一種基于近紅外光譜分析的類胡蘿卜素檢測方法
【專利摘要】本發明公開了一種胡蘿卜素含量的測定方法，具體是一種胡蘿卜中類胡蘿卜素含量的近紅外光譜分析方法,該方法利用近紅外光譜儀和光譜采集軟件對樣品進行光譜采集，采集偏距控制在中心進行采集，獲得較為準確和更具代表性的光譜信息.利用光譜分析技術在檢測平臺上，可實現胡蘿卜中類胡蘿卜素含量的無損檢測。本發明的優點是能夠快速、即時、無損的來獲取胡蘿卜中類胡蘿卜素含量，檢測方法專屬性、針對性強，結果準確可靠；精密度良好；穩定性良好；重復性好；準確度高；處理效率高，社會效益明顯。
【專利說明】
一種基于近紅外光譜分析的類胡蘿卜素檢測方法
技術領域
[0001] 本發明屬于農產品光譜分析、檢測領域，涉及一種用紫外可見分光光度法來測定 物質含量的方法，具體是一種類胡蘿卜素含量的測定方法，特別是一種測定胡蘿卜中類胡蘿 卜素含量的測定方法。
【背景技術】
[0002] 胡蘿卜屬傘形科二年生草本植物，以肉質根供食用和藥用，適應性廣，產量高，種植 歷史悠久。胡蘿卜含有多種營養成分，營養價值非常高，享有"小人參"的美譽。
[0003] 胡蘿卜因其富含類胡蘿卜素，尤其b_胡蘿卜素而成為食藥兩用的重要原料[范積平， 張貞良，張柳瑛等.近紅外光譜法測定藥用大黃中4種蒽醌類成分[J].第二軍醫大學學報， 2005,26(10): 1194-1195.]。《本草綱目》記載:胡蘿卜有"下氣、補中、利腸胃、安五臟"之功 效，還有"強心、降壓、抗過敏、明目、抗癌"等作用。現代醫學研究表明：以胡蘿卜為原料加工 成的廣品，可以清除體內的氧自由基、抗御自由基引起的內源性損傷，緩解關節癥狀，減少 突變細胞的發生，降低腫瘤的發生率[孫曉榮，劉翠玲，吳靜珠等.基于近紅外光譜的淀粉含 水量快速檢測研究[J ].食品工業科技，2010，31 (10): 441 - 442.]。
[0004]在胡蘿卜中，胡蘿卜中類胡蘿卜素含量的高低是評價胡蘿卜品質優劣的重要指標和開 發利用胡蘿卜的主要依據。因此，能夠快速的、即時的、無損的來獲取胡蘿卜中類胡蘿卜素含量 意義重大。目前，胡蘿卜類胡蘿卜素含量主要依靠破壞性檢驗方法。整個檢測過程不但工作量 很大，而且每種參數的測量都要進行不同的實驗，導致其分析難以實現快速、準確、無損化。
[0005] 近紅外光譜技術具有多種成分同時分析、測量速度快、測試成本低、樣品無需預處 理且不會遭到破壞、無需化學試劑等突出特點，堪稱"綠色檢測技術"，在水果品質檢測中得 到越來越廣泛的應用[秦善知，陳斌，陸道禮，顏輝.基于便攜式近紅外光譜儀檢測梨可溶性 固形物的研究[J].江蘇農業科學，2008,42(6): 54-59.]。
【發明內容】
[0006] 本發明的目的是提供一種能夠精確、快速、即時、無損的來獲取胡蘿卜中類胡蘿卜素 含量的方法。
[0007] 本發明公開了一種胡蘿卜素含量的測定方法，具體是一種胡蘿卜中類胡蘿卜素含量 的近紅外光譜分析方法，該方法利用USB2000+近紅外光譜儀(現有設備）和SpectraSuite 光譜采集軟件(現有技術軟件)對樣品進行光譜采集，將探距控制在15~35mm之間，胡蘿卜片 厚度控制在2_3mm，米集偏距控制在中心進行米集，獲得較為準確和更具代表性的光譜{目 息，利用光譜分析技術在檢測平臺上，可實現胡蘿卜中類胡蘿卜素含量的無損檢測。
[0008] 采用的技術方案是： 一種基于近紅外光譜分析的類胡蘿卜素檢測方法。該方法處理過程包括待測樣品的預 處理、光譜信息的采集、光譜數據的整理、回歸模型的建立、預測模型的建立以及校正、預測 值的分析與顯示，具體操作步驟如下： (1)待測樣品的預處理:對待測樣品平均分為3組進行預處理，常溫放置處理(室溫21 °C，保持與其他樣本放置時間一致），冰箱進行凍融處理(-20°C左右進行凍融30min，常溫融 化15min，反復三次），微波爐進行軟化處理(軟化功率為800w，軟化時間lmin)。
[0009] (2)樣品的光譜信息采集： (2.1) 扣除環境暗光譜:將分別分組進行不同預處理方法的待測樣品至于可見近紅外 光譜檢測平臺內、升降臺光譜采集區域外。此時將設備連接，待光源溫度穩定，發射出的近 紅外光波段的光強平緩、跳動微小后，得到此時強度光譜曲線。
[0010] (2.2)儲存參考光譜：扣除暗光譜后將反射參考板放入平臺內升降臺光譜采集區 域中，進行參考光譜的測定，在光線照射區域內移動反射參考板，觀察光譜強度曲線隨參考 板位移變化的情況，在光纖探頭與參考板距離為15~35mm時的強度光譜作為參考光譜，調節 SpectraSuite光譜采集軟件的相關參數及設置，包括積分時間100ms，平均次數5,平滑度1， 去除暗噪聲開啟，非線性校正開啟，雜散光校正開啟；待光譜強度以及反射率曲線適宜，得 到樣品原始光譜曲線。
[0011] (2.3)光譜信息的采集:將反射參考板移出光譜采集區，移入待測樣品，調節升降 臺使得反射參考板與光纖探頭距離與上步驟相同、保持其他參數不變，得到樣品光譜反射 率、透射率、吸光度的曲線以及txt格式的光譜數據。
[0012] (3)鮮胡蘿卜中類胡蘿卜素含量的標定:進行光譜信息采集完之后，對樣品進行切碎 (2*2*2mm大小的丁狀）、研磨，對樣品鮮胡蘿卜中類胡蘿卜素的含量進行標定，標定方法為已 知技術。
[0013] (4)光譜數據的預處理和預測模型的建立： (4.1) 對鮮胡蘿卜的特征波段進行提取，對光譜數據求一階倒數，二階倒數，選擇相關度 高的540-940nm波段作為特征波段進行實驗研究。
[0014] 將得到的特征波段的光譜文本數據和對應樣品的類胡蘿卜素的含量統一整理至 UnSCrambler9.7,將整理后的光譜數據導入至該軟件，通過對光譜信息的預處理找到模型 綜合判定系數最高的建模方法。
[0015] (4.2)光譜數據的預處理，胡蘿卜中胡蘿卜素的最佳光譜數據預處理方法為一階導 數結合多元散射校正(FD+MSC)。
[0016] (4.3)回歸模型的建立:通過對比分析各種判定參數，包括預處理數據建立的模型 的PC數、決定系數R2、校正均方根誤差RMSEC、BIAS，選取最優預測模型，再利用軟件中偏最 小二乘回歸的算法工具，對于模型進行最后的修正。
[0017] (5)預測值的分析與顯示:先將預測模型導入至Unscrambler9.7中，此時會要求選 擇主成分數，填入的主成分數為利用偏最小二乘回歸的算法工具對預測模型修正后的最佳 主成分數。而對待測樣本的光譜數據預處理辦法務必與建立該模型時數據預處理方法相 同，在完成數據輸入、模型載入后可完成待測樣品品質的預測以及預測數值的讀取。
[0018]本發明具有如下優點： 本發明公開了一種胡蘿卜素含量的測定方法，具體是一種胡蘿卜中類胡蘿卜素含量的近 紅外光譜分析方法。目前，胡蘿卜類胡蘿卜素含量主要依靠破壞性檢驗方法，整個檢測過程不 但工作量很大，而且每種參數的測量都要進行不同的實驗，導致其分析難以實現快速、準 確、無損化。與現有技術比較，本發明的優點是能夠快速、即時、無損的來獲取胡蘿卜中類胡 蘿卜素含量，檢測方法專屬性、針對性強，結果準確可靠;精密度良好;穩定性良好；重復性 好;準確度高;處理效率高，社會效益明顯。
[0019] 本發明發明了可見/近紅外光譜定量檢測胡蘿卜素新方法，確定540-940nm為胡蘿卜 素信息關鍵響應區，建立了胡蘿卜素特征信息提取新方法。
【附圖說明】
[0020] 圖1為采用本方明方法預測集樣本真實值與預測值對應散點圖。
[0021] 圖2為采用本方明方法類胡蘿卜素預測集樣本殘差分布散點圖。
【具體實施方式】
[0022]下面結合具體實施例對本發明作進一步闡述，但本發明并不限于以下實施例。所 述方法如無特別說明均為常規方法。所述原料如無特別說明均能從公開商業途徑而得。下 述實施例每步驟的數據處理均由挪威CAM0公司出售的化學計量軟件The Unscrambler9.7 中完成。
[0023] -種基于近紅外光譜分析的類胡蘿卜素檢測方法，包括下列步驟： (1)待測樣品的預處理:試驗材料選用胡蘿卜品種為紅芯四號，共12根，鮮胡蘿卜的平均 濕基含水率為90 %。選胡蘿卜中間部分，通過切片機加工處理控制在2-3mm的胡蘿卜片，以10g 為標準進行分組，共12*3=36個樣本組，其中隨機挑選30作為試驗集樣本;另外6個作為預測 集樣本。對待測樣品平均分為3組進行預處理，常溫放置處理(室溫21°C，保持與其他樣本放 置時間一致），冰箱進行凍融處理(_20°C左右進行凍融30min，常溫融化15min，反復三次）， 微波爐進行軟化處理(軟化功率為800w，軟化時間lmin)。
[0024] (2)樣品的光譜信息采集： (2.1)扣除環境暗光譜:將分別分組進行不同預處理方法的待測樣品至于可見近紅外 光譜檢測平臺內、升降臺光譜采集區域外。此時將設備連接，接通電源，將光源預熱20min， 待光源溫度穩定，發射出的近紅外光波段的光強平緩、跳動微小后，得到此時強度光譜曲 線。
[0025] (2.2)儲存參考光譜：扣除暗光譜后將反射參考板放入平臺內升降臺光譜采集區 域中，進行參考光譜的測定，在光線照射區域內移動反射參考板，觀察光譜強度曲線隨參考 板位移變化的情況，在光纖探頭與參考板距離為25mm時的強度光譜作為參考光譜，調節 SpectraSuite光譜采集軟件相關參數及設置，包括積分時間100ms，平均次數5,平滑度1，去 除暗噪聲開啟，非線性校正開啟，雜散光校正開啟，待光譜強度以及反射率曲線適宜，得到 樣品原始光譜曲線。
[0026] 將被檢測的胡蘿卜樣本置于參考板調節標記的位置，調節光纖探頭使探頭照射在 胡蘿卜中心位置，待譜圖穩定后儲存其反射率的光譜數據。通過隨機選取樣本組分別采集6 次，并分別保存，最后將6個光譜數據的平均值作為該胡蘿卜最終的光譜信息。
[0027] (2.3)光譜信息的采集:將反射參考板移出光譜采集區，移入待測樣品，調節升降 臺使得反射參考板與光纖探頭距離與上步驟相同、保持其他參數不變，得到樣品光譜反射 率、透射率、吸光度曲線以及txt格式的光譜數據。
[0028] (3)鮮胡蘿卜中類胡蘿卜素含量的標定:進行光譜信息采集完之后，對樣品進行切碎 (2*2*2mm大小的丁狀）、研磨，對樣品鮮胡蘿卜中類胡蘿卜素的含量進行標定。將預處理以及 采集完光譜密封保存的樣本放于50ml的具塞量筒中，先加入10ml 95%乙醇進行萃取，于暗 處放置5min，然后攪拌2min，再放入暗處放置5min，然后攪拌lmin，采用真空過濾機進行過 濾，留下濾渣;再加入20ml石油醚進行萃取，同樣采用暗處放置和攪拌進行萃取，之后將萃 取液混合。以蒸餾水作為空白，用3mm的比色皿，在430nm-490nm波長內測定吸光度，以波長 為橫坐標，吸光度為縱坐標，繪制圖表，發現在450-464nm內吸光度達到最大值，擬采用460 為選定波長。分別對所得萃取液進行吸光度和濃度測定，每次測定進行兩次，然后取平均 值。
[0029] (4)光譜數據的預處理和預測模型的建立： (4.1)對鮮胡蘿卜的特征波段進行提取，對光譜數據求一階倒數，二階倒數，選擇相關度 高的540-940nm波段作為特征波段進行實驗研究。
[0030] 將得到的特征波段的光譜文本數據和對應樣品的類胡蘿卜素的含量統一整理 Excel表格中，打開化學計量軟件Unscrambler9·7，將整理后的光譜數據Excel導入至該軟 件，通過對光譜信息的預處理找到模型綜合判定系數最高的建模方法。
[0031] (4.2)光譜數據的預處理，其預處理方法包括：多元校正散射（MSC)、標準化 (Normalize)、平滑、歸一法、求導和不對光譜做任何處理，胡蘿卜中胡蘿卜素的最佳光譜數據 預處理方法為一階導數結合多元散射校(FD+MSC)。
[0032] (4.3)回歸模型的建立:通過對比分析相關判定參數，包括各種預處理數據建立的 模型的PC數、決定系數R2、校正均方根誤差RMSEC、BIAS，選取最優預測模型，再利用軟件中 偏最小二乘回歸的算法工具，對于模型進行最后的修正。
[0033]胡蘿卜類胡蘿卜素數據預處理方法統計表：
(5)預測值的分析與顯示:先將預測模型導入至Unscrambler9.7中，此時會要求選擇主 成分數，填入的主成分數為利用偏最小二乘回歸的算法工具對預測模型修正后的最佳主成 分數。而對待測樣本的光譜數據預處理辦法務必與建立該模型時數據預處理方法相同，在 完成數據輸入、模型載入后可完成待測樣品品質的檢測以及數值的讀取。
【主權項】
1. 一種基于近紅外光譜分析的類胡蘿卜素檢測方法，其特征在于包括下列步驟： (1) 待測樣品的預處理:所有待測樣品分為3組，分別進行常溫放置處理，冰箱進行凍融 處理，微波爐進行軟化處理； (2) 樣品的光譜信息采集： (2.1) 扣除環境暗光譜:開啟光源，待光源溫度穩定，發射出的近紅外光波段的光強平 緩、跳動微小后，得到此時強度光譜曲線； (2.2) 儲存參考光譜:扣除暗光譜后將反射參考板放入光譜采集區域中，進行參考光譜 的測定，在光線照射區域內移動反射參考板，觀察光譜強度曲線隨參考板位移變化的情況， 待光譜強度以及反射率曲線適宜，得到樣品原始光譜曲線； (2.3) 光譜信息的采集:將反射參考板移出光譜采集區，移入待測樣品，調節待測樣品 位置使得反射參考板與光纖探頭距離與上步驟相同、保持其他參數不變，得到樣品光譜曲 線以及光譜數據； (3) 鮮胡蘿卜中類胡蘿卜素含量的標定:進行光譜信息采集完之后，對樣品鮮胡蘿卜中類 胡蘿卜素的含量進行標定； (4) 光譜數據的預處理和預測模型的建立:對鮮胡蘿卜的特征波段進行提取，將得到的 特征波段的光譜文本數據和對應樣品的類胡蘿卜素的含量統一整理至Unscrambled · 7，將 整理后的光譜數據導入至該軟件，通過對光譜信息的預處理找到模型綜合判定系數最高的 建模方法，建立預測模型后再利用軟件中算法工具，對于模型進行最后的修正； (5) 預測值的顯示：利用模型進行預測時，將預測模型導入UnSCrambler9.7中，對待測 樣本的光譜數據預處理辦法務必與建立該模型時數據預處理方法相同，在完成數據輸入、 模型載入后可完成待測樣品品質的預測以及預測數值的讀取。2. 如權利要求1所述一種基于近紅外光譜分析的類胡蘿卜素檢測方法，其特征在于:所 述的步驟(1)中的試驗材料所選用的胡蘿卜品種為紅芯四號，共12根，鮮胡蘿卜的平均濕基含 水率為90 %。3. 如權利要求1所述一種基于近紅外光譜分析的類胡蘿卜素檢測方法，其特征在于:所 述的步驟（1)中待測樣品的預處理方法包括，選胡蘿卜中間部分，通過切片機加工處理控制 在2-3mm的胡蘿卜片，以10g為標準進行分組，共12*3=36個樣本組，其中隨機挑選30作為試驗 集樣本;另外6個作為預測集樣本。4. 如權利要求1所述一種基于近紅外光譜分析的類胡蘿卜素檢測方法，其特征在于:所 述的步驟（1)中待測樣品的預處理方法包括，冰箱進行凍融處理（_20°C左右進行凍融 30min，常溫融化15min，反復三次），常溫放置處理(室溫21°C，保持與其他樣本放置時間一 致），微波爐進行軟化處理(軟化功率為800w，軟化時間lmin)。5. 如權利要求1所述一種基于近紅外光譜分析的類胡蘿卜素檢測方法，其特征在于:所 述的步驟(2.3)中，選取樣本分別采集光譜信息6次，并分別保存，最后將6個光譜數據的平 均值作為該胡蘿卜最終的光譜信息。6. 如權利要求1所述一種基于近紅外光譜分析的類胡蘿卜素檢測方法，其特征在于:所 述的步驟(4)中鮮胡蘿卜特征波段提取方法為對光譜數據求一階倒數，二階倒數，選擇相關 度高的540-940nm波段作為特征波段進行實驗研究。7. 如權利要求1所述一種基于近紅外光譜分析的類胡蘿卜素檢測方法，其特征在于:所 述的步驟(4)中胡蘿卜中胡蘿卜素的最佳光譜數據預處理方法為一階導數結合多元散射校正 (FD+MSC)。8.如權利要求1所述一種基于近紅外光譜分析的類胡蘿卜素檢測方法，其特征在于:所 述的步驟(4)中建立的預測模型后利用的軟件中算法工具是偏最小二乘回歸(PLS)。
【文檔編號】G01N21/3563GK106018320SQ201510700554
【公開日】2016年10月12日
【申請日】2015年10月26日
【發明人】寧曉峰, 宮元娟, 裴軍強, 周鐵, 秦軍偉
【申請人】沈陽農業大學