基于近红外光谱技术的咖啡掺假快速鉴别方法

陈秀明，奚星林，潘丙珍，梁瑞婷，邵仕萍，李双，何吉子

（广东检验检疫技术中心，广东省动植物与食品进出口技术措施研究重点实验室，广东广州 510623）

咖啡是用经过烘焙的咖啡豆制作出来的固体饮料，是流行于世界的三大饮品（咖啡、可可及茶）之一，适量饮用能起到消除疲劳、振奋精神、促进血液循环、提高劳动效率和思维活动能力等多种有益的功效，因此，咖啡已成为当今人们饮食生活中的重要组成部分。咖啡还具有抗炎、保护身体免受黄曲霉毒素等致癌物影响、降低发生糖尿病、肝硬化等风险的独特功效。

由于旱灾和农作物疾病、气候变化的影响，咖啡主要产地巴西、非洲等地的产量近年来出现了明显的下降，原料咖啡豆的短缺问题越来越严重，加上非洲适合种植咖啡的土地大幅度的减少，据预测，到2080年，全球咖啡产量估计将减少七成。据国外权威媒体披露，在供不应求的情况下，不少不法商贩往咖啡中掺入谷物、玉米、大豆和红糖等物质从而获得更高的利润[1]，往咖啡里掺进此类物质不但影响质量和口感，也损害消费者利益，虽然没有非法添加物质，但假冒品牌产品以次充好，损害品牌形象，对公平竞争的市场环境造成严重损害。而针对咖啡中掺入玉米、大麦、小麦、大豆、大米和红糖等物质的问题，目前国内还极少有咖啡掺假鉴别的报道。如何研究建立一种咖啡掺假的快速鉴别方法，对于进口咖啡的质量把关，打击伪劣产品，维护消费者权益，具有重要的现实意义。

近红外光谱技术具有快速、无损、无污染、高效、低成本及在线多组分检测等特点，广泛应用于饲料、食品、农牧业及石油化工等领域[2]，近几年来，近红外光谱技术结合化学计量学方法鉴别食品掺假的应用更是日益广泛。本研究是利用近红外光谱技术结合Adulterant Screen算法，研究建立一个快速鉴别咖啡掺假的模型，模型能实现有效快速的鉴别咖啡掺假。

1 材料与方法

1.1 材料

收集 20个品牌不同风味进口及国产烘培咖啡豆共98个样品，将其用粉碎机磨制成粉末样品；收集掺假物巴西莓果粉及大麦2种，其中大麦用250度高温炒制30分钟后磨碎成粉末制备而成。表1为样品及掺假物信息表。

表1 样品及掺假物信息表Table 1 Information table of samples and adulterants

1.2 仪器与设备

美国PE（Perkin Elmer）DairyGuard傅里叶变换近红外光谱分析仪，光源为采用空气冷却的、预校准的、热点稳定的卤钨灯光源，分束器为：CaF2，检测器为：NIR TGS，积分球为InGaAs，自动切换。光谱范围10000~4000 cm-1，分辨率16 cm-1，采用Spectrum FTIR软件进行采集并处理计算，仪器开机后需预热30 min，开机后首次样品谱图扫描前均需进行空白背景扫描[3]。

1.3 方法

1.3.1 样品的光谱采集

环境温度 20 ℃，相对湿度 45%，扫描范围10000~4000 cm-1，扫描次数32，每次扣除空气本底，实时扣除空气中的水和二氧化碳的强吸。为了减小样品颗粒不均匀产生的误差，测量2次平行，取均值。为保证粉末分布均匀，在装好样品后用实心圆形铁块轻轻压实[3]。

1.3.2 数据集划分及模拟掺假样品的制备

收集的98个样品中，抽取50个样品用作建立校正及验证光谱数据集，另取42个用作制备模拟掺假咖啡样品，剩下6个咖啡样品用作空白待测样品（无添加掺假物的纯咖啡样品）。其中将42个模拟掺假咖啡样品一分为二，一份为在咖啡中混入2%、5%、10%、15%、20%、30%及40%的巴西莓果粉，制备成不同含量掺假咖啡用于检测，每个浓度制备6个平行样。为了减小样品不均匀产生的误差，装样时，在装好咖啡样品后用实心圆形铁块轻轻压实，使得粉末分布均匀。同法，另一份为在咖啡中混入2%、5%、10%、15%、20%、30%及 40%的大麦，制备成不同含量掺假咖啡用于检测，每个浓度制备6个平行样。

1.3.3 Adulterant Screen法建立咖啡鉴别模型库

咖啡鉴别模型的建立：第一材料光谱模型即咖啡分类模型的建立：将收集到的50个纯咖啡样品采集的光谱数据添加到“咖啡分类模型”中，建立校正和验证用光谱数据库。第二掺假物光谱模型建立：将收集到的掺假物巴西莓果粉及大麦，采集得到的光谱数据添加到“掺假物模型”中，用作掺假物光谱数据库。将上述“咖啡分类模型”和“掺假物模型”两组光谱库导入Spectrum FT-IR软件中，运用Adulterant Screen算法进行计算，即完成咖啡鉴别模型库的建立。

1.3.4 光谱的预处理

为了消除样品光谱信号的高频噪声、基线漂移、杂散光、样品背景等非目标因素[4~6]，我们采用一定的光谱预处理方法来减弱或消除非目标因素对光谱的影响。通过仪器内置Spectrum FT-IR软件采集样品光谱数据后，对样品光谱进行一阶求导及平滑预处理，选用平滑窗口大小为 8，此时能有效滤除各类因素产生的高频噪音。

1.3.5 Adulterant Screen算法

Adulterant Screen算法：是专门为复杂基质中任意潜在掺假成分筛查而设计的新算法，该法既保留SIMCA等基于主成分分析（PCA）的化学计量学方法[7~9]，而且通过建立的潜在掺假成分光谱数据库进行计算获得更高的鉴假灵敏度。当获得一个未知样品光谱后，Adulterant Screen算法首先将其与标准样品（材料光谱）的主成分（PCA）模型进行比较，第二使用各种潜在掺假成分的光谱对该模型进行扩展，如果在模型中增加某种掺假成分光谱后，未知样品光谱与其拟合程度得到显著增加，说明该样品很可能含有这种掺假成分。该算法输出结果是掺假成分的估算浓度、检测限及置信度指标，置信度指标：可能、有可能、非常可能，显示的是该掺假成分实际存在的可能性大小，掺假物能准确识别且可信度为“可能”时，可定义为最低检出限[10]。

2 结果与讨论

2.1 不同含量巴西莓果粉掺假咖啡的鉴别结果分析

经 DairyGuard傅里叶变换近红外光谱分析仪采集的待测样品光谱图，如图1为50个咖啡样品叠加近红外光谱图，第一基于 Spectrum FT-IR软件及Adulterant Screen算法建立的“咖啡分类模型”，将待测样品光谱与“咖啡分类模型”的 PCA咖啡光谱模型进行比较，判断是否为咖啡；第二基于“掺假物模型”，将待测样品中可能潜在的掺假成分光谱对 PCA的咖啡光谱模型进行扩展，如果模型增加某种潜在成分光谱，且与“掺假物模型”的光谱拟合程度明显增加，说明该咖啡样品存在掺假物成分，并同时给出置信度指标。与此说明了经Adulterant Screen法计算处理后，第一步验证通过，表示该物质为咖啡样品，第二步验证通过，表明该物质没有任何掺假成分；验证失败，表示该物质有掺假成分，并给出掺假物信息及置信度的评价指标[11]。

图1 50个咖啡样品叠加近红外光谱图Fig.1 superimposed near-infrared spectrogram of 50 coffee samples

6个空白待测样品及掺入不同含量的巴西莓果粉咖啡样品的鉴别检测结果如表2。从表2可以看出，所有待测样品经仪器软中的Adulterant Screen法计算处理后，均识别判断为咖啡样品，因此软件的第一步验证全部是通过的，第二步验证时，只有空白待测样品验证结果为通过，并能与咖啡材料光谱匹配正常，其它均为验证失败，与咖啡材料光谱匹配不正常，同时能准确的识别出掺假成分为巴西莓果粉，掺假含量2%、5%、10%、15%、20%、30%及40%的每个含量的 6个平行样品均能准确识别出掺假物为巴西莓果粉，掺假物识别率为100%。当掺假浓度在5%、10%、15%及20%时，仪器软件给出置信度指标为“很可能”，掺假浓度在30%及40%时，置信度指标为“非常可能”；当掺进巴西莓果粉含量 2%时，仪器软件能准确识别出掺假物，而置信度指标评价为“可能”，因此可以确定为本研究的最低检测出限。

表2 掺有不同含量巴西莓果粉的咖啡检测结果Table 2 Coffee test results with different contents of acai berry powder(n=6)

2.2 不同含量大麦掺假咖啡的鉴别结果分析

掺入不同含量大麦的咖啡样品鉴别检测结果如表3，从表3可以看出，模拟掺假的咖啡样品经仪器软中的Adulterant Screen法计算处理后，均识别判断为咖啡样品，因此软件的第一步验证全部是通过的，当掺假大麦含量在 2%的时候，软件给出第一步和第二步验证结果都为通过，置信度指标也为不正常，说明建立的咖啡鉴别模型无法鉴别咖啡是否掺假，并给出无掺假物的鉴别结果。当掺假大麦含量5%、10%、15%、20%、30%及 40%时，第一步验证通过第二步验证失败，每个不同含量的6个平行样品均能准确识别出掺假物为大麦，识别率为100%。当掺假含量在5%、10%、15%及20%时，仪器软件给出置信度指标为“很可能”，掺假含量在30%及40%时，置信度指标为“非常可能”，因此，掺假大麦的咖啡鉴别的最低识别含量为5%。

表3 掺有不同含量炒制大麦的咖啡检测结果Table 3 Coffee test results for barley with different amounts of stir-fried barley (n=6)

2.3 纯咖啡与掺假咖啡的近红外光谱图比较

图2 不同物质近红外光谱图（掺假物为巴西莓果粉）Fig.2 Near infrared spectrogram of different substances (The adulterated is acai berry powder)

图3 不同物质近红外光谱图（掺假物为大麦）Fig.3 Near infrared spectrogram of different substances (The adulterant is barley)

图2为纯咖啡、巴西莓果粉和掺假15%巴西莓果粉的咖啡的近红外光谱图，从图2可见，咖啡的近红外光谱图（A）、巴西莓果粉的近红外光谱图（B）及掺假 15%巴西莓果粉的咖啡的近红外光谱图(C)非常相似，根本没办法区分三者之间的差别，而经软件及Adulterant Screen算法计算处理后，验证结果为：咖啡样品第一步验证通过，说明该样品为咖啡，第二步验证通过，证明无掺假物；掺假巴西莓果粉15%的咖啡验证结果：第一步验证通过，说明该样品为咖啡，第二步验证失败，软件快速准确识别出掺假物为巴西莓果粉，并给出置信度指标为“很可能”，实现了掺假物有效的鉴别。

图3为纯咖啡、大麦和掺假10%大麦的咖啡的近红外光谱图，从图3可见，咖啡的近红外光谱图（红色曲线）、大麦的近红外光谱图（黑色曲线）及掺假10%大麦的咖啡的近红外光谱图(蓝色曲线)差别不大，无法区分之间的差异，通过Adulterant Screen算法计算处理后，咖啡鉴别模型验证结果为咖啡样品第一步验证通过，说明该样品为咖啡，第二步验证通过，证明无掺假物；掺假10%大麦的咖啡验证结果：第一步验证通过，说明该样品为咖啡，第二步验证失败，软件快速准确识别出掺假物为大麦，并给出置信度指标为“很可能”，实现了掺假物有效的鉴别。

3 结论

本研究采用 DairyGuard近红外光谱仪采集样品光谱，运用Adulterant Screen算法建立咖啡掺假物鉴别模型，对7个不同含量巴西莓果粉及炒制大麦的掺假咖啡进行鉴别分析，实验结果显示，掺假含量2%、5%、10%、15%、20%、30%及 40%巴西莓果粉的掺假咖啡均可以实现掺假鉴别，能准确的识别出掺假物为巴西莓果粉，当掺假含量为 2%时，仪器软件能准确识别出掺假物，而置信度指标评价为“可能”，因此2%为最低识别含量，即为本研究的最低检测出限。对掺假含量2%、5%、10%、15%、20%、30%及40%大麦的掺假咖啡鉴别分析结果显示，掺假含量 2%大麦的掺假咖啡无法识别出掺假物，错误判别为无掺假物，其余不同掺假含量炒制大麦的掺假咖啡均能准确的识别出掺假物。故此，本研究建立的快速鉴别咖啡掺假模型，模型能有效快速的鉴别咖啡掺假，实现了在线快速鉴别检测，为咖啡样品掺假鉴别提供了一种操作简单、快速、可靠、便捷且样品无损的检测方法，能有效的运用于咖啡样品掺假鉴别的日常检测工作中。