近红外光谱技术在原料奶掺假快速检测及新鲜度检测中的应用研究

牛奶及其制品作为营养非常丰富的食品,在我国的消费量日益增长,但近年来牛奶及其制品质量事故频出,主要表现在原料奶掺假及原料奶新鲜度问题上,这些都严重威胁了我国奶业的安全。因此,建立快速精确的原料奶掺假检测方法及原料奶新鲜度检测方法对保障奶制品市场安全有着重要的意义。本文以绿色、快速的分析技术——近红外光谱技术为分析手段,以采集的生鲜牛奶样品和按一定浓度梯度分别配制的掺还原奶牛奶、掺植物奶油牛奶、掺羊奶牛奶、掺蔗糖牛奶、掺植物蛋白牛奶、掺淀粉牛奶、掺食盐牛奶这7种掺假原料奶共457个样品为研究对象,结合化学计量学方法(两类判别法、Fisher线性判别、多层感知器神经网络、径向基函数神经网络、偏最小二乘),开展了原料奶掺假近红外光谱技术快速检测的研究,建立了生鲜牛奶与掺假原料奶的近红外两类判别模型、7种掺假原料奶的近红外分类判别模型以及掺假原料奶掺假物质含量的定量分析模型;以采集的48个生鲜牛奶样品为研究对象,结合化学计量学方法(偏最小二乘、人工神经网络、多元线性回归、聚类分析),开展了4℃下冷藏1～8天的原料奶样品新鲜度的近红外光谱快速检测的研究,建立了原料奶新鲜度评价指标(酸度、pH、乳糖含量)的定量分析模型并确立了区分原料奶新鲜与否的酸度、pH、乳糖含量阈值。具体研究结果如下: (1)原料奶掺假近红外检测模型的建立:应用近红外光谱技术结合基于Fisher准则的两类判别法建立的59个生鲜牛奶样品和55个掺假原料奶样品(包括7种各浓度梯度掺假原料奶)的两类判别分析模型,对验证集样本总的正确判别率达到了95%;对7种掺假原料奶建立分类判别模型,全波段光谱(12000～4000 cm-1)范围内建立的判别分析模型优于部分波段光谱(7250～4250 cm-1)范围内建立的判别分析模型,多层感知器神经网络无论在全波段范围还是在部分波段范围,其建模效果均优于Fisher判别分析和径向基函数神经网络,且正确判别率都达到100%;利用偏最小二乘法建立的7种掺假原料奶掺假物质含量的定量校正模型,决定系数分别达到99.32%、98.82%、99.61%、97.60%、99.76%、94.99%、99.54%,交叉检验标准差分别达到2.58%、0.335%、1.93%、0.245%、0.0312%、0.239%、0.118%,对定量校正模型进行验证,验证模型决定系数R2分别达到99.36%、97.71%、99.84%、96.19%、99.97%、96.87%、99.74%,预测标准差分别达到2.62%、0.478%、1.3%、0.309%、0.0116%、0.172%、0.0867%。 (2)原料奶新鲜度近红外光谱检测模型的建立:应用近红外光谱技术分别结合偏最小二乘、多元线性回归、人工神经网络建立的牛奶冷藏过程酸度、pH、乳糖含量的定量校正模型中,人工神经网络的建模效果最优,决定系数分别达到97.09%、96.45%、88.22%,交叉检验标准差分别达到0.380 oT、0.0202、0.238%;对人工神经网络建立的定量校正模型进行验证,验证模型决定系数分别达到96.47%、98.76%、87.72%,预测标准差分别达到0.355 oT、0.0256、0.205%。应用聚类分析结合感官评价综合分析了原料奶冷藏过程中新鲜度的变化趋势并确立了区分原料奶新鲜与否的分类阈值,结果表明,原料奶在4℃下冷藏,酸度、pH、乳糖含量在前2天变化较为平缓,第3天后变化加速,第7天后牛奶酸败比较彻底,3个指标变化较大;当原料奶酸度大于18 oT、pH小于6.82、乳糖含量小于3.96%时,原料奶被确定为次鲜奶。 研究结果表明,近红外光谱技术结合化学计量学方法对原料奶质量进行快速检测是可行的。