近紅外光譜法快速測定牛乳飲料中CMC的含量

姚寒笑，王會，郭琦，馬如霞，劉曉紅，齊鑫

近紅外光譜法快速測定牛乳飲料中CMC的含量

姚寒笑，*王會，郭琦，馬如霞，劉曉紅，齊鑫

（聊城大學食品科學與工程系，山東聊城252059）

研究近紅外光譜法快速測定牛乳飲料中CMC含量的技術方法，以含CMC的牛乳飲料為研究對象，通過NIR掃描和NIRCAL分析優化，建立了用于液體牛乳中CMC的NIR預測模型。該模型對CMC的分析是基于該化合物在1 460 nm等處的特征吸收基礎之上，優化后的模型對1 800～3 200 mg/L質量濃度的CMC有較好預測效果，其預測值與參考值的相關系數達到0.97。

牛乳飲料；增稠劑；近紅外光譜

液態含乳飲料是指以乳或乳制品為原料，加入水及調味料經調配或發酵而成的飲料制品，因其營養豐富、品種多樣的特點，在市場中深受消費者的歡迎。但是，因為含乳飲料蛋白質、脂肪含量高且成分復雜，所以產品的穩定性一直是生產中的關鍵技術問題。除了改善工藝條件之外，適量添加增稠劑也可以改善乳飲料的穩定性及口感和風味。因此，增稠劑在液態含乳飲料中的應用比較普遍[1]。國內含乳飲料行業常用的增稠劑有CMC、黃原膠、明膠、卡拉膠等，其主要成分是多糖類或蛋白質大分子黏質物，這類物質通常是具有相似分子特性的混合物，所以分子量往往不確定，從而給定性和定量研究帶來很多不便。目前，這類化合物常用的測定方法有酶解法、質量法、分光光度法等，但是這些方法的缺點是操作太過繁瑣，不適用于生產線上的快速品質監測。

近紅外光譜方法（NIR）的主要優點是待測物不需要做前期的分離、純化等預處理，測定速度快，并且對待測物的形態也沒有限制，不管是固態還是液態，都能直接進行掃描分析，根據事先以標準待測物建立起來的數學模型進行定量[2-3]。近年來，此技術被廣泛用于食品組成成分分析、品質成分分析等，并取得良好的效果[4]。試驗以增稠劑為代表，通過含CMC的牛乳飲料制備、NIR掃描和NIRCAL分析優化，以期獲得乳飲料中增稠劑CMC的定量數學模型，為乳飲料生產中品質在線監測提供參考。

1 試驗材料與方法

1.1 試驗材料

CMC（羧甲基纖維素鈉），濰坊得利纖維素有限公司提供；脫脂奶粉（蛋白含量32%），呼倫貝爾雀巢有限公司提供；BUCHI N200型NIR，Buchi laborte chnik AG，Switzerland公司提供。

1.2 試驗方法

1.2.1 含CMC牛乳飲料的配制

50 g/L脫脂牛乳母液：稱取100 g脫脂奶粉，用2 L蒸餾水溶解，并加熱助溶，該溶液稱之為A液。

4 000 mg/L CMC母液：稱取2 g CMC溶于1 L A液中，并加熱助溶，該溶液稱之為B液。

CMC液體奶梯度待測液：將A液與B液按一定比例調配，形成質量濃度范圍在1 000～4 000 mg/L，質量濃度梯度為60 mg/L，每份待測樣體積為50 mL的CMC液體牛乳梯度待測液，每個處理進行3次重復。

1.2.2 NIR掃描、波譜分析、建模和驗證

（1）NIR掃描。將BUCHI N200型NIR開機后預熱2 h，進行硬件調諧和軟件自檢，然后進行含CMC液體牛乳梯度待測液NIR掃描，掃描波段為1 000～2500nm（4000～10000cm-1），分辨率為3.85696CM-1，每樣品掃描1次，每隔60 min儀器自動進行空白參比。

（2）波譜分析、建模和驗證。應用BUCHI N200型NIR供應商提供的統計分析軟件NIRCAL（V4.01），進行數據分析和驗證。

按質量濃度隨機抽取60%波譜作為建模集數據，剩余40%作為驗證集波譜。

2 結果分析

通過對151個不同質量濃度CMC樣品（0，1 000～4 000 mg/L）進行掃描，并將波譜疊加后，原始波譜在1 450 nm和1 950 nm附近出現2個吸收峰。經NIRCAL（V4.01）軟件分析，從原始波譜中提取5個一級因子和4個二級因子，并采用PLS進行回歸建模，得到該模型的Q值為0.43。采用該模型對驗證集樣品進行預測，其預測值f（x）與CMC原始參考值x之間存在f(x)=0.783x+597.72，R2=0.799 4。當CMC質量濃度低于1 700 mg/L或者高于3 200 mg/L時，預測效果不理想。

CMC NIR掃描原始圖譜見圖1，根據CMC原始數據提取的主因子波長范圍及其效應見圖2，CMC模型預測效果見圖3。

圖1 CMC NIR掃描原始圖譜

由于上述模型對低質量濃度或者高質量濃度CMC的預測效果下降，因此將低于1 700 mg/L和高于3 200 mg/L的波譜從建模集中剔除，同時對原始數據進行倍增離散校正（Multiplicative scatter correction，MSC）預處理。采用PLS從原始數據中提取3個二級因子。CMC在1 460 nm，1 580～1 775 nm和2 075 nm出現多糖羥基（-OH）、糖苷（C-O）和氫鍵（H-O）特征吸收。分析表明，CMC質量濃度主要與1 460 nm處吸光度存在較高的相關性。根據上述因子以PLS方法建模，并用該模型進行預測驗證，該模型的預測值f（x）與驗證集原始參考值x的關系為f（x）=0.926 1x+217.14，該方程的決定系數R2為0.94，說明優化后的模型對待測樣品中CMC的預測效果較理想。

圖2 根據CMC原始數據提取的主因子波長范圍及其效應

圖3 CMC模型預測效果

經MSC預處理的CMC掃描圖譜見圖4，用于CMC建模的因子波長分布見圖5，CMC NIR吸收特征見圖6，CMC吸收波長的相關系數見圖7，優化后模型對CMC驗證集的預測效果見圖8，優化前后CMC模型主要參數比較見表1。

圖4 經MSC預處理的CMC掃描圖譜

3 結論與討論

以NIR掃描和NIRCAL分析及模型優化，建立了用于液體牛乳中CMC的NIR預測模型。該模型對CMC的分析是基于該化合物在1 460 nm等處的特征吸收基礎之上，優化后的模型對1 800～3 200 mg/L質量濃度的CMC有較好預測效果，其預測值與參考值的相關系數較高，達到0.97。但是研究也發現，該CMC的NIR預測模型有特定的質量濃度適用范圍及適應基質。所以，應用該方法作為牛乳飲料生產企業產品品質內部在線控制是可行的，而將此方法作為不同飲料中增稠劑的定性和定量測定還需要進一步的研究。

圖5 用于CMC建模的因子波長分布

圖6 CMC NIR吸收特征

圖7 CMC吸收波長的相關系數

圖8 優化后模型對CMC驗證集的預測效果

表1 優化前后CMC模型主要參數比較

[1]馬紅艷，康懷彬，李芳，等.食品增稠劑在乳制品加工中的應用[J].農產品加工，2016（2）：57-61.

[2]黃艷，王錫昌.外光譜分析在食品檢測中的最新進展[J].食品研究與開發，2007，28（7）：137-139.

[3]崔艷莉，冀曉磊，古麗菲婭，等.近紅外光譜在果蔬品質無損檢測中的研究進展[J].農產品加工（學刊），2007（7）：84-86.

[4]劉宵，楊維旭.近紅外光譜（NIR）在淀粉糖生產中的應用[J].淀粉與淀粉糖，2004（3）：40-45.◇

Rapid Test of CMC in Milk Beverages by Near Infrared Spectroscopy

YAO Hanxiao，*WANG Hui，GUO Qi，MA Ruxia，LIU Xiaohong，QI Xin
（Department of Food Science and Engineering，Liaocheng University，Liaocheng，Shandong 252059，China）

The rapid determination of CMC concent in milk beverages by near infrared spectroscopy（NIR）method is studied. Drinks containing CMC is deteced through NIR scanning and NIRCAL optimization analysis and get a quantitative mathematical model has a better prediction effect.The model is based on the analysis of the CMC on the basis of the characteristic absorption of 1 460 nm.The optimized model has a better prediction effect on 1 800～3 200 mg/L concentration of CMC and the correlation coefficient between the predicted value and the reference value is 0.97.

milk beverages；thickener；near infrared spectroscopy

TS275

A

10.16693/j.cnki.1671-9646（X）.2017.07.009

1671-9646（2017）07a-0030-03

2017-05-15

聊城大學大學生創新創業訓練計劃項目（CXCY2016124/201610447016）；聊城大學大學生科技創新項目（26312168819）。

姚寒笑（1996—），女，在讀本科，研究方向為食品科學與工程。

*通訊作者：王會（1979—），女，碩士，講師，研究方向為食品加工。