祝 静，丁 武*
羊酸奶质构特性的近红外光谱定量分析
祝 静，丁 武*
(西北农林科技大学食品科学与工程学院，陕西 杨凌 712100)
探讨利用近红外光谱技术(NIRS)快速测定羊酸奶质构特性的可行性。以不同菌种和工艺条件生产出45种质构特性差异较大的羊酸奶，通过解析样品的近红外光谱图，采用二阶导数(SD)方法进行预处理，运用偏最小二乘法(PLS)建立羊酸奶硬度、黏聚性和保水力质构参数的校正模型，其校正相关系数R2分别为0.6668、0.6461、0.7269，所建模型验证R2分别为0.7577、0.7200、0.7174。对预测值与实测值进行t检验，差异不显着(P＞0.05)。结果表明：NIRS适合评价羊酸奶的质构特性，具有一定的准确性与预测能力，但是建模方法值得进一步研究以提高预测的精度。
羊酸奶；近红外；质构特性；偏最小二乘法
羊酸奶是以鲜羊奶为原料，经过预处理、灭菌、接种乳酸菌后，由生物发酵而制成的一种活性乳酸菌制品[1]。由于羊奶中含有200多种营养物质和生物活性物质[2]，风味别致、功能独特、营养价值高，因而成为乳品市场的新宠。
近红外光谱技术具有快速、简便、无污染、可在线检测等优点，在原料检测、产品质量控制与分析等方面发挥着重要的作用[5]，目前多用于化学成分的检测。但是随着光学、电子技术和化学计量学的发展，近年来，它在物性检测方面也逐渐被重视，已开始被用于进行食品品质评价与食品感官分析方面的研究[6-7]。
Esteban-Direz 等[8]探讨了近红外光谱与咖啡感官值之间的相关性，并采用PLS 方法对咖啡的感官性状建立了酸度、苦味、口感、回味的模型；侯卓成等[9]利用近红外光谱仪测定保存时间不同的鸡蛋，运用无偏最小二乘法建立了鸡蛋蛋白高度、鸡蛋气室直径、气室高度的近红外测定模型；Karoui等[10]研究了近红外光谱分析技术预测奶酪感官特性的可行性，对欧洲不同地方的20种瑞士奶酪的一些感官特性进行分析，并采用PLS 建立了感官评定值与近红外光谱之间的关系模型。但近红外光谱技术在酸奶中的应用主要限制在检测酸奶的脂肪、蛋白质以及总干物质等化学指标[11-14]，很少有报道研究近红外光谱预测酸奶的感官质构特性。
而酸奶的质构特性直接影响酸奶的品质和人们对酸奶的接受程度，并且受到很多生产因素的影响[3-4]。本研究采用质构仪测定羊酸奶的硬度与黏聚性，运用离心法测定羊酸奶的保水力，使用傅里叶变换近红外光谱仪采集羊酸奶的近红外光谱；通过解析谱图和采用二阶导数法对光谱预处理，将比较复杂的弱光谱信息有效提取出来，用偏最小二乘法对羊酸奶的近红外光谱数据进行定量分析，并对样本进行预测，探讨利用近红外光谱技术快速检测羊酸奶的质构特性的可行性，为酸奶质构特性的在线监控技术的研究提供参考。
1 材料与方法
1.1 材料
美羚纯羊奶粉 陕西红星乳业有限公司；脱脂乳粉上海光明乳业有限公司；蔗糖(食品级)市售。
保加利亚乳杆菌、嗜热链球菌、丁二酮乳链球菌黑龙江乳品保藏中心；双歧杆菌 本实验室提供。
采用4种菌种，使用不同的菌种添加量(2%～6%)，不同的菌种配比(1:2～3:1)，不同的发酵温度(34～42℃)，以及不同的加糖量(6%～10%)，按常规的酸奶工艺流程发酵羊奶，凝固后置于4℃冰箱后熟，获得质构特性差异较大的45种羊酸奶样品。
1.2 仪器与设备
MPA傅里叶变换近红外光谱仪 德国布鲁克公司；TA-XT2i质构分析仪 英国SMS公司；小型台式离心机 德国Sigma公司。
1.3 方法
1.3.1 样品的近红外光谱采集
光谱仪的主要工作参数为：扫描谱区范围3500～12000cm-1，光源10W/6V，分辨率－4cm-1，扫描次数为64次。为了减少样品的不均匀性，将柱形样品容器依次旋转120°，平行测定3次取平均值。
1.3.2 保水力的测定
吸取5mL奶样，4℃的样品放入刻度离心管中，4000r/min离心20min，1min之后读数。酸奶的保水力用离心后沉淀物的体积分数表示[15]。
1.3.3 硬度和凝聚性的测定
选用质构分析仪的A/BE 探头：直径为35mm的压力盘。测定的参数设置为：下降速度与测试速度1.0mm/s，提升速度1.0mm/s，测试深度30.0mm，记录探入过程中所需的应力(g)[16]。所得质构特征曲线图的最大正峰值为硬度，最大负峰值为黏聚性。如图1所示。
图1 反挤压探头A/BE测量质构代表曲线Fig.1 Representative textural curve measured using inverted extrusion probe A/BE
1.4 模型的建立与验证
利用OPUS5.5分析软件(德国布鲁克公司) 对采集的羊酸奶近红外光谱进行预处理，按照测定的理化指标值的分布将羊酸奶分为校正集和验证集。在OPUS5.5 QUNAT-2定量分析软件中输入校正集的光谱和相应的理化值，选择适当的预处理方法和光谱范围，用偏最小二乘法(PLS)计算程序进行优化运算，用交互验证(crossvalidation)的方法来确定模型的最佳主成分维数(rank)，利用实测值与模型计算值之间的相关系数(R2)，交互验证均方根差(RMSECV)来选择最优校正模型，其值是R2偏高为好，RMSECV偏小为好。建立校正模型后，输入验证集光谱和相应的理化值，对验证集进行预测，用预测值与实测值的预测相关系数(R2)，预测标准差(RMSEP)来评价模型的好坏。
2 结果与分析
2.1 羊酸奶的质构指标测定值分布情况
表1 羊酸奶的硬度、黏聚性、保水力实测值分析Table 1 Statistical analysis of calibration and validation sets of firmness, cohesiveness and water holding capacity of goat yoghurt samples
建立模型的质量好坏很大程度取决于样品真实值的检测精度以及样品检测参数的覆盖范围。测试45个样品的质构指标，取33个样品作为近红外光谱建模时的校正集，12个作为验证集，其测量值分布见表1。由校正集和验证集中硬度、黏聚性和保水力的测量值范围、平均值和极差可知，本实验校正组和检验组的3个质构指标的覆盖范围较广，且基本时以平均值为中心呈正态分布，说明样品具有一定的代表性，而且样品检验组的含量范围都在校正组的含量范围内，所以可以较准确地评价模型的质量。
2.2 羊酸奶的近红外光谱分析
图2 羊酸奶样品的近红外光谱图Fig.2 Average MIR reflectance spectra of goat yoghurt samples
图2 为羊酸奶样品的平均近红外光谱图，所有样品的光谱图形状具有相似性，在4000～12000cm-1范围内包含有丰富的吸收峰信息，在5213、6827cm-1等处有鲜明的特征吸收峰，酸奶的主要吸收物质是蛋白质、脂肪、乳糖和水分。但不同的羊酸奶样品由于其内部化学成分和组织结构的不同，其光谱图的波峰强度有较大的差异。总之，羊酸奶的近红外光谱有较明显的变化范围，具有一定的特征性和指纹性，这为羊酸奶的硬度、黏聚性和保水力的定量建模奠定了基础。
2.3 模型的建立与优化
采用偏最小二乘法建立酸奶硬度、黏聚性、保水力的定标模型。采用PLS方法建立校正模型时，如果选用的主成分数过少，则不能完全反映未知样品被测参数所产生的测量光谱数据变化，降低其模型的预测准确度；选用过多的主成分数，就可能将一些代表噪声的主成分加到模型中，降低其模型的预测能力。因此，在建模过程中采用“剔一”交叉验证法来确定合理的主成分维数，以充分利用光谱信息和滤除噪声。本研究应用OPUS QUANT 2定量分析软件中的优化功能选择最佳建模条件，比较不同波段，不同预处理方法和不同主成分数下PLS建模效果，评价指标为R2偏高为好，RMSECV偏小为好，分别优化确定了最佳光谱预处理的最优光谱波段和最佳主成分数，建立了羊酸奶的硬度、黏聚性、保水力的预测模型，各模型的主要参数及验证效果见表2。
表2 羊酸奶3种质构特性最优PLS模型的主要参数与预测效果Table 2 Figures of merit of developed prediction models for firmness, cohesiveness and water holding capacity
由表2可知，当建模波段选取11995.4～7498.1cm-1，光谱经过二阶导数预处理，主成分选择5时，建立的酸奶硬度定量校正模型R2达到最大为0.6668，RMSECV达到最小为2.89；当建模波段选取11995.4～6746.8cm-1，光谱经过二阶导数预处理，主成分选择6时，建立的酸奶的黏聚性定量校正模型R2达到最大为0.6461，RMSECV为5.27；当建模波段选取6101.9～5448.1cm-1，光谱经过二阶导数预处理，主成分选择8时，建立的酸奶保水力定量校正模型R2达到最大为 0.7269，RMSECV为5.25。所建3个定量校正模型预测值和实测值相关性都在63%以上，具有一定的准确性与预测能力。
2.4 模型的验证与评价
图3 验证集样品硬度预测值与实测值关系图Fig.3 Relationship between the predicted and actual values of firmness
图4 验证集样品黏聚性预测值与实测值关系图Fig.4 Relationship between the predicted and actual values of cohesiveness
图5 验证集样品保水力预测值与实测值关系图Fig.5 Relationship between the predicted and actual values of water holding capacity
建立了定量校正模型后，还需对模型进行验证。用所建3个定量校正模型预测验证集的12个样品，预测结果见图3～5，硬度校正模型对验证集12个样品的预测值与实际值的R2为0.7577 ；黏聚性校正模型对验证集12个样品的预测值与实际值的R2为 0.7200；保水力校正模型对验证集12个样品的预测值与实际值的R2为0.7174。对3个模型的预测值与实测值分别进行t 检验，结果显示预测值与实测值差异都不显着(P＞0.05)。预测结果的R2都超过了70%，说明校正模型的预测效果较好，NIRS适合评价羊酸奶的质构特性，但模型应用于实际还需要进行深入的研究，还需进一步优化。
3 结 论
基于近红外光谱技术的快速、简便等优点，本研究建立了羊酸奶的硬度、凝聚性和保水力质构特性的近红外检测模型，其测定模型的预测值和实际值的相关系数R2分别为0.6668、0.6461、0.7269。应用所建模型对12个羊酸奶样品的质构特性进行预测，模型验证的R2分别为0.7577、0.7200、0.7174，进行t检验的结果显示预测值与实测值差异不显着(P＞0.05)。使用近红外光谱技术预测羊酸奶的质构特性具有一定的可行性，为羊酸奶生产加工中质构品质的在线监控提供了新的研究方向。但是由于羊酸奶成分比较复杂，影响酸奶的质构特性的因素很多，以及建模样品的数量有限，建立模型的预测精确性还有待提高。
[1]李莹, 周剑忠, 努尔古丽·热合曼, 等. 山羊酸奶加工工艺研究[J].乳业科学与技术, 2008(3): 104-106.
[2]曹斌云, 罗军. 山羊奶的营养价值与特点[J]. 畜牧兽医杂志, 2007, 26(1): 49-50.
[3]范宇, 陈历俊, 赵常新. 酸奶质构影响因素研究进展[J]. 中国乳品工业, 2009, 37(7): 30-34.
[4]罗阳, 王锡昌, 邓德文. 近红外光谱技术及其在食品感官分析中的应用[J]. 食品科学, 2009, 30(7): 273-276.
[5]严衍禄, 赵龙莲, 韩东海, 等. 近红外光谱分析基础与应用[M]. 北京:中国轻工业出版社, 2005: 174-177.
[6]OSBORNE B G, FEARN T, HINDLE P H. Practical NIR spectroscopy with applications in food and beverage analysis (Longman food technology) (Hardcover)[M]. UK: Essex, 1993: 227.
[7]GIVENS D I, OWEN E, AXF R F E, et al. Forage evaluation in ruminant nutrition[M]. UK: Publishing Reading, 2000: 301.
[8]ESTEBAN-DIREZ I, GONZALEZ-SAIZ J M, PIZARRO C. Prediction of sensory properties of espresso fromroasted coffee samples by nearinfrared spectroscopy[J]. Analytica Chimica Acta, 2004, 525: 171-182.
[9]侯卓成, 杨宁, 李俊英, 等. 傅里叶变换近红外反射用于鸡蛋蛋品质的研究[J]. 光谱学与光谱分析, 2009, 29(8): 2063-2068.
[10]KAROUI R, PILLONEL L, SCHALLERC E, et al. Prediction of sensory attributes of European Emmental cheese using near-infrared spectroscopy: a feasibility study[J]. Food Chemistry, 2006, 101: 1121-1129.
[11]WOO Y A, TERAZAWA Y, CHEN Jieyu, et al. Development of a new measurement unit (MilkSpec-1) for rapid determination of fat, lactose, and protein in raw milk using near-infrared transmittance spectroscopy [J]. Applied Spectroscopy, 2002, 56(5): 559-604.
[12]李庆波, 汪曣, 徐可欣, 等. 牛奶主要成分含量近红外光谱快速测量法[J]. 食品科学, 2002, 23(6): 121-124.
[13]王丽杰, 徐可欣, 郭建英. 采用近红外光谱技术检测牛奶中脂肪、蛋白质及乳糖含量[J]. 光电子: 激光, 2004, 15(4): 468-471.
[14]王丽杰, 徐可欣, 郭建英. 对牛奶成分近红外光谱分析方法的研究[J]. 哈尔滨理工大学报, 2004, 9(5): 36-38.
[15]SERAFETTINC C, IHSAN B. Some properties of yoghurt producedby ddding mulberry pekmez (concentrated juice) [J]. International Journal of Dairy Technology, 2003, 56(1): 26-29.
[16]李春红, 张明晶, 潘家荣. 物性测试仪在黏稠类食品品质评价上的应用研究[J]. 现代科学仪器, 2006(6): 111-113.
Quantified Analysis of Textural Properties of Goat Yoghurt by Near Infrared Spectroscopy
ZHU Jing，DING Wu*
(College of Food Science and Technology, Northwest A & F University, Yangling 712100, China)
The aim of this study was to assess the feasibility of using near infrared spectroscopy (NIRS) to rapidly determine three textural properties of goat yoghurt: firmness, cohesiveness and water holding capacity. Forty five goat yoghurt samples fermented by different strains under different process conditions were subjected to near infrared spectral analysis, and their spectra were resolved, and based on pre-processing by second derivative (SD) method, prediction models for firmness, cohesiveness and water holding capacity were developed with partial least square (PLS), with determination coefficients (R2) of 0.6668, 0.6461and 0.7269, respectively. The correlation coefficient of external-validation for 12 goat yoghurt samples was 0.7577 for firmness, 0.7200 for cohesiveness and 0.7174 for water holding capacity. No significant difference was found in t tests between the predicted and experimental values of these three parameters (P＞ 0.05). The above results show that NIRS is applicable to assess the textural properties of goat yoghurt with good accuracy. However, further studies on statistical modeling need to be done for improving prediction precision.
goat yoghurt；near infrared spectroscopy；textural property；partial least squares
TS252
A
1002-6630(2010)19-0170-04
2010-06-28
农业部公益性行业(农业)科研专项经费项目(3-45)；西北农林科技大学校青年学骨干支持计划资助项目
祝静(1985—)，女，硕士研究生，主要从事乳品发酵技术研究。E-mail：xueying1015@126.com
*通信作者：丁武(1971—)，男，副教授，博士，主要从事畜产品加工和食品安全方向的研究。E-mail：dingwu10142000@hotmail.com.cn
