肪、蛋白质含量的影响较大；变量B极差为2.21，说明变量B对乳糖、脂肪、蛋白质含量的影响较小；变量C极差为4.34，说明变量C对乳糖、脂肪、蛋白质含量的影响较大；变量D极差为0.81，说明变量D对乳糖、脂肪、蛋白质含量的影响较小；变量E极差为0.76，说明变量E对乳糖、脂肪、蛋白质含量的影响较小；变量F极差为0.91，说明变量F对乳糖、脂肪、蛋白质含量的影响较小。从极差分析来看，变量A和变量C对乳糖、脂肪、蛋白质含量的影响最为显著。因此，在实际生产或研究中，应重点关注这两个变量的控制和优化。

2.4 模型的适用性检验

当工作人员建立最优模型后，可利用验证集分析模型标准，发现3种成分的最优模型R2高于0.86，其中脂肪R2超过0.97，相对分析误差大于2.5%，相对标准偏差低于10%。分析发现，该模型具有较强的定标效果，预测精确度较高，所建立的定标模型能应用在日常检测中。其液态奶制品模型拥有较好的适用性，样品预测值和实验数据基本相同，有利于建模样品进行试验，详见表5。

结论

近红外光谱分析技术凭借自身高效、便捷、准确度高等特征，被广泛应用在各行业，如实验室分析、食品检测、医学检测等方面，具有检测效率高、便捷等优点。糖、脂肪和蛋白质的相对标准偏差分别为4.12%、7.04%、9.61%，相对分析误差分别为2.82、6.28、2.72。因此，工作人员要将近红外线分析仪应用到奶制品检测中，结合一阶导数方法科学处理光谱内容，构建检测模型，如果构建的模型系统数据高于0.976173，表示其模型结构达到预期标准。

*通讯作者

李慧芳（1991.2-），女，甘肃陇南人，本科，助理工程师；研究方向：食品药品检验方法。