便携拉曼在酱料中山梨酸钾快速检测的应用

摘要 本研究采用的便携式拉曼光谱技术联用化学计量学方法所建立的光谱定量模型获得酱料中关键成分的含量信息是可行的, 该方法经过进一步优化有望用于酱料质量的快速检测。

一、研究背景

目前市场多数酱料调味产品是固液混合的黏稠状态, 其水分含量高、基质成分复杂, 生产过程中也容易引入环境中的生物污染物,  因此为防止酱料产品被微生物污染变质, 企业往往会添加防腐剂。市场上酱料品牌众多, 准入门槛较低, 生产企业技术和管理水平不高导致产品良莠不齐, 部分不法商贩添加防腐剂的量已超过国家标准, 对消费者的身体健康构成了威胁。

酱料中常用的防腐剂是山梨酸钾, 是山梨酸的钾盐, 可以通过与微生物酶系统的巯基结合, 同时抑制微生物中脱氢酶的活性, 破坏微生物的酶系统从而实现防腐效果。山梨酸钾的添加不会影响食物的原本味道、颜色和气味, 并且可以保护食物免受分解, 从而增加了其在食品工业中的使用量, 市场中也开始出现食品中山梨酸钾含量超标的问题。因此, 酱料中污染物和产品质量的检测一直受到生产商和消费者的关注。

此研究对两种常见的酱料调味品中的主要防腐剂山梨酸钾含量进行测定, 通过如海光电便携式拉曼光谱仪Portman1064结合化学计量学建立山梨酸钾定量回归模型, 以期实现对胶体酱料的快速无损检测。

二、研究内容

1. 甜辣酱和香辣酱的拉曼谱图分析

甜辣酱和香辣酱样品的拉曼谱图测试结果如图2所示，从图中可以观察到同类别样品之间的拉曼光谱的趋势基本相似, 但是由于酱料中特定成分含量的差异, 样品的拉曼散射效应也有明显的区别, 各个甜辣酱样品在不同的位移范围内有明显的差异, 如1164cm‒1、1389 cm‒1位移为山梨酸钾的典型拉曼特征位移。观察原始谱图, 在1200~1500 cm‒1范围内的光谱信息比较丰富, 以此拉曼位移范围进行甜辣酱的建模。而香辣酱样品在1100 cm‒1和1500 cm‒1 处有明显的峰, 各个香辣酱样品在不同的波段范围内有明显的差异, 在1100~1500 cm‒1范围内的光谱信息比较丰富, 以此波段进行建模来分析香辣酱中的山梨酸钾含量。

图2 S-G(5,2)处理后的甜辣酱拉曼光谱图(a)与 S-G(3,1)+1处理后的香辣酱拉曼光谱图(b)

经过S-G(5,2)卷积平滑预处理后的甜辣酱的拉曼光谱谱图如图 3a 所示, 处理后谱图更加平滑, 谱带的峰形更为明显, 在1200 cm‒1和1500 cm‒1 附近的光谱峰更为清晰, 解决了原始光谱的谱带重叠的影响。经过3点1项式卷积平滑和一阶导数预处理后的香辣酱的拉曼光谱谱图如图3b所示, 处理后特征变量的信息更加明显, 在1100 cm‒1附近和1500 cm‒1附近的特征信号更加清晰, 解决了谱带重叠对建模的不利影响。

2. 甜辣酱中山梨酸钾的PLSR模型

采用不同的光谱信号预处理方法对拉曼数据进行建模比对, 结果如表1所示,经不同预处理方法建立的甜辣酱中山梨酸钾的 PLSR 模型中, S-G(5,2)卷积平滑的效果好, 移动平滑5点加标准正态变换处理的结果差, S-G(5,2)预处理建立的山梨酸钾含量的模型校正相关系数为0.9670, 预测相关系数为0.9616,模型的RMSEC值、RMSECV值和RMSEP值分别为 0.0188、0.0212和0.0209, 相对预测偏差 RPDc 值和 RPDp 值分别可以达到5.5957和5.0335, 均大于阈值3。

经过 S-G(5,2)处理后的甜辣酱中山梨酸钾的 PLSR 回归模型结果如图4a所示。此外, 由可解释方差图结合得分图(图4b、c)表明, 采用前2 个主成分数时累计贡献率可以达到97%, 可以用来代表原变量, 因此选择 2 个主成分数为因子数。从载荷图(图 4d)和载荷权重图(图4e)可以看出, 在每个主成分下各波长点的载荷和载荷权重的曲线走势相同, 证明该模型具有较好的预测能力。总体结果说明采用 S-G(5,2)处理方式得到的拉曼光谱定量模型效果较好, 可进一步用于在甜辣酱中防腐剂实际检测中的定量分析。

图3 甜辣酱中山梨酸钾的拉曼光谱霍特林 T 平方值和F 残差值分布

随后, 采用不同的光谱信号预处理方法对拉曼数据进行建模比对, 结果如表 1 所示, 可以发现经不同预处理方法建立的甜辣酱中山梨酸钾的 PLSR 模型中, S-G(5,2)卷积平滑的效果好, 移动平滑 5 点加标准正态变换处理的结果差, S-G(5,2)预处理建立的山梨酸钾含量的模型校正相关系数为 0.9670, 预测相关系数为 0.9616, 模型的RMSEC 值、RMSECV值和 RMSEP值分别为 0.0188、0.0212和 0.0209, 相对预测偏差 RPDc 值和 RPDp 值分别可以达到 5.5957 和 5.0335, 均大于阈值 3。经过 S-G(5,2)处理后的甜辣酱中山梨酸钾的 PLSR回归模型结果如图 5a 所示。

此外, 由可解释方差图结合得分图(图5b、c)表明, 采用前2 个主成分数时累计贡献率可以达到97%, 可以用来代表原变量, 因此选择 2 个主成分数为佳因子数。从载荷图(图5d)和载荷权重图(图5e)可以看出, 在每个主成分下各波长点的载荷和载荷权重的曲线走势相同, 证明该模型具有较好的预测能力。总体结果说明采用 S-G(5,2)处理方式得到的拉曼光谱定量模型效果较好, 可进一步用于在甜辣酱中防腐剂实际检测中的定量分析。

图 4 S-G(5,2)处理后的甜辣酱拉曼光谱山梨酸钾含量 PLSR 模型(a)、模型可解释方差(b)、主成分得分(c)、载荷(d)、载荷权重(e)

3.香辣酱中山梨酸钾的 PLSR 模型

由香辣酱样品采集 38 条拉曼光谱。同样地, 在建立香辣酱中山梨酸钾定量模型前, 需要对拉曼光谱数据的异常值进行甄选。使用香辣酱的拉曼光谱数据构建的模型中, Hotelling’s T2 的阈值是 4.38, F-Residuals 的阈值是 956.18, 没有同时超过两个阈值的样本, 即无异常值。因此共有 27个样本参与香辣酱拉曼光谱的山梨酸钾含量的校正集模型构建, 剩余 11 个样本作为预测集。

图5 S-G(3,1)+1D 处理后的拉曼光谱香辣酱中山梨酸钾含量 PLSR 模型(a)、模型可解释方差(b)、主成分得分(c)、载荷(d)、载荷权重(e)

4.结论

由于多数酱料处于固液混合状态, 不易进行快速检测, 因此采用便携式拉曼光谱技术研究其质量或安全成分具有较好的实际应用效果。拉曼光谱检测快速、便捷, 虽然研究的模型有一定的误差, 但已经能够满足在实际检测中的需求。本研究实现了对常用酱料的快速无损检测, 为建立健全酱料调味品的质量评价体系, 推动调味品市场有序良性发展, 维护消费者的健康安全和切身利益提供重要的方法参考。

三、 文献出处