一種基於近紅外光譜技術的茶葉非法添加物鑑別方法
2023-05-28 16:36:31 2
一種基於近紅外光譜技術的茶葉非法添加物鑑別方法
【專利摘要】本發明公開了一種基於近紅外光譜技術的茶葉非法添加物鑑別方法。本方法應用傅立葉變換近紅外漫反射光譜分析技術結合因子法建立定性分析模型；應用傅立葉變換近紅外漫反射光譜分析技術結合偏最小二乘法（PLS）建立定量分析模型，以兩個模型結合應用實現茶葉中非法添加物（蔗糖、糖漿和米糊）的快速準確鑑別。本方法具有分析速度快、效率高、成本低、測試重現性好、樣品無需預處理且便於在線無損檢測的特點。
【專利說明】一種基於近紅外光譜技術的茶葉非法添加物鑑別方法
【技術領域】
[0001] 本發明涉及一種茶葉摻假的鑑別方法，尤其涉及的是一種基於近紅外光譜的茶葉 摻假的無損鑑別方法。
【背景技術】
[0002] 綠茶作為我國重要的出口創匯農副產品之一，目前出口已達世界96個國家和地 區，佔整個世界茶葉市場綠茶貿易量的85%以上。炒青綠茶是我國出口綠茶的主導產品，在 國際市場上享有盛譽。
[0003] 根據《CNCA/CTS 0027-2008食品安全管理體系茶葉加工企業要求》，在茶葉加工過 程中茶葉原料不得添加任何添加劑，不得有非茶類夾雜物。珠茶加工過程中雖允許在車色 過程中添加少量米糊賦形，但對添加量有嚴格限制。然而目前，部分不法企業為獲取利潤， 在茶葉加工過程中隨意摻加非法添加物(主要有蔗糖、糖漿和米糊)，賺取添加物與茶葉的 差價。這種違法行為不僅嚴重破壞了茶葉市場秩序，有損中國茶在國際市場的聲譽，而且隨 意摻加的糖、糖漿、米糊等非法添加物在茶葉貯藏、運輸過程中極易吸水吸潮、滋生腐敗菌， 損害了消費者的健康。在選購過程中，普通消費者通過感官(觀色澤、聞香氣、品茶湯)，很難 對非法添加物進行有效鑑別。由於針對綠茶中非法添加物檢測缺乏相關方法和標準，因此， 研究和開發一種既準確、穩定又簡便快捷的茶葉非法添加物(蔗糖、糖漿和米糊）鑑別和定 量檢測技術就顯得尤為迫切。
[0004] 對茶葉品質的分析主要依靠化學檢測和感官審評兩種方法。茶葉品質化學檢測中 常見的茶葉理化監測指標有：水分、總灰分、水浸出物、粗纖維、咖啡鹼、多酚以及游離氨基 酸等，不涉及非法添加物(蔗糖、糖漿和米糊)。且化學檢測方法繁瑣，耗時耗力，通常在試驗 室進行，對檢測條件和人員素質要求很高，無法實現在茶葉流通過程中對茶葉品質進行實 時有效監控。茶葉感官審評是根據專業審評人員正常的視覺、嗅覺、味覺、觸覺感受，使用 規定的評茶術語，或參照實物樣對茶葉產品的感官特性（形態、色澤、香氣、滋味等）進行評 定，雖能評判茶葉品質，但無法辨別是否添加了非法添加物(蔗糖、糖漿和米糊)，更談不上 定量分析，且評審結果還容易受審評場所、評茶員的健康狀況、評茶員的主觀原因、知識水 平以及經驗等因素的影響。
[0005] 近紅外光譜技術（Near-infrared Spectroscopy,NIRS)是國內外發展較快的一種 新型定性、定量分析技術，是將近紅外光譜所反映的樣品基團、組成或物態信息與用標準的 參比方法測得的組成含量或性質數據採用化學計量學技術建立定標模型，然後通過對組分 含量未知的樣品光譜的測定和建立的定標模型來快速預測其組成含量或性質的一種分析 方法。作為一種綠色、快速、高效、方便，且適合在線分析的技術，NIRS技術已在農業食品工 業中醫藥和石油化工等領域中得到了廣泛應用，是近年來發展最快的測定技術之一，在茶 葉及茶製品的理化檢測、品質評價、真偽識別等方面也表現出巨大的潛力。將近紅外技術應 用於茶葉非法添加物(蔗糖、糖漿和米糊）的鑑別中，對待測茶樣進行制樣、光譜掃描和模型 調用，整個鑑別過程能在6min內完成(樣品製備5min，分析檢測lmin)，與化學檢測方法相 比具有簡便、快捷、準確、節省等優點。
【發明內容】
[0006] 針對目前部分不法企業在茶葉中摻加非法添加物(蔗糖、糖漿和米糊)，而傳統鑑 別方法不易對茶葉非法添加物進行鑑別的現狀，本發明的目的在於提供一種茶葉非法添加 物(蔗糖、糖漿和米糊）的鑑別方法，該方法利用德國Bruker公司的MPA型傅立葉變換近紅 外光譜儀對非法添加物(蔗糖、糖漿和米糊）不同添加梯度的茶葉進行光譜掃描，以獲取摻 假茶葉的近紅外光譜鑑別模型，使用該模型可以鑑別出茶葉的非法添加物添加量，其鑑別 方法簡單，鑑別結果準確，能夠進行批量鑑定。
[0007] 本發明是通過以下技術方案實現的： 一種應用近紅外光譜技術鑑別茶葉中非法添加物的方法，其特徵在於，包括以下步 驟： (1) 摻雜茶樣的製備和定量參數的定義：在純茶葉製作過程中添加不同比例的非法添 加物，得到不同添加比例的摻雜茶樣，然後將其分別粉碎過篩後，精確稱量2_3g壓製成餅 狀作為樣品，以摻雜茶樣中的添加比例作為茶樣的摻雜特徵定量參數，同時將純茶葉樣品 的定量參數定義為〇%，其中所述非法添加物是在制茶過程中普遍添加的糖、糖漿、米糊中一 種； (2) 光譜的採集和樣品校正集、檢驗集的選擇：使用傅立葉變換近紅外光譜儀及 其配套光譜分析軟體採集光譜數據：使用樣品杯漫反射掃描參數，光譜掃描範圍為 4000-12500(3!^，解析度ScnT 1，掃描次數32次，進行背景掃描後，對茶餅進行光譜掃描，然後 將茶餅在水平面上旋轉兩次分別進行掃描，即每個茶餅共掃描三次，將三次測量的光譜求 平均，作為該摻有非法添加物茶樣的近紅外漫反射光譜，測量多個不同位置可以消除樣品 不均勻引起的散射誤差，利用OPUS軟體設置數據類型時自動選擇30%的樣品作為測試樣 品，即在樣品集中選取30%作為檢驗集，其餘作為校正集； (3) 建立三個模型：將校正集的光譜圖導入OPUS軟體並將步驟（1)中非法添加物的 含量標準值與樣品光譜一一對應輸入；選擇最優光譜範圍及預處理方法，分別建立了基 於偏最小二乘法（PLS)的茶葉中三種添加物含量檢測的近紅外定量分析模型：可得糖、 糖漿、米糊定量校正模型的最佳光譜範圍分別為7502-4246. 7(^^5450. 1-4246. 7CHT1、 7502-4597. 7CHT1 ;最佳預處理方法分別為減去一條直線、無光譜預處理、無光譜預處理；內 部交叉驗證決定係數分別為：98. 38、97. 99、95. 11，三個模型交叉驗證係數均較高；交叉檢 驗均方差誤差分別為：〇. 699、0. 88、0. 284 ;誤差結果為預測值與標準值之間的偏差分別小 於 1. 5、2· 1、0· 664。
[0008] (4)模型的檢驗：用步驟（2)中的檢驗集作為未知樣品對校正集模型進行檢驗； 糖、糖漿、米糊定量校正模型的預測集驗證決定係數分別為：99. 78、98. 07、91. 75,預測均方 差誤差分別為：〇· 258、0· 761、0· 31，預測效果較好； (5)取未知摻假茶葉樣品，按步驟（1)壓製成餅狀，並進行光譜採集，在OPUS軟體中調 用所建立的PLS模型，對上述樣品光譜信息進行分析，可快速定量鑑別出茶葉中非法添加 物的含量。
[0009] 所述步驟（2)中非法添加物的摻加比例為：以幹茶重量計算摻加糖0-20%，摻加糖 漿0-20%，摻加米糊0-4%。
[0010] 本發明方法是應用傅立葉變換近紅外漫反射光譜分析技術結合因子法建立的定 性分析模型鑑別茶葉中非法添加物；是應用傅立葉變換近紅外漫反射光譜分析技術結合偏 最小二乘法建立的定量分析模型定量測定茶葉中非法添加物添加量。
[0011] 基於近紅外光譜技術的茶葉非法添加物鑑別方法建立的分析模型用於鑑別茶葉 中非法添加物的用途。
[0012] 本發明的有益效果為：直接採用樣品原樣檢測，省去繁瑣的前處理，數學模型建 立後，只需用待測樣品通過儀器進行光譜掃描即可分析出茶葉中是否摻加非法添加物(蔗 糖、糖漿和米糊)，能夠滿足即時交易和生產的需求。具有無需稱樣、無需計算、無需樣品前 處理、無需任何化學試劑、無樣品損壞、穩定快速、綠色環保、易於操作、準確率高、重複性好 的特點。
【專利附圖】
【附圖說明】
[0013] 圖1為本發明中摻糖茶樣的PLS回歸模型。
[0014] 圖2為本發明中摻糖茶樣的PLS回歸模型，相應的誤差分布圖。
[0015] 圖3為本發明中摻糖茶樣的檢驗集模型。
[0016]圖4為本發明中摻糖茶樣的檢驗集模型，相應的誤差分布圖。
[0017]圖5為本發明中摻糖漿茶樣的PLS回歸模型。
[0018]圖6為本發明中摻糖漿茶樣的PLS回歸模型，相應的誤差分布圖。
[0019]圖7為本發明中摻糖漿茶樣的檢驗集模型。
[0020] 圖8為本發明中摻糖漿茶樣的檢驗集模型，相應的誤差分布圖。
[0021] 圖9為本發明中摻米糊茶樣的PLS回歸模型。
[0022] 圖10為本發明中摻米糊茶樣的PLS回歸模型，相應的誤差分布圖。
[0023] 圖11為本發明中摻米糊茶樣的檢驗集模型。
[0024] 圖12為本發明中摻米糊茶樣的檢驗集模型，相應的誤差分布圖。
【具體實施方式】
[0025] 下面對本發明的實施例作詳細說明，本實施例在以本發明技術方案為前提下進行 實施，給出了詳細的實施方式和具體的操作過程，但本發明的保護範圍不限於下述的實施 例。
[0026] 實施例1 本實施例應用傅立葉變換近紅外漫反射光譜分析技術結合偏最小二乘法建立的定量 分析模型定量測定茶葉中非法添加物蔗糖的添加量，包括以下步驟： (1) 摻糖茶樣製備和定義： 在茶葉製備過程中摻入非法添加物蔗糖，製備不同添加比例的摻糖茶樣，粉碎過篩後 精確稱量3g壓製成餅狀作為樣品，以蔗糖的摻加比例作為茶樣的摻糖特徵定量參數，同時 將純茶葉樣品的定量參數定義為〇%，摻糖範圍為0-20% ; (2) 光譜的採集和樣品校正集、檢驗集的選擇： 使用儀器為德國Bruker公司MPA型傅立葉變換近紅外光譜儀，配有積分球、PbS檢 測器和0PUS6. 5數據處理與分析軟體，使用樣品杯漫反射掃描參數，光譜掃描範圍為 4000-12500(3!^，解析度ScnT1，掃描次數32次，進行背景掃描後，對茶餅進行光譜掃描，然後 將茶餅在水平面上旋轉兩次分別進行掃描，即每個茶餅共掃描三次，將三次測量的光譜求 平均，作為該摻糖茶樣的近紅外漫反射光譜。測量多個不同位置可以消除樣品不均勻引起 的散射誤差。利用OPUS軟體設置數據類型時自動選擇30%的樣品作為測試樣品，即在樣品 集中選取30%作為檢驗集，其餘作為校正集； (3) 模型的建立： 將校正集的光譜圖導入OPUS軟體並將步驟（1)中非法添加物蔗糖的含量標準值與樣 品光譜一一對應輸入；嘗試不同光譜範圍，校正集優選最佳光譜範圍為：7502-4246. 7CHT1 ; 校正集最佳預處理方法為：減去一條直線；計算建立定量校正模型，結果如圖1:內部交叉 驗證決定係數為98. 38,交叉檢驗均方差誤差為0. 699,相關性好；誤差結果如圖2:其中縱 坐標為近紅外預測值與標準值之間的偏差，橫坐標為標準值，偏差〈1. 5 ; (4) 模型的檢驗： 將建立好的模型導入，並用步驟（2)中檢驗集的樣品作為未知樣品上機實際檢測，對校 正集模型進行檢驗，驗證該模型對未知樣品的預測能力；檢驗集模型，結果如圖3:決定系 數為99. 78,預測均方差誤差為0. 258,預測能力好；誤差結果如圖4:其中縱坐標為近紅外 預測值與標準值之間的偏差，橫坐標為標準值，偏差〈〇. 5。
[0027] 實施例2 本實施例應用傅立葉變換近紅外漫反射光譜分析技術結合偏最小二乘法建立的定量 分析模型定量測定茶葉中非法添加物糖漿的添加量，包括以下步驟： (1) 摻糖漿茶樣製備和定義： 在茶葉製備過程中摻入非法添加物糖漿，製備不同添加比例的摻糖漿茶樣，粉碎過篩 後精確稱量3g壓製成餅狀作為樣品，以糖漿的摻加比例作為茶樣的摻糖漿特徵定量參數， 同時將純茶葉樣品的定量參數定義為〇%，摻糖漿範圍為0-20% ; (2) 光譜的採集和樣品校正集、檢驗集的選擇： 使用儀器為德國Bruker公司MPA型傅立葉變換近紅外光譜儀，配有積分球、PbS檢 測器和0PUS6. 5數據處理與分析軟體，使用樣品杯漫反射掃描參數，光譜掃描範圍為 4000-12500(3!^，解析度ScnT1，掃描次數32次，進行背景掃描後，對茶餅進行光譜掃描，然後 將茶餅在水平面上旋轉兩次分別進行掃描，即每個茶餅共掃描三次，將三次測量的光譜求 平均，作為該摻糖漿茶樣的近紅外漫反射光譜。測量多個不同位置可以消除樣品不均勻引 起的散射誤差。利用OPUS軟體設置數據類型時自動選擇30%的樣品作為測試樣品，即在樣 品集中選取30%作為檢驗集，其餘作為校正集； (3) 模型的建立： 將校正集的光譜圖導入OPUS軟體並將步驟（1)中非法添加物糖漿的含量 標準值與樣品光譜 對應輸入；嘗試不同光譜範圍，校正集優選最佳光譜範圍 為：5450. 1-4246. 7CHT1 ;校正集最佳預處理方法為：無光譜預處理；計算建立定量校正模 型，結果如圖5:內部交叉驗證決定係數為97. 99,交叉檢驗均方差誤差為0.88,相關性好； 誤差結果如圖6:其中縱坐標為近紅外預測值與標準值之間的偏差，橫坐標為標準值，偏差 <2. 1 ； (4)模型的檢驗： 將建立好的模型導入，並用步驟（2)中檢驗集的樣品作為未知樣品上機實際檢測，對校 正集模型進行檢驗，驗證該模型對未知樣品的預測能力；檢驗集模型，結果如圖7:決定系 數為98. 07,預測均方差誤差為0. 761，預測能力好；誤差結果如圖8:其中縱坐標為近紅外 預測值與標準值之間的偏差，橫坐標為標準值，偏差〈1. 57。
[0028] 實施例3 本實施例應用傅立葉變換近紅外漫反射光譜分析技術結合偏最小二乘法建立的定量 分析模型定量測定茶葉中非法添加物米糊的添加量，包括以下步驟： (1) 摻米糊茶樣製備和定義： 在茶葉製備過程中摻入非法添加物米糊，製備不同添加比例的摻米糊茶樣，粉碎過篩 後精確稱量3g壓製成餅狀作為樣品，以米糊的摻加比例作為茶樣的摻米糊特徵定量參數， 同時將純茶葉樣品的定量參數定義為〇%，摻米糊範圍為0-4% ; (2) 光譜的採集和樣品校正集、檢驗集的選擇： 使用儀器為德國Bruker公司MPA型傅立葉變換近紅外光譜儀，配有積分球、PbS檢 測器和0PUS6. 5數據處理與分析軟體，使用樣品杯漫反射掃描參數，光譜掃描範圍為 4000-12500(3!^，解析度ScnT1，掃描次數32次，進行背景掃描後，對茶餅進行光譜掃描，然後 將茶餅在水平面上旋轉兩次分別進行掃描，即每個茶餅共掃描三次，將三次測量的光譜求 平均，作為該摻米糊茶樣的近紅外漫反射光譜。測量多個不同位置可以消除樣品不均勻引 起的散射誤差。利用OPUS軟體設置數據類型時自動選擇30%的樣品作為測試樣品，即在樣 品集中選取30%作為檢驗集，其餘作為校正集； (3) 模型的建立： 將校正集的光譜圖導入OPUS軟體並將步驟（1)中非法添加物米糊的含量標準值與樣 品光譜一一對應輸入；嘗試不同光譜範圍，校正集優選最佳光譜範圍為：7502-4597. 7CHT1 ; 校正集最佳預處理方法為：無光譜預處理；計算建立定量校正模型，結果如圖9:內部交叉 驗證決定係數為95. 11，交叉檢驗均方差誤差為0. 284,相關性好；誤差結果如圖10:其中縱 坐標為近紅外預測值與標準值之間的偏差，橫坐標為標準值，偏差〈0. 664 ; (4) 模型的檢驗： 將建立好的模型導入，並用步驟（2)中檢驗集的樣品作為未知樣品上機實際檢測，對校 正集模型進行檢驗，驗證該模型對未知樣品的預測能力；檢驗集模型，結果如圖11:決定系 數為91. 75,預測均方差誤差為0. 31，預測能力好；誤差結果如圖12:其中縱坐標為近紅外 預測值與標準值之間的偏差，橫坐標為標準值，偏差〈〇. 608。
[0029] 實施例4 本實施例應用傅立葉變換近紅外漫反射光譜分析技術結合偏最小二乘法建立的定量 分析模型，快速鑑別未知茶樣中非法添加物的添加量，包括以下步驟： (1) 未知茶樣預處理： 取未知樣品茶樣，粉碎過篩後精確稱量3g壓製成餅狀作為樣品； (2) 光譜的採集： 使用儀器為德國Bruker公司MPA型傅立葉變換近紅外光譜儀，配有積分球、PbS檢 測器和0PUS6. 5數據處理與分析軟體，使用樣品杯漫反射掃描參數，光譜掃描範圍為 4000-12500cm-l，解析度8cm-l，掃描次數32次，進行背景掃描後，對茶餅進行光譜掃描，然 後將茶餅在水平面上旋轉兩次分別進行掃描，即每個茶餅共掃描三次，將三次測量的光譜 求平均，作為該未知茶樣的近紅外漫反射光譜。測量多個不同位置可以消除樣品不均勻引 起的散射誤差； (3)未知樣品測定： 在OPUS軟體中調用所建立的PLS模型，對上述摻假樣品光譜信息進行分析，可快速定 量鑑別出茶葉中非法添加物質量分數。
【權利要求】
1. 一種應用近紅外光譜技術鑑別茶葉中非法添加物的方法，其特徵在於，包括以下步 驟： (1) 摻雜茶樣的製備和定量參數的定義：在純茶葉製作過程中添加不同比例的非法添 加物，得到不同添加比例的摻雜茶樣，然後將其分別粉碎過篩後，精確稱量2-3g壓製成餅 狀作為樣品，以摻雜茶樣中的添加比例作為茶樣的摻雜特徵定量參數，同時將純茶葉樣品 的定量參數定義為〇%，其中所述非法添加物是在制茶過程中普遍添加的糖、糖漿、米糊中一 種； (2) 光譜的採集和樣品校正集、檢驗集的選擇：使用傅立葉變換近紅外光譜儀及 其配套光譜分析軟體採集光譜數據：使用樣品杯漫反射掃描參數，光譜掃描範圍為 4000-12500(3!^，解析度ScnT 1，掃描次數32次，進行背景掃描後，對茶餅進行光譜掃描，然後 將茶餅在水平面上旋轉兩次分別進行掃描，即每個茶餅共掃描三次，將三次測量的光譜求 平均，作為該摻有非法添加物茶樣的近紅外漫反射光譜，測量多個不同位置可以消除樣品 不均勻引起的散射誤差，利用OPUS軟體設置數據類型時自動選擇30%的樣品作為測試樣 品，即在樣品集中選取30%作為檢驗集，其餘作為校正集； (3) 建立三個模型：將校正集的光譜圖導入OPUS軟體並將步驟（1)中非法添加物的 含量標準值與樣品光譜一一對應輸入；選擇最優光譜範圍及預處理方法，分別建立了基 於偏最小二乘法（PLS)的茶葉中三種添加物含量檢測的近紅外定量分析模型：可得糖、 糖漿、米糊定量校正模型的最佳光譜範圍分別為7502-4246. 7011^5450. 1-4246. 7CHT1、 7502-4597. 7CHT1 ;最佳預處理方法分別為減去一條直線、無光譜預處理、無光譜預處理； (4) 模型的檢驗：用步驟（2)中的檢驗集作為未知樣品對校正集模型進行檢驗； (5) 取未知摻假茶葉樣品，按步驟（1)壓製成餅狀，並進行光譜採集，在OPUS軟體中調 用所建立的PLS模型，對上述樣品光譜信息進行分析，可快速定量鑑別出茶葉中非法添加 物的含量。
2. 根據權利要求1所述的一種應用近紅外光譜技術鑑別茶葉中非法添加物的方法，其 特徵是：所述步驟（2)中非法添加物的摻加比例為：以幹茶重量計算摻加糖0-20%，摻加糖 漿0-20%，摻加米糊0-4%。
【文檔編號】G01N21/359GK104122225SQ201410207171
【公開日】2014年10月29日 申請日期:2014年5月15日 優先權日:2014年5月15日
【發明者】張正竹, 李露青, 寧井銘, 王曼, 韋玲冬 申請人:安徽農業大學