热搜: 食品  保健品  烟台  周黑  海产品  黑作坊  黑窝点  奶粉  小龙虾  全聚德 
 
当前位置: 首页 » 检测应用 » 检测技术 » 食品理化检测技术 » 正文

生鲜紫薯花青素等多品质参数的可见-近红外快速无损检测

放大字体  缩小字体 发布日期:2018-11-08
核心提示:紫薯原名川山紫,又名紫薯、紫红薯,是近几年发展起来的一种新型红薯类,富含强效自由基花青素。
  紫薯原名川山紫,又名紫薯、紫红薯,是近几年发展起来的一种新型红薯类,富含强效自由基花青素。紫薯花青素具有抗氧化、保护肝脏、抗突变、降血脂等多种生理功能,较其他同类花青素,如葡萄花青素、李花青素和黑米花青素的理化性质稳定,且具有显着的生物学活性,是目前世界上公认的防治疾病﹑维护人类健康最直接最有效的抗氧化剂,其应用前景和经济效益日益受到人们的重视。
 
  在紫薯的众多内部品质指标中,除花青素这一重要营养成分外,还有对紫薯的风味口感起着重要作用的可溶性固形物(SSC)和总糖(TS)等指标,它们是评价紫薯内部品质的重要成分。可见-近红外光谱作为一种快速无损检测技术,已应用于多种果蔬SSC、TS等品质指标的检测分选,但目前对花青素的检测研究主要集中在高效液相色谱法、可见分光光度法、pH值示差法等,这些方法不仅耗时、费力,还会对待测样品在一定程度上造成损伤。中国农业大学工学院,国家农产品加工技术装备研发分中心的卜晓朴、彭彦昆、王文秀等人基于实验室自行搭建的可见-近红外光谱系统,以市售宁紫4号生鲜紫薯为研究对象,探讨宁紫4号生鲜紫薯的花青素、SSC以及TS的同时快速无损检测方法,为生鲜紫薯加工业的原料检测分选提供技术支持。
 
  1、紫薯可见-近红外光谱预处理
 
  为消除高频随机噪声、仪器漂移等对样本的影响,需要对原始光谱进行预处理,常用平滑处理来滤除各种因素产生的随机噪声,经SG 15 点平滑后的光谱曲线可以很好地滤除随机噪声,同时也有效保留了在原始光谱中出现的特征峰。紫薯原始光谱和SG 15 点卷积平滑光谱曲线均在波长410 nm出现了花青素的特征峰,波长978 nm附近出现了水分的特征峰。SNV预处理主要用于校正光谱的散射,既可以有效消除光强衰弱等引起的噪声,也可使原始光谱数据标准正态化,不仅原始光谱中出现的两处特征峰更为显着,同时也很好地保留了紫薯全波段的光谱信息。一阶导数光谱可以获得原始光谱形态变化信息,同时可以强化原始光谱中隐藏在较宽吸收频带的微小特征峰,增强极值点、拐点等局部位置光谱反射率对内部成分含量等变化的响应差异。
 
  2、紫薯各品质参数预测模型建立
 
  全波段预测模型建立
 
  花青素预测模型的校正集相关系数(Rc)和预测集相关系数(Rp)分别为0.853 6和0.850 4,校正均方根误差(RMSEC)和预测均方根误差(RMSEP)分别为0.338 3 mg/g和0.490 6 mg/g;TS预测模型的校正集和预测集相关系数分别为0.854 9和0.830 6,RMSEC和RMSEP分别为0.401 9%和0.414 0%。这可能是由于与其他预处理方法相比,经SG 15 点卷积平滑结合一阶求导预处理后,光谱曲线在波长410 nm处花青素特征峰和波长978 nm处糖类特征峰最为显着有关。
 
  基于CARS算法优选特征波长后的建模分析
 
  根据RMSECV最小原则,最终选择的采样次数为29 次,波长变量数为28 个,筛选后的大多变量集中在花青素特征峰波长410 nm附近,同理,对SSC和TS依次进行特征波长的筛选,SSC RMSECV最小时的运行次数为28 次,此时保留的SSC的波长变量数为37 个,大多均匀分布在690~1 100 nm范围内。
 
  3、模型验证
 
  生鲜紫薯花青素的标准理化值与预测值的相关系数为0.835 4,RMSEP为0.443 1 mg/g;SSC的标准理化值与预测值的相关系数为0.832 4,RMSEP为1.322 4 °Brix;TS的标准理化值与预测值的相关系数为0.848 6,RMSEP为0.444 2%。结果表明,实验所建立的预测模型可以实现对不同批次生鲜紫薯的花青素、SSC以及TS的快速无损检测。
 
  结 论
 
  本实验以市售宁紫4号生鲜紫薯为研究对象,探讨了基于可见-近红外光谱的生鲜紫薯花青素、SSC以及TS的同时快速无损检测方法。将52 个生鲜紫薯原始光谱曲线分别进行SG 15 点卷积平滑、SNV以及SG 15 点卷积平滑结合一阶求导预处理,再用PLSR方法对紫薯各品质参数进行了建模分析。对于花青素和TS而言,经SG 15 点卷积平滑结合一阶求导预处理后光谱在波长410 nm处花青素特征峰和波长978 nm处糖类特征峰最为显着模型预测效果最佳。花青素预测模型Rc和Rp分别为0.853 6和0.850 4,RMSEC和RMSEP分别为0.338 3 mg/g和0.490 6 mg/g;TS预测模型Rc和Rp分别为0.854 9和0.830 6,RMSEC和RMSEP分别为0.401 9%和0.414 0%。对于SSC而言,经SNV预处理的光谱曲线较好保留了整个波段样品信息预测效果最好,Rc和Rp分别为0.914 1和0.852 4,RMSEC和RMSEP分别为0.758 0 °Brix和1.082 9 °Brix。针对紫薯各参数最佳预处理光谱采用CARS算法进行了波长筛选,然后再用PLSR方法对紫薯各品质参数建立了预测模型。花青素预测模型Rc和Rp分别为0.947 7和0.942 1,均方根误差分别为0.206 2 mg/g和0.225 9 mg/g;SSC预测模型的Rc和Rp分别为0.947 0和0.943 1,均方根误差分别为0.600 6 °Brix和0.878 7 °Brix;TS预测模型的Rc和Rp分别为0.955 5和0.925 3,均方根误差分别为0.140 0%和0.244 3%。采用CARS算法有效剔除了光谱信息中与紫薯品质参数无关变量,显着提高了紫薯各品质参数预测模型的预测效果。结果显示,利用可见-近红外光谱完全可以实现对生鲜紫薯的花青素、SSC以及TS的同时快速无损检测,对生鲜紫薯品质的快速无损分选有着重要的实用意义。
 
 
[ 检测应用搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 违规举报 ]  [ 关闭窗口 ]

 
0条 [查看全部]  相关评论

 
推荐图文
推荐检测应用
点击排行
  

鲁公网安备 37060202000213号