一种基于近红外光谱分析的类胡萝卜素检测方法
【专利摘要】本发明公开了一种胡萝卜素含量的测定方法，具体是一种胡萝卜中类胡萝卜素含量的近红外光谱分析方法,该方法利用近红外光谱仪和光谱采集软件对样品进行光谱采集，采集偏距控制在中心进行采集，获得较为准确和更具代表性的光谱信息.利用光谱分析技术在检测平台上，可实现胡萝卜中类胡萝卜素含量的无损检测。本发明的优点是能够快速、即时、无损的来获取胡萝卜中类胡萝卜素含量，检测方法专属性、针对性强，结果准确可靠；精密度良好；稳定性良好；重复性好；准确度高；处理效率高，社会效益明显。
【专利说明】
一种基于近红外光谱分析的类胡萝卜素检测方法
技术领域
[0001] 本发明属于农产品光谱分析、检测领域，涉及一种用紫外可见分光光度法来测定 物质含量的方法，具体是一种类胡萝卜素含量的测定方法，特别是一种测定胡萝卜中类胡萝 卜素含量的测定方法。
【背景技术】
[0002] 胡萝卜属伞形科二年生草本植物，以肉质根供食用和药用，适应性广，产量高，种植 历史悠久。胡萝卜含有多种营养成分，营养价值非常高，享有"小人参"的美誉。
[0003] 胡萝卜因其富含类胡萝卜素，尤其b_胡萝卜素而成为食药两用的重要原料[范积平， 张贞良，张柳瑛等.近红外光谱法测定药用大黄中4种蒽醌类成分[J].第二军医大学学报， 2005,26(10): 1194-1195.]。《本草纲目》记载:胡萝卜有"下气、补中、利肠胃、安五脏"之功 效，还有"强心、降压、抗过敏、明目、抗癌"等作用。现代医学研究表明：以胡萝卜为原料加工 成的广品，可以清除体内的氧自由基、抗御自由基引起的内源性损伤，缓解关节症状，减少 突变细胞的发生，降低肿瘤的发生率[孙晓荣，刘翠玲，吴静珠等.基于近红外光谱的淀粉含 水量快速检测研究[J ].食品工业科技，2010，31 (10): 441 - 442.]。
[0004]在胡萝卜中，胡萝卜中类胡萝卜素含量的高低是评价胡萝卜品质优劣的重要指标和开 发利用胡萝卜的主要依据。因此，能够快速的、即时的、无损的来获取胡萝卜中类胡萝卜素含量 意义重大。目前，胡萝卜类胡萝卜素含量主要依靠破坏性检验方法。整个检测过程不但工作量 很大，而且每种参数的测量都要进行不同的实验，导致其分析难以实现快速、准确、无损化。
[0005] 近红外光谱技术具有多种成分同时分析、测量速度快、测试成本低、样品无需预处 理且不会遭到破坏、无需化学试剂等突出特点，堪称"绿色检测技术"，在水果品质检测中得 到越来越广泛的应用[秦善知，陈斌，陆道礼，颜辉.基于便携式近红外光谱仪检测梨可溶性 固形物的研究[J].江苏农业科学，2008,42(6): 54-59.]。
【发明内容】
[0006] 本发明的目的是提供一种能够精确、快速、即时、无损的来获取胡萝卜中类胡萝卜素 含量的方法。
[0007] 本发明公开了一种胡萝卜素含量的测定方法，具体是一种胡萝卜中类胡萝卜素含量 的近红外光谱分析方法，该方法利用USB2000+近红外光谱仪(现有设备）和SpectraSuite 光谱采集软件(现有技术软件)对样品进行光谱采集，将探距控制在15~35mm之间，胡萝卜片 厚度控制在2_3mm，米集偏距控制在中心进行米集，获得较为准确和更具代表性的光谱{目 息，利用光谱分析技术在检测平台上，可实现胡萝卜中类胡萝卜素含量的无损检测。
[0008] 采用的技术方案是： 一种基于近红外光谱分析的类胡萝卜素检测方法。该方法处理过程包括待测样品的预 处理、光谱信息的采集、光谱数据的整理、回归模型的建立、预测模型的建立以及校正、预测 值的分析与显示，具体操作步骤如下： (1)待测样品的预处理:对待测样品平均分为3组进行预处理，常温放置处理(室温21 °C，保持与其他样本放置时间一致），冰箱进行冻融处理(-20°C左右进行冻融30min，常温融 化15min，反复三次），微波炉进行软化处理(软化功率为800w，软化时间lmin)。
[0009] (2)样品的光谱信息采集： (2.1) 扣除环境暗光谱:将分别分组进行不同预处理方法的待测样品至于可见近红外 光谱检测平台内、升降台光谱采集区域外。此时将设备连接，待光源温度稳定，发射出的近 红外光波段的光强平缓、跳动微小后，得到此时强度光谱曲线。
[0010] (2.2)储存参考光谱：扣除暗光谱后将反射参考板放入平台内升降台光谱采集区 域中，进行参考光谱的测定，在光线照射区域内移动反射参考板，观察光谱强度曲线随参考 板位移变化的情况，在光纤探头与参考板距离为15~35mm时的强度光谱作为参考光谱，调节 SpectraSuite光谱采集软件的相关参数及设置，包括积分时间100ms，平均次数5,平滑度1， 去除暗噪声开启，非线性校正开启，杂散光校正开启；待光谱强度以及反射率曲线适宜，得 到样品原始光谱曲线。
[0011] (2.3)光谱信息的采集:将反射参考板移出光谱采集区，移入待测样品，调节升降 台使得反射参考板与光纤探头距离与上步骤相同、保持其他参数不变，得到样品光谱反射 率、透射率、吸光度的曲线以及txt格式的光谱数据。
[0012] (3)鲜胡萝卜中类胡萝卜素含量的标定:进行光谱信息采集完之后，对样品进行切碎 (2*2*2mm大小的丁状）、研磨，对样品鲜胡萝卜中类胡萝卜素的含量进行标定，标定方法为已 知技术。
[0013] (4)光谱数据的预处理和预测模型的建立： (4.1) 对鲜胡萝卜的特征波段进行提取，对光谱数据求一阶倒数，二阶倒数，选择相关度 高的540-940nm波段作为特征波段进行实验研究。
[0014] 将得到的特征波段的光谱文本数据和对应样品的类胡萝卜素的含量统一整理至 UnSCrambler9.7,将整理后的光谱数据导入至该软件，通过对光谱信息的预处理找到模型 综合判定系数最高的建模方法。
[0015] (4.2)光谱数据的预处理，胡萝卜中胡萝卜素的最佳光谱数据预处理方法为一阶导 数结合多元散射校正(FD+MSC)。
[0016] (4.3)回归模型的建立:通过对比分析各种判定参数，包括预处理数据建立的模型 的PC数、决定系数R2、校正均方根误差RMSEC、BIAS，选取最优预测模型，再利用软件中偏最 小二乘回归的算法工具，对于模型进行最后的修正。
[0017] (5)预测值的分析与显示:先将预测模型导入至Unscrambler9.7中，此时会要求选 择主成分数，填入的主成分数为利用偏最小二乘回归的算法工具对预测模型修正后的最佳 主成分数。而对待测样本的光谱数据预处理办法务必与建立该模型时数据预处理方法相 同，在完成数据输入、模型载入后可完成待测样品品质的预测以及预测数值的读取。
[0018]本发明具有如下优点： 本发明公开了一种胡萝卜素含量的测定方法，具体是一种胡萝卜中类胡萝卜素含量的近 红外光谱分析方法。目前，胡萝卜类胡萝卜素含量主要依靠破坏性检验方法，整个检测过程不 但工作量很大，而且每种参数的测量都要进行不同的实验，导致其分析难以实现快速、准 确、无损化。与现有技术比较，本发明的优点是能够快速、即时、无损的来获取胡萝卜中类胡 萝卜素含量，检测方法专属性、针对性强，结果准确可靠;精密度良好;稳定性良好；重复性 好;准确度高;处理效率高，社会效益明显。
[0019] 本发明发明了可见/近红外光谱定量检测胡萝卜素新方法，确定540-940nm为胡萝卜 素信息关键响应区，建立了胡萝卜素特征信息提取新方法。
【附图说明】
[0020] 图1为采用本方明方法预测集样本真实值与预测值对应散点图。
[0021] 图2为采用本方明方法类胡萝卜素预测集样本残差分布散点图。
【具体实施方式】
[0022]下面结合具体实施例对本发明作进一步阐述，但本发明并不限于以下实施例。所 述方法如无特别说明均为常规方法。所述原料如无特别说明均能从公开商业途径而得。下 述实施例每步骤的数据处理均由挪威CAM0公司出售的化学计量软件The Unscrambler9.7 中完成。
[0023] -种基于近红外光谱分析的类胡萝卜素检测方法，包括下列步骤： (1)待测样品的预处理:试验材料选用胡萝卜品种为红芯四号，共12根，鲜胡萝卜的平均 湿基含水率为90 %。选胡萝卜中间部分，通过切片机加工处理控制在2-3mm的胡萝卜片，以10g 为标准进行分组，共12*3=36个样本组，其中随机挑选30作为试验集样本;另外6个作为预测 集样本。对待测样品平均分为3组进行预处理，常温放置处理(室温21°C，保持与其他样本放 置时间一致），冰箱进行冻融处理(_20°C左右进行冻融30min，常温融化15min，反复三次）， 微波炉进行软化处理(软化功率为800w，软化时间lmin)。
[0024] (2)样品的光谱信息采集： (2.1)扣除环境暗光谱:将分别分组进行不同预处理方法的待测样品至于可见近红外 光谱检测平台内、升降台光谱采集区域外。此时将设备连接，接通电源，将光源预热20min， 待光源温度稳定，发射出的近红外光波段的光强平缓、跳动微小后，得到此时强度光谱曲 线。
[0025] (2.2)储存参考光谱：扣除暗光谱后将反射参考板放入平台内升降台光谱采集区 域中，进行参考光谱的测定，在光线照射区域内移动反射参考板，观察光谱强度曲线随参考 板位移变化的情况，在光纤探头与参考板距离为25mm时的强度光谱作为参考光谱，调节 SpectraSuite光谱采集软件相关参数及设置，包括积分时间100ms，平均次数5,平滑度1，去 除暗噪声开启，非线性校正开启，杂散光校正开启，待光谱强度以及反射率曲线适宜，得到 样品原始光谱曲线。
[0026] 将被检测的胡萝卜样本置于参考板调节标记的位置，调节光纤探头使探头照射在 胡萝卜中心位置，待谱图稳定后储存其反射率的光谱数据。通过随机选取样本组分别采集6 次，并分别保存，最后将6个光谱数据的平均值作为该胡萝卜最终的光谱信息。
[0027] (2.3)光谱信息的采集:将反射参考板移出光谱采集区，移入待测样品，调节升降 台使得反射参考板与光纤探头距离与上步骤相同、保持其他参数不变，得到样品光谱反射 率、透射率、吸光度曲线以及txt格式的光谱数据。
[0028] (3)鲜胡萝卜中类胡萝卜素含量的标定:进行光谱信息采集完之后，对样品进行切碎 (2*2*2mm大小的丁状）、研磨，对样品鲜胡萝卜中类胡萝卜素的含量进行标定。将预处理以及 采集完光谱密封保存的样本放于50ml的具塞量筒中，先加入10ml 95%乙醇进行萃取，于暗 处放置5min，然后搅拌2min，再放入暗处放置5min，然后搅拌lmin，采用真空过滤机进行过 滤，留下滤渣;再加入20ml石油醚进行萃取，同样采用暗处放置和搅拌进行萃取，之后将萃 取液混合。以蒸馏水作为空白，用3mm的比色皿，在430nm-490nm波长内测定吸光度，以波长 为横坐标，吸光度为纵坐标，绘制图表，发现在450-464nm内吸光度达到最大值，拟采用460 为选定波长。分别对所得萃取液进行吸光度和浓度测定，每次测定进行两次，然后取平均 值。
[0029] (4)光谱数据的预处理和预测模型的建立： (4.1)对鲜胡萝卜的特征波段进行提取，对光谱数据求一阶倒数，二阶倒数，选择相关度 高的540-940nm波段作为特征波段进行实验研究。
[0030] 将得到的特征波段的光谱文本数据和对应样品的类胡萝卜素的含量统一整理 Excel表格中，打开化学计量软件Unscrambler9·7，将整理后的光谱数据Excel导入至该软 件，通过对光谱信息的预处理找到模型综合判定系数最高的建模方法。
[0031] (4.2)光谱数据的预处理，其预处理方法包括：多元校正散射（MSC)、标准化 (Normalize)、平滑、归一法、求导和不对光谱做任何处理，胡萝卜中胡萝卜素的最佳光谱数据 预处理方法为一阶导数结合多元散射校(FD+MSC)。
[0032] (4.3)回归模型的建立:通过对比分析相关判定参数，包括各种预处理数据建立的 模型的PC数、决定系数R2、校正均方根误差RMSEC、BIAS，选取最优预测模型，再利用软件中 偏最小二乘回归的算法工具，对于模型进行最后的修正。
[0033]胡萝卜类胡萝卜素数据预处理方法统计表：
(5)预测值的分析与显示:先将预测模型导入至Unscrambler9.7中，此时会要求选择主 成分数，填入的主成分数为利用偏最小二乘回归的算法工具对预测模型修正后的最佳主成 分数。而对待测样本的光谱数据预处理办法务必与建立该模型时数据预处理方法相同，在 完成数据输入、模型载入后可完成待测样品品质的检测以及数值的读取。
【主权项】
1. 一种基于近红外光谱分析的类胡萝卜素检测方法，其特征在于包括下列步骤： (1) 待测样品的预处理:所有待测样品分为3组，分别进行常温放置处理，冰箱进行冻融 处理，微波炉进行软化处理； (2) 样品的光谱信息采集： (2.1) 扣除环境暗光谱:开启光源，待光源温度稳定，发射出的近红外光波段的光强平 缓、跳动微小后，得到此时强度光谱曲线； (2.2) 储存参考光谱:扣除暗光谱后将反射参考板放入光谱采集区域中，进行参考光谱 的测定，在光线照射区域内移动反射参考板，观察光谱强度曲线随参考板位移变化的情况， 待光谱强度以及反射率曲线适宜，得到样品原始光谱曲线； (2.3) 光谱信息的采集:将反射参考板移出光谱采集区，移入待测样品，调节待测样品 位置使得反射参考板与光纤探头距离与上步骤相同、保持其他参数不变，得到样品光谱曲 线以及光谱数据； (3) 鲜胡萝卜中类胡萝卜素含量的标定:进行光谱信息采集完之后，对样品鲜胡萝卜中类 胡萝卜素的含量进行标定； (4) 光谱数据的预处理和预测模型的建立:对鲜胡萝卜的特征波段进行提取，将得到的 特征波段的光谱文本数据和对应样品的类胡萝卜素的含量统一整理至Unscrambled · 7，将 整理后的光谱数据导入至该软件，通过对光谱信息的预处理找到模型综合判定系数最高的 建模方法，建立预测模型后再利用软件中算法工具，对于模型进行最后的修正； (5) 预测值的显示：利用模型进行预测时，将预测模型导入UnSCrambler9.7中，对待测 样本的光谱数据预处理办法务必与建立该模型时数据预处理方法相同，在完成数据输入、 模型载入后可完成待测样品品质的预测以及预测数值的读取。2. 如权利要求1所述一种基于近红外光谱分析的类胡萝卜素检测方法，其特征在于:所 述的步骤(1)中的试验材料所选用的胡萝卜品种为红芯四号，共12根，鲜胡萝卜的平均湿基含 水率为90 %。3. 如权利要求1所述一种基于近红外光谱分析的类胡萝卜素检测方法，其特征在于:所 述的步骤（1)中待测样品的预处理方法包括，选胡萝卜中间部分，通过切片机加工处理控制 在2-3mm的胡萝卜片，以10g为标准进行分组，共12*3=36个样本组，其中随机挑选30作为试验 集样本;另外6个作为预测集样本。4. 如权利要求1所述一种基于近红外光谱分析的类胡萝卜素检测方法，其特征在于:所 述的步骤（1)中待测样品的预处理方法包括，冰箱进行冻融处理（_20°C左右进行冻融 30min，常温融化15min，反复三次），常温放置处理(室温21°C，保持与其他样本放置时间一 致），微波炉进行软化处理(软化功率为800w，软化时间lmin)。5. 如权利要求1所述一种基于近红外光谱分析的类胡萝卜素检测方法，其特征在于:所 述的步骤(2.3)中，选取样本分别采集光谱信息6次，并分别保存，最后将6个光谱数据的平 均值作为该胡萝卜最终的光谱信息。6. 如权利要求1所述一种基于近红外光谱分析的类胡萝卜素检测方法，其特征在于:所 述的步骤(4)中鲜胡萝卜特征波段提取方法为对光谱数据求一阶倒数，二阶倒数，选择相关 度高的540-940nm波段作为特征波段进行实验研究。7. 如权利要求1所述一种基于近红外光谱分析的类胡萝卜素检测方法，其特征在于:所 述的步骤(4)中胡萝卜中胡萝卜素的最佳光谱数据预处理方法为一阶导数结合多元散射校正 (FD+MSC)。8.如权利要求1所述一种基于近红外光谱分析的类胡萝卜素检测方法，其特征在于:所 述的步骤(4)中建立的预测模型后利用的软件中算法工具是偏最小二乘回归(PLS)。
【文档编号】G01N21/3563GK106018320SQ201510700554
【公开日】2016年10月12日
【申请日】2015年10月26日
【发明人】宁晓峰, 宫元娟, 裴军强, 周铁, 秦军伟
【申请人】沈阳农业大学