近红外光谱技术定性鉴别蜂蜜品种及真伪的研究

近红外光谱技术定性鉴别蜂蜜品种及真伪的研究钟艳萍1，钟振声1，陈兰珍2，叶志华2，赵静2（1.华南理工大学化学与化工学院，广东广州 510640）（2.中国农业科学院蜜蜂研究所，北京 100093） 摘要：提出了蜂蜜品种及真伪定性鉴别的新方法。

在12000~4000 cm-1范采集荆条蜜、槐花蜜、油菜蜜和掺假蜜的近红外光谱，结合一阶导、多元散射校正及变量标准化)三种方法对光谱进行预处理，以主成分分析结合马氏距离判别法，在不同谱区建立蜂蜜品种及真伪定性鉴别模型。

研究发现6100~5700 cm-1谱区为最佳建模波段，品种判别正确率达90%以上，真伪鉴别正确率为93.10%。

关键词：近红外光谱；蜂蜜；鉴别文章篇号：1673-9078(2010)11-1280-1282Qualitative Identification of Floral Origin and Adulteration of Honey byNear-infrared SpectroscopyZHONG Yan-ping1, ZHONG Zhen-sheng1, CHEN Lan-zhen2, YE Zhi-hua2, ZHAO Jing2(1.School of Chemistry and Chemical Engineering, South China University of Technology, Guangzhou 510640,China) (2.Institute of Agricultural Research, Chinese Academy of Agricultural Sciences, Beijing 100093, China) Abstract: A new method for identification of floral origin and adulteration of honey was developed. Honey samples were scanned by Fourier tansform near infrared spectrometer (FT-NIR) in the region of 4000~12000 cm-1, and then transformed by 1st derivatives combined with multiplicative scatter correction and variable standards. In different spectral bands, models were established by principal component analysis combined with Mahalanobis distance for floral origin and adulteration identification of honey samples .Results showed 6100~5700 cm-1 was the best region; floral origin identification was over 90% and adulteration identification was 93.10%.Key words: near-infrared spectroscopy; honey; identification蜂蜜营养丰富，是天然的保健食品。

我国是蜂产品生产大国，蜜蜂饲养量、蜂产品产量和出口量均居世界第一位。

蜂蜜种类通常按照蜜蜂所采集的蜜源植物种类划分，不同蜜源植物来源的蜂蜜不仅在感官和内在品质上有一定的差异，营养效果也有所不同。

蜂蜜传统鉴别方法中，感官评定方便易行，却要求评价人员专业性强，经验丰富，且带有很强的主观性，准确率低；花粉分析方法基于显微镜鉴定花粉, 昂贵、费时, 依据于专家的能力和判断，测得结果准确度可靠性也较差[1]。

运用现代分析方法，如色谱、光谱、电化学及质谱等分析法可测定蜂蜜中的成分，从而判定蜂蜜品种及鉴别真伪，但是这些方法存在收稿日期：2010-07-26基金项目：中国农业科学院院级基本业务费专项项目资助作者简介：钟艳萍（1985-），女，硕士研究生，研究方向：精细化学品化学与技术通讯作者：陈兰珍(1974-)，女，副研究员，主要研究方向：食品质量与安全不易操作，费时费力等不足。

由于蜂蜜品种不易鉴别，国内蜂蜜市场价格混乱，品种标识混淆。

蜂产品市场以次充好、掺杂造假问题严重。

近年来，蜂蜜品质差、掺杂造假的现象层出不穷，造成我国蜂产品市场混乱，严重影响蜂业发展。

近红外光谱分析技术是利用光谱分析方法分析物质的成分和结构，具有高效、快速、无损、成本低、绿色环保等优点，近年来发展迅速，广泛应用于食品[2~4]、医药[5~6]、农业[7~8]等领域。

将近红外用于蜂蜜的品种及真伪鉴别具有传统方法不可比拟的优点，可为蜂蜜的生产、收购、加工、商检、外贸、技术监督等带来方便，规范市场，维护消费者利益，促进蜂业发展。

1 材料与方法1.1 材料槐花蜜、荆条蜜、油菜蜜三个品种蜂蜜及各种假蜜，由各地市场抽检的不同品牌的商品蜜，中国农业1280科学院蜜蜂研究所提供。

1.2 仪器设备MPA傅里叶变换近红外光谱（德国Bruker），带InGaAs检测器和液体光纤探头。

分析软件采用OPUS6.0，OMNIC6.2，TQ Analyst V6.0（Thermo Nicolet，美国）。

1.3 光谱采集在样品采集前，先将蜂蜜置于50 ℃水浴中使可溶物充分溶解。

采用透反射方式；扫描范围：4000~12000 cm-1；扫描次数：32 次；分辨率：8 cm-1；光程为2 mm。

将光纤探头插入蜂蜜样品进行采样，避免有气泡产生。

每1个样本分别采集3次，取3次采集的平均值作为该样本的原始光谱1.4 真假蜜的化学鉴定以是否掺C-4植物糖为检测指标判定蜂蜜真假。

根据GB/T 18932.1-2002《蜂蜜中C-4植物糖含量测定稳定炭同位素比率法》，测定蜂蜜中C-4植物糖含量。

以蜂蜜蛋白质δ13C值为标准，根据差值计算蜂蜜中C-4植物糖含量。

如果计算结果为负值，其C-4植物糖含量按0计。

当计算结果大于或等于7%时，应认为含有C-4植物糖(主要指玉米糖或蔗糖)，此时判定蜂蜜为假蜜[9]。

1.5 光谱数据预处理采用美国Thermo Nicolet公司TQ 6.0智能软件对蜂蜜原始光谱进进行不同的预处理，以达到最佳的建模结果。

本研究主要采用SNV、一阶导、二阶导等方法相互组合处理光谱。

经过以上处理可以很好的滤除各种因素产生的高频噪声，消除倾斜变化噪声，并矫正光谱的离散影响。

1.5 建立模型利用主成分分析结合马氏距离判别法建立蜂蜜品及真伪鉴别的定性判别模型，模型的优劣根据样品的正确判别率和预测集样品的判别率来进行评价。

主成分数为10。

2 结果与分析2.1 不同种蜂蜜的近红外光谱图三种蜂蜜的原始近红外光谱图如图1所示。

真假蜂蜜的原始普图如图2所示。

图中横坐标为波长范围4000~12000 cm-1（相当于833~2500 nm），纵坐标为光谱吸光度值。

从图1可以看出，不同种蜂蜜的原始光谱图基本相似，4000~5000 cm-1有较严重的噪音信号；5200 cm-1处有强烈的的水吸收峰；6000 cm-1附近波段主要为葡萄糖、果糖的C-H、H-O一倍频跟合频吸收。

图1 不同品种蜂蜜的近红外光谱图Fig.1 The original NIR spectrum of different kinds of honey图2 真假蜂蜜的近红外光谱图Fig.2 The original NIR spectrum of true and fake honey2.2 建模波段的选择利用马氏距离判别法建立定性模型，需要选择建模谱区。

以样品数最多的槐花蜜和荆条蜜为研究对象，有槐花蜜35个样本，荆条蜜40个样本共75个样，按3:1的比例原则分配建模集和预测集。

对不同建模波段范围进行了研究。

以全谱、7500~5500 cm-1和6100~5700 cm-1三个波段范围，采用SNV、一阶导两种预处理方法相结合对光谱进行处理，建立模型的分析结果如表1。

表1 不同建模波段槐花蜜和荆条蜜的判别分析结果Ta ble 1 The discrimination of different range for Jingtiao honey and Huaihua honey by different pretreatment methods 编号波长范围/cm-1误判数判别率%1 12000~4000 30 60.002 7500~5500 22 70.673 6100~5700 5 93.33结合图1分析：由于水的强烈吸收，在5200 cm-1处吸收峰已处于饱和，5000~4000 cm-1大量的毛刺峰含有较强的噪音信号，全谱建模可能引入较多的噪音信号或其他成分的干扰信息，从而掩盖了主要特征信号，所以全谱建模结果最差，准确率仅60.00%。

6000 cm-1附近波段主要为葡萄糖、果糖的C-H、H-O一倍12811282频跟合频吸收。

蜂蜜含有丰富的糖类物质，占蜂蜜总量的四分之三以上，其中果糖和葡萄糖的总和占蜂蜜糖分的85%~95%，因此6000 cm -1附近波段具有重要的研究意义，所以在光谱图上呈现特征小峰的6100~5700 cm -1谱区建模结果最好。

7500~5500 cm -1谱区包含了6000 cm -1波段附近葡萄糖、果糖的C-H 、H-O 一倍频及合频吸收，此外还包含了各种基团中C-H 键伸缩、弯曲振动的二倍频信息，较宽的谱区范围同样可能引人了掩盖主要特征信号的信息，所以7500~5500 cm -1谱区建模结果比全谱好而比6100~5700 cm -1差。

所以6100~5700 cm -1谱区为本研究的最佳建模波段。

2.3 蜂蜜品种的鉴别结果荆条蜜样本40个，槐花蜜样本40个，油菜蜜样本22个。

光谱预处理方法分别为一阶导、二阶导和SNV 的组合，以6100~5700 cm -1为建模波段，在不同的光谱预处理方法下建立模型。

结果如表2所示。

由结果知，两种蜜混合时判别正确率高，荆条蜜和油菜蜜区分度最强。

荆条蜜、槐花蜜和油菜蜜三个品种混合，判别正确率为89.69%，与两品种间的判别正确率相比有所下降。

这主要因为品种混合判别模型样品适应性变宽，从而导致模型精度降低。

如果直接用建立的混合模型进行预测，会导致预测精度不高。

后续研究可采用一定的方法提高三品种混合模型判别正确率。

图3为三品种混合判别分析图，图中显示，三个不同品种的蜂蜜大体落在三个区域内，有很强的区分度。