專利名稱：一種液體食品褐變檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及食品分析技術(shù)領(lǐng)域，具體涉及一種液體食品褐變檢測 方法。
背景技術(shù)：
在果汁加工及貯藏過程中，褐變是影響其產(chǎn)品質(zhì)量的關(guān)鍵因素。 褐變不僅影響果汁的色澤、風(fēng)味，也造成果汁營養(yǎng)價值的嚴重損失， 甚至?xí)a(chǎn)生一些有害物質(zhì)，對果汁食品的安全性造成威脅。果汁的褐 變主要分酶促褐變和非酶褐變。酶促褐變通常是由果蔬中多酚氧化酶 和過氧化物酶催化多酚類底物所引起的氧化反應(yīng)，果汁的酶促褐變從 水果破碎、榨汁即已開始。非酶褐變是指不需要經(jīng)過酶的催化而產(chǎn)生的一類褐變，如邁拉德反應(yīng)、抗壞血酸氧化、脫鎂葉綠素褐變等等， 熱處理是導(dǎo)致非酶褐變的重要原因。其中，非酶褐變是果汁在制造及 貯藏中發(fā)生的主要褐變反應(yīng)。因此，褐變控制是果汁加工中的關(guān)鍵技 術(shù)，如何檢測褐變的發(fā)生及褐變的程度，對于果汁加工工藝的優(yōu)化設(shè) 計、果汁生產(chǎn)的在線控制及果汁產(chǎn)品的質(zhì)量跟蹤檢測，都具有重要的 意義。褐變的檢測主要有三種方法， 一是根據(jù)果汁在可見光區(qū)的吸收特 性，先用乙醇對果汁進行色素提取，對乙醇果汁混合物離心，在420 nm波長下測定澄清液的吸光度，以此作為褐變程度的衡量指標(biāo)。二 是利用果汁對可見光的反射特性，使用比色計測定果汁的反射光譜， 再計算出色值，結(jié)果以CIEI^a,或HunterLab三色空間值表示， CIE L*a*b及Hunter L a b是為了解決顏色空間的感知 一致性問題， 對CIE1931XYZ系統(tǒng)進行非線性變換，制定的顏色空間的規(guī)范。第 三種方法釆用化學(xué)分析、色譜分析測定褐變過程中產(chǎn)生的中間物及最終產(chǎn)物的含量，如羥甲基糠醛HMF，來衡量褐變的程度。第一種方法需要進行樣品的預(yù)處理，難以進行快速、在線的分析，其單波長的吸光度信息難以反映褐變中多種物質(zhì)的變化；第二種方法易受測量物 理條件的影響，且其結(jié)果難以反映果汁的真實顏色；第三種方法比較 準確，但分析過程復(fù)雜，費時費力，難以用于在線分析。目前，如何快速準確地檢測果汁的褐變，成為果汁加工企業(yè)及研 究人員共同關(guān)心的課題，但還沒有一種更好的解決方案。發(fā)明內(nèi)容本發(fā)明的目的是提供一種液體食品褐變檢測方法，利用該方法對 本身就具有熒光性的液體食品或在褐變過程中能產(chǎn)生熒光物質(zhì)的液 體食品進行褐變檢測，無需樣品前處理、快速無損，且具有很高的靈 敏度，適用范圍廣，為液態(tài)食品褐變的在線實時檢測提供了技術(shù)基礎(chǔ)。為實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案提供一種液態(tài)食品褐變檢測方法，所述液體食品本身就具有熒光 性或在褐變時具有熒光性，該方法包括以下步驟獲取若干個不同程 度褐變的液體食品樣本；用熒光光譜儀釆集所述液體食品樣本的熒光 光譜，并測定表征液態(tài)食品褐變程度的參考值；根據(jù)所述表征液態(tài)食 品褐變程度的參考值，建立熒光光譜與褐變程度之間的對應(yīng)關(guān)系；用 熒光光譜儀采集待測液態(tài)食品的熒光光譜，根據(jù)所述熒光光譜與褐變 程度之間的對應(yīng)關(guān)系確定所述待測液態(tài)食品的褐變程度。其中，所述液態(tài)食品為果汁或牛奶。其中，所述熒光光譜為激發(fā)光譜或發(fā)射光譜。其中，該方法在釆集所述液體食品樣本的熒光光譜之后，還包括 對所釆集的液體食品樣本的熒光光譜進行預(yù)處理的步驟，所述預(yù)處理 包括用于去除熒光光譜基線漂移及由于樣品顆粒散射造成的影響的光譜校正、用于去除噪聲影響的去噪聲處理、用于去除熒光光譜無關(guān) 波長點的特征波長數(shù)據(jù)點選擇。其中，所述光譜校正的方法為下述之任一種對所述熒光光譜的 中心化處理、標(biāo)準變量變換、附加散射校正、正交信號校正；所述去 噪聲的方法為S-G平滑去噪或小波去噪；所述的特征波長數(shù)據(jù)點選擇 的方法為遺傳算法；所述的預(yù)處理還包括用于消除熒光光譜平移及線 性漂移的求導(dǎo)變換。其中，所述熒光光譜與褐變程度之間的對應(yīng)關(guān)系包括對液態(tài)食 品褐變作定性判別的分類對應(yīng)關(guān)系，及對液態(tài)食品褐變程度作定量預(yù) 測的多元校正對應(yīng)關(guān)系。其中，用化學(xué)計量學(xué)方法建立對液態(tài)食品褐變作定性判別的分類 對應(yīng)關(guān)系，所述化學(xué)計量學(xué)方法為下述之任一種軟獨立建模分類法 判別SIMCA 、偏最小二乘法DPLS、平行因子分析法PARAFAC、人工神經(jīng)網(wǎng)絡(luò)、支持向量機；其中，用化學(xué)計量學(xué)方法建立對液態(tài)食品褐變程度作定量預(yù)測的 多元校正對應(yīng)關(guān)系，所述化學(xué)計量學(xué)方法為下述之任一種多元線性 回歸、偏最小二乘、人工神經(jīng)網(wǎng)絡(luò)、支持向量機，N維偏最小二乘法 N-PLS。其中，該方法在建立熒光光譜與褐變程度之間的對應(yīng)關(guān)系之后， 還包括釆集相同液態(tài)食品樣本的熒光光譜，將所釆集的熒光光譜與 所建立的熒光光譜與褐變程度之間的對應(yīng)關(guān)系作對比，對其褐變進行 定性分類、定量預(yù)測，并根據(jù)誤差要求，對所述對應(yīng)關(guān)系反復(fù)優(yōu)化， 直至達到誤差要求。其中，所述褐變包括酶促褐變和非酶褐變，利用比色計或液相色 譜法，或紫外分光光度法測定表征液態(tài)食品褐變程度的參考值。其中，所述的熒光光譜儀為正面熒光光譜儀，所述正面熒光光譜 儀的激發(fā)光譜波長范圍為200-900 nm。其中，對于蘋果汁的褐變分析，所述熒光光譜若為發(fā)射光譜，則 所述發(fā)射光譜所對應(yīng)的激發(fā)波長為250 nm、 266 nm、 355 nm、 400 nm和408 nm。利用本發(fā)明的液態(tài)食品褐變檢測方法具有以下優(yōu)點1. 無需樣品前處理，釆用正面熒光光譜儀，可直接測定其反射 熒光光譜，無需裝樣、離心、澄清等預(yù)處理過程；2. 快速無損，熒光光譜的釆集時間非常短，模型計算的時間基 本可以忽略；3. 靈敏度高，相比于可見光區(qū)的基于透射和漫反射的褐變檢測 方法，熒光分析法靈敏度非常高；4. 適用范圍廣，褐變過程中或多或少會產(chǎn)生一些熒光物質(zhì)或伴 隨熒光物質(zhì)含量的變化，本發(fā)明適用對象為本身就具有熒光性的液體 食品或在褐變過程中能產(chǎn)生熒光物質(zhì)的液體食品，其范圍很廣；5. 為液態(tài)食品褐變的在線實時檢測提供了技術(shù)基礎(chǔ)。


圖i為本發(fā)明液態(tài)食品的褐變檢測方法流程圖；圖2為本發(fā)明實施例1中鮮蘋果汁的平均三維EEM熒光光譜圖； 圖3為本發(fā)明實施例2中五種不同熱處理下的蘋果汁的平均發(fā)射 光譜圖。
具體實施方式
本發(fā)明提出的液體食品褐變的檢測方法是基于熒光光譜的，結(jié)合 附圖和實施例說明如下。本發(fā)明檢測方法的實施主要包括模型建立和模型的使用及維護， 涉及到的硬件設(shè)置包括熒光光譜儀，另外需要有樣品池，軟件設(shè)施包 括化學(xué)計量學(xué)軟件、計算機等部分。利用本發(fā)明的方法可以建立定性 分析模型和定量分析模型，對于定性分析模型，用于簡單判斷果汁是否褐變；對于定量分析模型，不但用于判斷果汁是否褐變，還用于判 斷其褐變的程度，如用褐變量為o表示無褐變，20表示輕微褐變， 50表示嚴重褐變，數(shù)值越大褐變程度越大。根據(jù)所建模型的類別，釆集有代表性的樣品，如要建立定性分析模型，需釆集無褐變及有褐 變的樣品，若要建立定量分析模型，需釆集具有常見的不同程度褐變 的樣品。若用于在線檢測則需設(shè)計專門的數(shù)據(jù)實時釆集傳輸系統(tǒng)和光 譜釆集系統(tǒng)如光纖，因為有些場合在生產(chǎn)線上安裝帶有樣品池的光譜 儀不太方便，使用光纖可將光譜儀安裝在生產(chǎn)線附近，而把光纖直接 置于生產(chǎn)線上，延長了光譜采集的距離。如圖1所示為本發(fā)明液態(tài)食品的褐變檢測方法流程圖，該方法主要包括步驟獲取若干個不同程度褐變的液體食品樣本；用熒光光譜儀釆集所述液體食品樣本的熒光光譜，并測定表征液態(tài)食品褐變程度的參考值；釆用化學(xué)計量學(xué)方法根據(jù)所述表征液態(tài)食品褐變的參考 值，建立熒光光譜與褐變程度之間的對應(yīng)關(guān)系；用熒光光譜儀釆集待 測液態(tài)食品的熒光光譜，根據(jù)所述熒光光譜與褐變程度之間的對應(yīng)關(guān) 系確定其褐變程度。下面用兩個實例說明本發(fā)明的具體實施方式
。 實施例i本實施例為基于三維熒光矩陣的蘋果汁酶促褐變的定性及定量 檢測方法。該方法主要包括以下步驟樣品制備采集德國波茨坦當(dāng)?shù)毓麍@的皮諾瓦Pinova蘋果，并榨 汁，經(jīng)離心、過濾，制得澄清的蘋果汁樣品30個，將每個樣品分成兩 部分， 一部分樣品用于立即進行熒光光譜釆集并進行褐變參考值測 量；然后在20。C恒溫箱中貯存4天，使其發(fā)生酶促褐變，然后再進行 熒光光譜采集進行褐變參考值測量；另一部分在80 。C水洛中加熱10 分鐘迅速冷卻后再在20 。C恒溫箱中l(wèi)fc存4天，使其發(fā)生輕微非酶褐 變，然后再進行熒光光譜釆集進行褐變參考值測量，該步驟中將測量 時間岔開并釆取輕度加熱是為了得到三種不同程度褐變的果汁樣品； 熒光光譜釆集任何熒光物質(zhì)都具有熒光光譜，熒光光譜包括激發(fā)光譜和發(fā)射光譜，激發(fā)光譜是通過測量熒光體的發(fā)光能量隨激發(fā) 波長變化而獲得的光譜。它是熒光強度對激發(fā)波長的關(guān)系曲線，它可 以反映不同波長的激發(fā)光引起熒光的相對效率；熒光發(fā)射光譜是當(dāng)熒 光物質(zhì)在固定的激發(fā)光源照射后所產(chǎn)生的分子熒光，它是熒光強度對 發(fā)射波長的關(guān)系曲線。它表示在所發(fā)射的熒光中各種波長組分的相對 強度。由于各種不同的熒光物質(zhì)有它們各自的激發(fā)光譜和發(fā)射光譜， 所以，可用它來鑒別各種熒光物質(zhì)。褐變過程中或多或少會產(chǎn)生一些 熒光物質(zhì)或伴隨熒光物質(zhì)含量的變化，因此通過測定其激發(fā)光譜或發(fā) 射光譜，便可檢測褐變。本實施例釆用熒光光譜儀測定蘋果汁的發(fā)射光譜，釆用的熒光光譜儀為正面熒光光譜儀，具體是美國PerkinElmer 公司生產(chǎn)的型號為LS55的正面熒光光譜儀，為了得到發(fā)射光譜，需 要熒光光譜儀的激光射到果汁樣品上，再反射回來，從另一個角度被 檢測器檢測得到光譜強度值，本實施例中激光的激發(fā)波長分別為250 nm、 266 nm、 355 nm和408 nm，釆用不同的激發(fā)波長以反映褐變中不同熒光物質(zhì)所產(chǎn)生的光譜信息，對應(yīng)得到發(fā)射光譜的波長范圍分別 為280~899跳296 ~ 899跳385 ~ 899 nm和438 ~ 899證。每條 發(fā)射光譜的分辨率為0.5nm，每條發(fā)射光譜所含的數(shù)據(jù)點的個數(shù)是由 熒光光譜儀的光譜分辨率及釆樣波長間隔所確定，其中鮮果汁的平均 三維光譜見圖2，圖中包括對應(yīng)的每個數(shù)據(jù)點包括三組數(shù)據(jù)激發(fā)波 成范圍、發(fā)射波長范圍、熒光強度，由現(xiàn)有的熒光光譜儀直接得到。 參考值的測定:使用比色計測定蘋果汁的色值，將果汁裝入10mm 光程的石英比色皿中，再將比色皿貼緊比色計，在暗處測定，測定結(jié) 果以CIE L*a*b表示，本實施例中釆用的比色計為日本Konica Minolta Sensing公司生產(chǎn)的型號為CM-2600d的比色計，利用比色計通過釆 集可見光區(qū)的反射光譜自動計算出蘋果汁的色值并在液晶屏上顯示， 以CIEI^^b表示果汁的褐變程度，上述過程為現(xiàn)有通用技術(shù)，這里 不再詳述。蘋果汁的褐變程度可由色值的真實值表示；也可由其變化量表示，即用褐變后果汁的L^、 a*、 bM直減去新鮮果汁的L*、 a*、 b*，得到AL氣Aa*、 Ab*;也可用顏色變化值A(chǔ)E表示，其中AE= ((AL" 2+ ( Aa" 2+ ( Ab" 2) 05，每一條光譜對應(yīng)的CIEI^a承b 值是一組，該步驟利用現(xiàn)有技術(shù)測得了表征果汁褐變程度的參考值， 得到了果汁的褐變程度，為后面的建模中建立熒光光譜與褐變程度之間的對應(yīng)關(guān)系提供了數(shù)據(jù)參考；光譜預(yù)處理實際中原始采集到的熒光光譜由于噪聲等因素干擾，與真實熒光光譜相差很多，因此需要預(yù)處理，對于定性分類模型，本實施例采用標(biāo)準變量變換SNV (standard normal variate)對熒光光譜 進行預(yù)處理，以去除果汁中顆粒散射的影響。對于定量預(yù)測模型，本 實施例中釆用的光譜預(yù)處理方法為中心化處理，中心化處理能改變光 譜數(shù)據(jù)的坐標(biāo)原點，有助于后續(xù)的多元校正建模。在光譜分析中釆用 預(yù)處理目前用的很廣泛，但對于光譜具體用哪種預(yù)處理方法最佳，需 通過實驗確定，本實施例中上述方法預(yù)處理后得到的熒光光譜具有很 好的處理效果； 模型的建立對于定性分類模型，對于30個新鮮蘋果汁樣品和60個褐變蘋果 汁樣品，按l: 1的比例劃分為校正集和預(yù)測集，校正集用于建立熒 光光譜與褐變的對應(yīng)模型關(guān)系，預(yù)測集用于驗證該模型是否滿足要 求。根據(jù)前面測得的樣品的熒光光譜，及在參考值確定中得到與每個 樣品對應(yīng)的褐變程度，本實施例中釆用軟獨立建模分類法SIMCA (Soft independent modeling of class analogy)建立展開光譜的分類模 型，建立熒光光譜與褐變程度之間的對應(yīng)關(guān)系，實現(xiàn)對新鮮果汁、貯 藏后的果汁、加熱后再貯藏的果汁的分類，這三類果汁分別代表無褐 變、酶促褐變、輕微非酶褐變，利用交互驗證法確定每一類的最佳主 成分數(shù)，釆用交互驗證法確定最佳主成分數(shù)是SIMCA分類建模中很普遍的現(xiàn)有方法，這里不再詳細說明；對于定量預(yù)測模型，對于90個蘋果汁樣本，分別建立CIEL+、 a*、 b*、 AL*、 Aa*、 Ab*、 AE的預(yù)測模型，采用濃度梯度法按2: l的比 例劃分校正集、預(yù)測集，校正集用于建立熒光光譜與褐變程度的對應(yīng) 模型關(guān)系，預(yù)測集用于驗證該模型是否滿足要求。用濃度梯度法劃分 校正集、預(yù)測集是建立光譜模型時通用的方法，這里不再詳述。用 N-PLS ( N-way partial least squares)最小二乘法建立校正集90x 1240x4 (90代表90個蘋果汁樣本，1240代表每條熒光光譜的數(shù)據(jù)點數(shù)，4代 表得到4條熒光光譜)熒光三維矩陣與CIEI^^b參考值之間的校正模 型，建立熒光光譜與褐變程度之間的對應(yīng)關(guān)系，實現(xiàn)對貯藏后的果汁、 加熱后再貯藏的果汁的褐變程度的預(yù)測，這三類果汁分別代表無褐 變、酶促褐變、輕微非酶褐變。具體釆用N-waytoolbox在matlab下計 算，N-way toolbox的使用可參考文獻Andersson, C. A., & Bro, R. (2000). The N-way Toolbox for MATLAB. Chemometrics and Intelligent Laboratory Systems, 52， 1-4.)。這里說的熒光三維矩陣包括圖l中的三 維數(shù)據(jù)，還包括貯藏后的果汁、加熱后再貯藏的果汁的三維數(shù)據(jù)，校 正集預(yù)測集就是對這些三維數(shù)據(jù)劃分的)。利用上述方法建立定性與定量模型后，均釆用預(yù)測集樣品來進行 驗證，驗證過程均為把采集的預(yù)測集樣品的熒光光譜值代入已建立 的模型，根據(jù)該模型中已建立的熒光光譜值與褐變程度的對應(yīng)關(guān)系， 計算出褐變預(yù)測值，然后根據(jù)預(yù)測值與真實值(即參考值測定步驟中 測定的褐變程度)，計算出相關(guān)系數(shù)，用相關(guān)系數(shù)來衡量模型是否滿 足要求， 一般相關(guān)系數(shù)大于0.85說明模型效果較好。并根據(jù)誤差要 求(如分類正確率應(yīng)大于80%，定量預(yù)測時褐變參考值的預(yù)測誤差小 于10%),對模型進行反復(fù)優(yōu)化。如果模型達不到要求，需重新釆集 樣品、重復(fù)步驟上面的步驟，直至所建立的模型滿足要求。結(jié)果表明， 所建立的定性分類或定量預(yù)測模型能準確識別新鮮的蘋果汁和發(fā)生 酶促褐變的蘋果汁，對預(yù)測集樣品的識別正確率為100%。所建立的定量模型能準確預(yù)測L*、 b*、 AL*、 Ab*、 AE的值。預(yù)測相關(guān)系數(shù) 均大于0.9，這里所說的預(yù)測相關(guān)系數(shù)是光譜分析與化學(xué)計量學(xué)領(lǐng)域 中 一個很通用的模型效果衡量指標(biāo)，表示預(yù)測出來的樣品的值與它的 真實值之間的相關(guān)度，相關(guān)度越大，表示預(yù)測越準確，從而實現(xiàn)對酶 促褐變程度的預(yù)測。褐變的在線檢測在建立好上述定性分類模型與定量預(yù)測模型 后，在生產(chǎn)線上使用光纖將光譜儀安裝在生產(chǎn)線附近，而把光纖直接 置于生產(chǎn)線上，通過釆集生產(chǎn)線上果汁的熒光光譜，將得到的熒光光 譜值輸入，代入已建立的模型，根據(jù)該模型中已建立的熒光光譜值與 褐變程度的對應(yīng)關(guān)系，該模型直接輸出褐變預(yù)測值。本實施例中光譜預(yù)處理必須在采集完光譜后，但參考值的測定與 光譜的采集無先后順序， 一般是參考值和光譜釆集完后，再用軟件對 光譜進行預(yù)處理并建立模型。實施例2本實施例為基于熒光光譜的蘋果汁非酶褐變的定性分類與定量 預(yù)測檢測方法。該方法主要包括以下步驟樣品制備釆集德囯波茨坦當(dāng)?shù)毓麍@的皮諾瓦Pinova蘋果，并 榨汁，經(jīng)離心、過濾，制得澄清的蘋果汁樣品8個。將每個樣品分成 三部分，第一部分樣品立即進行熒光光譜釆集并進行褐變參考值測 量，記作"Fresh"，第二部分和第三部分在95 °C水浴中分別加熱30 分鐘、60分鐘，用冰水浴冷卻后立即進行熒光光譜釆集并進行褐變 參考值測量，分別記作"H30"和"H60"。然后將加熱后的兩種蘋果汁 在20 °C恒溫箱中jfc存6天，然后再進行測量，結(jié)果記作"S30，，和"S60"。 至此，得到五種不同熱處理的蘋果汁，共計40個樣本，它們具有不 同程度的非酶褐變。熒光光譜釆集采用熒光光譜儀測定蘋果汁的發(fā)射光譜，激發(fā)波長為400 nm,本實施例中釆用的熒光光譜儀為正面熒光光譜儀，具 體是美國PerkinElmer公司生產(chǎn)的型號為LS55的正面熒光光譜儀。 對應(yīng)的發(fā)射光譜的范圍分別為430-600 nm,五種不同熱處理下的蘋果 汁的平均發(fā)射光譜見圖3;參考值的測定對于上述每個蘋果汁樣品的非酶褐變指數(shù) (NEBI)的測定按國際通用方法，先用乙醇對果汁進行色素提取， 對乙醇果汁混合物離心，在420 nm波長下測定澄清液的吸光度，色 值釆用比色計測定，本實施例中所用的比色計為曰本的Konica Minolta Sensing公司生產(chǎn)的型號為CM-2600d的比色計，測定結(jié)果 以CIE 1^a化表示，羥甲基糠醛HMF的含量釆用紫外分光光度法測 定，HMF是非酶褐變的中間產(chǎn)物，測量它可以知道褐變的程度，HMF 的測定用的是現(xiàn)有技術(shù)一紫外分光光度法，這樣，就可以得到每個果 汁樣品的褐變程度，及與褐變程度對應(yīng)的參考值CIEI^^b;光譜預(yù)處理對于定性分類模型，釆用標(biāo)準變量變換SNV(standard normal variate)對熒光光譜進行預(yù)處理，以去除果汁中顆粒散射的影響；對于 定量分析模型，本實施例中釆用的光譜預(yù)處理方法為中心化處理，中 心化處理能改變光譜數(shù)據(jù)的坐標(biāo)原點，有助于后續(xù)的多元校正建模。分類模型的建立對于五種不同程度非酶褐變的蘋果汁樣品，按 1: 1的比例劃分為校正集和預(yù)測集，校正集用于建立熒光光譜與褐 變的對應(yīng)模型關(guān)系，預(yù)測集用于驗證該模型是否滿足要求。采用化學(xué) 計量學(xué)法中的軟獨立建模分類法SIMCA建立熒光光譜的分類模型， 建立熒光光譜與褐變程度之間的對應(yīng)關(guān)系，實現(xiàn)對新鮮果汁、加熱 30min的果汁、加熱60min的果汁、加熱30min及60min完后再貯藏 的果汁的分類，這五種果汁分別代表不同程度的褐變，利用交互驗證 法確定每一類的最佳主成分數(shù)；定量預(yù)測模型的建立對于40個蘋果汁樣本，分別建立L815、 a*、b*、 AL*、 Aa*、 Ab*、 AE的預(yù)測模型，釆用濃度梯度法按2: l的比 例劃分校正集、預(yù)測集，用偏最小二乘法PLS建立熒光發(fā)射光譜與 參考值之間的校正模型，實現(xiàn)對上述五類果汁樣品的分類。模型驗證對于定性分類與定量預(yù)測模型，均釆用預(yù)測集樣品來 進行驗證。并根據(jù)誤差要求(如分類正確率應(yīng)大于80%，定量預(yù)測時 褐變參考值的預(yù)測誤差小于10%),對模型進行反復(fù)優(yōu)化。如果模型 達不到要求，需重新釆集樣品、重復(fù)上面的步驟，直至所建立的模型 滿足要求。結(jié)果表明，所建立的褐變鑒別模型能準確識別不同程度非 酶褐變的蘋果汁(Fresh,H30，H60，S30，S60)，對預(yù)測集樣品的識別正 確率均大于85%。所建立的定量預(yù)測模型能準確預(yù)測非酶褐變指數(shù) NEBI、 L*、 b*、 AL*、 Ab*、 AE+的值(預(yù)測集相關(guān)系數(shù)均大于0.8 ), 從而實現(xiàn)對非酶褐變程度的預(yù)測。本發(fā)明液態(tài)食品褐變檢測方法中，對熒光光譜的預(yù)處理可以包 括用于去除熒光光譜基線漂移及由于樣品顆粒散射造成影響的光譜 校正、用于去除噪聲影響的去噪聲處理、用于去除熒光光譜無關(guān)波長 點的特征波長數(shù)據(jù)點選擇。其中光譜校正的方法可為對所述熒光光譜 的中心化處理、標(biāo)準變量變換、附加散射校正或正交信號校正；去噪 聲的方法可為S-G平滑去噪或小波去噪；特征波長數(shù)據(jù)點選擇的方 法為遺傳算法波長優(yōu)化；所述的預(yù)處理還包括用于消除熒光光譜平移 及線性漂移的求導(dǎo)變換。本發(fā)明液態(tài)食品褐變檢測方法中，釆用化學(xué)計量學(xué)方法建立對果 汁褐變作定性判別的分類模型時，除采用軟獨立建模分類法SIMCA 外，還可采用判別偏最小二乘法DPLS、人工神經(jīng)網(wǎng)絡(luò)、支持向量機， 或釆用平行因子分析PARAFAC分析及聚類的方法；釆用化學(xué)計量學(xué) 方法建立對于果汁褐變程度作定量預(yù)測的多元校正模型時，還可采用 多元線性回歸、偏最小二乘PLS、人工神經(jīng)網(wǎng)絡(luò)、支持向量機，或釆 用N維偏最小二乘N-PLS直接建立熒光光譜與褐變參考值之間的關(guān)系。在建模時既可將發(fā)射光譜或激發(fā)光譜展開，即unfolded spectra; 也可直接建立三維熒光光譜excitation-emissionmatrix(EEM)與褐變之間的定性、定量模型。以上實施方式僅用于說明本發(fā)明，而并非對本發(fā)明的限制，有關(guān) 技術(shù)領(lǐng)域的普通技術(shù)人員，在不脫離本發(fā)明的精神和范圍的情況下， 還可以做出各種變化和變型，因此所有等同的技術(shù)方案也屬于本發(fā)明 的范疇，本發(fā)明的專利保護范圍應(yīng)由權(quán)利要求限定。
權(quán)利要求
1. 一種液態(tài)食品褐變檢測方法，所述液體食品本身就具有熒光性或在褐變時具有熒光性，其特征在于，該方法包括以下步驟獲取若干個不同程度褐變的液體食品樣本；用熒光光譜儀采集所述液體食品樣本的熒光光譜，并測定表征液態(tài)食品褐變程度的參考值；根據(jù)所述表征液態(tài)食品褐變程度的參考值，建立熒光光譜與褐變程度之間的對應(yīng)關(guān)系；用熒光光譜儀采集待測液態(tài)食品的熒光光譜，根據(jù)所述熒光光譜與褐變程度之間的對應(yīng)關(guān)系確定所述待測液態(tài)食品的褐變程度。
2、 如權(quán)利要求1所述的液態(tài)食品褐變檢測方法，其特征在于， 所述液態(tài)食品為果汁或牛奶。
3、 如權(quán)利要求1所述的液態(tài)食品褐變檢測方法，其特征在于，所述熒光光譜為激發(fā)光譜或發(fā)射光譜。
4、 如權(quán)利要求1或2所述的液態(tài)食品褐變檢測方法，其特征在 于，該方法在釆集所述液體食品樣本的熒光光譜之后，還包括對所釆 集的液體食品樣本的熒光光譜進行預(yù)處理的步驟，所述預(yù)處理包括 用于去除熒光光譜基線漂移及由于樣品顆粒散射造成的影響的光譜 校正、用于去除噪聲影響的去噪聲處理、用于去除熒光光譜無關(guān)波長 點的特征波長數(shù)據(jù)點選擇。
5、 如權(quán)利要求4所述的液態(tài)食品褐變檢測方法，其特征在于，所述光譜校正的方法為下述之任一種對所述熒光光譜的中心化 處理、標(biāo)準變量變換、附加散射校正、正交信號校正；所述去噪聲的方法為S-G平滑去噪或小波去噪；所述的特征波長數(shù)據(jù)點選擇的方法為遺傳算法；所述的預(yù)處理還包括用于消除熒光光譜平移及線性漂移的求導(dǎo) 變換。
6、 如權(quán)利要求l或2所述的液態(tài)食品褐變檢測方法，其特征在 于，所述熒光光譜與褐變程度之間的對應(yīng)關(guān)系包括對液態(tài)食品褐變 作定性判別的分類對應(yīng)關(guān)系，及對液態(tài)食品褐變程度作定量預(yù)測的多 元校正對應(yīng)關(guān)系。
7、 如權(quán)利要求6所述的液態(tài)食品褐變檢測方法，其特征在于，用化學(xué)計量學(xué)方法建立對液態(tài)食品褐變作定性判別的分類對應(yīng)關(guān)系，所述化學(xué)計量學(xué)方法為下述之任一種軟獨立建模分類法判別 SIMCA 、偏最小二乘法DPLS、平行因子分析法PARAFAC、人工神經(jīng)網(wǎng)絡(luò)、支持向量機；用化學(xué)計量學(xué)方法建立對液態(tài)食品褐變程度作定量預(yù)測的多元 校正對應(yīng)關(guān)系，所述化學(xué)計量學(xué)方法為下述之任一種多元線性回歸、 偏最小二乘、人工神經(jīng)網(wǎng)絡(luò)、支持向量機，N維偏最小二乘法N-PLS。
8、 如權(quán)利要求1或2所述的液態(tài)食品褐變檢測方法，其特征在 于，該方法在建立熒光光譜與褐變程度之間的對應(yīng)關(guān)系之后，還包括釆集相同液態(tài)食品樣本的熒光光譜，將所釆集的熒光光譜與所建 立的熒光光譜與褐變程度之間的對應(yīng)關(guān)系作對比，對其褐變進行定性 分類、定量預(yù)測，并根據(jù)誤差要求，對所述對應(yīng)關(guān)系反復(fù)優(yōu)化，直至 達到誤差要求。
9、 如權(quán)利要求1或2所述的液態(tài)食品褐變檢測方法，其特征在 于，所述褐變包括酶促褐變和非酶褐變，利用比色計或液相色譜法， 或紫外分光光度法測定表征液態(tài)食品褐變程度的參考值。
10、 如權(quán)利要求l或2所述的液態(tài)食品褐變檢測方法，其特征在于，所述的熒光光譜儀為正面熒光光譜儀，所述正面熒光光譜儀的激 發(fā)光譜波長范圍為200-900 nm。
11、 如權(quán)利要求2所述的液態(tài)食品褐變檢測方法，其特征在于， 對于蘋果汁的褐變分析，所述熒光光譜若為發(fā)射光譜，則所述發(fā)射光 譜所對應(yīng)的激發(fā)波長為250 nm、 266 nm、 355 nm、 400 nm和408證。
全文摘要
本發(fā)明涉及一種液體食品褐變檢測方法，該液體食品本身就具有熒光性或在褐變時具有熒光性，該方法包括步驟獲取若干個不同程度褐變的液體食品樣本；采集液體食品樣本的熒光光譜，并測定表征液態(tài)食品褐變程度的參考值；根據(jù)上述參考值建立熒光光譜與褐變程度之間的對應(yīng)關(guān)系；采集待測液態(tài)食品的熒光光譜，根據(jù)所述熒光光譜與褐變程度之間的對應(yīng)關(guān)系確定其褐變程度。本發(fā)明的液體食品褐變檢測方法對本身就具有熒光性的液體食品或在褐變過程中產(chǎn)生熒光物質(zhì)的液體食品進行褐變檢測，無需樣品前處理、快速無損，且具有很高的靈敏度，適用范圍廣，為液態(tài)食品褐變的在線實時檢測提供了技術(shù)基礎(chǔ)。
文檔編號G01N21/64GK101275912SQ20081010606
公開日2008年10月1日 申請日期2008年5月8日 優(yōu)先權(quán)日2008年5月8日
發(fā)明者慶兆珅, 曼努娜·祖德, 朱大洲, 籍保平 申請人:中國農(nóng)業(yè)大學(xué)