应用近红外光谱技术测定食用植物油中过氧化值

应用近红外光谱技术测定食用植物油中过氧化值

近红外光谱分析是近年来开发和推广应用的一种绿色分析技术。样品一般不需任何预处理就能直接进行测试,具有操作简单、分析速度快、测试效率高、安全,并且可以减少劳动力和试剂等优点,非常适合食品的快速定性和定量分析。而在我国,近红外的应用还主要在农业上,其他领域的研究和应用相对较少。近红外谱区指波长介于可见区与中红外区之间的电磁波,波数范围为4000～12500cm-1。近红外光谱区的吸收主要是分子振动基频在2000cm-1以上的倍频、合频吸收,所以有机物近红外光谱主要包括C-H、N-H、O-H、S-H等含氢基团的倍频与合频吸收带。食用油脂氧化产生氢过氧化物(R-O-O-H),氢过氧化物含量多少用过氧化值来表征。因此,利用傅里叶近红外技术测定油脂的过氧化值大小在理论上是可行的。本试验以常见食用植物油大豆油、花生油、葵花籽油为检测对象,用传统化学分析方法测定其过氧化值,同时用傅里叶变换近红外光谱仪采集近红外光谱,建立定量分析模型,并且验证定标模型,探讨近红外光谱法快速测定植物油过氧化值的可行性。1材料和方法1.1红外光谱NIRFlexN-500傅里叶变换近红外光谱仪(瑞士Buchi公司),101型电热鼓风干燥机;三氯甲烷、冰乙酸、碘化钾、丙酮均为分析纯。1.2不同规格油样的过氧化值近红外光谱法本试验共取上海、辽宁、安徽等地油脂储备库以及各个厂家的不同品种大豆油、花生油、葵花籽油50个(包括一级、二级、三级、四级以及毛油),为了避免重复,同一库中的油样,取不同批次(过氧化值初始值均符合相应的国家标准)。先测定50个油样的初始过氧化值,扫描近红外光谱;然后将油样放入(60±1)℃烘箱,间隔一定时间取出测定过氧化值,并同时扫描近红外光谱。每个样品取3～5个点,最终得到建模的样品数是189个。1.3近红外采集方法NIRFlexN-500傅里叶变换近红外光谱仪,光源为钨灯,检测器为珀耳帖温控InGaAs;带温控液体样品池。该仪器的光谱采集范围4000～10000cm-1,光谱分辨率8cm-1,波长精度±0.2cm-1,扫描次数为16。油样近红外的采集采用透射方式扫描,样品温度控制在40℃。油样放入液体样品池保温2min后,再对样品进行扫描。共得到189个近红外样品光谱,其中花生油样品70个,葵花籽油样品49个,大豆油样品70个,见图1。1.4pcr和偏最小二乘法利用定标软件NIRCal5.2对采集的光谱数据进行处理。所得光谱经4种归一化方法(趋近归一化(NormalizationbyClosure,Ncl)、最大归一化(NormalizationbyMaxima,Nma)、0～1间归一化(Normalizationbetween0and1,N01)、单位长度归一化(NormalizationtoUnitLength,Nle))、一阶导数(1stderivative,DB1)、二阶导数(2ndderivative,DB2)等方法进行处理,采用主成分回归法(PCR)和偏最小二乘法(PLS)两种方法建立定标模型。1.4.1构建方程的一般要求通过一些重要参数来衡量回归方程的优劣。这些参数主要包括定标标准差(SEC)、预测标准差(SEP)、定标相关系数(Rc)、预测相关系数(Rv),构建方程时,一般要求SEP接近或略大于SEC,且相关系数与决定系数很高。1.4.2异常检测与消除极个别样品的误差异常显著时,必须剔除,这可能由常规化学分析或由光谱测定时引入。1.5分析与测定过氧化值的测定:按照AOCS方法测定过氧化值。每个样品测定3次,取其平均值。2结果与讨论2.1修正方法的制定2.1.1定标和验证方法从收集的样品数据中随机挑选2/3的样品数据作为定标样品集数据,其余1/3为验证样品集数据,以最终评价定标的稳定性和准确性,其中极值点必须选入定标集中。有关定标样品集和验证样品集的信息见表1。2.1.2异常值的建立采用瑞士Buchi公司定标软件NIRCal5.2中的向导功能,比较不同光谱预处理方法和分析方法以及最佳谱区范围组合的建模效果。以定标集预测标准差和验证集预测标准差、定标集和验证集的相关系数这4个指标选择最佳的模型参数,从而获得过氧化值模型的最佳光谱数据预处理方法、最佳分析方法、最佳谱区范围和最佳主因子数,见表2。在常规化学分析和近红外光谱测定中误差的出现是不可避免的,因此在建模时需要对样品进行异常值的剔出。软件提供了4种不同的方法进行异常值剔除:杠杆值(Leverages)、光谱残差(SpectraResidual)、属性残差(PropertyResidual)和载荷值(Loadings)。根据重要性在其中选1种或者是几种结合在一起选择异常值。其中杠杆值也叫影响系数,正规的杠杆系数又称为马氏距离(Mahalanohis)。因子载荷值也叫因子权值,是所建模型样品光谱的第1、2主成分的空间分布图。本文根据定标样本光谱数据计算光谱残差和预测误差,以光谱残差和预测误差的2.5倍为阈值,超出任何一阈值被认为是异常值。最终过氧化值模型需要剔除2条光谱。由此而建立的过氧化值数学模型比最初模型性能上都有一定的提高。最终经过优化后的过氧化值模型的各项统计参数值见表3,处理结果见图2。由表3可以看出,过氧化值的化学测定值与近红外定标模型预测值之间的相关系数都达到了0.99以上,说明过氧化值数学模型的预测值和化学值之间有高度的相关性。2.2近红外定标模型的实验2.2.1特色方法对比定标模型建立后,另选择10个过氧化值不同的样品验证分析模型的准确性,并同标准方法测定值进行比较。用于测定的样品扫描3次,取3次检验的平均值。结果列于表4。利用SPSS统计软件对近红外方法和常规化学方法进行比较。将过氧化值模型的预测值和化学值作为成对数据,利用统计软件SPSS进行配对t检验,设定置信度为95%时,其预测值和化学值之间的差异不显著(P>0.05)。这说明了用近红外方法取代传统法对食用植物油进行过氧化值的快速测定是可行的。过氧化值的平均相对误差为0.290%,预测误差的标准差为0.196,说明这个模型都有很高的预测准确度,预测结果是令人满意的。2.2.2平行测定试验一种成熟的品质分析方法不仅要求有高的测定准确度,还要求有高的测定精确度。采用本试验设定的测定植物油近红外光谱的方法和已建立的过氧化值定量分析模型对同一样品进行平行测定试验,以检验近红外定量分析方法测定油样样品的精确度。随机挑选1个油样样品,以模型预测值、预测值相对标准偏差作为评价指标,考察模型的稳定性。同一植物油油样10次平行测定统计结果列于表5。从表5中可以看出模型的稳定性比较好。3预测标准差和预测方法本试验成功建立了食用植物油过氧化值的校正模型,其定标集和验证集相关系数分别为0.995和0.995,预测标准差分别为0.732和0.821。这表明,本试验所