近红外光谱法同时测定橙汁中多种成分含量

姚婉清 彭梦侠 陈梓云 陈尔春 廖文敏

摘要以市购30种橙汁饮品为研究对象，对橙汁中的总糖、总氨基酸、维生素C和总酸等多组分含量的同时测定进行了研究。采用TQ Analyst 9.0软件中的偏最小二乘法（PLS），导入20种橙汁的近红外光谱数据，通过光谱预处理和特征波段的选择，分别建立了橙汁中总糖、总氨基酸、维生素C和总酸的定量分析模型，模型的相关系数分别为0.996 3、0.963 1、0.988 0、0.999 2，交互验证均方差（RMSECV）分别为0.854 0、0.020 1、0.070 4、0.185 0。通过10种未知橙汁样品含量和t检验法对模型进行检测，结果显示，模型稳定性良好，预测结果准确。利用所建模型不需任何前处理，即可同时、快速、准确地测定橙汁中总糖、总氨基酸、维生素C和总酸的含量。

关键词橙汁;多组分;同时测定;近红外光谱;偏最小二乘法

中图分类号O657.33;TS255.7文献标识码A 文章编号0517-6611（2020）15-0208-03

doi：10.3969/j.issn.0517-6611.2020.15.059

开放科学（资源服务）标识码（OSID）：

Simultaneous Determination of the Contents of Multiple Ingredients in Orange Juice by NIR

YAO Wanqing， PENG Mengxia， CHEN Ziyun et al

（School of Chemistry and Environment，Jiaying University，Meizhou，Guangdong 514015）

AbstractTaking thirty kinds of orange juices purchased on the market as the research object， the contents of total sugar， total amino acid， vitamin C and total acid in orange juice were determined simultaneously. The near infrared spectral data of 20 kinds of orange juice were imported， and partial least squares regression （PLS） in TQ Analyst 9.0 software was employed to establish quantitative analysis models of total sugar， total amino acid， vitamin C and total acid in orange juice by spectral pretreatment and selection of characteristic wavelength bands. The correlation coefficients of the models were 0.996 3， 0.963 1， 0.988 0 and 0.999 2，respectively. The root mean square error of cross validation （RMSECV） were 0.854 0， 0.020 1， 0.070 4 and 0.185 0，respectively. The models were tested by 10 unknown orange juice samples and t test. The results showed that the models were stable and the prediction was accurate. It was capable of predicting the contents of total sugar， total amino acid， vitamin C and total acid in orange juice simultaneously， quickly and accurately without any pretreatment by applying the modes.

Key wordsOrange juice;Multicomponent;Simultaneous determination;Near infrared spectroscopy;Partial least squares

基金项目2019年嘉应学院重点科研项目（2019KJZ02）;2017年“攀登计划”广东大学生科技创新培育专项资金（pdjhb0472）;广东省2019年度农村科技特派员科技助农项目“汶水村特色农产品的储藏保鲜及下游产品的机械加工和推广”。

作者简介姚婉清（1983—），女，广东平远人，讲师，硕士，从事应用化学、化学教学及研究工作。

收稿日期2020-02-12;修回日期2020-03-10

橙汁是世界上最受欢迎的、消费量最大的果汁饮料。橙汁饮料富含糖、有机酸和维生素C等多种人体所需的营养成分，且色泽好、口感好，深受广大消费者的青睐[1]。橙汁产品质量分析与评价对于产品质量控制和打击赝品、维护公平贸易、保护消费者的权益具有重要的意义[2]。

总糖、总氨基酸、维生素C和总酸是橙汁飲料的主要成分，是评价橙汁饮料品质的重要指标[3]，在橙汁饮料生产中的质量控制和销售过程中的质量监控等都需要对其含量进行检测。目前橙汁饮料生产企业和食品质检机构大都采用传统的滴定、分光光度法或现代的色谱法、质谱法等分析测试方法对橙汁饮料中的总糖[4]、总氨基酸[5]、维生素C[6]和总酸[7]进行检测，这些方法预处理复杂、费时费力;而色谱法等在检测过程中需使用大量的化学试剂、检测费用高，且还会对环境造成污染。

近红外光谱（near infrared spectroscopy，NIR）是指介于可见光与中红外之间的电磁波，波数为12 820～4 000 cm-1，主要反映的是有机分子中C-H、O-H、S-H、N-H等化学键的倍频与合频振动的吸收信息[8]，其谱图特点是吸收较弱，样品可以不经过稀释直接测定，易于实现简单快速的无损分析。近红外光谱信息量丰富，带宽、包含了多组分的结构和含量信息，各组分间的光谱带重叠严重，直接分析困难，通常需结合化学计量学解决问题。

笔者采用NIR结合化学测定值建立橙汁的定量分析模型，实现对橙汁中总糖、总氨基酸、维生素C和总酸这4种组分的同时测定。采用TQ Analyst 9.0分析软件中的偏最小二乘法（partial least squares regression，PLS），导入20种橙汁的近红外光谱数据，通过选择合适的谱图预处理方法和光谱范围等操作对模型进行优化。分别建立橙汁中总糖、总氨基酸、维生素C和总酸的定量分析模型，并对模型进行未知样品的外部验证和t检验法检测，用所建模型实现橙汁的多指标的快速、无损分析。

1材料与方法

1.1材料与试剂

蒽酮、D-葡萄糖、柠檬酸、抗坏血酸、碳酸氢钠、氢氧化钠、无水乙醇、邻苯二甲酸氢钾、一水合柠檬酸均为分析纯（广东光华科技股份有限公司）;硫酸为分析纯（西陇化工股份有限公司）;L-谷氨酸为生化试剂（国药集团化学试剂有限公司）;酚酞、抗坏血酸为分析纯（天津市天新精细化工开发中心）;茚三酮、磷酸二氢钾、浓硫酸、草酸为分析纯（天津市福晨化学试剂厂）;2，6-二氯靛酚（98%，上海麥克林生化科技有限公司）;30种橙汁样品购于梅州各大超市。

1.2仪器与设备

Antaris Ⅱ傅立叶近红外分析仪（美国赛默飞世尔科技公司）;T6 新悦可见分光光度计（北京普析通用仪器有限公司）;ME104E电子天平（梅特勒-托利多仪器（上海）有限公司）;RESULT-Integration软件、RESULT-Operation软件、TQ Analyst 9.0 软件，均为美国赛默飞世尔科技公司提供。

1.3试验方法

1.3.1样品中总糖、总氨基酸、维生素C和总酸含量的化学测定。

采用蒽酮-硫酸分光光度法测定橙汁样品中总糖的含量[9]。

采用茚三酮比色法测定橙汁样品中总氨基酸的含量[10]。

采用2，6 -二氯靛酚滴定方法测定橙汁样品中的维生素C含量[11]。

采用酸碱滴定法测定橙汁样品中的可滴定酸[12]。

1.3.2样品近红外光谱图的测定。

直接取摇匀的橙汁样品500 μL于样品管中（近红外专用样品管），采用Antaris Ⅱ傅立叶近红外光谱仪的液体透射附件采样，设置采样波数10 000～4 000 cm-1，扫描次数32次，分辨率8 cm-1，以空气作背景，温度为20 ℃左右。用RESULT-Operation软件（含RESULT-Integration软件编制工作流程）采集谱图。30种样品平行取5次样，每个样测3张谱图，3张谱图取平均值，作为样品的近红外谱图，保存谱图，备用。

1.3.3近红外建模方法及验证。

1.3.3.1

定量模型的建立。应用TQ Analyst 9.0软件，结合1～20号橙汁样品的100张红外光谱数据与其化学测定值，采用偏最小二乘法（PLS，partial least squares regression）建模，剔除异常点，通过对谱图预处理，选择光谱范围等操作对模型进行优化。根据模型的相关系数、均方差（RMSEC，root mean square error of calibration）、预测均方差（RMSEP，root mean square error of prediction）和交互验证均方差（RMSECV，root mean square error of cross validation）确定各组分的最优模型。

1.3.3.2

模型的验证与应用。在所建模型的训练集样品中，随机选取5种样品的谱图各一张，作为验证集样品对模型进行内部验证。未参与建模的21～30号橙汁样品的共50张近红外谱图导入模型进行外部应用验证，每个样品平行检测3次，检验模型的预测性能。同时对模型进行t检验法检测。

2结果与分析

2.1橙汁中多种成分含量的化学测定方法

①蒽酮-硫酸法测定总糖。最佳测定波长为620 nm，回归方程为A620 nm=0.040 9+7.565C（R2=0.997 7）;30个样品中总糖含量在18.0～29.8 g/L。

②茚三酮比色法测定总氨基酸。最佳测定波长为570 nm，回归方程为A570 nm=-0.019 4+0.350 2C（R2=0.999 7），30个样品中总氨基酸含量在0.048～0.220 g/L。

③2，6-二氯靛酚滴定法测定维生素C。30个样品中维生素C含量在0～0.60 g/L。

④酸碱滴定法测定总酸。30个样品中总酸含量在1.82～7.69 g/L。

以上化学检测数据说明样品涵盖范围广泛，且均符合食品安全法理化指标规定。

2.2近红外建模及验证

2.2.1总糖定量分析模型及验证。

按照“1.3.3”近红外建模方法，选择建模的最佳波段为5 875.00～5 404.00 cm-1，光谱经二阶导数+Norris derivative filter-3点平滑预处理方法建立总糖的PLS模型，所建模型的校正相关系数为0.996 3，均方差为0.219，预测均方差为0.430，预测集相关系数为0.997 1，见图1。

按照“1.3.3”方法对模型进行内部验证，结果显示，所建模型的性能指数为94.3，稳定性良好。训练集交互验证相关系数为0.942 6，RMSECV为0.854。按照“1.3.3”方法对模型进行外部应用验证，结果显示，10种外部验证橙汁样品中总糖测定值在18.8～22.4 g/L，模型预测值在19.3～24.1 g/L，绝对误差在-0.77～1.40 g/L，相对误差在-3.30%～4.96%。采用t检验法计算得t值均小于t0.95，2，说明所建模型预测的总糖含量与蒽酮-硫酸法的结果之间没有显著差异，运用该模型对未知量样品中的总糖进行定量分析具有一定的可行性。

2.2.2总氨基酸定量分析模型及验证。

按照“1.3.3”近红外建模方法，选择建模的最佳波段为5 249.29～5 218.43、5 827.83～5 353.42、6 942.48～6 892.34 cm-1，光谱经对数+Savitzky-Golay filter-13点平滑预处理方法建立总氨基酸的PLS模型，所建模型的校正相关系数为0.963 1，均方差为0.015 3，预测均方差为0.013 0，预测集相关系数为0.983 9，见图2。

按照“1.3.3”方法对模型进行内部验证，结果显示，所建模型的性能指数为100，稳定性良好。训练集交互验证相关系数为0.935 4，RMSECV为0.020 1。按照“1.3.3”方法对模型进行外部应用验证，结果显示，10种外部验证橙汁样品中总氨基酸的测定值在0.065～0.216 g/L，平均值为0.136 g/L，模型预测值在0.071～0.217 g/L，平均值为0.138 g/L，绝对误差在-0.019 0～0.028 6 g/L，相对误差在-3.09%～9.91%。采用t检验法，通过计算所得t值均小于t0.95，2，因此可以认为所建模型预测的总氨基酸含量与茚三酮比色法的结果之间没有显著差异，运用该模型对未知量样品中含有的总氨基酸进行定量分析具有一定的可行性。

2.2.3維生素C定量分析模型及验证。

按照“1.3.3”近红外建模方法，选择建模的最佳波段为7 154.61～6 561.67、5 284.00～5 194.83 cm-1，光谱经一阶导数+Norris derivative filter-1点平滑预处理方法建立维生素C的PLS模型，所建模型的校正相关系数为0.988 0，均方差为0.019 8，预测均方差为0.048 1，预测集相关系数为0.994 5，见图3。

按照“1.3.3”方法对模型进行内部验证，结果显示，所建模型的性能指数为98.8，稳定性良好。训练集交互验证相关系数为0.884 8，RMSECV为0.070 4。按照“1.3.3”方法对模型进行外部应用验证，结果显示，10种外部验证样品中维生素C的测定值在0.17～0.50 g/L，平均值为0.356 g/L，模型预测值在0.16～0.50 g/L，平均值为0.342 g/L，绝对误差在-0.04～0.02 g/L，相对误差在-8.33%～7.69%。采用t检验法计算得t值均小于t0.95，2，说明所建模型预测的维生素C含量与2，6 -二氯靛酚滴定方法的结果之间没有显著差异，运用该模型对未知量样品中含有的维生素C进行定量分析具有一定的可行性。

2.2.4总酸定量分析模型及验证。

按照“1.3.3”近红外建模方法，选择建模的最佳波段为6 001.47～5 398.18 cm-1，光谱经一阶导数+Norris derivative filter-5点平滑预处理方法建立总酸的PLS模型，所建模型的校正相关系数为0.999 2，均方差为0.073 1，预测均方差为0.091 5，预测集相关系数为0.998 9，见图4。

按照“1.3.3”方法对模型进行内部验证，结果显示，所建模型的性能指数为94.0，稳定性良好。训练集交互验证相关系数为0.995 0，RMSECV为0.185。按照“1.3.3”方法对模型进行外部应用验证，结果显示，10种外部验证样品中总酸的测定值在1.82～7.69 g/L，平均值为4.198 g/L，模型预测值在2.13～7.54 g/L，平均值为4.045 g/L，绝对误差在-0.91～0.31 g/L，相对误差在-0.43%～2.28%。采用t检验法计算得t值均小于t0.95，2，说明所建模型预测的总酸含量与酸碱滴定方法的结果之间没有显著差异，运用该模型对未知量样品中含有的总酸进行定量分析具有一定的可行性。

3结论

该研究建立了市售橙汁中的总糖、总氨基酸、维生素C和总酸等多组分含量同时测定的近红外光谱结合偏最小二乘法的定量分析模型，经内部和外部应用验证，模型对未知样品预测的组分含量与化学测定值之间没有显著差异，所建定量模型具有较高的预测准确性。用该模型检测样品时无需预处理，只需使用近红外扫描得到待检样品的光谱图，并导入所建模型，就可简便、快速地检测出结果。所建模型可拓展数据，适用范围广，可用于成分各异的多品牌橙汁的检测。此法实用性强、操作简便、结果准确，还可在线检测，无破坏性，应用前景广阔。

参考文献

[1] 齐乐，祁春节.中国橙汁进口差异化需求弹性分析[J].世界农业，2017（4）：144-150.

[2] 张淼，李燮昕，贾洪锋，等.我国果汁掺假检测技术研究现状[J].食品研究与开发，2016，37（5）：205-208.

[3] 贾恺，牛丽影，赵镭，等.橙汁品质评价国内外研究现状[J].饮料工业，2009，12（3）：4-7.

[4] 刘花德，崔楠，王燕，等.液相色谱-碳同位素比值质谱法在橙汁鉴定中的应用[J].安徽农业科学，2019，47（21）：204-205，215.

[5] 彭颖，周如金.不同品种荔枝果汁氨基酸和糖类的测定与分析[J].中国食品添加剂，2017（4）：173-177.

[6] 孙艳丽.2，4-二硝基苯肼法测定两种饮料中Vc的含量[J].饮料工业，2014，17（4）：34-37.

[7] 孙达.不同柑橘种质资源中可溶性糖和有机酸含量的评价[D].武汉：华中农业大学，2013.

[8] 褚小立，陆婉珍.近五年我国近红外光谱分析技术研究与应用进展[J].光谱学与光谱分析，2014，34（10）：2595-2605.

[9] 靳淑敏，齐鹏成，周娜，等.蒽酮-硫酸比色法测定三黄糖敏汤中多糖的含量[J].中国药房，2015，26（6）：811-812.

[10] 杨远帆，倪辉，吴黎明.茚三酮法测定蜂蜜及果葡糖浆中的氨基酸含量[J].中国食品学报，2013，13（2）：171-176.

[11] 中华人民共和国国家卫生和计划生育委员会.食品安全国家标准 食品中抗坏血酸的测定：GB 5009.86—2016[S].北京：中国标准出版社，2017.

[12] 彭梦侠，梁奇峰，郝洪庆，等.基础化学实验[M].南京：南京大学出版社，2011：254-256.