食品工业科技

作者：赵昕, 刘鑫, 王韵彭, 赵志磊, 王献友, 王庭欣, 刘孟琛

关键词：酸枣仁,掺假检测,近红外光谱,偏最小二乘回归,

本文采用近红外光谱技术对酸枣仁及其三种常见伪品理枣仁、枳椇子和兵豆进行定性定量检测研究。分别制备不同伪品掺杂质量分数为1%~90%的单种掺杂物实验样品，以及多种伪品同时掺杂的样品，采集800~2500 nm范围的近红外光谱数据。首先利用主成分分析（principal component analysis，PCA）对酸枣仁及三种伪品进行初步定性鉴别。对于单一掺假物样品，采用五种不同预处理方法对光谱数据进行去噪。利用偏最小二乘回归（partial least squares regression，PLS）方法，建立PLS1模型定量预测掺假物含量，并采用连续投影算法（successive projection algorithm，SPA）挑选最优波长，优化定量模型。结果表明，理枣仁掺假建立的3波长检测模型的预测集决定系数R2p为0.9659，均方根误差（root mean square error，RMSEP）为6.1910%。枳椇子掺假建立的8波长检测模型的预测集决定系数R2p为0.9491，均方根误差（RMSEP）为7.6232%。兵豆掺假建立的5波长检测模型的预测集决定系数R2p为0.9666，均方根误差（RMSEP）为6.1437%。对于多掺杂物样品，建立了PLS2模型同时对不同成分进行定量预测，酸枣仁效果最好，R2p≥0.7115，枳椇子预测效果最差，R2p≥0.2007。研究表明，利用近红外光谱技术可以实现酸枣仁不同伪品掺假的快速无损检测。所建方法为后续酸枣仁及其他种子类中药材便携式无损检测仪器的开发提供了理论基础与参考依据，对保证中药材质量安全具有重要社会意义。

来源：2022年第21期

《食品工业科技》期刊编辑部

查看食品工业科技杂志2022年第21期