近紅外光譜結合角度轉換快速分析原汁紅糖中蔗糖、果糖、葡萄糖

邢美嬋，歐經思，陳成，粟暉，劉柳，姚志湘,3*

(1.廣西科技大學 生物與化學工程學院 廣西糖資源綠色加工重點實驗室，廣西 柳州 545006；2.崇左半糖健康糖業有限公司，廣西 崇左 532203；3.廣西蔗糖產業協同創新中心，南寧 530004)

近紅外光譜技術具有測定速度快、樣品制備簡單、不耗費化學試劑、操作簡便、成本低、無污染等優點。但近紅外光譜用于體系糖含量分析，多是利用偏最小二乘法以及不同光譜處理和數學處理相結合，構建葡萄糖、果糖和蔗糖含量的近紅外光譜分析模型，用外部驗證樣品集進行驗證，然后利用所建模型對待測樣品進行含量預測。該方法建模樣本量大、建模成本高、模型預測準確度由建模樣本的分布情況決定。目前快速、準確、不損耗樣本、不破壞環境、可以實時對原汁紅糖進行在線分析的檢測方法較少。

姚志湘等[9]發現在分析多元體系問題時將光譜信號視為向量并引入空間角可使多維體系分析概念和表達更明確和簡單；根據這一原理提出了向量空間角轉換消除乘性干擾的方法[10]，有效提高了拉曼光譜定量分析的準確度，進一步提出結合角度轉換的近似線性定量方法，實現了紅外光譜結合向量夾角快速定量分析三氯蔗糖合成過程的中間產品[11]，并將此方法應用于蔗糖水解過程組分含量跟蹤及動力學的研究[12]。該方法有效克服了乘性干擾，且不依賴光譜特征響應，光譜信息完整，具有簡便、效率高、穩定性好、無需大數據建模的優點，提供了快速定量分析的參考方法。本文采用近紅外光譜結合角度轉換的方法，建立原汁紅糖中蔗糖、果糖、葡萄糖含量的快速分析方法。

1 實驗部分

1.1 實驗儀器與試劑

Frontier近紅外光譜儀 珀金埃爾默儀器有限公司；CP214型電子分析天平 奧豪斯儀器(常州)有限公司。

葡萄糖(AR)、果糖(99%)、蔗糖(AR)、原汁紅糖(市售)。

1.2 原汁紅糖的角度轉換結合近紅外光譜分析模型建立

1.2.1 建模樣本的配制

取多塊市售紅糖，混合均勻為基樣，采用高效液相色譜法測定紅糖中蔗糖、葡萄糖、果糖的含量分別為86.9%、2.52%、3.84%。

取市售紅糖基樣，分別添加一定量的蔗糖、果糖和葡萄糖，混合均勻，配制得到總量約為2 g的系列樣本，其中蔗糖含量為79.80%～94.77%，果糖含量為2.31%～7.62%，葡萄糖含量為1.52%～6.53%；將蔗糖的系列樣本命名為Z1～Z12，果糖的系列樣本命名為G1～G10，葡萄糖的系列樣本命名為P1～P10，分析純的果糖、葡萄糖、蔗糖命名為GT、PT、ZT，紅糖基樣命名為HT。

忙了一整天，她要乘晚上的東鐵再回到深圳去。香港是個不夜城，她坐在巴士上經過了層層的絢爛燈火，思念起了故鄉的小鎮。小鎮現在應該凍土剛化，田野里生出各種野生的嫩芽。小麥掀開了厚厚的雪棉被，應該有20厘米高了，綠油油的，定是十分喜人。今年會有個好收成吧。

1.2.2 樣本近紅外光譜采集

采用積分球附件，將上述各樣本分別置于測量皿中，采集近紅外光譜數據。采集參數為積分時間60 s、分辨率2 cm-1、數據間隔1 nm、波長范圍1000～2500 nm。

1.2.3 近紅外光譜結合角度轉換的快速分析模型建立

以蔗糖含量的分析關聯模型建立為例：

(1)等濃度梯度選擇蔗糖系列樣本中5～6個，建模樣本需包括系列樣本的最大濃度與最小濃度；

(2)分析樣本光譜與參比光譜(分析純蔗糖光譜)，選擇建模波長范圍；

(3)對樣本光譜與參比光譜進行求導降噪處理；

(4)設定移動窗口，采用自編算法計算得到樣本光譜與參比光譜的系列夾角的方差值EE；

(5)建立EE值與樣本中蔗糖濃度的線性方程；調整求導階數，移動窗口寬度直至相關系數r>0.99，模型建立完成。

同理分別建立果糖、葡萄糖的分析模型。

1.3 方法驗證和精密度實驗

將果糖、葡萄糖、蔗糖系列驗證樣本光譜數據分別導入MATLAB計算平臺，依照各自建模參數，求取驗證樣本光譜與參比光譜的系列夾角的方差值EE，將所得EE值分別代入對應建立的關聯方程，通過誤差分析驗證所建模型的可靠性。

分別稱取紅糖基樣3份，命名為H1、H2、H3，平行采集其近紅外光譜數據5次，采用角度轉換算法計算樣本中果糖、葡萄糖、蔗糖含量，并檢驗方法的精密度。

2 結果與討論

2.1 樣本近紅外光譜分析

蔗糖、果糖、葡萄糖及紅糖樣本的近紅外光譜見圖1。各樣本譜圖基線漂移，果糖、葡萄糖、蔗糖與紅糖樣本的出峰存在重疊和覆蓋，各待測組分響應缺乏良好的選擇性，影響紅糖混合物中被測組分直接測量的準確性，不適合直接通過峰的強度和含量高低之間的關系進行定量分析。

圖1 果糖、葡萄糖、蔗糖與紅糖樣本近紅外光譜圖

2.2 果糖、葡萄糖、蔗糖含量的分析關聯方程建立

以蔗糖含量的分析關聯方程建立為例：

以蔗糖對照品ZT為參比，選擇Z1、Z2、Z4、Z5、Z8、Z10為建模樣本。對建模樣本分別進行一階、二階濾波求導降噪和零階導、移動窗口寬度取波段波數的1/30與1/60，窗口從最小波數點向波數點增大方向移動，計算樣本與參比之間的余弦夾角EE值。以蔗糖含量為橫坐標、夾角余弦值(EE)為縱坐標，進行線性擬合，建立關聯方程，見圖2。對比各方程的相關系數，確定最優關聯方程。

圖2 蔗糖含量與角度值的關聯方程

由圖2中e，f使用二階濾波求導的譜圖計算可知，相較采用零階或一階濾波求導的a，c，d離散程度大，說明譜圖選取合適的階級濾波求導降噪可提高EE與蔗糖含量的線性關系。通過圖2中c，d比較一階濾波求導降噪，窗口寬度在選擇1/30時較1/60時蔗糖的吸光度量值在被轉換成角度的度量值時信息量更為豐富全面，能更有效地截取分析特征波段。圖2中a零階濾波求導所建模型關聯方程相關系數符合要求，但綜合考慮濾波求導降噪及窗口寬度的選擇，經過一階濾波求導降噪得到的圖2中d其相關系數最優，為0.997，并且驗證樣本的相對誤差最小。選擇圖2中d建立蔗糖的快速分析模型，蔗糖含量在79.80%～94.77%范圍內與對應的EE值線性關系良好。

果糖、葡萄糖快速分析模型的建立方法參照蔗糖分析關聯方程的建立過程，其中果糖含量分析關聯方程的建立以果糖對照品GT為參比，選擇G1、G2、G4、G6、G9、G10為建模樣本；葡萄糖含量分析關聯方程的建立以葡萄糖對照品PT為參比，選擇P1、P3、P6、P8、P10為建模樣本，確定了最優關聯方程參數。

蔗糖、果糖、葡萄糖的最優關聯方程及相關系數見表1。

表1 蔗糖、果糖、葡萄糖模型的線性方程及r值

2.3 方法驗證

取各驗證樣本，依照建模所得參數將蔗糖、果糖、葡萄糖光譜數據分別導入MATLAB中計算得到EE值，將所得EE值分別代入對應建立的關聯方程，蔗糖、果糖、葡萄糖驗證樣本預測值與誤差分析結果見表2～表4。

表2 蔗糖驗證樣本的EE值與誤差分析結果

表3 果糖驗證樣本的EE值與誤差分析結果

表4 葡萄糖驗證樣本的EE值與誤差分析結果

由表2～表4可知，蔗糖、果糖、葡萄糖快速分析模型的絕對誤差分別在-2.95%～0.69%,-0.56%～0.11%,-0.23%～0.23%之間，相對誤差分別在-3.53%～0.76%,-8.61%～2.43%,-4.58%～3.89%之間。結果表明，模型精密度較高，對驗證樣本中蔗糖、果糖、葡萄糖含量的預測較為準確。

2.4 原汁紅糖中蔗糖、果糖、葡萄糖含量分析

分別以ZT、GT、PT為參比，計算原汁紅糖樣本H1～H3與參比ZT、GT、PT的夾角的方差值EE，代入2.2中建立的關聯方程中，計算H1～H3中的蔗糖、果糖、葡萄糖含量，比較近紅外光譜法預測得蔗糖、果糖、葡萄糖含量和測得真實含量之間的誤差，結果見表5。

表5 原汁紅糖樣本的EE值與誤差分析結果

由表5可知，蔗糖、果糖、葡萄糖分析模型在預測原汁紅糖中的糖含量時，以平行測定5次預測含量的平均值與真實含量作對比，相對誤差分別在0.89%～0.90%,7.92%～8.02%,-5.40%～-4.44%之間，其中果糖預測含量與真實含量的相對誤差較大，造成這種現象的原因在于向紅糖基樣中添加的果糖純度為99%，以其作為參比會產生一定誤差。樣本的最大相對標準偏差為2.32%，最小相對標準偏差為0.01%，說明建立的近紅外光譜結合角度轉換快速分析果糖、葡萄糖和蔗糖含量的方法精密度較高，準確性好，適用于快速分析原汁紅糖中的蔗糖、果糖、葡萄糖含量。

3 結論

本文采用近紅外光譜采集樣品信息，以角度轉換的化學計量學方法消除乘性干擾，建立了原汁紅糖的近紅外光譜快速分析方法。蔗糖、果糖、葡萄糖含量分析模型的線性方程的相關系數分別可達0.997，0.998，0.999，準確度較高。近紅外光譜測量結果中預測值與真實值的相對誤差均在10%以下，預測結果較好。此方法無需繁瑣的預處理，樣本檢測過程無損耗且檢測時間短，具有操作簡單、節約時間、環保等優點，可以推廣到其他紅糖產品糖含量的快速分析測定中，可用于實際生產過程中多批次紅糖含量的快速測定，具有實際應用價值。