基于中红外光谱检测牛奶中掺杂的尿素

基于中红外光谱检测牛奶中掺杂的尿素（精选3篇）

基于中红外光谱检测牛奶中掺杂的尿素 篇1

基于中红外光谱检测牛奶中掺杂的尿素

摘要：采用中红外光谱技术对牛奶中掺杂尿素目标物进行检测.配置含有尿素浓度范围为1～18 g・L-1之间18个牛奶样品,分别研究了纯牛奶和掺杂尿素牛奶的`红外光谱特性,并进行了对比分析.利用尿素1 562 cm-1处酰胺Ⅲ带C=O伸缩振动吸收峰面积A1 562与1 464 cm-1处C-N伸缩振动吸收峰面积A1464的比值A1 562/A1464对牛奶中尿素浓度进行线性拟合,研究结果表明A1 562 /A1464与牛奶中含有尿素浓度具有一定的线性关系,其相关系数达到0.96以上.该研究对提高乳制品的质量,保护消费者利益具有重要的社会意义和应用前景. 作者： 杨仁杰[1]刘蓉[2]徐可欣[2] Author： 作者单位： 天津大学精密测试技术及仪器国家重点实验室,天津300072;天津农学院机电工程系,天津300384天津大学精密测试技术及仪器国家重点实验室,天津,300072 期 刊： 光谱学与光谱分析   ISTICEISCIPKU Journal： Spectroscopy and Spectral Analysis 年，卷(期)： , 31(9) 分类号： O657.3 关键词： 中红外光谱    牛奶    尿素    掺杂    机标分类号： S15 TP3 机标关键词： 中红外光谱检测    牛奶样品    掺杂    尿素浓度    Urea    振动吸收    保护消费者利益    红外光谱特性    红外光谱技术    峰面积    应用前景    相关系数    线性拟合    线性关系    社会意义    浓度范围    对比分析    乳制品    目标物    纯牛奶 基金项目： 国家自然科学基金，高等学校博士学科点专项科研基金

基于中红外光谱检测牛奶中掺杂的尿素 篇2

淀粉是食品与发酵工业的重要基础原料,广泛地应用于冷冻食品、烘焙食品、肉制品、乳制品和保健食品等相关领域,淀粉及其相关产品无论是产量还是种类都发展迅速。近年来,部分淀粉企业为了谋取利益,向淀粉中添加大量滑石粉,以增加淀粉的质量。滑石粉的主要成分是滑石含水的矽酸镁,分子式为Mg3[Si4O10](OH)2。滑石属单斜晶系,晶体呈六方或菱形的片状;通常成致密的块状、叶片状 、放射状和纤维状集合体,无色透明或白色,长期食用滑石粉有致癌性。

正常淀粉中矿物质(以灰分计量)的含量一般在0.5%以下,如在淀粉中掺入了滑石粉,皆能使淀粉中的灰分增加。目前,国标法测定灰分的方法是:称取样品2g放入预先550℃的灼烧恒重的坩埚中,在电炉上加热至炭化,再放入550℃的马费炉中,灼烧2h,取出冷却降温。如果灰化不完全,再加水或硝酸使灰分湿润,微温至干,然后再放在马费炉中灰化2h,取出冷却至200℃后,移至干燥器中,30min后称重,计算灰分含量[1]。

上述方法虽能测定滑石粉的含量,但是试验所需试剂、材料、仪器等多而繁琐,此外也会破坏被测样品。因此,本文研究应用近红外漫反射光谱分析技术,探索研究了检测淀粉中掺杂滑石粉的可行性,建立了相应的定量分析模型,并用独立的检验集对校正模型的可靠性进行了验证[2]。

1 材料与仪器

1.1 实验材料

实验用的淀粉均是从市场购买不同品牌或同一品牌不同批次的淀粉,用电子分析天平准确称量;然后,在淀粉中随机掺入浓度为0%～25%的滑石粉,共制备32个掺杂样本,并以掺杂后滑石粉的浓度作为样本的真值。

1.2 实验仪器

德国布鲁克光学仪器公司傅立叶变换近红外光谱仪,配有相应的透射附件、漫反射附件;采样系统和信号采集以及OPUS6.5等数据处理软件;电子天平。

2 实验方法与分析

2.1 近红外光谱采集

利用德国布鲁克公司生产的VERTEX70型傅立叶变换近红外光谱分析仪,室温条件下(23±2)℃将石英杯(样品杯)放入匀速旋转台上,进行背景谱测量;然后将掺杂后的样品各20g放入石英杯中(样品最少要盖住石英杯底),放置于匀速旋转台上,在波数为4 000～12 000cm-1范围内扫描,分辨率为8cm-1 ,扫描次数为64次;计算机自动计算得到样品漫反射光谱,每个样品重复2次,取平均光谱。滑石粉NIR光谱图如图1所示。

32个混合后的淀粉样品的近红外漫反射光谱图如图2所示。由图2可以看出, 在9 000～4 000cm-1范围内较为相似,带有许多淀粉之间的相似信息,峰形、峰位差别很小,无法直接鉴别。

2.2 数据处理方法研究

样品随机分成校正集和预测集,样本数分别为26和6。为了去除高频随机噪音、基线漂移、样本不均匀和光散射等影响,需要进行光谱预处理消除噪音。通过选择信息较丰富的光谱谱段以及对数据进行预处理,实现对原始光谱数据进行优化,建立精度较高的预测模型。采用不同的预处理方法在全光谱范围内对校正集光谱数据进行预处理,以交互验证法确定主成分数。用偏最小二乘法建立定量校正模型,以交叉验证误差RMSECV和预测值与实际值的回归系数为指标,选择建模参数和优化模型结构。以RMSEP考察模型的预测性能和推广能力,同时用校正集和验证集相对偏差分别考察模型校正集和验证集相对预测偏差值,所有数据处理均在仪器自带的OPUS6.5软件中进行。

3 结果与讨论

3.1 光谱预处理方法的选择

以校正模型的相关系数R2、交叉验证误差RMSECV为指标,选择最优的预处理方法。R2 值越接近1且RMSECV越小,表明模型预测结果越准确。各种预处理统计结果如表1所示。

3.2 波段选择

波段选择有利于提高模型预测精度。因此,选择不同光谱范围,按最优的预处理方法进行比较,确定在最小—最大归一化预处理方法下选择建模光谱范围为7 502.1～5 446.3cm-1。

3.3 定量分析模型的建立

将32个样本应用于NIRS定量分析,确定校正集26个样本,检验集6个样本。通过OPUS6.5软件的分析和优化,选择最优处理算法;通过比较建立混合淀粉的PLS模型的优劣,寻找淀粉的吸收光谱较丰富的波段,分析表明淀粉对光谱信息贡献量最大的谱区范围是7 502.1～5 446.3cm-1,维数为4。图3为淀粉中滑石粉含量近红外光谱图交叉验证NIRS预测值与化学值[4]。

交互验证结果表明,NIRS预测值和化学值之间具有显著的线性相关性,校正样品均匀地分布在回归线的两侧,并且交互验证所得到的校正相关系数R2为0.993 9,交叉验证均方差RMSECV为0.118, 偏移为0.001 02[5,6]。

3.4 定量分析模型的验证

为了验证定量模型的预测精度,实验用检验集的6个样本进行预测,预测结果如图4所示。

详细分析结果如表2所示。

4 结论

1)近红外光谱分析通过数学模型预测样品的待测量,其预测性能包括用模型预测样品待测量的精确度、预测最低极限、预测速度以及模型的预测可靠性和稳定性。其中,前3种主要决定于近红外光谱的特性,后两种预测性能主要决定于建立近红外光谱分析数学模型样品集的代表性及其化学值测定的精度。所以,模型的准确度在很大程度上取决于化学测定的准确性和定标样品的代表性。较高的相关系数和较低的误差对一个可靠的定标模型是十分必要的。本文利用近红外光谱技术建立了淀粉中掺杂滑石粉的检测模型,详细讨论了光谱的采集、模型的建立以及模型的验证等。初步实验结果表明,利用近红外反射光谱分析技术,能够准确、快速地检测出淀粉中掺杂滑石粉的目的。

2)本实验中所搜集淀粉样品数量有限,故所建模型存在局限性,应进一步增加掺杂淀粉样品数,以进一步提高模型精度,使它具有广泛的适用性。为了使数学模型在不同的时间与空间都能运用,还应对数学模型不断修正与维护。当样品的测定时间或空间条件改变时,必须用检验样品集检验数学模型。如果数学模型的预测效果降低,就需要在定标样品集中增加新类型样品,稳定的数学模型需要不断完善[7]。

参考文献

[1]曹龙奎,李凤林.淀粉制品生产工艺学[M].北京:中国轻工业出版社,2008:9-15.

[2]陆婉珍,袁洪福,徐广通,等.现代近红外光谱分析技术[M].北京:中国石油化工出版社,2000:37-45.

[3]倪永年.化学计量学在分析化学中的应用[M].北京:科学出版社,2004:304-310.

[4]张明详.近红外仪器能量变化对模型的影响及OSC算法的应用[D].北京:中国农业大学.2004.

[5]Xiaorong Sun,Cuiling Liu,Jingzhu Wu.Quantitative Analysisof Starch Adulteration with Near Infrared Spectrum Technique[C]//ICCEE 2010,Chengdu,2010:1765-1769.

[6]Xiaorong Sun,Cuiling Liu,Jingzhu Wu.Study on rapid andnon-destructive identification of starch categories with NIR(near-infrared reflectance)[C]//ICEEAC 2010,Zibo,2010:978-982.

基于中红外光谱检测牛奶中掺杂的尿素 篇3

关键词：红外光谱 食品 安全检测

中图分类号：TS207.3 文献标识码：A 文章编号：1672-5336（2014）20-0023-02

随着我国经济的不断发展，有些商家为了获取更大的利益，在食品制作方面不注意食品的质量问题，我国许多民众受到了有害食品的伤害，轻则腹泻，重则死亡。我们必须重视食品安全问题，加强对食品的安全检测力度，红外光谱技术拥有环保、高效的特点，可以将其应用于食品安全检测当中。

1 红外光谱技术简介

红外光谱技术利用分子振动原理实现对振动模式的记录，红外光谱主要分为远红外、中红外、近红外三个区域。红外光谱中存在类似于指纹的一个区域，这一区域可以反映出分子之间细微的不同，也是因为这一区域，含有多个原子的分子才不会对结果造成太大的干扰。有机物的分子结构相对于其他物质来说要复杂许多，而食品都属于有机物，这就导致对于食品的安全检测相当艰难，而由于红外光谱的特性，红外光谱可以反映出有机物的构成以及有机物之间的细微差别，使用红外光谱技术就可以对食品中是否掺假的问题、食品的种类以及产地进行准确的检测。]食品安全问题不仅仅在于产地、种类、掺假，还在于食品中是否存在残留的农药，是否含有有害物质，这些问题的检测都属于对低含量物质的检测，红外光谱不仅可以反映出有机物的分子结构，还可以对物质进行定量分析，可以在复杂的检测背景下分辨待测物质，因此，使用红外光谱技术可以对食品中是否残留农药的问题、食品中是否存在有害物质的问题进行准确的检测。

2 红外光谱技术的优缺点

红外光谱技术有着许多优点，但由于我国对红外光谱技术的研究还不够深入，目前我国的红外光谱技术还存在许多缺点，下文将对红外光谱技术的优缺点进行分析。

2.1 红外光谱技术的优点

目前我国的红外光谱技术主要有八大优点：第一，分析速度快，使用红外光谱技术进行食品安全检测不到六十秒就可以得到检测结果；第二，分析效率高，红外光谱技术可以同时对多个待测样品进行检查，这些待测样品的性质、种类可以不同；第三，检测样品种类多样，红外光谱技术可以检测不同物理状态的物质，包括固态、液态、胶状态等；第四，测试重现性佳，可以将待测样品的结构较为完整地重现出来；第五，无损检测，使用红外光谱技术对待测样品进行检测，不会对样品造成损伤，红外光谱技术的无损伤性也是红外光谱技术在医学领域得到广泛应用的原因；第六，环保，使用红外光谱技术对待测样品进行检测的过程中不会对环境造成污染；第七，操作简单，操作人员很容易学会使用红外光谱技术进行检测的方法；第八，近红外光在光导纤维中的传输性好，有利于在线检测与分析。

2.2 红外光谱技术的缺点

综合而言，红外光谱技术主要有三大缺点：第一，灵敏度较低，被测组分一般大于百分之零点一；第二，容易出现较为复杂的谱图，有些时候，红外光谱中的多个区段都会吸收同一个基团，从而导致形成的红外光谱中出现了在同一个波段出现多个同样的谱峰的情况，从而造成谱峰重叠，谱图较为复杂，难以辨认；第三，变动性较大，在使用红外光谱技术进行食品安全检测时，技术人员一般不会对待测样品进行预处理，而待测样品的形状、大小、测试环境、测试方式都会对红外光谱技术下的检测产生影响，从而导致同一种待测样品的检测结果出现分歧。

3 红外光谱在食品安全检测中的应用

3.1 食物种类和产地的鉴别

食品安全检测的第一步是对食品的种类和产地进行鉴别。在现实生活中，食品很容易出现李代桃僵的现象，比如用猫肉冒充兔肉，用木耳冒充银耳等。食品的产地也会影响食品的价格，在市场上经常出现产地混淆的情况。将红外光谱技术应用到食品安全检测中，就能较为准确地检查出食品的种类与产地，就目前而言，已经有许多研究人员对此进行了相关的研究。郭丽艳等人使用红外光谱技术中的FTIR检测技术对黑牛肝菌、黑木耳以及银耳进行了种类鉴别，通过红外光谱的反映，研究人员从谱峰和吸收强度的差异上就区分了三种物质。徐永群等人使用红外光谱技术中的主成分分析法以及红外指纹图谱对山药的产地进行了检测，通过对主成分分析法得到的主成分测量值、建立数学模型得到的预测结果的分析，徐永群等人对山药的产地进行了较为准确的检测，准确率高达90.9%。

3.2 食品农药残留检测

食品安全检测的第二步是对食品农药残留进行检测。随着我国科技的不断发展，我国市场上出现了各种各样的农药，农民为使自己种植出的农作物更美观、收成更好，就会大肆使用农药，从而导致许多食品的农药残留超标。将红外光谱技术运用到食品安全检测中就能较为准确地检测食品农药残留：第一步，应使用傅立叶交换近红外光谱法对食品的农药残留进行系统的鉴定；第二步，使用差谱技术对农药的类型进行指认；第三步，使用FTIR技术对表面残留的农药进行测量。[1]通过这三步的检测，就能实现对食品农药残留情况的快速测量。

3.3 食品有毒有害成分检测

食品安全检测的第三步是对食品有毒有害成分的检测。近些年来，我国出现了多起由于食品含有有毒有害成分而导致民众伤亡的事件，之前三鹿集团的三聚氰胺事件就是典例。食品含有有毒有害成分无疑是商家道德的缺失，是对我国民众健康的巨大威胁，因此，我们必须对食品进行严格的检测，严格控制食品添加剂的种类、数量等。将红外光谱技术运用到食品安全检测中，就能对食品有毒有害成分进行较为准确的检测。首先，可以采用红外示差光谱定量分析被测样品中某一食品添加剂的含量，然后根据吸光度以及浓度制定工作曲线，观察工作曲线是否符合线性规律，最后，按照工作曲线进行定量分析。

4 结语

综上所述，随着我国科技的不断发展，红外光谱技术一定会变得越来越成熟，会得到更广泛的应用。相关人员应注意利用红外光谱技术对食品的种类、产地、农药残留情况、有毒有害物质进行检测，根据红外光谱所反映的现象，对相关食品进行控制与管理。

参考文献