一种快速检测鱼糜中添加的淀粉含量的方法与流程

本发明涉及一种食品检验方法，尤其是一种快速检验鱼糜中添加淀粉含量的方法。

背景技术：

鱼糜制品是一种广受消费者欢迎的食品，鱼糜在生产过程中会添加抗冻剂、淀粉类物料、大豆蛋白等物质。考虑到淀粉添加量在行业内还没有统一的标准，市场上存在添加过量淀粉到鱼糜中以次充好、谋取经济利益的现象。因此，需要建立一种快速、准确检测鱼糜中淀粉含量的方法。

目前，已有的测定食品体系中淀粉的方法有以下几种：

a、淀粉-碘显色定性法；

b、酸水解法-高效液相色谱法；

c、酶水解法-高效液相色谱法。

上述这些方法虽然具有检测结果比较准确的特点，但是这些已有的测

定食品中淀粉的方法，首先需要水解，然后再将水解产物通过高效液相色谱测定，以水解产物的含量推测淀粉的含量。此方法需要消耗大量化学试剂和酶，因此操作繁琐、对操作人员的要求高。而且需要大量化学试剂；显然不适应市场推广使用。

技术实现要素：

本发明的目的：旨在提出一种能够快速检验出鱼糜中添加淀粉含量的方法。

这种快速检验鱼糜中添加淀粉含量的方法，利用中红外光谱建立快速检测鱼糜中淀粉含量的定量模型，具体步骤如下：

1)制作含0、1％、5％…50％、100％不同比例淀粉的鱼糜，取样2g，每个浓度取8个平行样，冷冻干燥；

2)将冻干后的鱼糜碾碎成粉状，再用傅里叶变换中红外光谱仪进行光谱采集，附件为单点atr(衰减全反射)附件，扫描波数范围为400-4000cm^-1，扫描次数32次；

3)对光谱进行预处理、对光谱图进行基线校正、消除由于光谱基线漂移导致的数值变化，再通过光谱计算将图谱的起始吸光度统一降到0；

4)用仪器自带的软件导入光谱图，归一化法采用多元散射校正，选取的波段为1163-1100cm^-1，2951-2861cm^-1和3443-2975cm^-1，每组样品按照3：1的比例分为校正集和验证集，其中的校正集用于建立预测模型，验证集用于验证模型效果；用偏最小二乘法进行拟合；

5)建立鱼糜中淀粉含量的定量检测模型；依据朗伯比尔定律a＝εbc进行红外光谱对物质某些成分的定量分析，式中：a为吸光度，ε为摩尔吸光系数，b为样品厚度，c为样品浓度；所以，物质的含量与其在某个波长或波段处的吸光度具有c＝b0+b1a的线性关系，其中：c为样品浓度，b0和b1为固定的值。

根据以上技术方案提出这种快速检测鱼糜中添加的淀粉含量的方法，利用中红外光谱建立快速检测鱼糜中淀粉含量的定量模型，无需消耗化学试剂，检测过程快速简便，易于推广使用。

附图说明

图1为各组鱼糜的中红外光谱图；

图2为利用中红外光谱建立快速检测鱼糜中淀粉含量的定量模型自检结果示意图。

具体实施方式

以下结合说明书附图进一步阐述本发明，并给出本发明的实施例。

本发明的技术核心在于用中红外光谱建立鱼糜中淀粉含量的定量检测模型。

这种快速检验鱼糜中添加淀粉含量的方法，利用中红外光谱建立快速检测鱼糜中淀粉含量的定量模型，具体步骤如下：

1)制作含0、1％、5％…50％、100％不同比例淀粉的鱼糜，取样2g，每个浓度取8个平行样，冷冻干燥；

2)将冻干后的鱼糜碾碎成粉状，再用傅里叶变换中红外光谱仪进行光谱采集，附件为单点atr附件，扫描波数范围为400-4000cm^-1，扫描次数32次；

图1给出了添加不同含量淀粉的鱼糜中红外光谱图。

3)对光谱进行预处理、对光谱图进行基线校正、消除由于光谱基线漂移导致的数值变化，再通过光谱计算将图谱的起始吸光度统一降到0；

图1为各组鱼糜的红外光谱图，主要的峰为3280cm^-1、2927cm^-1、1637cm^-1、1514cm^-1、1452cm^-1、1389cm^-1、1149cm^-1、1076cm^-1和993cm^-1，每一个峰代表一种成分的红外吸收基团(图1)。从光谱图中可以看出，随着添加的淀粉含量增加，2927cm^-1的峰强度逐渐下降，1149cm^-1、1076cm^-1和993cm^-1的峰强度逐渐增强。这三个峰是淀粉的红外特征峰，其强度和淀粉的含量有关，可作为下一步建立模型的特征波段。

表1列出了鱼糜中主要红外吸收峰及其出峰物质。

表1鱼糜中主要红外吸收峰及其出峰物质

4)用仪器自带的软件(omnictqanalytical)导入光谱图，归一化法采用多元散射校正(msc)，选取的波段为1163-1100cm^-1，2951-2861cm^-1和3443-2975cm^-1，每组样品按照3：1的比例分为校正集和验证集，其中校正集用于建立预测模型，验证集用于验证模型效果；用偏最小二乘法进行拟合；

5)建立鱼糜中淀粉含量的定量检测模型并保存模型；依据朗伯比尔定律a＝εbc进行红外光谱对物质某些成分的定量分析，式中：a为吸光度，ε为摩尔吸光系数，b为样品厚度，c为样品浓度；所以，物质的含量与其在某个波长或波段处的吸光度具有c＝b0+b1a的线性关系，其中：c为样品浓度，b0和b1为均为某固定常数。

理论上讲，只需要有两个待测成分含量已知的样本即可知道b0和b1的值，但由于测量误差的存在，实际当中需要测量n个已知样本的峰强度，即配制一系列待测物含量已知的样品,可用矩阵表示为：

即y＝xb(5-1)

其中，y1,y2…yn为n个样本中待测物的含量，x1,x2…xn为待测物特征峰的强度(吸光度、透过率、峰高等)，b0和b1为系数。

参数向量b用广义逆矩阵进行估计：

其中代表系数估计值。

将(5-2)代入(5-1)，则得到

为待测物含量估算值，e为单位矩阵向量。这说明真实值和模型预测值之间存在一定的偏差，一般使用方差分析来评价校正模型效果的好坏。

所有样本真实值与模型拟合值之间的总方差定义为：

真实值与模型拟合值之间的回归方差定义为：

真实值与模型拟合值之间的剩余方差定义为：

其中为待测物含量平均值。

三者的关系为:

v＝u+s(5-7)

当模型的校正效果越好，真实值与估计值之间的偏差也应该越小，即剩余方差s应该越小。校正模型的决定系数r²被定义为：

r²＝u/v＝(v-s)/v＝1-s/v(5-8)

决定系数r²越接近于1，说明真实值与估计值偏离越小。

图2为采用中红外光谱检测鱼糜中淀粉的定量模型所表示的检验结果示意图，预测相关系数r为0.9856＞0.9800，预测的均方根误差1.140，能很好的预测鱼糜中淀粉的含量。

为了上述检测方法的准确性，本发明人做了外部验证。其具体方法为：

分别取含淀粉3％，8％和15％的鱼糜，每个样品4个平行，并将其冷冻干燥，再碾碎成粉状，在上述相同条件下采集每个样本的中红外光谱图。最后，在定量模型软件里将已建立的模型调出，导入光谱图得出每个样品的淀粉含量预测值；外部检测的结果见下表。

外部检验的结果见表2：

表2红外光谱检测淀粉含量的模型外部检验结果

从表2中可以看出：a、b、c组的预测平均值分别为3.22％，7.16％和14.97％，与真实值3.00％，8.00％和15.00％很接近，预测的实际效果良好。每个预测值与真实值之间存在的差异可能与淀粉和鱼糜没有高度混匀有关，从而导致每个平行样预测值的波动性。

此外，为了检验每组的预测值和真实值之间是否存在显著性差异，对其进行单样本t检验。t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。结果如下表：

表3红外光谱检测淀粉模型的t检验

从表3中可以看出：a、b、c三组的t值分别为0.271，-1.364和-0.075，标准差为1.5847,1.2392和0.8724，显著性值分别为0.804,0.266和0.945，均大于0.05，说明三组样品的预测值和真实值之间没有显著性差异。因此，t检验验证了预测模型的准确性。

利用该方法建立模型测定鱼糜中添加的淀粉的含量，其准确性经验证比较可靠。与传统方法相比，只需要采集样品的中红外光谱图，无需用到其他化学试剂，不破坏环境。模型建立之后，检测过程操作简单，所需的样品量非常小，只要1-2g,对样品的损害极小，有利于推广使用。

以上是本申请人依据基本创意给出的本发明的实施例，并不代表本创意的全部，任何依据本发明的上述基本创意做出的一般性改进，均应应属于本发明保护的范畴。