作者单位
摘要
1 食品科学与技术国家重点实验室, 中国-加拿大食品科学与技术联合实验室(南昌), 江西省生物活性多糖重点实验室, 南昌大学, 江西 南昌 330047
2 Guelph Research and Development Centre, Agriculture and Agri-Food Canada, Guelph N1G 5C9, Canada
近红外光谱检测技术可反映样品内部含氢化学键伸缩振动与合频吸收信息, 具有分析速度快、 经济、 重现性好以及环境友好等优点, 常用于食品、 药品及材料领域的检测分析之中。 豌豆是世界上最重要的栽培作物之一, 种植、 分布广泛, 具有高淀粉、 高蛋白、 低脂质等营养特性, 长久以来受到消费者的喜爱。 为了明确不同产地豌豆的近红外光谱建模差异, 对不同产地豌豆进行建模分析。 研究采集了河南省南阳市不同地区42份豌豆样本, 首先测定了豌豆的营养成分(总淀粉、 蛋白质、 水分、 灰分及脂质), 再重点采用近红外光谱中的积分球漫反射技术, 在12 000~4 000 cm-1波段对不同豌豆样品进行光谱采集, 通过判别分析模型(DA)结合不同的预处理方法得到最优预处理数据, 结合主成分分析(PCA)、 偏最小二乘判别分析(PLS-DA)以及正交偏最小二乘判别分析(OPLS-DA)等方法, 对光谱特征差异进行分类分析, 从而构建并验证南阳豌豆的产地识别模型。 结果表明, 不同区域南阳豌豆的营养组分及含量总体差异较小(总淀粉36.30%~46.93%, 蛋白质16.37%~25.50%, 水分6.78%~9.16%, 灰分2.29%~3.38%, 脂质0.37%~1.43%); 基于近红外光谱建立的判别模型表明, DA模型判别分析准确率可达92.4%, 并且PCA、 PLS-DA以及OPLS-DA得到的模型预测能力分别为96.7%, 85.1%和83.6%, 表明以上模型均可实现南阳豌豆鉴别模型的建立。 此外, 通过变量重要性投影值法提取(VIP>1.0)筛选出的不同产地差异波段显示, 4 710~4 000, 5 320~5 200以及7 200~6 220 cm-1可作为南阳豌豆产地鉴别的特异性检测波段。 该研究可为构建不同区域豌豆产地鉴别、 追溯信息库提供方法学依据。
豌豆 产地鉴别 营养成分 近红外光谱技术 判别模型 Pea Origin identification Nutritional components Near-infrared spectroscopy technology Discriminant model 
光谱学与光谱分析
2023, 43(4): 1095
作者单位
摘要
1 运城学院生命科学系,山西运城 044000
2 江南大学 食品科学与技术国家重点实验室,江苏无锡 214122
3 加拿大农业部食品研究所,安大略湖州 N1G 5C9
4 郑州轻工业学院 食品与生物工程学院,河南 郑州 450002
应用红外光谱技术建立了一种对果胶多糖酯化度(DE)进行快速定量分析的方法。以当归果胶多糖为测试样品,采用傅里叶变换红外光谱仪(FTIR)建立了DE与A1730/(A1730+A1630)之间的线性回归方程,相关系数为0.9852, 表明果胶多糖的DE与其在1730和1630 cm-1处的吸收峰面积之间有良好的线性关系。经测定,从当归中提取的果胶多糖粗品和纯品的酯化度介于42.36%-54.06%之间。 将FTIR法与传统的化学滴定法进行比较,两种方法间相对误差为7%,并具有良好的重现性,且与传统方法相比具有样品用量少、操作简单、快捷、灵敏度高等特点。FTIR测定果胶多糖酯化度具有可行性,可成为替代化学滴定法的一种的快速易行而准确的方法。
果胶多糖 酯化度 当归 FTIR FTIR Pectic polysaccharides Degree of esterification Angelica sinensis 
光谱学与光谱分析
2009, 29(3): 682

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!