基于近红外光谱技术检测全蛋粉掺假

摘要 为提高全蛋粉掺假检测的准确度和检测效果，应用近红外光谱技术对全蛋粉掺假进行定性判别并对掺假含量进行定量分析。分别采用标准正态变换、多元散射校正、卷积平滑、归一化、一阶导数、二阶导数等6 种不同预处理方法，对原始光谱数据进行预处理，采用竞争性自适应重加权算法（CARS）、连续投影算法（SPA）及CARS-SPA 结合算法对光谱数据进行特征波长筛选，建立集成学习（ensemble learning，EL）模型对掺假蛋粉进行定性判别，建立偏最小二乘模型（PLSR）对掺假含量进行定量分析。结果显示：在对掺假蛋粉进行定性判别方面，一阶导数为最佳预处理方法，CARS 算法特征筛选效果最佳，EL 模型对掺假蛋粉样本总体判别准确率达到98.18%，对各类掺假蛋粉样品的判别准确率在97.78% 以上。在对蛋粉掺假含量进行定量分析方面，多元散射校正为最佳预处理方法，CARS 算法特征筛选效果更佳，对一组分掺假、二组分掺假、三组分掺假和所有掺假样本的PLSR 浓度预测模型的预测集相关系数（Rp）分别为0.958 5、0.931 2、0.945 6 和0.955 8，均方根误差（RMSEP）分别为4.689 1、5.813 4、4.604 1 和3.802 9。研究结果表明，近红外光谱技术可用于蛋粉掺假检测，为监管机构检测蛋粉掺假提供参考。

关键词 全蛋粉； 近红外光谱； 掺假检测； 集成学习； 精准检测

中图分类号 TS253.7 文献标识码 A 文章编号 1000-2421（2024）02-0264-09

蛋粉的蛋白质含量高，矿物质和维生素种类丰富，具有显著的功能性质（如凝胶性、乳化性、保脂肪性、保水性等），是鸡蛋的理想替代品［1-2］。相比于新鲜鸡蛋，蛋粉储存期长、使用方便、便于包装运输，已广泛应用于食品工业、畜禽生产、化妆品及医疗等领域［3-5］。目前，国内蛋粉标准体系尚不完善，监管领域存在一定的空白。少数蛋粉生产企业为获得更高的利润，在蛋粉中掺入淀粉、大豆蛋白、植脂末和麦芽糊精等廉价物质，不仅扰乱了蛋粉市场的秩序，也给食品安全带来了极大隐患。因此，研究蛋粉掺假检测技术，对保障蛋粉质量安全具有重要意义。目前关于蛋粉掺假检测的研究报道较少，现在已有的蛋粉掺假检测主要依据GB 2749—2015《食品安全国家标准》，对蛋粉的主要组分进行分析，方法多为常规的化学分析手段。蛋粉掺假检测方法主要有2 种：一是感官识别法，通过闻气味、辨颜色、试手感、尝口感等方法初步判断蛋粉的真假，该方法主观因素太强，一般不单独作为检测标准；二是基于DNA 分子、蛋白质分子进行检测的生物分子技术，主要包括色谱法、质谱法以及DNA 条形码等技术［6］，这类方法特异性强、灵敏度高，但操作繁琐，耗时长，成本高，不适合大规模推广使用。此外，刘平等［7］探索了基于高光谱的全蛋粉掺假的无损检测模型，对掺假含量为1%～50% 的蛋粉样品进行掺假识别，总体分类准确率在90%以上，但模型稳健性和检测精度有待提高。

近红外光谱技术是一种便捷的绿色分析检测技术，已经广泛应用于奶粉、莲子粉等粉末状食品掺假检测中。Capuano 等［8］应用近红外光谱技术，建立偏最小二乘（PLSR）模型对奶粉中的掺假物进行预测，所建立的PLSR 模型显示出良好的预测效果，可将掺假量为2% 的淀粉和麦芽糊精分辨出来。Karunathilaka等［9］使用近红外光谱技术结合SIMCA 软件研制了手持式近红外检测设备，可以快速检测乳粉真实性。胡仁伟等［10］使用近红外光谱技术结合深度信念网络鉴别莲子粉真伪，建立的判别模型能够有效识别掺杂各类其他作物粉的莲子粉，平均识别率达到96%。Muller-Maatsch 等［11］将紫外-可见光、荧光和近红外光谱相结合，鉴别添加植物蛋白粉、乳清粉、淀粉、乳糖、葡萄糖、果糖的脱脂奶粉，检测效果良好。

综上所述，传统的蛋粉生物化学方法检测效率低、仪器价格昂贵，无法满足大规模、快速、无损的检测需求。近红外光谱技术简单方便，适用于食品工业质量控制。本研究基于近红外光谱技术对全蛋粉掺假物进行定性检测，并对掺假物的含量进行预测，旨在为提高全蛋粉掺假检测准确度和检测效果提供参考。