近红外光谱法快速测定香菇总糖含量|主因子|光谱|实验|近红外光谱法快速测定香菇总糖含量|食品科学

香菇一直是我国食用菌的主要品种，据我国食用菌协会的统计调查表明，其产量常年居我国食用菌生产量和消费量的首位，市场流通量大。由此，快速检测及分析香菇及其产品的关键质量成分对评价其品质愈发重要。

近红外（NIR）光谱技术是集合多种技术优点的综合分析方法，因其操作简便、快捷、成本低、无试剂污染等特点而被广泛研究和应用于制药、食品、石油化工以及农业等各个领域。在NIR光谱分析中，常用的建模方法有多元线性回归、主成分回归、偏最小二乘算法（PLS）、人工神经网络和支持向量机等非线性校正方法。其中，PLS法理论成熟，应用较为广泛，在食用菌领域有很好的应用效果，故河南大学国家食用菌加工技术研发专业中心，河南省功能食品工程技术研究中心的卢洁、马常阳*、李昌勤*等人采用PLS法建立NIR分析模型，以期实现对香菇品质的快速评价。

香菇样品总糖含量值

通过对香菇总糖含量的测定，得出106 批样品中总糖含量的数据制成散点图，结果如图2所示，标记点为106 批样品对应的点。为了开展NIR分析模型的构建过程和验证过程，需首先将样品分成校正集和验证集。将样品随机抽选13 批样品划为验证集，而剩余的93 批样品为校正集，但验证集的样品需包含于筛选后的校正集范围内。

NIR分析模型中校正集样品的筛选

使用NIR数据分析软件自动识别异常样品的结果如图3所示，将学生化残差和杠杆值远离大多数样品的个体判定为潜在异常样品，利用剩余样品建模型，观察模型的R2、RMSEC和RMSEP等各项指标决定异常点的删除，此过程循环往复，直至模型的各项评价指标符合标准且预测结果良好。最终，共筛选出65 批具备香菇一般特征的样品，纳入到NIR分析模型的构建中。对比验证集的13 个样品与校正集的65 个样品信息的结果如表2所示。验证集样品的总糖含量包含于校正集的范围内，即验证集的样品可以使用校正集建立模型进行分析。

NIR分析模型光谱区间的筛选

不同物质在NIR光谱中吸收效果不同，而构建NIR预测模型首先需要为样品确定吸收度最好的光谱区间。本实验分别利用4 个光谱区间对校正集的香菇样品进行建模，利用评价指标对模型的进行评价，结果如表3所示。光谱区间为4 000～10 000 cm－1时，即全光谱范围的R2最大，RMSEC和RMSEP相对较小，其最小值分别为1.393、1.557，二者之比为0.895，符合模型构建的基本要求，且RPD值大于3，RPD建模效果最好，且明显优于其他任一光谱区间。

NIR分析模型光谱预处理方法的选择

本实验以多元散射校正（MSC）、标准正规变换（SNV）、二阶导数（SD，second derivative）、一阶导数（first derivative，FD）共4 种预处理方式组合成不同的光谱预处理方法，且每种方法的降噪点数均为31，校正集样品构建模型的评价结果如表4所示。

由表4可知，香菇NIR分析模型的最佳预处理方法为MSC、SD，其R 2 最大，RMSEC和RMSEP最小值分别为1.393、1.557，二者之比为0.895，且RPD值大于3，各指标均符合模型构建的基本要求，由此得到的光谱图如图4。香菇样品的NIR光谱信息经预处理后基线十分平稳，具有多个特定光谱吸收区间且吸收峰尖锐、对称。

NIR分析模型PLS主因子数的确定

在使用PLS建立NIR分析模型时，PLS主因子数也是影响模型质量的关键因素。主因子数过少或过多会出现欠拟合或过拟合情况，导致模型的预测误差增加。利用不同主因子数对校正集样品构建NIR分析模型，评价结果如表5所示。综合模型评价指标可知，当主因子数为10时建模效果最好，其RPD值大于3，因此其结果明显优于其余2 组。

香菇总糖含量的NIR分析模型

通过使用校正集样品对光谱预处理方法、NIR光谱区间、PLS主因子数的逐一确定，最终得出预测香菇总糖含量的最优NIR分析模型，该模型的各参数如表6所示。

模型的外部验证与评价

用建立的NIR分析模型对验证集样品进行总糖含量的预测，并以预测值和实测值进行对比分析，结果如图5所示。验证集样品的预测值与实测值均围绕在y=x的参考线附近，因此二者十分接近。同时借助SPSS统计学软件将对应预测值与实测值的比值与数值1作显著性分析，结果如表7所示，二者不存在显著差异（P=0.993）。此外通过Pearson相关性分析可知，二者的相关系数为0.971，呈显著相关。由此看出本实验建立基于NIR光谱的定量预测模型的预测值与化学实测值之间无显著差异。

讨论与结论

在建立的香菇总糖NIR分析模型时，最佳的预处理方式为MSC、SD，最佳光谱区间为4 000～10 000 cm －1 ，PLS主因子数为10时，模型预测能力最好。模型的R 2 、RMSEC、RMSEP和RPD值分别为0.940 04、1.393、1.557和4.08。根据验证集的检验可知，其预测值和化学值之间的不存在显著差异（P=0.993），Pearson相关系数为较理想的0.971。由此可知，相较于GB/T 25219—2010、GB/T 24896—2010和GB/T 24899—2010，NIR光谱技术可以用于对香菇总糖含量的快速测定，且结果准确、可靠。本实验为市场中香菇的质量控制和规范提供了便捷的检测方法，有助于促进香菇产业的发展。

本文《近红外光谱法快速测定香菇总糖含量》来源于《食品科学》2021年42卷12期189-194页，作者：卢洁，田婧，梁振华，王金梅，康文艺，马常阳，李昌勤。DOI:10.7506/spkx1002-6630-20210115-167。点击下方阅读原文即可查看文章相关信息。

修改/编辑：袁艺；责任编辑：张睿梅

图片来源于文章原文及摄图网

为进一步促进动物源食品科学的发展，带动产业的技术创新，更好的保障人类身体健康和提高生活品质，北京食品科学研究院和中国食品杂志社在宁波和西宁成功召开前两届“动物源食品科学与人类健康国际研讨会”的基础上，将与郑州轻工业大学、河南农业大学、河南工业大学、河南科技学院、许昌学院于2021年9月18-19日在河南郑州共同举办“2021年动物源食品科学与人类健康国际研讨会”。欢迎相关专家、学者、企业家参加此次国际研讨会。