傅立叶近红外光谱法快速测定腊肉中亚硝酸盐

周令国，祝义伟，肖琳，李智，费华煕，杨劲，万丽

（1.重庆食品工业研究所，重庆 400020；2.重庆市科学技术研究院，重庆 401123）

食品安全迫切需要一种快速、准确、方便、经济、环保的检测方法[1]。近红外光谱（NIR）技术应用于食品安全检测时间虽然较短，但由于其具有分析速度快，分析成本低，操作方便，具有环保、高效的特点，使其在这一领域具有很大的发展前景[1-5]。

硝酸盐和亚硝酸盐因其具有发色、防腐、产生独特风味等作用，被广泛应用于腌腊肉制品中。过量的硝酸盐或亚硝酸盐在肉制品中易形成亚硝基酰胺和亚硝胺等致癌物质，从而对人们的生命健康带来严重威胁[6]。亚硝酸盐是国家、行业和地方标准规定的需要严格控制残留量的化学物质[7-9]。

亚硝酸盐现行检测的标准方法是离子色谱法（第一法）或分光光度法（第二法）[10]。现行检测方法准确性较高，但在快速、环保、简便等方面尙不具备近红外光谱法那样的优势。近红外光谱法中，样品一般不需预处理就能直接进行测试，具有操作简单、分析速度快、测试效率高、安全，并且可以减少劳动力和试剂等优点，非常适合食品的快速定性和定量分析[11-13]。因而，采用近红外光谱法测定腊肉中亚硝酸盐对于食品安全快速检测具有积极的意义。

1 材料与方法

1.1 材料

1.1.1 腊肉

样品采自重庆市场流通的腊肉产品，以重庆地产为主，也包括部分外地（成都、湖南、云南等）产品。

1.1.2 试剂

按照国标方法GB 5009.33-2010《食品安全国家标准食品中亚硝酸盐与硝酸盐的测定》[10]中试剂的要求进行配制。

1.2 仪器

1.2.1 近红外光谱检测仪器

Antaris II 傅立叶近红外光谱分析仪，配套TQ Analyst 软件和RESULT 系列软件，是美国热电公司（Thermo Electron Corporation）推出的第二代专业傅立叶变换近红外光谱检测系统。

1.2.2 标准方法（样品化学值测定）用仪器

按照国标方法[10]规定的常规化学检测仪器设备等。

1.3 方法

1.3.1 样品化学值测定

按照GB 5009.33-2010《食品安全国家标准食品中亚硝酸盐与硝酸盐的测定Determination of nitrite and nitrate in foods》[10]中第二法进行测定。

1.3.2 样品光谱采集

将腊肉样品去皮后切成小块，放入搅拌机中捣碎并搅拌均匀，均匀装入样品袋中。采用积分球采样模块漫反射方法采集近红外光谱，每个样品测3 次，取平均光谱作为样品光谱。光谱采集条件为：扫描范围12 000 cm-1～4 000 cm-1，分辨率8 cm-1，每张光谱的累积扫描次数32 次。光程0.5 mm×2。旋转样品杯。优化增益中信号放大倍数为8×。实验时，保持室内的温度和湿度基本一致。

1.3.3 数据处理

采用Office 2010 Excel 软件做数据频数分布、统计检验等有关统计分析。

采用Antaris II 傅立叶近红外光谱分析仪，并运用的TQ Analyst 软件，将用标准方法测的数据与采集到的近红外光谱数据进行关联处理，建立基于PLS 算法的近红外光谱定量分析的校正模型，在此基础上，进行内部交叉验证和外部验证。

1.3.4 样品集

样品总数64 个，其中校正集50 个，验证集10个，剔除4 个。数据的相对频数分布基本呈正态分布。

2 结果与分析

2.1 建模用腊肉样品原始近红外光谱图

腊肉样品建模用的原始近红外平均光谱图见图1（光谱范围在12 000 cm-1～4 000 cm-1）。腊肉中亚硝酸盐的近红外平均光谱图见图2（光谱谱段6 424.13 cm-1～7 281.39cm-1）。

图1 腊肉样品近红外平均光谱图Fig.1 Original NIR average spectrum of Chinese bacon sample

图2 腊肉样品中亚硝酸盐近红外平均光谱图Fig.2 NIR average spectrum of Nitrite in the Chinese bacon sample

从图1 和图2 可见，腊肉样品中亚硝酸盐的近红外平均光谱在所用谱段内吸收峰明显，且各个样品具有相同位置的吸收峰，表明该组分具备近红外光谱定量分析的光谱条件。

2.2 腊肉近红外光谱定量分析建模有关参数和评价指标

腊肉样品中亚硝酸盐的近红外光谱定量分析的校正模型和验证模型的有关参数及其评价指标见表1。

从表1 可见，亚硝酸盐的化学测定值与近红外定标模型预测值之间的校正决定系数（R2cal）都在0.96 以上，校正均方差和交叉验证均方差小于0.9，说明FNIR数学模型的预测值和标准方法的化学值之间有高度的相关性，近红外光谱定标模型预测值有良好的预测精度。

2.3 近红外光谱定量分析预测值与标准测定值比较

定标模型建立后，另选10 个未参加建模的样品组成验证集，用该模型对验证集样品进行预测并同标准方法测定值进行比较，以验证分析模型的准确性。用于测定的样品扫描3 次，取平均光谱，化学测定取2次测定的平均值，结果见表2。

表1 腊肉样品中亚硝酸盐近红外光谱建模主要参数及评价指标Table 1 Main parameters and evaluation index of NIR modeling of Nitrite in the Chinese bacon samlle

表2 腊肉亚硝酸盐NIR 模型预测值与化学方法测定值比较Table 2 Chinese bacon Nitrite NIR model prediction and the chemical method for the determination of value comparison

上述近红外光谱预测结果与国标法测定结果用excel 统计分析软件进行双样本配对比较的统计检验（F 检验与t 检验），结果如下：

F 检验：结果，P（F＜=f）0.08 单尾＞0.05；结论，两样本方差具有齐性。

T 检验：结果，P（T＜=t）双尾=0.37＞0.05；结论，两种方法测定结果数据的均数无显著性差异。

以上数据与统计检验结果提示NIR 预测结果与化学法测定结果无显著差异，应用近红外光谱法预测腊肉中亚硝酸盐含量结果与国家标准方法的测定结果基本一致。

3 结语

本试验对腊肉样品中亚硝酸盐，用Antaris II 傅立叶近红外光谱分析仪，配套TQ Analyst 软件，通过相关系列实验，建立基于偏最小二乘法（PLC）算法的近红外分析模型，各评价系数（校正决定系数（R2cal）、交叉验证决定系数（R2cv）、校正均方差（RMSEC）和交叉验证均方差（RMSECV））均显示模型具有可接受的准确性和精确性。通过近红外光谱法预测结果与标准化学法实测结果的统计检验（采用office excel 统计分析软件进行t 检验与F 检验）分析，结果显示两种方法没有统计学显著性差异，提示傅立叶近红外光谱技术快速定量检测腊肉亚硝酸盐是可行的。

[1]姚炜,夏彩云.红外光谱技术在食品安全检测中的应用[J].中国卫生检验杂志,2009,19(6)：1541-1452

[2]陈建军,谭佐军,崔鹏,等.近红外光谱技术在食品安全检测中的应用[J].红外,2007,28(4)：38-40

[3]陆婉珍.近红外光谱技术进展[J].现代科学仪器,2006(5)：5

[4]熊成,董庆利,曾静,等.近红外光谱分析技术在肉品品质检测中的应用[J].食品与发酵工业,2010,36(12)：141-145

[5]赵丽丽,张录达,宋忠祥,等.近红外光谱定量检测腌腊肉制品品质的研究[J].光谱学与光谱分析,2007,27(1)：46-49

[6]叶蔺霜,浅析硝酸盐在我国传统腌腊肉制品中的影响[J].农产品加工,2008(8)：57-59

[7]中华人民共和国卫生部,中国国家标准化管理委员会.GB 2730-2005 腌腊肉制品卫生标准[S].北京：中国标准出版社,2005：2

[8]中华人民共和国农业部.NY 5356-2007 无公害食品腌腊肉制品[S].北京：中国农业出版社,2007：2

[9]重庆市质量技术监督局.DB 50/208-2009 城口老腊肉[S].重庆：2009：2

[10]中华人民共和国卫生部.GB 5009.33-2010 食品安全国家标准食品中亚硝酸盐与硝酸盐的测定[S].中华人民共和国食品安全国家标准汇编,北京：中国质检出版社,中国标准出版社,2010：149-153

[11]YILDIZ G,WEHLING R L,CUPPETT S L.Monitoring PVin corn and soybean oils by NIR spectroscopy[J].JAmOil ChemSoc,2002,79(11)：1085-1089

[12]TAKAMURA H,HYAKUMOTO N,ENDO N,et a.l Deter-mination of lipid oxidation in edible oils by near infraredspectroscopy[J].J Near Infrared Spectrosc,1995(3)：219-225

[13]DONG J,MA K,VANDE VOORT F R,et al.Stoichiometricdetermination ofhydroperoxides in oils by Fourier transformnear-infrared spectroscopy[J].J Assoc Off Anal Chem Int,1997(80)：345-352