论文部分内容阅读
牛奶掺假是普遍普遍性的食品安全问题。三聚氰胺等掺假成分危害人们的健康,已引起了人们的广泛关注。近来,全球牛奶消费量日益增加,尤其是发展中国家,牛奶消费正成为全球大部分人口饮食的重要组成部分。由于奶制品需求增加、愈发激烈市场竞争力以及供应链的复杂性,一些无良的牛奶生产商热衷于牛奶掺假,这一弊端已经成为发展中国家的一个普遍问题。因此找到一种合适的掺假检测方法显得尤为迫切。目前,已经有多种类型用于定量检测牛奶中的掺假物的技术,但这些技术面临着操作复杂、耗时长以及成本高的挑战。本研究采用便携式近红外(MICROIR 1700)光谱仪和台式近红外(NIDSDS2500,OFS XDS分析仪)结合多元变量分析结合(化学计量学Excel)检测牛奶掺假。新鲜的牛奶样品分别采自中国北京市和河北省不同季节不同奶牛场不同品种的奶牛,在实验室将这些新鲜牛奶样品掺入水、尿素、淀粉和山羊奶,每个农场样品的浓度为10种不同浓度。采用数据驱动的簇类独立软模式法(DD-SIMCA)进行定性分析。应用偏最小二乘回归(PLSR)进行定量分析。结果表明,DD-SIMCA方法显示对照组和掺假组能明显分开且紧密聚类,便携式仪器与台式NIR光谱仪获得相似的定性分析结果。以纯鲜奶样为定标系,用4个主成分和I型误差α=0.01获得了对照模型的最佳结果。以此为模型的验证结果显示,纯鲜牛奶、加水、加尿素、加淀粉和加山羊奶样品的接受率分别为100%、7%、7%、0%和0%。同时,拒绝率分别为0%、93%、93%、100%和100%,此时,II型误差β=0.998、0.127、0.103、0.001和0.081。用9个主成分和I型误差α=0.01获得了掺水(2类)作为靶标的最佳定标模型,验证结果显示,新鲜牛奶、加水、加尿素、加淀粉和加山羊奶的样品接受率分别为0%、100%、0%、0%和0%,II型误差β=0.120、1、0.059、0和0.003时。以7个主成分,I型误差α=0.01获得了牛奶掺入尿素(3类)作为靶标时的模型。验证结果显示,新鲜牛奶、加水、加尿素、加淀粉和加山羊奶测试样品的接受率分别为0%、0%、100%、0%和0%,II型误差β=0.073、0.064、0.981、0和0.123。以4个主成分和I型误差α=0.01获得了以淀粉(4类)为靶标时的良好模型,验证结果显示,新鲜牛奶、加水、加尿素、加淀粉和加羊奶测试样品的灵敏度分别为0%、0%、0%、100%和0%,II型误差β=0.014、0.010、0.003、0.986和0.001。PLS回归模型分析分别对便携式红外光谱和台式近红外光谱仪测得的标准误差进行预测,前者加水、加尿素、加淀粉和加山羊奶标准误差分别为4.35、0.34、4.74和5.56 g/L,后者加水、加尿素、加淀粉和加山羊奶分别为2.75、0.31、4.35和8.56 g/L。利用从内蒙古伊利实业集团股份有限公司获得的随机样本,采用数据驱动的簇类独立软模式法(DD-SIMCA)对数据进行定性分析,建立了新的定性分析模型,并对掺假(水、尿素、淀粉和山羊奶)牛奶进行了扫描检测。用便携式近红外光谱仪对60份样品进行扫描检测(来自内蒙古的30份样品和来自河北的30份样品)。结果表明,79%样品未掺假(47样品),12%的掺入高浓度尿素(5样品),其余样本掺入未知物。为了确认在检测模型中结果显示的高浓度的尿素,采用另一种方法(牛奶和乳制品中的尿素氮-分光光度法)检查5样品中尿素的含量。我们得到相同的结果,证实了在这5牛奶样品中的高水平尿素。这些结果证实了近红外光谱技术的可行性和可靠性,并结合多因素分析预测了牛奶中掺假成分的总含量。