化學計量學在食品分類鑒別及防腐劑含量分析中的應用.pdf

1、食品真實性鑒別和食品中的危害物質(zhì)分析是食品質(zhì)量與安全控制中兩個重要的研究內(nèi)容,關系到消費者切身利益和身體健康。研究快速有效的食品質(zhì)量鑒別、分類和有毒有害物質(zhì)分析技術具有重要的現(xiàn)實意義。
　　 化學計量學運用數(shù)學、統(tǒng)計學、計算機科學及其它相關科學的理論與方法,優(yōu)化化學測量過程,分辨復雜波譜,最大限度從化學測量數(shù)據(jù)中獲得有用的化學分類信息,是一門化學測量的理論與方法學。將化學計量學結(jié)合現(xiàn)代分析技術應用在食品質(zhì)量與安全控制中,為食品安

2、全與檢測提供了新方法。
　　 本論文共分為六章。主要研究了將化學計量學模式識別方法結(jié)合可見-紅外、原子吸收、同步熒光等分析技術,應用于不同種類和產(chǎn)地的醬油、食醋和料酒的分類鑒別;將多元校正技術結(jié)合紫外-可見分光光度法應用于食品防腐劑多組分重疊光譜解析和同時測定。
　　 第一章介紹了食品質(zhì)量研究中常用的一些化學模式識別方法(聚類分析、主成分分析、判別分析)的基本原理,并介紹了模式識別結(jié)合紅外、原子吸收、原子發(fā)射、氣相色譜、

3、液相色譜、質(zhì)譜、傳感器等檢測技術在食品質(zhì)量控制中的應用;介紹了多元校正技術(偏最小二乘、主成分回歸、平行因子等)和人工神經(jīng)網(wǎng)絡在食品分析中的原理及應用,指出了化學計量學方法在食品質(zhì)量控制和食品分析中的應用前景。
　　 第二章研究了以醬油的9個理化指標為變量,采用模式識別方法對不同種類和品牌醬油進行分類和質(zhì)量鑒別。收集了三個不同品牌的53個醬油樣品,其中26個生抽,27個老抽樣品。通過化學方法測定了醬油的9個理化參數(shù)值(密度、酸度

4、、總固形物、灰分、電導、氨基酸氮、食鹽、粘度及總酸)作為醬油樣品的特征變量。采用夾角余弦法計算了不同樣品之間的相似度,評價產(chǎn)品質(zhì)量的穩(wěn)定信息和不同品牌樣品的區(qū)分度。結(jié)果表明相似度法對判斷醬油質(zhì)量的的穩(wěn)定性有一定作用,而對醬油品牌的區(qū)分有一定的局限性。聚類分析和主成分分析探討不同品牌和種類醬油區(qū)分的可行性,結(jié)果顯示不同品牌和種類的醬油能各自聚在一起,表明本研究所選擇的變量的有效性。分別采用偏最小二乘、線性判別和K-最鄰近法三種判別模型對預

5、報集中醬油的品牌和種類進行判斷,結(jié)果表明三種模型均能很好的判斷醬油的品牌和種類。在建立線性判別和K-最鄰近法判別模型前,采用Fisher權重法計算不同變量對醬油分類的貢獻大小,采用交叉驗證法計算變量個數(shù)對線性判別判斷準確率關系曲線,得到前7個貢獻大的變量對預報集中醬油的品牌和種類判斷的準確率能達到100％,即選擇密度、固形物、總酸、pH、氯化鈉、電導、灰分的測量數(shù)據(jù)建立數(shù)據(jù)矩陣。
　　 第三章研究分別以食醋中8種微量元素含量值和

6、5個理化指標值為變量,探討模式識別方法對不同種類和產(chǎn)地食醋進行分類鑒別的可行性。實驗購買4個不同品牌29個食醋樣品,包括陳醋和白醋。采用原子吸收分光光度法測食醋中8種微量元素含量,化學方法測定食醋5個理化指標值,組成測量數(shù)據(jù)矩陣。采用向量相似法計算不同品牌和種類食醋的質(zhì)量穩(wěn)定性信息,研究兩種不同類型變量(金屬元素含量和理化指標值)對食醋的區(qū)分效果。主成分分析分別用理化指標、金屬元素含量值及理化指標和金屬元素含量的混合數(shù)據(jù)為變量,以其得出

7、兩種不同類型變量對食醋種類和品牌區(qū)分的貢獻。從13個變量的載荷圖可以得出,金屬元素為變量對7個樣品類別區(qū)分的貢獻比5個理化指標的貢獻大。在由。PC1-PC2-PC3前三個主成分構(gòu)成的三維得分圖中,32個樣本按種類和品牌被成功的區(qū)分為7組。采用夾角余弦計算樣品的距離,32個樣本能得到很好的聚類效果。采用建立的偏最小二乘和徑向基人工神經(jīng)網(wǎng)絡判別模型分別對測試集進行種類預報,預報準確度分別達到100％和93％。
　　 第四章測定不同品

8、牌料酒的可見-近紅外光譜,建立模式識別方法對料酒品牌區(qū)分的新方法。實驗購買了3個不同品牌共37個料酒樣品,測定400-1400nm波長范圍的可見近紅外的吸收光譜,分別采用一階導數(shù)法和小波變換技術對料酒的可見-近紅外光譜數(shù)據(jù)去噪和壓縮處理。探討了小波分解尺度對光譜信號的影響,最后選擇二階的Daubechies(db2)小波函數(shù)、分解尺度5對原始光譜數(shù)據(jù)進行處理。對原始光譜數(shù)據(jù)、一階導數(shù)法和小波變換技術處理后的數(shù)據(jù)進行主成分分析,比較了模糊

9、聚類的效果。結(jié)果表明,小波變換能夠有效去除光譜噪音和壓縮光譜變量,得到較好的聚類效果。采用偏最小二乘和人工神經(jīng)網(wǎng)絡預報模型對料酒的品牌進行判斷,預報正確率均為100％。
　　 第五章測定料酒的三維同步熒光,提取特征熒光變量,建立模式識別方法對料酒品牌區(qū)分的新方法。分別采用主成分分析降維和小波變換的方法提取三維熒光的特征變量。主成分分析取第一主成分作為料酒的熒光特征變量。通過比較小波分解尺度對光譜信號的影響的結(jié)果,最后選擇二階的D

10、aubechies(db2)小波分解尺度4對原始的光譜數(shù)據(jù)進行處理,該方法能很好的壓縮和保留原始的熒光信息。對主成分降維和小波變換的方法提取三維熒光的特征變量進行主成分分析和聚類分析,小波變換法能更好的對樣品品牌進行區(qū)分。采用偏最小二乘和人工神經(jīng)網(wǎng)絡預報模型對料酒的品牌進行判斷,預報正確率均為100％。
　　 第六章研究了多元校正技術和人工神經(jīng)網(wǎng)絡等化學計量學方法解析光譜嚴重重疊的苯甲酸、對羥基苯甲酸甲酯、對羥基苯甲酸丙酯和山梨

11、酸四種防腐劑的紫外吸收光譜,建立了同時測定四種防腐劑的新方法?？疾焖岫葘ξ展庾V的影響,發(fā)現(xiàn)在酸性溶液中,四種防腐劑的測定靈敏度較高。選擇在pH2.09的B-R緩沖溶液中,對四種防腐劑進行同時測定。在優(yōu)化的酸度條件下苯甲酸、對羥基苯甲酸甲酯、對羥基苯甲酸丙酯單組分的線性范圍為0.5.20μg mL-1,山梨的線性范圍為0.25～10μg mL-1。四種防腐劑的檢測限分別為0.22μg mL-1,0.19μg mL-1,0.17μg mL

12、-1,0.085μg mL-1。采用多種校正模型(經(jīng)典最小二乘(CLS)、偏最小二乘(PLS)、主成分回歸(PCR)、一階導經(jīng)典最小二乘(DCLS)、一階導偏最小二乘(DPLS)、一階導主成分回歸(DPCR)及徑向基人工神經(jīng)網(wǎng)絡(RBF-ANN)對四組分的合成樣預報集濃度預報。結(jié)果表明,建立的校正模型均有較好的預報能力,相對預報誤差(RPET)小于10％。其中,PCR、DPCR和RBF-ANN的預報誤差相對較小,預報誤差分別為4.53％