近紅外法測定豆漿蛋白質、脂肪和可溶性固形物含量

邱燕燕 孫娟娟 魏肖鵬 欒廣忠，2 張玉靜 胡亞云 辰巳英三

（西北農林科技大學食品學院1，楊凌 712100）（陜西省農產品加工工程技術研究中心2，楊凌 712100）（日本國際農林水產業研究中心3，日本筑波 305－8686）

近紅外法測定豆漿蛋白質、脂肪和可溶性固形物含量

邱燕燕1孫娟娟1魏肖鵬1欒廣忠1，2張玉靜1胡亞云1辰巳英三3

（西北農林科技大學食品學院1，楊凌 712100）（陜西省農產品加工工程技術研究中心2，楊凌 712100）（日本國際農林水產業研究中心3，日本筑波 305－8686）

利用傅里葉變換近紅外光譜儀采用積分球漫反射方式對60個豆漿樣品進行光譜的采集，結合常規分析結果分別建立了3種成分的近紅外校正模型。結果表明：豆漿蛋白質、脂肪及可溶性固形物光譜分別經過消除常數偏移量、一階導數和矢量歸一化（SNV）預處理后建模效果最好。蛋白質、脂肪和可溶性固形物含量的校正模型決定系數（R2）分別為：0.966 4、0.950 0和0.950 7，交叉驗證均方根差（RMSECV）依次為0.076 9、0.087 4和0.316；對模型進行外部驗證，驗證集化學值和模型預測值之間差異不顯著，說明模型可以用于豆漿中蛋白質、脂肪和可溶性固形物含量的檢測。

傅里葉變換近紅外光譜 豆漿 蛋白質 脂肪 可溶性固形物

豆漿是我國傳統的植物蛋白飲料，不僅富含蛋白質，脂肪，鈣、磷、鐵等礦物質和維生素等，還含有異黃酮、皂甙等生物活性物質，消化率高達95%，可被人體充分利用，適合“乳糖不耐受癥”、心血管疾病以及糖尿病患者飲用[1－3]。據中國豆制品專業委員會統計顯示，我國每年豆漿消費量為60～70萬t，約占傳統豆制品消費總量的10%～20%[4]。蛋白質、脂肪和可溶性固形物含量是評價豆漿品質的重要理化指標，由于常規檢測方法過程繁瑣，耗時較長，國內企業大多數憑經驗或通過手持折光儀判斷豆漿品質，因此建立一種快速檢測豆漿營養品質的方法十分必要。

近紅外光譜分析技術是一種高效快速的現代分析技術，該技術分析速度快、效率高，樣品無需預處理，易于實現在線分析，因此在農產品檢測中有廣泛應用[5－8]。目前，豆制品近紅外檢測的研究主要對大豆中蛋白質、脂肪、水分、異黃酮及各種氨基酸等成分的測定[9－11]，但對豆干、豆腐及豆漿等豆制品的近紅外研究少有報道。張建新[12]等應用傅里葉變換近紅外光譜技術，以豆腐干為材料建立了總酸、蛋白質及含水量的定量分析模型，模型決定系數均在0.97以上，模型精度較高。李東華[13]等利用近紅外光譜技術采用透射方式采集豆漿光譜，建立了豆漿中蛋白質和總固形物含量在譜段643.26～954.15 nm范圍內的數學模型，實現了對真假豆漿的判別，但該譜段不能包含蛋白質和總固形物含量的全部信息，并未對豆漿中脂肪含量的近紅外檢測進行研究。

本試驗利用傅里葉變換近紅外光譜儀，采用積分球漫反射方式對60個不同豆漿樣品進行光譜采集，結合常規方法測定結果分別建立了豆漿中蛋白質、脂肪和可溶性固形物含量在4 000～12 000 cm－1（波長為800～2 500 nm）波數范圍內的近紅外模型并進行驗證，以期為建立豆漿主要成分的快速檢測方法提供一定的參考依據。

1 材料與方法

1.1 材料

大豆原料部分采自楊凌（20個）、河南（17個）等地的超市或糧油店，部分（23個）由銀川農科院提供，共計60個樣本。

1.2 儀器設備

傅里葉變換近紅外光譜儀（MPA.0331.04）：德國Bruker公司；全自動凱氏定氮儀（KJELTEC 8400）：瑞典FOSS公司。

1.3 試驗方法

1.3.1 豆漿的制備

參照李平[14]等的方法進行豆漿的制備，每個大豆樣品制備1個豆漿樣品：大豆經挑選除雜，準確稱取100 g大豆清洗后加入3倍質量的蒸餾水4℃下浸泡過夜（約16 h），然后用干豆總量的8倍水進行研磨（磨漿所用的水量應扣除干豆所吸收的水分），得到的生漿經200目尼龍布過濾后，加熱煮沸，保持10 min，在4℃冰箱中冷藏備用。

1.3.2 豆漿主要成分的測定

豆漿中蛋白質及脂肪含量分別按照GB/T 5009.5—2010《食品中蛋白質的測定》和 GB/T 5413.3—2010《嬰幼兒食品和乳品中脂肪的測定》進行測定，可溶性固形物含量利用數顯折光儀進行測定。每個樣品各個指標分別進行2次平行試驗。

1.3.3 樣品近紅外光譜的采集

利用傅里葉變換近紅外光譜儀，采用積分球漫反射方式采集光譜，以空氣為參比，波數范圍為12 000～4 000 cm－1，掃描次數為 64次，分辨率為8 cm－1。將制備的豆漿樣品快速冷卻至室溫（約25℃），攪拌均勻，用移液槍移取1 mL樣品至樣品杯中，保證樣品杯底無氣泡出現，進行光譜采集，每個樣品光譜采集3次，以平均光譜作為樣品光譜。

1.3.4 模型建立及驗證

首先利用OPUS7.0軟件對樣品光譜進行預處理，預處理方法分別采用矢量歸一化（SNV）、多元散射校正（MSC）、消除常數偏移量、一階導數及二階導數五種方法。光譜預處理后，采用偏最小二乘法進行模型的建立與驗證。樣品的校正集和驗證集由軟件進行劃分，其中校正集進行模型的建立，驗證集對模型進行外部驗證，模型的建立和驗證分別采用內部交叉驗證法和外部檢驗法。

1.4 數據處理

分別利用Excel和Origin 7.0軟件對數據進行分析。

2 結果與分析

2.1 豆漿樣品常規分析結果

豆漿樣品各組分含量見表1。由表1可知豆漿中蛋白質含量分布在2.63%～4.42%范圍內，脂肪含量分布在1.54%～3.12%范圍內，可溶性固形物含量分布在5.10%～10.60%范圍內。3種成分含量范圍相對較廣，基本覆蓋了豆漿中可能出現的含量范圍，并且驗證集樣本的蛋白質、脂肪和可溶性固形物含量范圍均在校正集范圍內，說明樣品具有一定的代表性，可準確進行模型的建立。

表1 豆漿樣品成分常規測定結果

2.2 豆漿光譜采集方式的選擇

圖1 1個豆漿樣品的漫反射和透射光譜圖

為了選擇一種合適的光譜采集方式，本試驗分別采用了漫反射和透射2種方式對1種豆漿樣品光譜進行采集，圖1中a、b兩條光譜分別為1種豆漿樣品的透射光譜和漫反射光譜。水分在8 403和10 309 cm－1處有較強吸收[15]，圖 1顯示在 12 000～8 000 cm－1范圍內，漫反射光譜在 8 000 cm－1和10 000 cm－1左右有吸收峰，而透射光譜無明顯吸收峰；4 000～8 000 cm－1波數范圍內，兩條光譜的吸收峰位置相同，透射光譜的吸收峰比漫反射光譜吸收峰更加明顯，但是在5 000 cm－1左右處透射光譜吸收峰的吸光度要明顯高于4.0，已經超出了本試驗所用儀器的檢測范圍，而蛋白質的特征吸收波長主要為4 587和4 878 cm－1[15]，正好位于 4 000～6 000 cm－1波數范圍內，若采用透射光譜會影響蛋白質模型的精度。脂肪在近紅外區域的吸收主要是長鏈脂肪酸，吸收波長為 4 264、4 329、5 666、5 767和 8 333 cm－1[15]，由圖 1可看出，漫反射光譜在這些波長附近均表現出一定的吸收，而透射光譜只在7 000和5 000 cm－1左右有吸收，所以對于脂肪模型的建立，采用積分球漫反射方式采集光譜更合適。綜上所述，建立豆漿3種成分全譜段模型，采用漫反射方式進行豆漿光譜采集更合適。

2.3 校正模型的建立

近紅外光譜在采集過程中會受到許多不確定因素（如基線漂移、樣品均勻度和光散射等）的干擾，影響近紅外吸收強度與樣品中各項指標的關系，所以在建立模型之前有必要對原始光譜進行預處理[16]。

采用MSC、SNV、消除常數偏移量、一階導數及二階導數5種方法進行光譜預處理，原始光譜經過預處理后，在一定程度上可消除基線漂移及平緩背景干擾，從而提高模型精度。不同光譜預處理方法對豆漿蛋白質、脂肪及可溶性固形物校正模型的影響見表2。由表2可以看出，豆漿蛋白質、脂肪及可溶性固形物光譜分別經過消除常數偏移量、一階導數和SNV預處理后，3種成分近紅外模型R2分別最大，RMSECV分別最小，模型精度最高。

表2 不同預處理方法對豆漿蛋白質、脂肪及可溶性固形物校正模型精度的影響

校正模型的建立采用內部交叉驗證法。內部交叉驗證是依次剔除建模樣品集中某一個或多個樣本，用剩余樣本來建模預測被剔除樣本的成分，比較被剔除樣本預測值與化學值的差異，由此來判斷模型的預測準確性[17]，該方法主要是通過比較模型的決定系數（R2）和內部交叉驗證均方根差（RMSECV）衡量模型的質量。

分別建立了豆漿蛋白質、脂肪和可溶性固形物含量的校正模型（圖2為豆漿3種成分的校正結果），分析得到3種成分近紅外校正模型的R2分別0.966 4、0.950 0和0.950 7，RMSECV分別為0.076 9、0.087 4和0.316。比較3種成分的近紅外模型發現，豆漿蛋白質校正模型R2最高，可溶性固形物和脂肪較差，原因可能是原豆漿含有的一些水不溶性物質（如水不溶性蛋白質、纖維素等）及脂肪球顆粒對化學測定結果及光譜產生了干擾，從而影響了模型的精度。雖然可溶性固形物和脂肪校正模型精度略低，但3個模型的R2均達到了0.95，化學值和預測值之間偏差之和的絕對值均小于0.05%，說明模型預測值和化學測定值之間差異較小，兩者相關性很高。

圖2 近紅外校正模型預測值和化學值關系散點圖

2.4 模型的驗證

為了檢驗校正模型的準確度，需要對模型進行外部檢驗。外部驗證是選擇一批與建模樣本集獨立無關的樣本，通過比較獨立樣本預測值與實際分析值的差異來判斷模型的預測準確性[18]。分別用3種成分的近紅外模型對驗證集進行外部檢驗，驗證結果見表3。由表3可知3個模型的預測殘差均較小，說明蛋白質、脂肪和可溶性固形物的近紅外模型具有較好的預測性能，在一定范圍內可以滿足檢測精度要求。

對預測值和化學值進行成對數據雙尾t檢驗，可以看到3種成分的t值均小于t0.05，表明預測值和化學值之間差異不顯著（驗證結果見表4）。外部驗證結果可知所建模型能夠較準確預測豆漿中蛋白質、脂肪和可溶性固形物含量，表明近紅外法可以應用到實際生產中。

表3 驗證集樣品的檢驗結果

表4 校正模型的評價結果

3 結論

利用傅里葉變換近紅外光譜儀，采用積分球漫反射方式采集豆漿光譜并對豆漿中蛋白質、脂肪和可溶性固形物進行定量分析，結果顯示3個模型的R2均達到了0.95，模型經過外部檢驗，驗證集的化學值和預測值之間無顯著差異，說明利用近紅外光譜法對豆漿中蛋白質、脂肪及可溶性固形物含量進行同時快速檢測是可行的。

[1]Zhang H，Li L，Tatsumi E，et al.High－pressure treatment effects on proteins in soymilk[J].LWT－Food Science and Technology，2005，38（1）：7－14

[2]林旭東，潘巨忠，凌建剛.豆漿的保健功能及研究進展[J].現代農業科技，2008（24）：146－146

[3]李瑩瑩，笪久香，欒廣忠，等.不同干豆豆漿機制備豆漿的主要品質評價[J].大豆科學，2011，30（3）：493－496

[4]吳月芳.我國豆漿行業的現狀與展望[J].農產品加工（上），2014（3）：32－33

[5]譚正林，吳謀成，傅延棟.近紅外光譜技術在農產品品質檢測中的應用[J].中國油料作物學報，2012，34（4）：455－460

[6]Wu JG，ShiC，Zhang X.Estimating the amino acid composition in milled rice by near－infrared reflectance spectroscopy[J].Field Crops Research，2002，75（1）：1－7

[7]Zhang L，Xu H，Gu M.Use of signal to noise ratio and area change rate of spectra to evaluate the Visible/NIR spectral system for fruit internal quality detection[J].Journal of Food Engineering，2014，139：19－23

[8]Melfsen A，Hartung E，Haeussermann A.Accuracy ofmilk composition analysiswith near infrared spectroscopy in diffuse reflection mode[J].Biosystems engineering，2012，112（3）：210－217

[9]Ferreira D S，Gal?o O F，Pallone JA L，et al.Comparison and application of near－infrared（NIR）and mid－infrared（MIR）spectroscopy for determination of quality parameters in soybean samples[J].Food Control，2014，35（1）：227－232

[10]王力立，段燦星，雙少敏，等.大豆中異黃酮含量的測定及其近紅外分析[J].食品科技，2011，36（1）：242－246

[11]李楠，許韻華，宋雯雯，等.利用近紅外光譜技術快速檢測大豆氨基酸含量[J].植物遺傳資源學報，2012，13（6）：1037－1044

[12]張建新，李慧.傅立葉變換近紅外光譜法測定豆腐干中總酸、蛋白質和水分含量[J].食品與發酵工業，2008，34（1）：124－128

[13]李東華，潘園園，張卉.利用近紅外光譜技術檢測摻假豆漿[J].農業工程學報，2014，30（3）：238－242.

[14]李平，欒廣忠，宋陽，等.五通橋毛霉麩皮培養基的豆乳凝固酶活性研究[J].大豆科學，2014，2：264－268

[15]應義斌，韓東海.農產品無損檢測技術[M].北京：化學工業出版社，2005：38－42

[16]唐長波，岳田利.近紅外光譜檢測果汁中的富馬酸[J].西北農業學報，2007，16（2）：187－189

[17]王衛東，谷運紅，秦廣雍，等.近紅外漫反射光譜法測定整粒小麥單株蛋白質含量[J].光譜學與光譜分析，2007，27（4）：697－701

[18]王雪蓮，薛雅琳，趙會義，等.近紅外法測定大豆脂肪酸值方法的研究[J].中國糧油學報，24（8）：152－154.

Determination of Protein，Fat and Soluble Solids Content of Soy Milk by Near－Infrared Spectroscopy

Qiu Yanyan1Sun Juanjuan1Wei Xiaopeng1Luan Guangzhong1，2Zhang Yujing1Hu Yayun1Eizo Tatsumi3

（College of Food Science＆Engineering，Northwest A＆F University1，Yangling 712100）（Shaanxi Engineering Center of Agro－product Processing2，Yangling 712100）（Japan International Research Center for Agricultural Science3，Tsukuba，Japan 305－8686）

With themode of integrating sphere diffuse，the spectra of60 soymilk sampleswere obtained by the Fourier transform near－infrared spectrometer（FT－NIRS）in this research.Combined with the results of chemical analysis，the calibration models of the three components were established separately.The calibration models had a best prediction performance when the spectra of the protein，fat and soluble solidswere preprocessed by constant offset elimination，first derivative and standard normal variate transformation（SNV）respectively.The determination coefficients（R2）for the protein，fat and soluble solids contentwere 0.966 4，0.950 0 and 0.950 7 respectively，and the rootmean square errors of cross－validation（RMSECV）were 0.076 9，0.087 4 and 0.316 respectively.External validation of themodel showed there was no significant difference between chemical values and model predictions，which indicated that the calibrationmodels could be used to detect protein，fatand soluble solids contentof soymilk.

FT－NIRS，soy milk，protein，fat，soluble solids

TS207.3

A

1003－0174（2015）10－0123－05

時間：2015－10－20 13：57：43

網絡出版地址：http：//www.cnki.net/kcms/detail/11.2864.TS.20151020.1357.004.html

中日合作項目（K332021107）

2014－09－11

邱燕燕，女，1986年出生，碩士，糧油加工及貯藏

欒廣忠，男，1968年出生，副教授，植物蛋白工程