液态奶中蛋白质与脂肪含量的测定方法解析

液态奶新鲜、方便、快捷,已成为一种普及性快速消费品,而劣质液态奶的营养成分严重不足,因此,建立快速准确的定量检测液态奶中营养物质的方法势在必行。常规化学分析方法测定乳制品中的蛋白质和脂肪含量时,均只针对被测样品中的单一成分,分析方法耗时费力,且分析成本高，近红外光谱(NIRS)主要由物质吸收光能使分子振动从基态向高能级跃迁时产生,记录分子中包含O—H、N—H、C—H单个化学键基频振动的倍频与合频信息,具有分析快速、高效、简单、无损、测试重现性好、无试剂污染、操作性强等优点。而CARS方法是新近提出的一种用于变量筛选的方法,此算法模仿达尔文进化论中“适者生存”原则,将每个变量看成一个个体,对变量实施逐步淘汰的选择过程。近红外光谱结合CARS变量筛选方法成为了测定液态奶蛋白质含量的最佳选择！

蛋白质与脂肪的常规测定：蛋白质含量的测定采用凯氏定氮法(GB/T5413·1-1997),利用粗蛋白测定仪测定,根据乳制品中氮元素含量转化为蛋白质含量的换算系数,计算液态奶中的蛋白质含量。对每个样本的脂肪含量严格按照GB/T5009·46-2003,采用哥特里-罗紫法检测，或者粗脂肪测定仪测定。以上实验中,在重复性条件下获得的2次独立测定结果的绝对差值不得超过算术平均值的5%,测定值为每100mL液态奶样本中蛋白质或脂肪的质量(g),每个样品平行测定3次。

近红外光谱通常由大量数据点构成,建模时波长点数远多于样本数,因此光谱共线性非常严重,利用变量筛选可简化模型,并提高模型的预测能力。CARS方法模仿达尔文进化理论中的“适者生存”原则,每次通过自适应重加权采样(ARS)技术筛选出PLS模型中回归系数绝对值大的波长点,去掉权重小的波长点,利用交互检验(CV)选出模型交互验证均方差(RMSECV)值最低的子集,可有效选择与所测性质相关的最优波长组合。最后我们得出：采用CARS结合PLS进行建模,所得结果明显优于全谱建模结果;同时,与MC-UVE、MWPLS和GA 3种方法比较,CARS法用于变量筛选可有效提高模型质量,表明近红外反射光谱技术结合CARS变量筛选方法适合液态奶中蛋白质和脂肪的快速、无损检测,而且能达到满意的检测精度,为液态奶蛋白质和脂肪含量的快速无损检测提供了新思路。