紅外光譜法檢測蜂蜜

摻假蜂蜜的傳統檢測方法耗時且成本高昂，本期PerkinElme食品分析專欄將著重介紹如何使用FT-NIR法快速、準確的篩選摻假蜂蜜，為您舌尖上的安全保駕護航。

在蜂蜜產品中添加玉米糖漿，既保留了甜味，外觀上也沒有明顯的區別，很難判斷哪些蜂蜜摻假了，而哪些沒有。傳統的摻假蜂蜜檢測方法非常耗時、且費用很高。欺詐性的貼假標簽也是一個主要問題。FDA關于蜂蜜標簽的規定如下：

? 如果某食品只含有蜂蜜，該食品必須命名為“蜂蜜”。

? 如果某食品含有蜂蜜和任何其它組分如甜味劑，該食品必須進行相應標注，如“混合蜂蜜和糖”。

? 可以注明花源，如三葉草蜂蜜。

? 任何不是純蜂蜜的產品，不能被標注為“蜂蜜”。

傅里葉變換近紅外光譜法(FT-NIR)提供了一種快速、準確度高的測試方法，可以進行蜂蜜中摻雜物的檢測。為了優化該技術的有效性，對不同的數據模型方法進行了測試。

摻雜物檢測的數據分析方法產品中摻雜物的檢測可以是靶向的或者非靶向的。 靶向方法中， 如偏最小二乘法(PLS)，摻雜物是產品中需要找出的某種特定的物質。通過一系列的校準標準物建立校準模型， 就可以對這種摻雜物進行定量檢測。 每一種摻雜物質都需要一個單獨的校準曲線。常見的非靶向方法，如簇類的獨立軟模式方法(SIMCA)，會告訴分析者該產品是否符合預期的材料標準。 它會指出這個產品可能被摻假， 但是無法告知摻雜了什么、 摻雜了多少。Spectrum10紅外光譜軟件獨有的摻雜物篩查算法(Adulterant Screen^?)，當判斷出產品不合格時，會確定摻雜物并估計摻雜物的濃度。這種算法并不需要對不同濃度的已知和潛在摻雜物進行大量繁瑣耗時的測量， 這樣就可以快速開發出摻雜物篩查方法， 以及快速針對新摻雜物進行方法升級。

實驗部分

近紅外光譜數據使用PerkinElmer Frontier?近紅外光譜儀收集。將蜂蜜樣品傾倒在樣品盤中，將樣品盤放在NIRA II反射附件的頂部，并在樣品的上面放置透反射附件。光譜在8cm -1分辨率的條件下采集，掃描時間為30s。

樣品材料：三葉草蜂蜜、野花蜂蜜、 橙花蜂蜜、有機蜂蜜、玉米糖漿、大米糖漿;

每個純物質都重復采集了十次光譜。接下來使用玉米糖漿稀釋純物質到以下濃度：

三葉草蜂蜜：0%, 2%, 4%, 6%, 8%, 10%, 12%, 14%, 16%,18%,20%, 30%, 40%, 50%, 60%, 70%, 80%,90%, 92%,94%, 96%, 98%, 100%;

野花蜂蜜：0%, 20%, 40%, 60%, 80%, 100%;

有機蜂蜜：0%, 20%, 40%, 60%, 80%, 100%。

更多的稀釋樣品作為方法的驗證樣品，也進行了制備：野花、橙花、三葉草和有機蜂蜜進行了2次單獨稀釋，一次使用10%的玉米糖漿，一次使用10%的大米糖漿。

結果討論

圖1包含了摻有不同濃度蜂蜜(0%蜂蜜即為玉米糖漿)的三種不同樣品的譜圖。在這樣的高濃度下，光譜的差異非常明顯。二階導數譜可以更快速的確認光譜差異，并可消除光譜基線偏移和傾斜的影響。

圖1. 不同濃度蜂蜜的FT-NIR光譜。

圖2. 圖1中樣品光譜的二階導數譜。

使用三葉草蜂蜜和玉米糖漿的標準混合物建立了PLS定量模型。圖3顯示了這些標準混合物真實值和模型估算值的校準曲線。數據顯示了非常好的線性關系，說明PLS模型可針對某種已知的摻雜物進行成功的定量分析。

圖3. 蜂蜜稀釋樣品的PLS模型。

進一步的校準模型使用含有有機、三葉草、野花蜂蜜的所有的標準混合物，見圖4。這個校準模型顯示，花的不同種類對這個模型中使用的樣品和摻雜物影響非常小。

圖4. 三種不同蜂蜜的稀釋樣品的PLS模型。

表1. 蜂蜜驗證樣品的PLS結果

使用摻有已知濃度糖漿的蜂蜜樣品對蜂蜜校準曲線進行驗證。表1顯示了模型對未知樣品的定量結果，偏差為0.64%。使用每個蜂蜜樣品的10次重復測量中的8張光譜，建立SIMCA模型，光譜范圍為10000~4000cm -1，并進行2階導數處理。 剩下的每種蜂蜜的2次測量光譜，以及1個摻雜了10%玉米糖漿的蜂蜜樣品，作為獨立驗證集。

圖5. 蜂蜜樣品的主成分圖。

圖5顯示了蜂蜜樣品的主成分(PC)中PC1 vs PC2的圖。所有的三葉草、野花和橙花蜂蜜光譜都在模型的邊界之內。獨立驗證的結果在圖6中顯示。

圖6. 蜂蜜的獨立驗證結果。

所有的純蜂蜜的重復測量均通過驗證。但是，摻雜樣品也被判斷為合格。SIMCA方法需要更多的工作，從而可以確定更加合理的合格/不合格標準。輸入所有的純蜂蜜光譜作為 “材料光譜”，添加玉米糖漿和大米糖漿作為“摻雜光譜”，即可建立一個摻雜物篩查方法。使用一階導數預處理。SIMCA方法和摻雜物篩查方法被集成在Spectrum Touch ^? 軟件中，從而可以順序進行SIMCA和摻雜物篩查分析。使用這個Spectrum Touch方法，對10%玉米糖漿摻雜的樣品進行了檢測，如圖7所示。

圖7. 10%摻雜蜂蜜樣品的SIMCA和摻雜物篩查結果如先前討論的，SIMCA分析只給出一個錯誤的“合格”結果。而摻雜物篩查分析可以正確識別該樣品摻雜了玉米糖漿。

圖8. 摻雜物篩查方法對10%摻雜蜂蜜樣品的詳細分析結果

圖8顯示了摻雜有玉米糖漿的蜂蜜樣品的詳細摻雜物篩查分析結果。結果顯示了樣品中玉米糖漿的估計值。該方法對這種摻雜物的檢出限為4%左右。如果摻雜物和蜂蜜光譜顯著不同，其檢出限會大大降低。

結論

這篇應用報告中的數據表明，使用NIR光譜法對蜂蜜進行摻假檢測是可能的。NIR制樣快速簡便。 如果摻雜物已知，可以使用PLS模型進行定量分析。但是，這需要繁瑣的校準標準品的制備過程。 摻雜物篩查方法比SIMCA方法靈敏度更高，且可以判斷摻雜物種類并估計其含量，而且并不需要大量校正標準品。最后，這個方法可以被集成到一個簡單的用戶界面，方便常規用戶使用。