专利名称：一种液体食品褐变检测方法
技术领域：
本发明涉及食品分析技术领域，具体涉及一种液体食品褐变检测 方法。
背景技术：
在果汁加工及贮藏过程中，褐变是影响其产品质量的关键因素。 褐变不仅影响果汁的色泽、风味，也造成果汁营养价值的严重损失， 甚至会产生一些有害物质，对果汁食品的安全性造成威胁。果汁的褐 变主要分酶促褐变和非酶褐变。酶促褐变通常是由果蔬中多酚氧化酶 和过氧化物酶催化多酚类底物所引起的氧化反应，果汁的酶促褐变从 水果破碎、榨汁即已开始。非酶褐变是指不需要经过酶的催化而产生的一类褐变，如迈拉德反应、抗坏血酸氧化、脱镁叶绿素褐变等等， 热处理是导致非酶褐变的重要原因。其中，非酶褐变是果汁在制造及 贮藏中发生的主要褐变反应。因此，褐变控制是果汁加工中的关键技 术，如何检测褐变的发生及褐变的程度，对于果汁加工工艺的优化设 计、果汁生产的在线控制及果汁产品的质量跟踪检测，都具有重要的 意义。褐变的检测主要有三种方法， 一是根据果汁在可见光区的吸收特 性，先用乙醇对果汁进行色素提取，对乙醇果汁混合物离心，在420 nm波长下测定澄清液的吸光度，以此作为褐变程度的衡量指标。二 是利用果汁对可见光的反射特性，使用比色计测定果汁的反射光谱， 再计算出色值，结果以CIEI^a,或HunterLab三色空间值表示， CIE L*a*b及Hunter L a b是为了解决颜色空间的感知 一致性问题， 对CIE1931XYZ系统进行非线性变换，制定的颜色空间的规范。第 三种方法釆用化学分析、色谱分析测定褐变过程中产生的中间物及最终产物的含量，如羟甲基糠醛HMF，来衡量褐变的程度。第一种方法需要进行样品的预处理，难以进行快速、在线的分析，其单波长的吸光度信息难以反映褐变中多种物质的变化；第二种方法易受测量物 理条件的影响，且其结果难以反映果汁的真实颜色；第三种方法比较 准确，但分析过程复杂，费时费力，难以用于在线分析。目前，如何快速准确地检测果汁的褐变，成为果汁加工企业及研 究人员共同关心的课题，但还没有一种更好的解决方案。发明内容本发明的目的是提供一种液体食品褐变检测方法，利用该方法对 本身就具有荧光性的液体食品或在褐变过程中能产生荧光物质的液 体食品进行褐变检测，无需样品前处理、快速无损，且具有很高的灵 敏度，适用范围广，为液态食品褐变的在线实时检测提供了技术基础。为实现上述目的，本发明采用如下技术方案提供一种液态食品褐变检测方法，所述液体食品本身就具有荧光 性或在褐变时具有荧光性，该方法包括以下步骤获取若干个不同程 度褐变的液体食品样本；用荧光光谱仪釆集所述液体食品样本的荧光 光谱，并测定表征液态食品褐变程度的参考值；根据所述表征液态食 品褐变程度的参考值，建立荧光光谱与褐变程度之间的对应关系；用 荧光光谱仪采集待测液态食品的荧光光谱，根据所述荧光光谱与褐变 程度之间的对应关系确定所述待测液态食品的褐变程度。其中，所述液态食品为果汁或牛奶。其中，所述荧光光谱为激发光谱或发射光谱。其中，该方法在釆集所述液体食品样本的荧光光谱之后，还包括 对所釆集的液体食品样本的荧光光谱进行预处理的步骤，所述预处理 包括用于去除荧光光谱基线漂移及由于样品颗粒散射造成的影响的光谱校正、用于去除噪声影响的去噪声处理、用于去除荧光光谱无关 波长点的特征波长数据点选择。其中，所述光谱校正的方法为下述之任一种对所述荧光光谱的 中心化处理、标准变量变换、附加散射校正、正交信号校正；所述去 噪声的方法为S-G平滑去噪或小波去噪；所述的特征波长数据点选择 的方法为遗传算法；所述的预处理还包括用于消除荧光光谱平移及线 性漂移的求导变换。其中，所述荧光光谱与褐变程度之间的对应关系包括对液态食 品褐变作定性判别的分类对应关系，及对液态食品褐变程度作定量预 测的多元校正对应关系。其中，用化学计量学方法建立对液态食品褐变作定性判别的分类 对应关系，所述化学计量学方法为下述之任一种软独立建模分类法 判别SIMCA 、偏最小二乘法DPLS、平行因子分析法PARAFAC、人工神经网络、支持向量机；其中，用化学计量学方法建立对液态食品褐变程度作定量预测的 多元校正对应关系，所述化学计量学方法为下述之任一种多元线性 回归、偏最小二乘、人工神经网络、支持向量机，N维偏最小二乘法 N-PLS。其中，该方法在建立荧光光谱与褐变程度之间的对应关系之后， 还包括釆集相同液态食品样本的荧光光谱，将所釆集的荧光光谱与 所建立的荧光光谱与褐变程度之间的对应关系作对比，对其褐变进行 定性分类、定量预测，并根据误差要求，对所述对应关系反复优化， 直至达到误差要求。其中，所述褐变包括酶促褐变和非酶褐变，利用比色计或液相色 谱法，或紫外分光光度法测定表征液态食品褐变程度的参考值。其中，所述的荧光光谱仪为正面荧光光谱仪，所述正面荧光光谱 仪的激发光谱波长范围为200-900 nm。其中，对于苹果汁的褐变分析，所述荧光光谱若为发射光谱，则 所述发射光谱所对应的激发波长为250 nm、 266 nm、 355 nm、 400 nm和408 nm。利用本发明的液态食品褐变检测方法具有以下优点1. 无需样品前处理，釆用正面荧光光谱仪，可直接测定其反射 荧光光谱，无需装样、离心、澄清等预处理过程；2. 快速无损，荧光光谱的釆集时间非常短，模型计算的时间基 本可以忽略；3. 灵敏度高，相比于可见光区的基于透射和漫反射的褐变检测 方法，荧光分析法灵敏度非常高；4. 适用范围广，褐变过程中或多或少会产生一些荧光物质或伴 随荧光物质含量的变化，本发明适用对象为本身就具有荧光性的液体 食品或在褐变过程中能产生荧光物质的液体食品，其范围很广；5. 为液态食品褐变的在线实时检测提供了技术基础。
图i为本发明液态食品的褐变检测方法流程图；图2为本发明实施例1中鲜苹果汁的平均三维EEM荧光光谱图； 图3为本发明实施例2中五种不同热处理下的苹果汁的平均发射 光谱图。
具体实施方式
本发明提出的液体食品褐变的检测方法是基于荧光光谱的，结合 附图和实施例说明如下。本发明检测方法的实施主要包括模型建立和模型的使用及维护， 涉及到的硬件设置包括荧光光谱仪，另外需要有样品池，软件设施包 括化学计量学软件、计算机等部分。利用本发明的方法可以建立定性 分析模型和定量分析模型，对于定性分析模型，用于简单判断果汁是否褐变；对于定量分析模型，不但用于判断果汁是否褐变，还用于判 断其褐变的程度，如用褐变量为o表示无褐变，20表示轻微褐变， 50表示严重褐变，数值越大褐变程度越大。根据所建模型的类别，釆集有代表性的样品，如要建立定性分析模型，需釆集无褐变及有褐 变的样品，若要建立定量分析模型，需釆集具有常见的不同程度褐变 的样品。若用于在线检测则需设计专门的数据实时釆集传输系统和光 谱釆集系统如光纤，因为有些场合在生产线上安装带有样品池的光谱 仪不太方便，使用光纤可将光谱仪安装在生产线附近，而把光纤直接 置于生产线上，延长了光谱采集的距离。如图1所示为本发明液态食品的褐变检测方法流程图，该方法主要包括步骤获取若干个不同程度褐变的液体食品样本；用荧光光谱仪釆集所述液体食品样本的荧光光谱，并测定表征液态食品褐变程度的参考值；釆用化学计量学方法根据所述表征液态食品褐变的参考 值，建立荧光光谱与褐变程度之间的对应关系；用荧光光谱仪釆集待 测液态食品的荧光光谱，根据所述荧光光谱与褐变程度之间的对应关 系确定其褐变程度。下面用两个实例说明本发明的具体实施方式
。 实施例i本实施例为基于三维荧光矩阵的苹果汁酶促褐变的定性及定量 检测方法。该方法主要包括以下步骤样品制备采集德国波茨坦当地果园的皮诺瓦Pinova苹果，并榨 汁，经离心、过滤，制得澄清的苹果汁样品30个，将每个样品分成两 部分， 一部分样品用于立即进行荧光光谱釆集并进行褐变参考值测 量；然后在20。C恒温箱中贮存4天，使其发生酶促褐变，然后再进行 荧光光谱采集进行褐变参考值测量；另一部分在80 。C水洛中加热10 分钟迅速冷却后再在20 。C恒温箱中lfc存4天，使其发生轻微非酶褐 变，然后再进行荧光光谱釆集进行褐变参考值测量，该步骤中将测量 时间岔开并釆取轻度加热是为了得到三种不同程度褐变的果汁样品； 荧光光谱釆集任何荧光物质都具有荧光光谱，荧光光谱包括激发光谱和发射光谱，激发光谱是通过测量荧光体的发光能量随激发 波长变化而获得的光谱。它是荧光强度对激发波长的关系曲线，它可 以反映不同波长的激发光引起荧光的相对效率；荧光发射光谱是当荧 光物质在固定的激发光源照射后所产生的分子荧光，它是荧光强度对 发射波长的关系曲线。它表示在所发射的荧光中各种波长组分的相对 强度。由于各种不同的荧光物质有它们各自的激发光谱和发射光谱， 所以，可用它来鉴别各种荧光物质。褐变过程中或多或少会产生一些 荧光物质或伴随荧光物质含量的变化，因此通过测定其激发光谱或发 射光谱，便可检测褐变。本实施例釆用荧光光谱仪测定苹果汁的发射光谱，釆用的荧光光谱仪为正面荧光光谱仪，具体是美国PerkinElmer 公司生产的型号为LS55的正面荧光光谱仪，为了得到发射光谱，需 要荧光光谱仪的激光射到果汁样品上，再反射回来，从另一个角度被 检测器检测得到光谱强度值，本实施例中激光的激发波长分别为250 nm、 266 nm、 355 nm和408 nm，釆用不同的激发波长以反映褐变中不同荧光物质所产生的光谱信息，对应得到发射光谱的波长范围分别 为280~899跳296 ~ 899跳385 ~ 899 nm和438 ~ 899證。每条 发射光谱的分辨率为0.5nm，每条发射光谱所含的数据点的个数是由 荧光光谱仪的光谱分辨率及釆样波长间隔所确定，其中鲜果汁的平均 三维光谱见图2，图中包括对应的每个数据点包括三组数据激发波 成范围、发射波长范围、荧光强度，由现有的荧光光谱仪直接得到。 参考值的测定:使用比色计测定苹果汁的色值，将果汁装入10mm 光程的石英比色皿中，再将比色皿贴紧比色计，在暗处测定，测定结 果以CIE L*a*b表示，本实施例中釆用的比色计为日本Konica Minolta Sensing公司生产的型号为CM-2600d的比色计，利用比色计通过釆 集可见光区的反射光谱自动计算出苹果汁的色值并在液晶屏上显示， 以CIEI^^b表示果汁的褐变程度，上述过程为现有通用技术，这里 不再详述。苹果汁的褐变程度可由色值的真实值表示；也可由其变化量表示，即用褐变后果汁的L^、 a*、 bM直减去新鲜果汁的L*、 a*、 b*，得到AL气Aa*、 Ab*;也可用颜色变化值AE表示，其中AE= ((AL" 2+ ( Aa" 2+ ( Ab" 2) 05，每一条光谱对应的CIEI^a承b 值是一组，该步骤利用现有技术测得了表征果汁褐变程度的参考值， 得到了果汁的褐变程度，为后面的建模中建立荧光光谱与褐变程度之间的对应关系提供了数据参考；光谱预处理实际中原始采集到的荧光光谱由于噪声等因素干扰，与真实荧光光谱相差很多，因此需要预处理，对于定性分类模型，本实施例采用标准变量变换SNV (standard normal variate)对荧光光谱 进行预处理，以去除果汁中颗粒散射的影响。对于定量预测模型，本 实施例中釆用的光谱预处理方法为中心化处理，中心化处理能改变光 谱数据的坐标原点，有助于后续的多元校正建模。在光谱分析中釆用 预处理目前用的很广泛，但对于光谱具体用哪种预处理方法最佳，需 通过实验确定，本实施例中上述方法预处理后得到的荧光光谱具有很 好的处理效果； 模型的建立对于定性分类模型，对于30个新鲜苹果汁样品和60个褐变苹果 汁样品，按l: 1的比例划分为校正集和预测集，校正集用于建立荧 光光谱与褐变的对应模型关系，预测集用于验证该模型是否满足要 求。根据前面测得的样品的荧光光谱，及在参考值确定中得到与每个 样品对应的褐变程度，本实施例中釆用软独立建模分类法SIMCA (Soft independent modeling of class analogy)建立展开光谱的分类模 型，建立荧光光谱与褐变程度之间的对应关系，实现对新鲜果汁、贮 藏后的果汁、加热后再贮藏的果汁的分类，这三类果汁分别代表无褐 变、酶促褐变、轻微非酶褐变，利用交互验证法确定每一类的最佳主 成分数，釆用交互验证法确定最佳主成分数是SIMCA分类建模中很普遍的现有方法，这里不再详细说明；对于定量预测模型，对于90个苹果汁样本，分别建立CIEL+、 a*、 b*、 AL*、 Aa*、 Ab*、 AE的预测模型，采用浓度梯度法按2: l的比 例划分校正集、预测集，校正集用于建立荧光光谱与褐变程度的对应 模型关系，预测集用于验证该模型是否满足要求。用浓度梯度法划分 校正集、预测集是建立光谱模型时通用的方法，这里不再详述。用 N-PLS ( N-way partial least squares)最小二乘法建立校正集90x 1240x4 (90代表90个苹果汁样本，1240代表每条荧光光谱的数据点数，4代 表得到4条荧光光谱)荧光三维矩阵与CIEI^^b参考值之间的校正模 型，建立荧光光谱与褐变程度之间的对应关系，实现对贮藏后的果汁、 加热后再贮藏的果汁的褐变程度的预测，这三类果汁分别代表无褐 变、酶促褐变、轻微非酶褐变。具体釆用N-waytoolbox在matlab下计 算，N-way toolbox的使用可参考文献Andersson, C. A., & Bro, R. (2000). The N-way Toolbox for MATLAB. Chemometrics and Intelligent Laboratory Systems, 52， 1-4.)。这里说的荧光三维矩阵包括图l中的三 维数据，还包括贮藏后的果汁、加热后再贮藏的果汁的三维数据，校 正集预测集就是对这些三维数据划分的)。利用上述方法建立定性与定量模型后，均釆用预测集样品来进行 验证，验证过程均为把采集的预测集样品的荧光光谱值代入已建立 的模型，根据该模型中已建立的荧光光谱值与褐变程度的对应关系， 计算出褐变预测值，然后根据预测值与真实值(即参考值测定步骤中 测定的褐变程度)，计算出相关系数，用相关系数来衡量模型是否满 足要求， 一般相关系数大于0.85说明模型效果较好。并根据误差要 求(如分类正确率应大于80%，定量预测时褐变参考值的预测误差小 于10%),对模型进行反复优化。如果模型达不到要求，需重新釆集 样品、重复步骤上面的步骤，直至所建立的模型满足要求。结果表明， 所建立的定性分类或定量预测模型能准确识别新鲜的苹果汁和发生 酶促褐变的苹果汁，对预测集样品的识别正确率为100%。所建立的定量模型能准确预测L*、 b*、 AL*、 Ab*、 AE的值。预测相关系数 均大于0.9，这里所说的预测相关系数是光谱分析与化学计量学领域 中 一个很通用的模型效果衡量指标，表示预测出来的样品的值与它的 真实值之间的相关度，相关度越大，表示预测越准确，从而实现对酶 促褐变程度的预测。褐变的在线检测在建立好上述定性分类模型与定量预测模型 后，在生产线上使用光纤将光谱仪安装在生产线附近，而把光纤直接 置于生产线上，通过釆集生产线上果汁的荧光光谱，将得到的荧光光 谱值输入，代入已建立的模型，根据该模型中已建立的荧光光谱值与 褐变程度的对应关系，该模型直接输出褐变预测值。本实施例中光谱预处理必须在采集完光谱后，但参考值的测定与 光谱的采集无先后顺序， 一般是参考值和光谱釆集完后，再用软件对 光谱进行预处理并建立模型。实施例2本实施例为基于荧光光谱的苹果汁非酶褐变的定性分类与定量 预测检测方法。该方法主要包括以下步骤样品制备釆集德囯波茨坦当地果园的皮诺瓦Pinova苹果，并 榨汁，经离心、过滤，制得澄清的苹果汁样品8个。将每个样品分成 三部分，第一部分样品立即进行荧光光谱釆集并进行褐变参考值测 量，记作"Fresh"，第二部分和第三部分在95 °C水浴中分别加热30 分钟、60分钟，用冰水浴冷却后立即进行荧光光谱釆集并进行褐变 参考值测量，分别记作"H30"和"H60"。然后将加热后的两种苹果汁 在20 °C恒温箱中jfc存6天，然后再进行测量，结果记作"S30，，和"S60"。 至此，得到五种不同热处理的苹果汁，共计40个样本，它们具有不 同程度的非酶褐变。荧光光谱釆集采用荧光光谱仪测定苹果汁的发射光谱，激发波长为400 nm,本实施例中釆用的荧光光谱仪为正面荧光光谱仪，具 体是美国PerkinElmer公司生产的型号为LS55的正面荧光光谱仪。 对应的发射光谱的范围分别为430-600 nm,五种不同热处理下的苹果 汁的平均发射光谱见图3;参考值的测定对于上述每个苹果汁样品的非酶褐变指数 (NEBI)的测定按国际通用方法，先用乙醇对果汁进行色素提取， 对乙醇果汁混合物离心，在420 nm波长下测定澄清液的吸光度，色 值釆用比色计测定，本实施例中所用的比色计为曰本的Konica Minolta Sensing公司生产的型号为CM-2600d的比色计，测定结果 以CIE 1^a化表示，羟甲基糠醛HMF的含量釆用紫外分光光度法测 定，HMF是非酶褐变的中间产物，测量它可以知道褐变的程度，HMF 的测定用的是现有技术一紫外分光光度法，这样，就可以得到每个果 汁样品的褐变程度，及与褐变程度对应的参考值CIEI^^b;光谱预处理对于定性分类模型，釆用标准变量变换SNV(standard normal variate)对荧光光谱进行预处理，以去除果汁中颗粒散射的影响；对于 定量分析模型，本实施例中釆用的光谱预处理方法为中心化处理，中 心化处理能改变光谱数据的坐标原点，有助于后续的多元校正建模。分类模型的建立对于五种不同程度非酶褐变的苹果汁样品，按 1: 1的比例划分为校正集和预测集，校正集用于建立荧光光谱与褐 变的对应模型关系，预测集用于验证该模型是否满足要求。采用化学 计量学法中的软独立建模分类法SIMCA建立荧光光谱的分类模型， 建立荧光光谱与褐变程度之间的对应关系，实现对新鲜果汁、加热 30min的果汁、加热60min的果汁、加热30min及60min完后再贮藏 的果汁的分类，这五种果汁分别代表不同程度的褐变，利用交互验证 法确定每一类的最佳主成分数；定量预测模型的建立对于40个苹果汁样本，分别建立L815、 a*、b*、 AL*、 Aa*、 Ab*、 AE的预测模型，釆用浓度梯度法按2: l的比 例划分校正集、预测集，用偏最小二乘法PLS建立荧光发射光谱与 参考值之间的校正模型，实现对上述五类果汁样品的分类。模型验证对于定性分类与定量预测模型，均釆用预测集样品来 进行验证。并根据误差要求(如分类正确率应大于80%，定量预测时 褐变参考值的预测误差小于10%),对模型进行反复优化。如果模型 达不到要求，需重新釆集样品、重复上面的步骤，直至所建立的模型 满足要求。结果表明，所建立的褐变鉴别模型能准确识别不同程度非 酶褐变的苹果汁(Fresh,H30，H60，S30，S60)，对预测集样品的识别正 确率均大于85%。所建立的定量预测模型能准确预测非酶褐变指数 NEBI、 L*、 b*、 AL*、 Ab*、 AE+的值(预测集相关系数均大于0.8 ), 从而实现对非酶褐变程度的预测。本发明液态食品褐变检测方法中，对荧光光谱的预处理可以包 括用于去除荧光光谱基线漂移及由于样品颗粒散射造成影响的光谱 校正、用于去除噪声影响的去噪声处理、用于去除荧光光谱无关波长 点的特征波长数据点选择。其中光谱校正的方法可为对所述荧光光谱 的中心化处理、标准变量变换、附加散射校正或正交信号校正；去噪 声的方法可为S-G平滑去噪或小波去噪；特征波长数据点选择的方 法为遗传算法波长优化；所述的预处理还包括用于消除荧光光谱平移 及线性漂移的求导变换。本发明液态食品褐变检测方法中，釆用化学计量学方法建立对果 汁褐变作定性判别的分类模型时，除采用软独立建模分类法SIMCA 外，还可采用判别偏最小二乘法DPLS、人工神经网络、支持向量机， 或釆用平行因子分析PARAFAC分析及聚类的方法；釆用化学计量学 方法建立对于果汁褐变程度作定量预测的多元校正模型时，还可采用 多元线性回归、偏最小二乘PLS、人工神经网络、支持向量机，或釆 用N维偏最小二乘N-PLS直接建立荧光光谱与褐变参考值之间的关系。在建模时既可将发射光谱或激发光谱展开，即unfolded spectra; 也可直接建立三维荧光光谱excitation-emissionmatrix(EEM)与褐变之间的定性、定量模型。以上实施方式仅用于说明本发明，而并非对本发明的限制，有关 技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下， 还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明 的范畴，本发明的专利保护范围应由权利要求限定。
权利要求
1. 一种液态食品褐变检测方法，所述液体食品本身就具有荧光性或在褐变时具有荧光性，其特征在于，该方法包括以下步骤获取若干个不同程度褐变的液体食品样本；用荧光光谱仪采集所述液体食品样本的荧光光谱，并测定表征液态食品褐变程度的参考值；根据所述表征液态食品褐变程度的参考值，建立荧光光谱与褐变程度之间的对应关系；用荧光光谱仪采集待测液态食品的荧光光谱，根据所述荧光光谱与褐变程度之间的对应关系确定所述待测液态食品的褐变程度。
2、 如权利要求1所述的液态食品褐变检测方法，其特征在于， 所述液态食品为果汁或牛奶。
3、 如权利要求1所述的液态食品褐变检测方法，其特征在于，所述荧光光谱为激发光谱或发射光谱。
4、 如权利要求1或2所述的液态食品褐变检测方法，其特征在 于，该方法在釆集所述液体食品样本的荧光光谱之后，还包括对所釆 集的液体食品样本的荧光光谱进行预处理的步骤，所述预处理包括 用于去除荧光光谱基线漂移及由于样品颗粒散射造成的影响的光谱 校正、用于去除噪声影响的去噪声处理、用于去除荧光光谱无关波长 点的特征波长数据点选择。
5、 如权利要求4所述的液态食品褐变检测方法，其特征在于，所述光谱校正的方法为下述之任一种对所述荧光光谱的中心化 处理、标准变量变换、附加散射校正、正交信号校正；所述去噪声的方法为S-G平滑去噪或小波去噪；所述的特征波长数据点选择的方法为遗传算法；所述的预处理还包括用于消除荧光光谱平移及线性漂移的求导 变换。
6、 如权利要求l或2所述的液态食品褐变检测方法，其特征在 于，所述荧光光谱与褐变程度之间的对应关系包括对液态食品褐变 作定性判别的分类对应关系，及对液态食品褐变程度作定量预测的多 元校正对应关系。
7、 如权利要求6所述的液态食品褐变检测方法，其特征在于，用化学计量学方法建立对液态食品褐变作定性判别的分类对应关系，所述化学计量学方法为下述之任一种软独立建模分类法判别 SIMCA 、偏最小二乘法DPLS、平行因子分析法PARAFAC、人工神经网络、支持向量机；用化学计量学方法建立对液态食品褐变程度作定量预测的多元 校正对应关系，所述化学计量学方法为下述之任一种多元线性回归、 偏最小二乘、人工神经网络、支持向量机，N维偏最小二乘法N-PLS。
8、 如权利要求1或2所述的液态食品褐变检测方法，其特征在 于，该方法在建立荧光光谱与褐变程度之间的对应关系之后，还包括釆集相同液态食品样本的荧光光谱，将所釆集的荧光光谱与所建 立的荧光光谱与褐变程度之间的对应关系作对比，对其褐变进行定性 分类、定量预测，并根据误差要求，对所述对应关系反复优化，直至 达到误差要求。
9、 如权利要求1或2所述的液态食品褐变检测方法，其特征在 于，所述褐变包括酶促褐变和非酶褐变，利用比色计或液相色谱法， 或紫外分光光度法测定表征液态食品褐变程度的参考值。
10、 如权利要求l或2所述的液态食品褐变检测方法，其特征在于，所述的荧光光谱仪为正面荧光光谱仪，所述正面荧光光谱仪的激 发光谱波长范围为200-900 nm。
11、 如权利要求2所述的液态食品褐变检测方法，其特征在于， 对于苹果汁的褐变分析，所述荧光光谱若为发射光谱，则所述发射光 谱所对应的激发波长为250 nm、 266 nm、 355 nm、 400 nm和408證。
全文摘要
本发明涉及一种液体食品褐变检测方法，该液体食品本身就具有荧光性或在褐变时具有荧光性，该方法包括步骤获取若干个不同程度褐变的液体食品样本；采集液体食品样本的荧光光谱，并测定表征液态食品褐变程度的参考值；根据上述参考值建立荧光光谱与褐变程度之间的对应关系；采集待测液态食品的荧光光谱，根据所述荧光光谱与褐变程度之间的对应关系确定其褐变程度。本发明的液体食品褐变检测方法对本身就具有荧光性的液体食品或在褐变过程中产生荧光物质的液体食品进行褐变检测，无需样品前处理、快速无损，且具有很高的灵敏度，适用范围广，为液态食品褐变的在线实时检测提供了技术基础。
文档编号G01N21/64GK101275912SQ20081010606
公开日2008年10月1日 申请日期2008年5月8日 优先权日2008年5月8日
发明者庆兆珅, 曼努娜·祖德, 朱大洲, 籍保平 申请人:中国农业大学