引用本文
冯语, 张韫宏. 市售牛奶快速ATR-FTIR主成分分析[J]. 光谱学与光谱分析, 2023,43(3): 838-841.
FENG Yu, ZHANG Yun-hong. Rapid ATR-FTIR Principal Component Analysis of Commercial Milk[J]. Spectroscopy and Spectral Analysis, 2023,43(3): 838-841.
Doi:10.3964/j.issn.1000-0593(2023)03-0838-04  
Permissions
Copyright©2023, 《光谱学与光谱分析》期刊社
《光谱学与光谱分析》期刊社 所有
市售牛奶快速ATR-FTIR主成分分析
冯语, 张韫宏*
北京理工大学化学与化工学院, 北京 100081
*通讯作者 e-mail: yhz@bit.edu.cn

作者简介: 冯 语, 女, 1996年生, 北京理工大学化学与化工学院硕士研究生 e-mail: Fengyu5100@126.com

收稿日期: 2022-01-25 修回日期: 2022-06-15 接受日期: 2022-06-15
基金: 国家自然科学基金项目(41875144)资助
摘要

牛奶主要成分的测定是评价牛奶品质的重要标准。 国家相关部门已经制定了一系列较为详尽的规范以保证牛奶等乳制品的质量安全, 但传统的检测方法操作复杂、 费时耗力并导致环境污染, 难以满足当代乳制品生产和消费的快速检测需要。 将衰减全反射-傅里叶变换红外光谱(ATR-FTIR)技术与相对湿度(RH)调控系统相结合, 建立了一种在RH连续下降条件下测量不同种类牛奶红外光谱的方法; 为牛奶等乳制品的原位无损检测、 种类区分、 品质分析等提供了新的途径。 (1)选取伊利品牌纯牛奶、 臻浓牛奶、 脱脂纯牛奶、 高钙低脂奶、 舒化牛奶5类牛奶为研究对象, 在RH连续下降的条件下, 采集不同种类牛奶样品在蒸发浓缩过程中的红外光谱, 对其主要营养成分进行峰位归属和定性分析, 仅需要微升级样品, 就可在短时间内提取样品浓缩过程中水、 碳水化合物、 脂肪、 蛋白质等主要成分的光谱信息, 实现对不同类别市售牛奶化学成分的较全面表征; (2)采用NWUSA软件对所得红外光谱数据进行建模分析, 选取4 000~400 cm-1波段为变量对所得光谱数据进行主成分分析(PCA), 并评估模型对不同类别牛奶的鉴别能力。 所得PCA分析数据在同组内聚集度良好, 不同组内坐标轴上相距较远, 说明模型选取合理可靠, 具有代表性。 实验中共使用了75份牛奶样品, 其中生产日期、 产地为随机因素, 牛奶的种类和品牌为固定因素。 结果表明, 该方法具有操作简便、 反应灵敏、 光谱质量高、 无损测量等优点, 适用于牛奶等乳制品的原位、 快速、 无损鉴别分析。

关键词: 衰减全反射-傅里叶变换红外光谱; 牛奶; 主成分分析; 连续降湿
中图分类号:O657.3 文献标志码:A
Rapid ATR-FTIR Principal Component Analysis of Commercial Milk
FENG Yu, ZHANG Yun-hong*
Institute of Chemical Physics, School of Chemistry and Chemical Engineering, Beijing Institute of Technology, Beijing 100081, China
*Corresponding author
Abstract

The determination of the main components of milk is an important criterion for evaluating the quality of milk. Relevant national departments have formulated a series of relatively detailed specifications to ensure the quality and safety of milkand other dairy products. However,thetraditional detection methods are often complex, time-consuming and labor-intensive. Some even cause environmental pollution, making it difficult to meet the rapid detection needs of contemporary dairy production and consumption. In this study, the portable attenuated total reflectionFourier transform infrared spectroscopy (ATR-FTIR) technique was combined with relative humidity (RH) control system to establish a method to measure the infrared spectra of different kinds of milk under the condition of continuous decline of RH. This method provides a new way for non-destructive testing, classification and quality analysis of milk products. The main contents include:(1)Selecting five types of milk of YiLi brand (pure milk, Zhennong milk, skimmed pure milk, high-calcium low-fat milk, and Shuhua milk) as research objects. Whose infrared spectra in the process of evaporation and concentration were collected under continuous decline of RH, and the peak position attribution and qualitative analysis of main nutritional components were carried out. It only takes a few microliters of milk samples for us to obtain the spectral information of the main components, such as water, carbohydrates, fats, and proteins, during the sample concentration process in a short time and achievea relatively comprehensive characterization of the chemical components of milk; (2) Using NWUSA software to build the model and process the infrared spectral data, choosing 4 000~400 cm-1 band as the variables to perform PCA and evaluating the identification ability of the model for different types of milk, it shows that the data of PCA process are well aggregated in the same group. The coordinate axes in different groups are far apart, indicating that the model selection is both reliable and representative. A total of 75 milk samples were used in the experiment, in which the production date and place were random factors, and the type and brand of milk were fixed factors. The results show that the proposed method has the advantages of simple operation, sensitive response, high spectral quality and non-destructive measurement, which is suitable for in-situ, rapid and non-destructive identification and analysis of milk and other dairy products.

Keyword: ATR-FTIR; Milk; PCA; Continuous decline of RH
引言

牛奶是当代社会中一种常见饮品, 包含丰富的蛋白质、 脂肪、 乳糖、 矿物质、 维生素等营养成分[1]。 根据联合国粮农组织(FAO)报道, 2020年全球牛奶产量增长2%, 总产量接近8.8亿吨。 近年来, 随着人们对健康状况重视程度逐渐加大, 对乳制品质量安全、 营养成分等问题也愈加关注。 牛奶中主要成分的测定, 是建立乳制品行业规范、 确定牛奶价值、 甄别牛奶品质的关键。 工业生产和实验室研究中传统使用的检测方式主要包括感官分析、 物理化学测量、 生化程序分析和微生物计数等, 这些方法的结果往往具有较高的准确性, 但却存在耗时费力、 破坏样品等缺点, 很难适应当下食品工业技术和监管的要求。 红外光谱技术在乳制品检测分析中的潜在优势日益显现[2], 其原理是通过测量牛奶样品的红外光谱, 提供其中各种化合物的分子振转光谱信息, 借助数据建模, 实现对牛奶及其他乳制品的定性和定量分析[3]。 Filho和Volery[4]使用近红外光谱技术(NIR)预测各种新鲜奶酪的总固体含量, 可以根据总固体含量的不同区分不同种类奶酪; 有报道将近红外和聚类分析法相结合, 建立了一种可以快速、 无损地识别奶粉中不同辅料的方法。 由于牛奶中水的含量高达87.5%, 水在红外光谱区域具有很强的吸收信号, 会对模型的准确性造成干扰, 之前的研究主要针对奶酪、 奶粉等固态乳制品, 对液态奶的研究相对较少。 需要建立一种更为高效、 快捷、 简便的红外分析方法满足液态奶检验的要求。 本研究通过持续降低样品池内相对湿度(RH), 提取牛奶样品浓缩过程中水、 碳水化合物、 脂肪、 蛋白质及其他成分的光谱变化信息, 结合PCA等数理统计方法, 实现对不同类别牛奶的区分和鉴别。

1 实验部分
1.1 样品

选取伊利品牌纯牛奶、 臻浓牛奶、 脱脂纯牛奶、 高钙低脂奶、 舒化牛奶5类牛奶为研究对象, 每类牛奶取15个样品。 样品的生产日期在2021.10.1— 2021.10.31范围内。 每种牛奶的配料成分如表1所示。

表1 不同类别牛奶配料表 (品牌: 伊利) Table 1 Ingredients of different types of milk (Brand: Yili)
1.2 仪器及参数

本实验采用的实验仪器为傅里叶变换红外光谱仪(Bruker-Alpha), 主要部件为ALPHA-P测量模块, 选用金刚石作为放置样品的基底, OMNIC V8.2、 OriginPro2018软件用于处理红外光谱, NWUSA软件用于建模和主成分分析(PCA)[5]。 实验过程中每次取2 μ L牛奶样品滴入样品池, 样品池内连接湿度探测器, 可实时测定样品池内RH和温度, 样品池一端连接气路系统, 一端与大气相连, 气路端的高压空气瓶以100 mL· min-1的流速向样品池内通入干燥空气, 使样品池内RH不断降低, 采集不同RH下对应牛奶样品的红外光谱, 直至RH降到最低(< 5%), 此时牛奶样品中的水和其他易挥发物质均被带走, 所得红外光谱不再发生变化。 实验过程中光谱采集范围为4 000~400 cm-1, 光谱的分辨率4 cm-1, 扫描次数选择12次, 30 min之内就可提取RH变化过程中的全部光谱信息。

2 结果与讨论
2.1 不同类别牛奶样品红外光谱分析

图1是伊利品牌不同类别牛奶在持续降湿过程中红外光谱的变化。 (a, b, c, d, e)分别对应纯牛奶、 臻浓牛奶、 脱脂纯牛奶、 高钙低脂纯牛奶、 舒化牛奶。 从图1可以看出, 随着样品池内RH不断降低, 水峰的强度逐渐变弱, 牛奶的特征峰则不断增强。

图1 (a)纯牛奶; (b)臻浓牛奶; (c)脱脂纯牛奶; (d)高钙低脂纯牛奶; (e)舒化牛奶降湿过程红外光谱图Fig.1 Infrared spectra of (a) Pure milk; (b) Zhennong milk; (c) Skimmed pure milk; (d) High calcium low-fat pure milk; (e) Shuhua milkduring dehumidification process

图2是降湿过程中样品池内RH和温度(T)随时间(t)变化的关系, 在整个降湿过程中反应池内RH从25%降至2%, 样品池内温度始终维持在16 ℃左右。 图3是在最低RH条件下(< 5%)不同种类牛奶红外光谱图的对比, 此时可以认为牛奶样品中的水完全挥发。 如图3所示, 2 922和2 853 cm-1峰分别对应CH3和CH2的对称和反对称伸缩振动, 1 748 cm-1峰对应C=O键的伸缩振动[6], 这三个峰主要归属于脂肪。 从(c)和(d)中可以看出, 脱脂牛奶光谱中未出现1 748 cm-1峰, 高钙低脂牛奶光谱中1 748 cm-1峰明显低于其他牛奶样品, 并且脱脂牛奶和高钙低脂牛奶CH3和CH2的峰强都明显低于其他牛奶样品。 1 645, 1 585~1 340和1 245 cm-1峰分别对应蛋白质酰胺Ⅰ , Ⅱ 和Ⅲ 带的吸收[7]。 3 800~3 000 cm-1处为碳水化合物中O— H伸缩振动特征峰, 1 197~938 cm-1处为C— O伸缩振动峰, 940~825和816~752 cm-1处为C— O环振动峰, 与碳水化合物多糖分子中C— OH和C— O— C伸缩振动相关[8]。

图2 降湿过程中样品池内RH和温度(T)随时间(t)的变化关系Fig.2 Variation of RH and temperature (T) withtime (t) during dehumidification process

图3 最低湿度(< 5%)条件下不同牛奶样品(a)纯牛奶, (b)臻浓牛奶, (c)脱脂纯牛奶, (d)高钙低脂纯牛奶, (e)舒化牛奶的红外光谱及峰位归属Fig.3 Infrared spectraat lowest RH(< 5%)and peak position attribution of (a) Pure milk, (b) Zhennong milk, (c) Skimmed pure milk, (d) High calcium low-fat pure milk, (e) Shuhua milk

2.2 对不同类别牛奶样品进行PCA

Vinciguerra等对液态奶的研究中, 由于牛奶中水的含量远高于蛋白质、 脂肪等营养物质, 宽而大的水峰在红外光谱上具有很强的特征峰(3 400和1 640 cm-1处分别对应O— H的伸缩振动和弯曲振动), 蛋白质、 脂肪等营养物质的特征峰却比较弱, 较大地限制了对牛奶中营养成分特征峰的辨别[9], 因此研究人员在对牛奶等乳制品进行PCA分析时通常舍去3 500~3 100 cm-1部分, 选取3 000~2 800, 1 700~1 500和1 500~900 cm-1[10, 11]等特征峰明显的部分建模。 这种方法能有效地避免水峰及其他杂峰的影响, 但3 400和1 640 cm-1处O— H的伸缩振动并不完全由水峰产生, 从图1中可以看出, 3 400和1 640 cm-1处的峰在RH降至最低值后仍很强, 说明样品中除水以外其他物质也含有O— H, 将3 500~3 100 cm-1部分的信号舍去, 实际上丢失了一部分牛奶营养物质的光谱信息。 本研究通过不断降湿的方法使样品浓缩, 在保留样品全部光谱信息的同时放大了相关营养物质的光谱信息。 图4是通过NWUSA软件以4 000~400 cm-1全波段范围为变量进行建模后得到的主成分分析图, 数据同组内聚集度良好, 不同组内坐标轴上相距较远, 除了臻浓牛奶(b)以外, 其他种类的牛奶均能得到有效区分。

图4 不同类别牛奶样品
(a): 纯牛奶; (b): 臻浓牛奶; (c): 脱脂纯牛奶; (d): 高钙低脂纯牛奶; (e): 舒化牛奶的PCA分析图Fig.4 PCA analysis of different types of milk samples
(a): Pure milk; (b): Zhennong milk; (c): Skimmed pure milk; (d): High calcium low-gat pure milk; (e): Shuhua milk

3 结论

近年来, 乳制品的安全问题受到人们持续关注。 传统的检测方法已不能满足现代生产和消费对乳制品品质评价的需求, 需要建立一种快速、 高效的现代分析方法对乳制品进行品质甄别、 种类区分、 掺假检测等系列工作, 达到维护乳制品质量和安全的目的。

采用ATR-FTIR技术, 建立了一种新的方法对市售不同类别牛奶进行红外光谱分析, 将所得光谱建立模型并进行PCA。 结果表明, 通过PCA过程基本可以实现对不同类别市售牛奶的区分, 其结果具有较好的稳定性。 作为乳制品品质检测技术的一项初步探索, 为实现牛奶的微量检测、 快速甄别及多组分原位分析提供了可能。

参考文献
[1] Spreer E. Milk and Dairy Product Technology. Marcel Dekker, 1998. [本文引用:1]
[2] Kucevic D, Glamocic D, Trivunovic S, et al. Acta Periodica Technologica, 2017, 48(48): 167. [本文引用:1]
[3] Karoui R, Debaerdemaeker J. Food Chemistry, 2007, 102(3): 621. [本文引用:1]
[4] Filho P A, Volery P. Anal. Chim. Acta, 2005, 544(1): 82. [本文引用:1]
[5] Song D, Chen Y, Li J, et al. J. Biophotonics, 2021, 14: e202000456. [本文引用:1]
[6] Balan B, Dhaulaniya A S, Jamwal R, et al. Vibrational Spectroscopy, 2020, 107: 103033. [本文引用:1]
[7] Santos P M, Pereira-Filho E R, Rodriguez-Saona L E. Food Chemistry, 2013, 138(1): 19. [本文引用:1]
[8] Hashimoto A, Kameoka T. Applied Spectroscopy Reviews, 2008, 43(5): 416. [本文引用:1]
[9] Vinciguerra L L, Marcelo M, Motta T, et al. Química Nova, 2019, 42(3): 249. [本文引用:1]
[10] Kulmyrzaev A, Dufour E, Noel Y, et al. International Dairy Journal, 2005, 15(6-9): 669. [本文引用:1]
[11] Capuano E, Rademaker J, Bijgaart H, et al. Food Research International, 2014, 60: 59. [本文引用:1]