專利名稱：：一種快速定量蜂蜜品質(zhì)的近紅外光譜方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種定量蜂蜜品質(zhì)的光譜方法，特別是涉及一種快速定量蜂蜜品質(zhì)的近紅外光譜方法。
背景技術(shù)：
：蜂蜜是蜜蜂釆集周邊蜜源植物的花蜜并貯存在蜂巢中，與自身特殊物質(zhì)結(jié)合，消化而成的天然甜味物質(zhì)。蜂蜜主要由碳水化合物(約占總量的3/4)和水分(約占總量的1/4)組成，另外含少量有機酸，維生素、氨基酸等。糖類物質(zhì)尤其是單糖(葡萄糖和果糖)占碳水化合物的85%~90%，形成了高糖分的飽和溶液。水分、葡萄糖、果糖、淀粉酶(DN)是評價蜂蜜品質(zhì)好壞的重要理化指標，決定蜂蜜感官特征和化學(xué)性質(zhì)。例如，水分含量多少與蜂蜜是否發(fā)酵、結(jié)晶有關(guān)，糖分含量與蜂蜜甜度、味道、結(jié)晶相關(guān)，而DN是評定蜂蜜新鮮度的主要指標。常規(guī)分析蜂蜜水分、糖、DN的方法分別是折光率法、色譜法、紫外-可見分光光度法。然而，同時分析這些指標費時，需大量試劑和耗材，影響蜂蜜分析效率，尤其是分析大量樣品時常需要10~20小時。因此，如何有效、快速評價蜂蜜品質(zhì)成為質(zhì)檢部門、企業(yè)的關(guān)注問題。近紅外(NearInfrared，NIR)光的波長范圍約為780~2500nm,是介于可見區(qū)與中紅外區(qū)之間的電磁波，通過與物質(zhì)中有機分子的含氫基團X-H鍵的作用，形成有機分子的倍頻和合頻吸收光譜。根據(jù)這些近紅外吸收頻譜出現(xiàn)的位置、吸收強度等信息特征，結(jié)合數(shù)理統(tǒng)計對該成分作定性和定量分析。與常規(guī)分析相比，該項技術(shù)需要更多的化學(xué)計量學(xué)算法與軟件技術(shù)。隨著計算機技術(shù)的發(fā)展、化學(xué)計量學(xué)研究的深入及近紅外光譜儀器制造技術(shù)的日益完善，近紅外光譜分析技術(shù)得到飛躍發(fā)展。由于具有快速、無前處理、環(huán)保等特點而廣泛用于農(nóng)產(chǎn)品、食品、化學(xué)、醫(yī)藥、石油等領(lǐng)域，從而成為90年代最引人注目的光譜分析技術(shù)。
發(fā)明內(nèi)容為解決上述問題，本發(fā)明的目的是提供一種簡單、快速定量蜂蜜品質(zhì)的近紅外光譜方法及其應(yīng)用。本發(fā)明提供一種快速定量蜂蜜品質(zhì)的近紅外光譜方法，包括以下步驟1)收集具代表性的蜂蜜樣品；2)用常規(guī)化學(xué)方法獲得蜂蜜樣品的水分、葡萄糖、果糖含量和淀粉酶值；3)釆集蜂蜜樣品的近紅外光譜4)對所述近紅外光譜圖進行預(yù)處理，消除各種干擾因素，選擇波長范圍；5)分別建立蜂蜜樣品的水分、葡萄糖、果糖含量和淀粉酶值和近紅外光譜之間的校正模型并檢驗；6)釆集待測樣品的近紅外光譜；7)用所建模型預(yù)測待測樣品的水分、葡萄糖、果糖含量和淀粉酶值。其中，所述蜂蜜品質(zhì)為水分、葡萄糖、果糖、淀粉酶值中的一個或多個。步驟1)所述代表性的蜂蜜樣品的數(shù)量至少為30個，蜂蜜樣品來源真實，并將蜂蜜樣品隨機分為校正集樣品和驗證集樣品，其中，校正集樣品供建立校正模型用，驗證集樣品供檢驗?zāi)Ｐ陀?。步驟2)所述常規(guī)化學(xué)方法為水分檢測用折光率法，葡萄糖、果糖含量檢測用高效液相色譜法；淀粉酶值檢測用紫外_可見分光光度法。應(yīng)用傅立葉近紅外光譜儀器釆集蜂蜜樣品，用液體光纖探頭掃描，掃描次數(shù)為32次；光譜掃描范圍10000cm"~4000cm-1,分辨率8cm",重復(fù)測定三次，取平均光譜。儀器自身所帶的具有NIRs收集、存儲、處理功能的軟件或其它公認統(tǒng)計軟件處理光譜圖，例如可釆用OPUS5.5軟件。對原始光譜進行預(yù)處理方法包括一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、多元散射校正、矢量歸一化、消除常數(shù)偏移量、減去一條直線等。這些方法可單獨使用或多個聯(lián)合使用，以達到最佳預(yù)處理效果。建立NIR光譜與蜂蜜水分、葡萄糖和果糖含量之間的校正模型的化學(xué)計量學(xué)方法包括偏最小二乘法(PLS)、多元線性回歸(MLR)、主成分回歸(PCR)等。用決定系數(shù)(R2)、交互驗證標準偏差(RMSECV)或預(yù)測均方差(RMSEP)評價模型性能。將化學(xué)值(即用常規(guī)化學(xué)方法得到的數(shù)值，下同)輸入對應(yīng)的樣品，結(jié)合光譜圖，用偏最小二乘法或其它化學(xué)計量學(xué)方法建立蜂蜜水分、葡萄糖、果糖、淀粉酶定量數(shù)學(xué)模型，以決定系數(shù)(R2)、交互驗證標準偏差(RMSECV)評價模型優(yōu)劣。決定系數(shù)最大、標準差最小的模型，效果最佳。i;(攀,)2—決定系數(shù)仗2=1Z(x-^)2-RMSECV=VM其中Differi表示第i個樣品的化學(xué)值和NIR預(yù)測值之差，M為校正集樣品數(shù)，》為第i個樣品的化學(xué)值，ym是m個樣品NIR預(yù)測值的平均值。用驗證集樣本考察模型能否定量樣品，以預(yù)測標準差(RMSEP)，以及用化學(xué)方法測定結(jié)果和NIR預(yù)測結(jié)果進行比較，檢驗兩種方法的差異顯著性，差異不顯著的說明該模型可以取代化學(xué)方法。E(順。)2RMSEP-ViV其中Differi表示第i個樣品的化學(xué)值和NIR預(yù)測值之差，N為驗證集樣品數(shù)。t=4，其中J表示化學(xué)值和預(yù)測值平均值之差，^為樣本平均數(shù)的標準偏差。待測樣品的光譜釆集方法同建模時釆集光譜的方法，用建立的模型快速預(yù)測蜂蜜樣品水分、葡萄糖、果糖和淀粉酶值含量。本發(fā)明所述近紅外光譜方法在測定蜂蜜品質(zhì)中的應(yīng)用。所述蜂蜜品質(zhì)的指標為水分、葡萄糖、果糖含量和淀粉酶值。本發(fā)明具有以下有益效果1)本發(fā)明釆用傅立葉光譜儀和液體光纖，具有前處理簡單、分析速度快、環(huán)保等優(yōu)點。本發(fā)明可以同時檢測蜂蜜中多種組分，由常規(guī)分析方法1020小時縮短至幾分鐘，提高了分析效率，是蜂蜜質(zhì)量控制分析的一種快速新型檢測方法。2)利用傅立葉近紅外光譜分析技術(shù)分析蜂蜜，結(jié)合PLS方法建立蜂蜜水分、葡萄糖、果糖、淀粉酶值與近紅外光譜的校正模型，通過預(yù)測未知樣品，結(jié)果可靠、理想。因此，可以將該技術(shù)進行推廣，尤其是為質(zhì)檢部門和企業(yè)產(chǎn)品實時監(jiān)控節(jié)省大量的人力、物力。圖i為蜂蜜的傅立葉近紅外原始光譜圖；圖2為水分含量NIR預(yù)測值與真實值之間的相關(guān)圖；圖3為葡萄糖含量NIR預(yù)測值與真實值之間的相關(guān)圖；圖4為果糖含量NIR預(yù)測值與真實值之間的相關(guān)圖；圖5為淀粉酶值NIR預(yù)測值與真實值之間的相關(guān)圖。具體實施例方式以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。實施例l蜂蜜樣品的近紅外光譜圖至少收集50個樣本(巿購獲得)，隨機分為校正集和驗證集(3:1)。結(jié)晶蜂蜜分析前4(TC水洛至完全液化，室溫放置。釆用傅立葉變換近紅外光譜儀器和液體光纖附件掃描蜂蜜樣品，光源為鎢鹵燈，銦鎵砷(InGaAs)檢測器，掃描范圍lOOOOcm-1~4000cm—1。掃描次數(shù)32次，分辨率8cm"。每個樣品平行測定3次，取其平均光譜(見圖1)。實施例2蜂蜜水分模型2.1水分模型建立根據(jù)GB18796-2005蜂蜜標準，用折光率法測定實施例1蜂蜜樣品的水分含量，釆用OPUS5.5軟件，對實施例1釆集的樣品光譜圖進行二階導(dǎo)數(shù)光譜預(yù)處理，釆用偏最小二乘法建立數(shù)學(xué)模型，對模型進行交叉驗證，得到水分NIR預(yù)測值與真值交叉檢驗圖(見圖2)。決定系數(shù)(R2)達94.86,交叉驗證均方差(RMSECV)為0.301。2.2水分模型檢驗用建立好的模型對蜂蜜樣品水分進行預(yù)測，預(yù)測結(jié)果與國標方法測定結(jié)果及其偏差見表1。預(yù)測均方根誤差(RMSEP)為0.324。通過配對T檢驗，結(jié)果表明近紅外預(yù)測水分含量結(jié)果與化學(xué)方法結(jié)果無顯著差異，所建的模型用于蜂蜜水分檢測是準確可靠的。表l水分NIR預(yù)測值與化學(xué)實測值結(jié)果比較樣品編號化學(xué)值NIR值偏差樣品編號化學(xué)值NIR值偏差118.2917.780.511918.619.07-0.466218.2118.29-0.08072019.419.53-0.129318.6418.78-0.1352118.618.89-0.286420.320.72-0.4162218.918.810.089520.1619.760.3982319.920.01-0.111618.718.420.2832418.9518.830.117718.918.99-0.09412521.2520.740.515817.918.18-0.2812617.2916.890.401917.717.260.4352718.618.67-0.0743<formula>formulaseeoriginaldocumentpage9</formula>實施例3蜂蜜葡萄糖模型3.1葡萄糖模型建立根據(jù)GB18796-2005蜂蜜標準，液相色譜法測定實施例1蜂蜜樣品的葡萄糖含量，釆用OPUS5.5軟件，對實施例l釆集的樣品光譜圖進行減去一條直線光譜預(yù)處理，釆用偏最小二乘法建立數(shù)學(xué)模型，對模型進行交叉驗證，得到葡萄糖NIR預(yù)測值與真值交叉檢驗圖(見圖3)。決定系數(shù)(R"達90.81,交叉驗證均方差(RMSECV)為1.04。3.2葡萄糖模型檢驗用建立好的模型對蜂蜜樣品葡萄糖進行預(yù)測，預(yù)測結(jié)果與國標方法測定結(jié)果及其偏差見表2。預(yù)測均方根誤差(RMSEP)為1.09。通過配對T檢驗，結(jié)果表明，近紅外預(yù)測葡萄糖含量結(jié)果與化學(xué)方法結(jié)果無顯著差異，所建的模型用于蜂蜜葡萄糖檢測是準確可靠的。表2葡萄糖NIR預(yù)測值與化學(xué)實測值結(jié)果比較<table>tableseeoriginaldocumentpage9</column></row><table><table>tableseeoriginaldocumentpage10</column></row><table>RMSEP1.09p0.08_實施例4蜂蜜果糖模型4.1果糖模型建立根據(jù)GB18796-2005蜂蜜標準，液相色譜法測定實施例1蜂蜜樣品的果糖含量，釆用OPUS5.5軟件，對實施例1釆集的對樣品光譜圖進行減去一條直線光譜預(yù)處理，釆用偏最小二乘法建立數(shù)學(xué)模型，對模型進行交叉驗證，得到果糖NIR預(yù)測值與真值交叉檢驗圖(見圖4)。決定系數(shù)(R2)達94.18,交叉驗證均方差(RMSECV)為0.835。4.2果糖模型檢驗用建立好的模型對蜂蜜樣品果糖進行預(yù)測，預(yù)測結(jié)果與國標方法測定結(jié)果及其偏差見表3。預(yù)測均方根誤差(RMSEP)為0.979。通過配對T檢驗，結(jié)果表明近紅外預(yù)測果糖含量結(jié)果與化學(xué)方法結(jié)果無顯著差異，所建的模型用于蜂蜜果糖檢測是準確可靠的。表3果糖NIR預(yù)測值與化學(xué)實測值結(jié)果比較<table>tableseeoriginaldocumentpage11</column></row><table>實施例5蜂蜜淀粉酶模型5.1淀粉酶模型建立根據(jù)GB18796-2005蜂蜜標準，紫外可見分光光度法測定實施例1蜂蜜樣品的淀粉酶活性，釆用OPUS5.5軟件，對實施例1釆集的樣品光譜圖進行二階導(dǎo)數(shù)光譜預(yù)處理，采用偏最小二乘法建立數(shù)學(xué)模型，對模型進行交叉驗證，得到淀粉酶NIR預(yù)測值與真值交叉檢驗圖(見圖5)。決定系數(shù)(R2)達94.36，交叉驗證均方差(RMSECV)為1.80。5.2淀粉酶模型檢驗用建好的模型對蜂蜜樣品淀粉酶值進行預(yù)測，預(yù)測結(jié)果與國標方法測定結(jié)果及其偏差見表4。預(yù)測均方根誤差(RMSEP)為1.85。通過配對T檢驗，結(jié)果表明近紅外預(yù)測淀粉酶值含量結(jié)果與化學(xué)方法結(jié)果無顯著差異，所建的模型用于蜂蜜淀粉酶值檢測是準確可靠的。表4淀粉酶值NIR預(yù)測值與化學(xué)實測值結(jié)果比較樣品編號化學(xué)值NIR值偏差樣品編號化學(xué)值NIR值偏差121.622.68-1.0887.798.877-1.09221.621.9-0.305914.6217.68-3.06330.2430.45-0.2121014.6216.97-2.35430.2429.630.611118.218.81-O扁34.5932.122.471218.217.460.743634.5932.931.661312.616.31-3.7177.799.577-1.79平均值20.5121.18-0.67RMSEP1.85P0.20實施例6預(yù)測蜂蜜樣品的水分、葡萄糖、果糖及淀粉酶值對未知蜂蜜樣品進行掃描，然后比較未知樣品與定標樣品的近紅外光譜，用上面建立的模型分別預(yù)測蜂蜜樣品水分、葡萄糖、果糖含量和淀粉酶值。權(quán)利要求1、一種快速定量蜂蜜品質(zhì)的近紅外光譜方法，其特征在于，包括以下步驟1)收集蜂蜜樣品；2)用常規(guī)化學(xué)方法獲得蜂蜜樣品的水分、葡萄糖、果糖含量和淀粉酶值；3)采集蜂蜜樣品的近紅外光譜圖；4)對所述近紅外光譜圖進行預(yù)處理，消除干擾因素，選擇波長范圍；5)分別建立蜂蜜樣品的水分、葡萄糖、果糖含量和淀粉酶值和近紅外光譜之間的校正模型并檢驗；6)采集待測樣品的近紅外光譜；7)用所建模型預(yù)測待測樣品的水分、葡萄糖、果糖含量和淀粉酶值。2、如權(quán)利要求1所述的方法，其特征在于，步驟1)所述蜂蜜樣品的數(shù)量至少為30個，蜂蜜樣品隨機分為校正集樣品和驗證集樣品。3、如權(quán)利要求1所述的方法，其特征在于，步驟2)所述常規(guī)化學(xué)方法為水分檢測用折光率法，葡萄糖、果糖含量檢測用高效液相色譜法；淀粉酶值檢測用紫外-可見分光光度法。4、如權(quán)利要求1所述的方法，其特征在于，應(yīng)用傅立葉變換近紅外光譜儀釆集蜂蜜的近紅外光譜，采樣裝置為液體光纖探頭。5、如權(quán)利要求4所述的方法，其特征在于釆集蜂蜜的近紅外光譜掃描范圍為lOOOOcm"-4000cm-1,分辨率8cm-1,重復(fù)測定三次，取平均光譜。6、如權(quán)利要求1所述的方法，其特征在于，步驟4)所述進行預(yù)處理的方法選自一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、多元散射校正、矢量歸一化、消除常數(shù)偏移量、減去一條直線方法中的一種或多種。7、如權(quán)利要求1所述的方法，其特征在于，步驟5)所述校正模型采用偏最小二乘法經(jīng)內(nèi)部交叉檢驗建立，內(nèi)部交叉檢驗的具體算法在M個樣品光譜中取出第1張樣品光譜，用M-1個樣品光譜建立基本模型，再將取出樣品光譜用于檢驗，并計算誤差；將第l張樣品光譜放回，取出另一個樣品光譜，如此重復(fù)、循環(huán)，直至每個光譜都被檢驗分析。通過衡量樣品近紅外預(yù)測值與化學(xué)值間的決定系數(shù)(R2)和交叉驗證均方差(RMSECV)指標評價模型性能，其中R2和RMSECV的計算公式如下其中Differj表示第i個樣品的化學(xué)值和NIR預(yù)測值之差，M為校正集樣品數(shù)，yi為第i個樣品的化學(xué)值，ym是m個樣品MR預(yù)測值的平均值。8、如權(quán)利要求7所述的方法，其特征在于，用優(yōu)化好的校正模型預(yù)測驗證集樣品，比較NIR預(yù)測值和化學(xué)值含量，用預(yù)測均方差(RMSEP)和配對法T檢驗評價模型，RMSEP公式如下其中Differi表示第i個樣品的化學(xué)值和NIR預(yù)測值之差，N為驗證集樣品數(shù)。其中^表示化學(xué)值和預(yù)測值平均值之差，為樣本平均數(shù)的標準偏差。9、如權(quán)利要求1~8任一項所述的近紅外光譜方法在測定蜂蜜品質(zhì)中的應(yīng)用。10、如權(quán)利要求9所述的近紅外光譜方法，其特征在于，所述蜂蜜品質(zhì)的指標為水分、葡萄糖、果糖含量和淀粉酶值。決定系數(shù)R"iS"-^)2.腿SECV全文摘要本發(fā)明涉及一種快速、簡便定量蜂蜜品質(zhì)的方法及其應(yīng)用，主要步驟如下1)收集蜂蜜樣品；2)用常規(guī)化學(xué)方法獲得蜂蜜樣品的水分、葡萄糖、果糖含量和淀粉酶值；3)采集蜂蜜樣品的近紅外光譜圖；4)對所述近紅外光譜圖進行預(yù)處理，消除干擾因素，選擇波長范圍；5)分別建立蜂蜜樣品的水分、葡萄糖、果糖含量和淀粉酶值和近紅外光譜之間的校正模型并檢驗；6)采集待測樣品的近紅外光譜；7)用所建模型預(yù)測待測樣品的水分、葡萄糖、果糖含量和淀粉酶值。本發(fā)明具有前處理簡單、分析速度快、環(huán)保等優(yōu)點；能預(yù)測蜂蜜中的水分、葡萄糖、果糖含量和淀粉酶值，結(jié)果可靠、理想。文檔編號G01N21/31GK101413885SQ200810226979公開日2009年4月22日申請日期2008年11月28日優(yōu)先權(quán)日2008年11月28日發(fā)明者薛曉鋒,靜趙,芳陳,陳蘭珍申請人:中國農(nóng)業(yè)科學(xué)院蜜蜂研究所