應用近紅外光譜技術測定食用植物油中過氧化值

應用近紅外光譜技術測定食用植物油中過氧化值

近紅外光譜分析是近年來開發(fā)和推廣應用的一種綠色分析技術。樣品一般不需任何預處理就能直接進行測試,具有操作簡單、分析速度快、測試效率高、安全,并且可以減少勞動力和試劑等優(yōu)點,非常適合食品的快速定性和定量分析。而在我國,近紅外的應用還主要在農業(yè)上,其他領域的研究和應用相對較少。近紅外譜區(qū)指波長介于可見區(qū)與中紅外區(qū)之間的電磁波,波數(shù)范圍為4000～12500cm-1。近紅外光譜區(qū)的吸收主要是分子振動基頻在2000cm-1以上的倍頻、合頻吸收,所以有機物近紅外光譜主要包括C-H、N-H、O-H、S-H等含氫基團的倍頻與合頻吸收帶。食用油脂氧化產(chǎn)生氫過氧化物(R-O-O-H),氫過氧化物含量多少用過氧化值來表征。因此,利用傅里葉近紅外技術測定油脂的過氧化值大小在理論上是可行的。本試驗以常見食用植物油大豆油、花生油、葵花籽油為檢測對象,用傳統(tǒng)化學分析方法測定其過氧化值,同時用傅里葉變換近紅外光譜儀采集近紅外光譜,建立定量分析模型,并且驗證定標模型,探討近紅外光譜法快速測定植物油過氧化值的可行性。1材料和方法1.1紅外光譜NIRFlexN-500傅里葉變換近紅外光譜儀(瑞士Buchi公司),101型電熱鼓風干燥機;三氯甲烷、冰乙酸、碘化鉀、丙酮均為分析純。1.2不同規(guī)格油樣的過氧化值近紅外光譜法本試驗共取上海、遼寧、安徽等地油脂儲備庫以及各個廠家的不同品種大豆油、花生油、葵花籽油50個(包括一級、二級、三級、四級以及毛油),為了避免重復,同一庫中的油樣,取不同批次(過氧化值初始值均符合相應的國家標準)。先測定50個油樣的初始過氧化值,掃描近紅外光譜;然后將油樣放入(60±1)℃烘箱,間隔一定時間取出測定過氧化值,并同時掃描近紅外光譜。每個樣品取3～5個點,最終得到建模的樣品數(shù)是189個。1.3近紅外采集方法NIRFlexN-500傅里葉變換近紅外光譜儀,光源為鎢燈,檢測器為珀耳帖溫控InGaAs;帶溫控液體樣品池。該儀器的光譜采集范圍4000～10000cm-1,光譜分辨率8cm-1,波長精度±0.2cm-1,掃描次數(shù)為16。油樣近紅外的采集采用透射方式掃描,樣品溫度控制在40℃。油樣放入液體樣品池保溫2min后,再對樣品進行掃描。共得到189個近紅外樣品光譜,其中花生油樣品70個,葵花籽油樣品49個,大豆油樣品70個,見圖1。1.4pcr和偏最小二乘法利用定標軟件NIRCal5.2對采集的光譜數(shù)據(jù)進行處理。所得光譜經(jīng)4種歸一化方法(趨近歸一化(NormalizationbyClosure,Ncl)、最大歸一化(NormalizationbyMaxima,Nma)、0～1間歸一化(Normalizationbetween0and1,N01)、單位長度歸一化(NormalizationtoUnitLength,Nle))、一階導數(shù)(1stderivative,DB1)、二階導數(shù)(2ndderivative,DB2)等方法進行處理,采用主成分回歸法(PCR)和偏最小二乘法(PLS)兩種方法建立定標模型。1.4.1構建方程的一般要求通過一些重要參數(shù)來衡量回歸方程的優(yōu)劣。這些參數(shù)主要包括定標標準差(SEC)、預測標準差(SEP)、定標相關系數(shù)(Rc)、預測相關系數(shù)(Rv),構建方程時,一般要求SEP接近或略大于SEC,且相關系數(shù)與決定系數(shù)很高。1.4.2異常檢測與消除極個別樣品的誤差異常顯著時,必須剔除,這可能由常規(guī)化學分析或由光譜測定時引入。1.5分析與測定過氧化值的測定:按照AOCS方法測定過氧化值。每個樣品測定3次,取其平均值。2結果與討論2.1修正方法的制定2.1.1定標和驗證方法從收集的樣品數(shù)據(jù)中隨機挑選2/3的樣品數(shù)據(jù)作為定標樣品集數(shù)據(jù),其余1/3為驗證樣品集數(shù)據(jù),以最終評價定標的穩(wěn)定性和準確性,其中極值點必須選入定標集中。有關定標樣品集和驗證樣品集的信息見表1。2.1.2異常值的建立采用瑞士Buchi公司定標軟件NIRCal5.2中的向導功能,比較不同光譜預處理方法和分析方法以及最佳譜區(qū)范圍組合的建模效果。以定標集預測標準差和驗證集預測標準差、定標集和驗證集的相關系數(shù)這4個指標選擇最佳的模型參數(shù),從而獲得過氧化值模型的最佳光譜數(shù)據(jù)預處理方法、最佳分析方法、最佳譜區(qū)范圍和最佳主因子數(shù),見表2。在常規(guī)化學分析和近紅外光譜測定中誤差的出現(xiàn)是不可避免的,因此在建模時需要對樣品進行異常值的剔出。軟件提供了4種不同的方法進行異常值剔除:杠桿值(Leverages)、光譜殘差(SpectraResidual)、屬性殘差(PropertyResidual)和載荷值(Loadings)。根據(jù)重要性在其中選1種或者是幾種結合在一起選擇異常值。其中杠桿值也叫影響系數(shù),正規(guī)的杠桿系數(shù)又稱為馬氏距離(Mahalanohis)。因子載荷值也叫因子權值,是所建模型樣品光譜的第1、2主成分的空間分布圖。本文根據(jù)定標樣本光譜數(shù)據(jù)計算光譜殘差和預測誤差,以光譜殘差和預測誤差的2.5倍為閾值,超出任何一閾值被認為是異常值。最終過氧化值模型需要剔除2條光譜。由此而建立的過氧化值數(shù)學模型比最初模型性能上都有一定的提高。最終經(jīng)過優(yōu)化后的過氧化值模型的各項統(tǒng)計參數(shù)值見表3,處理結果見圖2。由表3可以看出,過氧化值的化學測定值與近紅外定標模型預測值之間的相關系數(shù)都達到了0.99以上,說明過氧化值數(shù)學模型的預測值和化學值之間有高度的相關性。2.2近紅外定標模型的實驗2.2.1特色方法對比定標模型建立后,另選擇10個過氧化值不同的樣品驗證分析模型的準確性,并同標準方法測定值進行比較。用于測定的樣品掃描3次,取3次檢驗的平均值。結果列于表4。利用SPSS統(tǒng)計軟件對近紅外方法和常規(guī)化學方法進行比較。將過氧化值模型的預測值和化學值作為成對數(shù)據(jù),利用統(tǒng)計軟件SPSS進行配對t檢驗,設定置信度為95%時,其預測值和化學值之間的差異不顯著(P>0.05)。這說明了用近紅外方法取代傳統(tǒng)法對食用植物油進行過氧化值的快速測定是可行的。過氧化值的平均相對誤差為0.290%,預測誤差的標準差為0.196,說明這個模型都有很高的預測準確度,預測結果是令人滿意的。2.2.2平行測定試驗一種成熟的品質分析方法不僅要求有高的測定準確度,還要求有高的測定精確度。采用本試驗設定的測定植物油近紅外光譜的方法和已建立的過氧化值定量分析模型對同一樣品進行平行測定試驗,以檢驗近紅外定量分析方法測定油樣樣品的精確度。隨機挑選1個油樣樣品,以模型預測值、預測值相對標準偏差作為評價指標,考察模型的穩(wěn)定性。同一植物油油樣10次平行測定統(tǒng)計結果列于表5。從表5中可以看出模型的穩(wěn)定性比較好。3預測標準差和預測方法本試驗成功建立了食用植物油過氧化值的校正模型,其定標集和驗證集相關系數(shù)分別為0.995和0.995,預測標準差分別為0.732和0.821。這表明,本試驗所