文摘
豆粕是掺入三聚氰胺以提高蛋白质含量的目的的非法利益。近年来,近红外(NIR)光谱技术被广泛用于保证食品和饲料安全的快速、无损、无污染的特点。然而,有问题使用近红外(NIR)光谱检测样本污染物浓度较低,因为仪器噪声和抽样问题。此外,基于近红外光谱的方法间接和取决于校准模型。近红外显微成像提供了机会探讨化学物种存在于食品和饲料在微尺度水平(最小光斑大小几微米),从而避免污染物的光谱特性的问题被扫描稀释。这项工作的目的是探讨利用近红外显微镜成像的可行性确定三聚氰胺粒子大豆粉只使用纯光谱组件。给出的结果表明,使用经典的最小二乘(CLS)与非负最小二乘算法(NNLS)算法,无需首先开发一个校准模型,可以确定既未被污染的大豆粉和三聚氰胺污染颗粒在低水平50毫克公斤−1。
1。介绍
大豆是最重要的饲料原料之一,在配合饲料的主要原料之一,因为它有一个完整的蛋白质。在过去的十年中,大豆的价格已经翻了三倍(http://faostat3.fao.org/home/index.html)。价格是由蛋白质含量:含量越高,价格越高。有最近的情况下大豆被掺入三聚氰胺(1、3、5-triazine-2 4 6-triamine)为了提高蛋白质含量(1]。也有一些情况下,这是怀疑大豆含有三聚氰胺水平低。参考方法(湿化学)通常耗时且昂贵,导致损坏样品,需要化学试剂(2- - - - - -5]。这是一个真正的需要快速、无损和自动控制的筛选方法,保证质量和安全。
近红外(NIR)光谱技术被广泛应用在这种情况下,因为它是一种快速、无损、无污染的方法要求最小或没有样品制备(6]。应用程序从样品化学成分检测掺假或污染物成分在原材料和配合饲料7,8]。许多研究调查的可行性,利用近红外光谱检测三聚氰胺(9- - - - - -14),但仍有一些问题时,检测三聚氰胺含量较低的样品,因为仪器噪声和抽样设计错误(15,16]。近红外光谱只能获得光谱信息,但不能提供样品的空间信息。近红外光谱显微术(NIRM),结合近红外光谱和数字图像在一起能够收集单个粒子的光谱(最小光斑大小几微米)从样品17]。高精度的发展先后获得的运动阶段,NIRM成像测量光谱样本中重新定位和空间维度。因此,该技术不仅提供了一个机会去探索什么样的化学物种存在微尺度水平,但也可能存在,他们18]。
NIRM成像是一种近红外光谱成像和具有更好的空间分辨率。在过去的十年里,近红外光谱成像检测污染物已成为一个强大的分析工具和缺陷在agrofood产品(19- - - - - -25]。饲料产品,都使用的可行性进行了调查NIRM探测、识别和量化处理动物副产品(26- - - - - -30.),利用近红外光谱成像完成筛选的复合饲料(31日]。
本研究的目的是探讨利用NIRM成像的可行性确定三聚氰胺粒子在大豆。经典的最小二乘(CLS)与非负最小二乘算法(NNLS)算法用于豆粕掺入三聚氰胺的分析。
2。材料和方法
2.1。实验设计
共有20个大豆样本收集来自各种饲料制造商和地面通过0.5 mm筛。三聚氰胺和3样本从三个化学试剂公司购买,以99%的颗粒小于0.25毫米(分析纯试剂,C3H6N6内容认证公司≥99.5%)。在这项研究中,三组样本使用。设置一个准备人为为了开发一种方法,而不需要创建校准模型。B组准备使用代表矩阵来验证该方法的可靠性和鲁棒性。集C制备三聚氰胺含量较低的为了调查方法的敏感性。
2.1.1。实验样本:设置一个
样品被人为地准备在聚四氟乙烯Spectralon用大豆粉和三聚氰胺粒子(a - 1,图1(一)):三聚氰胺粒子(m2 #)被放在一个大豆粉粒子(s2 #);三聚氰胺粒子(m4 #)被放置在一个大豆粉粒子(s4 #);三聚氰胺粒子(m3 #)和大豆粉粒子(s3 #)聚集在一起;一个单一的三聚氰胺粒子(m1 #)是单独使用;和一个大豆粉粒子(s1 #)被单独使用。
(一)
(b)
如果一个三聚氰胺粒子被放置在一个大豆粉粒子,后者的厚度会影响三聚氰胺的检测粒子。为了研究这个厚度影响的方法,其他人为样本准备不同的大豆厚度(a,图1 (b))。S1、S2、S3和S4与大豆粉,约50,100年和110年μ分别米厚。
2.1.2。实验样本:B组
B组,使用20大豆粉和3三聚氰胺样品,20个样品混合物含有5、10、25、50 g公斤−1三聚氰胺,分别有五个复制样品三聚氰胺含量为每一个级别,准备混合器(REAX 20/8;Heidolph、12月7、德国)在实验室(表1)。为了实现均匀分布的三聚氰胺大豆粉,逐步稀释过程用于确保在每个稀释步骤的两种材料混合比例不超过3倍(32]。
2.1.3。实验样本:C组
如表所示14样品混合物含有1000、500、100年,50毫克公斤−1三聚氰胺,分别是准备在实验室使用4大豆粉和3三聚氰胺样品。
2.2。数据采集
所有样品(设置一组,B, C,和20纯豆粕和3纯三聚氰胺样品)进行了分析使用NIRM成像系统(Spotlight400,珀金埃尔默),16线探测器光谱同时被收购。这个仪器的检测器是一种碲化镉汞(HgCdTe或MCT)。的空间分辨率扫描是25×25μm和光谱分辨率是32厘米−1。比光谱()收集使用聚四氟乙烯Spectralon (Spectralon®目标,Labsphere, Inc .,萨顿北部新罕布什尔州)作为反射标准,然后转化为吸光度()。谱的平均四个扫描过的波数范围7808 - 4000厘米−1。
一个图像(面积8.75×8.75毫米加上350×350像素;122500光谱)扫描为每个组B和C(样本有1000、500和100毫克公斤−1三聚氰胺),分别。在C组,四个样品的图片与50毫克公斤−1三聚氰胺进行扫描,因为它是更难确定三聚氰胺颗粒在低浓度。
一个图像(面积1.25×1.25毫米加上50×50像素;2500光谱)扫描每个20的纯豆粕和3纯三聚氰胺样品。
2.3。数据分析
2.3.1。预处理
预处理的主要目的是为了消除光谱和空间的构件(如粗糙表面,视觉效果,探测器噪声。NIRM成像数据立方体和纯组分光谱预处理通过应用一阶导数使用Savitzky-Golay算法五点过滤器宽度和多项式2次数(33]。吵闹的部分的光谱被减少7300至4100厘米的光谱范围−1。
2.3.2。最优化的工具
经典的最小二乘(CLS)算法用于提取三聚氰胺从整个波长分布地图34,35]。这个算法是一个合适的方法涉及最小化残差平方和为了预测浓度只使用参考光谱。这是基于假设一个像素的吸光度光谱NIRM成像可以看作加权和的吸光度光谱每个纯组件构成的样本,以及实验噪音。最初,数据立方体展开成一个二维矩阵。矩阵然后分解如下: 在哪里代表了纯粹的组件的信号;是相对浓度矩阵;和是误差矩阵。
是估计的伪逆使用非负最小二乘(NNLS)算法。分别三聚氰胺的浓度和大豆,然后计算如下(36]: 在哪里(g公斤−1)是三聚氰胺浓度的样品;是三聚氰胺的浓度由CLS NIRM图像中的每个像素预测;的大豆粉浓度由CLS NIRM图像中的每个像素预测;是像素的数量在一个NIRM形象;和(g公斤−1)是大豆样品的浓度。
所有或价值观形成的化学图像像素强度反映了较高的目标浓度高。Matlab®(MathWorks,http://www.mathworks.com/)和请工具箱(特征向量的研究,http://www.eigenvector.com/)被用来执行这个分析。
3所示。结果与讨论
3.1。大豆粉和三聚氰胺成分光谱
三聚氰胺的参考谱获得了平均3纯三聚氰胺图像的所有像素的光谱,和大豆粉参考光谱获得的平均20纯豆粕的所有像素光谱图像(图2)。三聚氰胺是一种三嗪杂环有机化合物,由氮杂环戒指和北半球2。近红外光谱区域提供了一个特殊的伯胺NH测量的优势2集团由于独特的组合乐队(37]。三聚氰胺有三个强大的特征峰在6900 - 6450厘米−1范围,特别是近6805厘米−1- h组合乐队(ν- h不对称,ν从初级酰胺- h对称组合)。图2表明,三聚氰胺具有独特的光谱特性与豆粕相比,便于识别的三聚氰胺粒子存在于混合物。
(一)
(b)
3.2。大豆粉分析使用CLS
表2显示的最小20个大豆样品由CLS计算。与此同时,最小值的平均值是0.8822,标准差是0.0484。在简洁和效率的考虑,大豆粉的阈值是0.8。
3.3。三聚氰胺检测使用CLS
图3显示设置一个样本的检测结果使用CLS算法。图3(一个)是一个大豆粉图像由CLS。四大豆粉粒子(s1, s2 #, s3 #, s4 #)可以正确地识别。图3 (b)显示三聚氰胺由CLS形象。CLS可以检测三聚氰胺的存在m1 #, m2 #,和m3 #,但不是m4 #放置下一个150年μ米厚的大豆粉粒子。为了研究大豆厚度的影响下三聚氰胺的检测豆粕粒子使用CLS算法,图像的样本集a获得和分析使用CLS。大豆粉时30μ米和50μ米厚,CLS可以检测三聚氰胺的存在,但它不能这样做,如果三聚氰胺在豆粕比100年更厚μm。此外,三聚氰胺的信号下50大豆粉μ米厚的低于30厚度时的信号μ米,说明检测三聚氰胺的存在的困难当三聚氰胺粒子嵌入在大豆颗粒。
(一)
(b)
(c)
(d)
样本集B包含20个受污染的样品进行了分析使用CLS算法和结果见表3。三聚氰胺的浓度计算CLS,,,g公斤−15、10、25、50 g公斤−1三聚氰胺含量的样品,分别。20的三聚氰胺混合物样品被成功地检测到。虽然三聚氰胺浓度被CLS低估了,有一个良好的预测和实际值之间的线性关系(预计值= 0.57×真实值,)。粒径、表面粗糙度和样品的密度传播在一层聚四氟乙烯Spectralon表面是重要因素量化正确三聚氰胺。三聚氰胺的浓度也可能是低估了,因为很难检测三聚氰胺如果粒子受到或紧密地嵌入到大豆粉粒子,所示的样本集。
相对应的像素光谱三聚氰胺的最大20样品混合物如图4。这些三聚氰胺的波谱特性表示可靠提取CLS。此外,结果表明,NIRM成像数据结合CLS算法可以提供视觉三聚氰胺分布图(图5)的分析师,不能通过近红外光谱由于空间信息丢失。
(一)
(b)
(c)
(d)
样本集C是用于调查方法的敏感性。和GH > 3结合在一起的三聚氰胺检测样本集c GH是标准化Mahalanobis每个光谱和平均光谱之间的距离,和GH > 3是用于识别异常值(38,39]。480年这项工作,代表光谱从20纯豆粕挑出图像。和GH值目标谱和480年大豆之间的光谱计算来确定是否目标光谱是大豆光谱。
如图6,所有的1000、500和100毫克公斤−1三聚氰胺的光谱了GH和图片阈值。两个四个50毫克公斤−1三聚氰胺光谱了GH和图片阈值。使用GH和阈值分析20纯大豆样品,也有一些异常光谱大豆6。异常光谱探测到< 0.8和GH > 3组C和大豆如图67。所有的光谱分离集C的三聚氰胺光谱特征可以被视觉检查。同时,光谱分离大豆6没有三聚氰胺类似频谱或大豆平均频谱;这部分的光谱更像是全脂大豆中可以看到这篇文章发表的沈et al。39]。
(一)
(b)
(c)
(d)
(e)
(f)
(g)
(一)
(b)
(c)
(d)
(e)
(f)
4所示。结论
提出了研究结果显示NIRM成像的可行性与纯组分光谱分析大豆掺入三聚氰胺。最低有效的检测三聚氰胺的浓度是50毫克公斤−1。NIRM成像方法是一种无损、无污染和便宜的测试技术与湿化学分析方法相比,它可以分析一个样品在四个小时。NIRM成像结合CLS算法可以成功地检测大豆中含有三聚氰胺没有建立校正模型,它提供了一种新的饲料安全控制和可行的方法。
相互竞争的利益
作者宣称没有利益冲突有关的出版。
确认
导致这些结果的研究是由欧盟第七框架计划(fp7/2007 - 2013)根据授权协议265702(欧洲饲料和食品的质量和安全,QSAFFE),国家科技支撑计划(2014 bad08b11-2),国际科技合作项目(项目没有。2015 dfg32170), Bruxelles-Wallonie隆农业研究中心之间的国际合作项目(CRA-W) Gembloux,比利时和中国农业大学(标出)在北京,中国。作者还要感谢江Xunpeng和陈Qianrong帮助在数据处理和实验设计。