AntarisIIFTNIR分析仪用于快速无损同时定量检测奶粉中 

Antaris II FT-NIR分析仪用于快速、无损、同时定量检测奶粉中蛋白质、脂肪、

乳糖、蔗糖、水分、酸度和灰份等7项成分和指标

刘全1 郝东海2

1 赛默飞世尔科技（上海）有限公司，上海 201206 2 黑龙江贝因美乳业有限公司，黑龙江 151400

简介

奶粉中的蛋白、脂肪、水分、糖类、灰份含量和酸度是决定奶粉质量的核心指标，也是影响检测速度的关键环节，奶粉理化检测的绝大部分工作量都集中在这此检测项目上。这些项目的检测采用传统方法需要采用到不同的分析方法和仪器（如表1），且耗时、耗力、成本高。在奶粉生产过程中，每天都有大量的样品需要检测，分析人员每天都需面对这种重复、冗长、繁琐的化学分析操作。因此，发展快速、有效、低成本、多指标同时检测的分析方法对于奶粉及其它奶制品生产企业提高效率、降低成本具有十分重要的意义。

表1 奶粉中常见指标的传统测定方法

指标 蛋白质 脂肪 乳糖 蔗糖 水分 酸度 灰份

测试方法 凯氏定蛋

盖勃法/罗兹-哥特里法/巴布考克法 莱因－埃农氏法 莱因－埃农氏法 干燥失重 滴定 灰化-焚化

近几年来迅速在各行各业兴起的近红外（NIR）分析技术为此提供了最好的工具。NIR分析技术是一种快速、操作简单、无需任何样品预处理的测量方法，近年来在农业食品、制药化学、高分子化工等行业正得到广泛应用。

本文采用ThermoFisher公司分子光谱部的Antaris II FT-NIR分析仪，研究建立了奶粉中蛋白质、脂肪、乳糖、蔗糖、水分、酸度和灰份等7项指标成分的定量分析模型。

1． NIR定量分析技术基本原理

NIR光谱信息主要来源于分子中C-H、N-H、O-H、S-H等含氢基团的倍频和合频振动吸收。与中红外（MIR）一样，所有的有机物在NIR区均具有相应的特征吸收光谱信息，光谱吸收强度与组分含量间呈一定的数学关系（通常遵循比尔定律），由于NIR光谱区信息分布较为复杂，这种数学关系区别于标准曲线，被称为数学模型。通过收集一定数量和具有代表性的标准样品组成校正集，测定出其NIR光谱图，使用专门的化学计量学软件，可在NIR光谱图与组分含量间建立起相应的数学模型。NIR建模所使用的标准样品是经传统分析方法测定或计算出了指标成分含量或其它性质数据的实际样品，而非纯的标准品。数学模型是实现定量分析的基础，其建立过程如图1所示。

NIR光谱 采集 校正集 样品收集 参考数据 传统方法 化学计 量学软件 数学模型 图1 NIR定量数学模型的建立过程

数学模型一旦建立并经过验证和确认，就可以非常方便的用于样品常规分析，将未经任何处理的样品置于仪器专用的样品杯中，软件会控制仪器自动采集内置背景和样品光谱，并自动通过分析模型计算出各指标成分含量，并汇总于检测报告中，如图2所示。一般一个样品的分析时间不超过30秒。由于NIR光谱图中除包含物质化学组成性质之外，样品的一些物理性质也会影响NIR光谱信息，这样一方面增加了建模困难，使得建模时需要使用更多的标准样品和相对复杂的数学算法，另一方面，也使得除化学性质之外的一些物理性质如密度、粘度、晶型等也可以通过NIR进行测定。

数学模型 NIR仪器 样品NIR光谱图 代入数学模型进行计算 检测报告 图2 NIR模型建立好后的样品分析过程

2． 实验

样品：收集各种类型和等级的代表性奶粉样品20份，其中7种成分含量如表2。表中各成分含量数据按国标方法测定得到。

表2 样品及其各成分含量分布

指标 水分 样品 A新生儿B7.09 A婴儿7.22 A婴儿 A婴儿B微7.13 A婴幼儿6.22 A婴幼儿7.23 B准妈咪6.29 C女士6.23 C女士A7.08 C学童02微6.22 C中老年7.03 G初生婴儿6.20 2.20 2.43 2.64 2.55 2.72 2.45 2.66 2.94 3.01 2.76 2.53 2.45 蛋白质 12.66 13.23 13.23 13.23 16.45 16.25 18.90 18.34 18.71 18.72 18.33 13.23 脂肪 26.40 26.40 26.95 27.50 21.45 21.45 13.20 8.80 8.80 20.90 20.90 26.95 酸度 4.56 5.27 5.60 5.80 9.66 8.06 11.52 8.74 8.28 12.15 10.26 5.28 乳糖 55.11 52.21 53.14 51.90 45.65 46.43 45.18 47.67 47.17 37.66 46.19 53.14 蔗糖 - - - - 5.80 6.42 10.70 10.84 9.84 7.71 - - 灰分 2.16 2.23 2.77 2.48 3.58 3.37 5.19 4.54 4.58 4.33 5.01 2.21 G婴幼儿6.13 M初生婴儿B7.21 M婴幼儿6.20 丁爱妈咪A7.11 丁靓妈咪 丁孕妈咪B02微7.11 丁准妈咪7.11 学生粉6.28 2.93 2.63 2.43 2.64 2.88 2.85 2.66 2.55 16.82 12.66 15.87 19.85 18.14 20.03 18.71 17.20 19.91 26.40 22.55 12.10 9.90 12.10 9.90 20.35 8.41 4.66 8.70 10.70 8.58 10.11 10.39 10.26 47.42 50.36 45.41 47.42 52.82 46.67 50.65 55.86 5.12 2.92 5.85 9.81 8.84 9.33 9.43 9.50 3.79 2.23 3.04 4.82 4.36 4.85 4.57 4.90 仪器：Antaris II FT-NIR分析仪（美国ThermoFisher公司分子光谱部），积分球漫反射采样系统，RESULT 3.0操作软件，TQ Analyst 7.1光谱分析化学计量学软件。

NIR光谱采集：样品置于仪器专用4.78cm直径石英开口样品杯中，通过旋转器旋转采集其漫反射光谱图。扫描次数64次，分辨率8cm-1，光谱范围12000-3800cm-1。

数据处理：实验过程中的所有光谱数据处理均在TQ Analyst 7.1光谱分析化学计量学软件中进行。建模所用算法选用PLS（偏最小二乘），其中表征NIR定量模型质量的几个关键指标有校正相关系数Rc、交叉验证相关系数Rcv，校正均方差RMSEC、交叉验证（cross-validation，指每次取出一个样品，用其余样品建模，对被取出的一个样品进行预测，

?，循环直至所有样品均被预测一次）均方差RMSECV，计算公式为： 预测值标为Ci,cvRc?Rcv???C)??C)(C(C??1?，RMSEC?n?1?(C?C)??C)??C)(C(C??1?，RMSECV?(C?C)n?1?22i,ciii,ci22i,cvii2i,cvi

2?是建模时NIR拟合值，C?是建模时NIR预测式中：Ci是标准方法测得的值，Ci,ci,cv值，C是平均值，n是校正集样品数。

3． 结果和讨论

3.1 光谱图

图3为20个样品的原始NIR光谱图。

1.2 1.1 1.0 0.9

Log(1/R) 0.8 0.7 0.6 0.5 0.4 0.3 0.2

11000 10000 9000 8000 7000 6000 5000 4000

Wavenumbers (cm-1)

图3 20个样品的原始NIR光谱图

3.2 光谱预处理

为了减小样品物理性质包括颗粒尺寸、均匀度和颜色等对造成的光谱基线偏移，并提高光谱信息分辨能力，对光谱图进行“MSC+2阶导数+Norris滤噪”处理，处理后的光谱图如图4。

0.0008 0.0006 0.0004 0.0002

Log(1/R) 0.0000 -0.0002 -0.0004 -0.0006 -0.0008 -0.0010

11000 10000 9000 8000 7000 6000 5000 4000 Wavenumbers (cm-1)

图4 经“MSC+2阶导数+Norris滤噪”处理后的光谱图

3.2 光谱范围选择

各种组分由于分子结构的区别，在NIR光谱区各个频率处显示出不同的吸收信息，这是NIR分析方法得以从一张光谱图中将各个组分的含量信息分别计算出来的基础。但是，各个组分的光谱信息在NIR区域重叠严重，导致对NIR光谱的解析相对较为复杂。TQ Analyst软件为NIR定量分析时各个组分光谱范围的优化提供了非常有用的工具。表3为采用TQ Analyst软件为7种组分分别优化得到的光谱范围。

表3 采用TQ Analyst软件为7种组分分别优化得到的光谱范围

组分 蛋白质 脂肪 水分 酸度 乳糖 蔗糖 灰分

光谱范围

谱段1 4929.16 - 4720.89 4420.05 - 4342.91 4416.19 - 4003.50 4809.60 - 4420.05 7397.60 - 4084.49 5874.11 - 4659.18 4925.30 - 4659.18

谱段2 5989.82 - 5769.97 4736.31 - 4435.47 5326.43 - 5260.86 5985.96 - 5773.83 8300.12 - 7405.31

-

5168.29 - 5017.87

谱段3 6795.92 - 6556.79 5912.68 - 5769.97 7181.61 - 7054.33 6792.06 - 6541.36

- - -

3.3 各指标定量模型的建立和交叉验证结果

在以上参数条件下，各组分定量模型的建立和交叉验证结果如下表。

表4 7种成分定量建模和交叉验证结果

组分 蛋白质 脂肪 水分 酸度

建模

Rc 0.9997 0.9994 0.9901 0.9996

RMSEC 0.0608 0.240 0.0256 0.0749

Rcv 0.9981 0.9992 0.9591 0.9923

交叉验证

RMSECV

0.144 0.280 0.0522 0.323

乳糖 蔗糖 灰分 0.99945 0.9998 0.9981 0.136 0.0081 0.0653 0.9929 0.9972 0.9945 0.541 0.292 0.110

从上表可以看出，7种成分定量建模时校正相关系数Rc均达到0.99以上，除了水分由于含量范围太窄（2.20-3.01%），Rcv为0.9591外，其余各项成分的Rcv也均为0.99以上。

7种成分交叉验证结果与传统化学法测定值之间的相关图如图5。从图5可以更为直观的观察到7种成分NIR预测值均可以非常准确的逼近传统化学法测定值。

（1）

（2）

（3） （4）

（5） （6）

（7）

图5 7种成分交叉验证结果与传统化学法测定值之间的相关图 (1) 蛋白质 (2)脂肪 (3)水分 (4)酸度 (5)乳糖 (6)蔗糖 (7)灰分

4． 结论

Antaris FT-NIR分析仪用于快速测定奶粉中化学成分的分析具有以下技术优势和特点：

（1） 快速高效。应用NIR光谱仪测定奶粉，每个样品从准备到得到分析报告只需约半

分钟之间，这是传统方法不可比拟的；

（2） 多组分同时测定。应用NIR光谱仪，多种指标能够同时被测定，所有指标的测定

结果可自动列表显示在汇总报告中；

（3） 操作简单。应用NIR光谱仪，冗长、乏味的化学测定便可以变得高效、简单，可

以将分析人员从重复劳动中解放出来，以更多地投入到更有价值的工作中去； （4） 样品无损。NIR测定不破坏样品，而且需要的样品量极少，标准样品容易保存，可

重复利用；

（5） 成本低，不需使用有机溶剂等消耗品，不会有废弃物产生带来的环境污染。NIR

光谱仪在使用过程中没有任何有机溶剂等消耗品，仪器的运行和维护成本极低；NIR技术被誉为“绿色高效”的分析技术，因此不会有有机溶剂消耗带来的环境污染；

（6） 重现性、稳定性好，人为误差小。NIR分析技术由于不需样品预处理，Antaris傅

立叶NIR分析仪的RESULT软件可保证操作人员在绝对规范的SOP下进行简单的操作，操作参数不会被修改，因此保证NIR的重现性较传统方法更好，且不会有人为误差。同时工业级的Antaris傅立叶NIR分析仪除了具有最强大的功能、最杰出的性能指标外，还能够适应工业操作环境，保证长期的操作稳定性；

（7） 应用Antaris FT-NIR分析仪，样品检测可以从实验室走向工业现场。Antaris为工

业级NIR分析系统，具有极佳的稳定性和环境适应能力，可以置于小推车上，在生产现场对生产过程中的样品进行快速检测；

（8） 拓展应用能力强。NIR光谱仪的应用范围非常广泛，可以用于原料、中间体、产品

的检测外，还可用于生产过程如喷雾干燥、混合等单元操作的在线检测，即实时监控单元设备内物料变化情况，检测数据可与控制系统集成，形成完整的自动控制程序。