竇 穎，孫曉榮*，劉翠玲，趙浩然

（北京工商大學(xué)計(jì)算機(jī)與信息工程學(xué)院，北京 100048）

基于拉曼光譜技術(shù)的面粉品質(zhì)快速檢測(cè)

竇 穎，孫曉榮*，劉翠玲，趙浩然

（北京工商大學(xué)計(jì)算機(jī)與信息工程學(xué)院，北京 100048）

由于目前國(guó)標(biāo)法檢測(cè)面粉水分、灰分以及濕面筋等品質(zhì)參數(shù)的方法費(fèi)時(shí)、費(fèi)力，研究提出基于拉曼光譜分析技術(shù)建立面粉中水分、灰分和濕面筋的定量分析研究。實(shí)驗(yàn)隨機(jī)采集100 份不同種類的古船面粉樣本，采集樣本的拉曼光譜，運(yùn)用光譜預(yù)處理方法結(jié)合偏最小二乘法建立分析模型，所建立的水分（含量取值范圍為13.3%～15.4%）、灰分（含量取值范圍為0.46%～0.85%）和濕面筋（含量取值范圍為28%～36.8%）定量模型的相關(guān)系數(shù)分別達(dá)到0.945 66、0.993 39、0.981 65，校正均方根誤差分別為0.145、0.012 6、0.456。結(jié)果表明，通過拉曼光譜技術(shù)實(shí)現(xiàn)面粉品質(zhì)快速、無損、高效的檢測(cè)可行且具有較大的發(fā)展空間。實(shí)驗(yàn)還通過新舊面粉的拉曼光譜，建立2013年與2014年生產(chǎn)面粉的距離匹配分析模型，實(shí)現(xiàn)過期面粉的快速鑒別，實(shí)驗(yàn)準(zhǔn)確率達(dá)100%。

面粉；拉曼光譜；偏最小二乘法；定量分析；距離匹配分析

由于富含各種人體所需的微量元素和營(yíng)養(yǎng)物質(zhì)等，面粉一直是我們?nèi)粘ｏ嬍持斜夭豢缮俚囊徊糠?。面粉中的主要成分有水分、蛋白質(zhì)、碳水化合物、脂肪、維生素、礦物質(zhì)以及各種酶等。其中水分含量可以影響面制食品的柔軟度和保鮮時(shí)間，水分過高會(huì)使面粉結(jié)塊容易發(fā)霉；灰分是面粉經(jīng)高溫灼燒后殘留下的無機(jī)成分，其含量會(huì)影響面制食品的口感和色澤，如全麥面包的灰分含量就會(huì)高于饅頭的含量；而濕面筋主要會(huì)影響面食的彈性和黏性等[1]。這些成分的含量是衡量面粉品質(zhì)的重要指標(biāo)，而面粉品質(zhì)的好壞又直接影響面制食品的加工方式和口感，因此國(guó)家明文規(guī)定面粉中主要成分含量的范圍[2]。目前傳統(tǒng)國(guó)標(biāo)法[3-5]檢測(cè)這3 個(gè)量費(fèi)時(shí)費(fèi)力，許多研究人員都對(duì)面粉成分含量的無損、快速、準(zhǔn)確的檢測(cè)提出可行性想法，大多是基于面粉的近紅外光譜進(jìn)行建模預(yù)測(cè)[6-10]。

相關(guān)報(bào)道曝光一些不法商販將過期的或貯存時(shí)間較長(zhǎng)的面粉制作食品販賣，甚至包括一些知名面包制造品牌，這些做法嚴(yán)重侵害消費(fèi)者的權(quán)益并且在一定程度上也對(duì)消費(fèi)者的健康造成危害。但是消費(fèi)者僅僅通過外觀是無法準(zhǔn)確判別面粉是否適合食用的，相關(guān)部門的監(jiān)管力度也明顯不足，本實(shí)驗(yàn)通過面粉的拉曼光譜建立新舊面粉的定性分析模型，力求能夠探索一種準(zhǔn)確率高且方便快捷的鑒別辦法。

隨著拉曼光譜技術(shù)的飛速發(fā)展[11-12]，在材料、考古、藥物和醫(yī)學(xué)[13]等領(lǐng)域都有了較好探索和應(yīng)用。在食品領(lǐng)域，普通拉曼光譜和表面增強(qiáng)拉曼光譜在定量[14-18]、定性[19-24]檢測(cè)食品中非法添加物（如三聚氰胺、蘇丹紅等）、農(nóng)藥殘留、細(xì)菌病毒中都有較好的發(fā)展和應(yīng)用前景。本研究在此研究基礎(chǔ)上，運(yùn)用拉曼光譜技術(shù)建立面粉的水分、灰分和濕面筋的定量分析模型，同時(shí)對(duì)新舊面粉的定性快速分析模型進(jìn)行研究。

1 材料與方法

1.1 材料與試劑

1.1.1 用于定量分析的樣本

樣本均采自古船面粉廠不同批次、不同種類的面粉產(chǎn)品，包括麥心粉（19 個(gè)）、富強(qiáng)（12 個(gè)）、精制雪花粉（4 個(gè)）、餃子粉（2 個(gè)）、面包粉（14 個(gè)）、軍供粉（7 個(gè)）、金古船面粉（15 個(gè)）、高筋特精粉（8 個(gè)）、烤鴨面餅專用粉（2 個(gè)）、饅頭專用粉（2 個(gè)）、精制雪花粉（4 個(gè)），按廠商要求配粉（11 個(gè)）共計(jì)100 個(gè)面粉樣本。面粉樣本的水分，灰分和濕面筋的數(shù)值均取自古船面粉廠采用國(guó)標(biāo)法測(cè)量所得的數(shù)據(jù)。

1.1.2 用于新舊面粉鑒別的樣本

隨機(jī)采集30 個(gè)面粉樣本的拉曼光譜，其中12 個(gè)面粉樣本為2013年生產(chǎn)的產(chǎn)品，放置一年后進(jìn)行拉曼光譜掃描，另18 個(gè)面粉樣本為2014年生產(chǎn)的產(chǎn)品，出廠之后立即進(jìn)行掃描。

1.2 儀器與設(shè)備

DXR激光共焦顯微拉曼光譜儀 美國(guó)Thermo Fisher公司。

1.3 方法

1.3.1 參數(shù)設(shè)置

激光波長(zhǎng)780 nm；激光能量20 eV；光柵400 lines/mm；光闌50；估計(jì)分辨率4.7～8.7 cm-1；掃描次數(shù)16 次。

1.3.2 實(shí)驗(yàn)原理

1.3.2.1 定量檢測(cè)面粉品質(zhì)

拉曼光譜是一種散射光譜，運(yùn)用拉曼光譜建立被測(cè)物質(zhì)的定量模型并進(jìn)行分析的主要理論依據(jù)是：

式中：I為拉曼光譜的強(qiáng)度/cd；I0為入射光的強(qiáng)度/cd；c為樣品分子的濃度/（mol/m3）；K為儀器和樣品的參數(shù)，影響因素主要包括拉曼散射截面積、入射光和散射光的吸收系數(shù)等；L為樣品池的厚度/cm。

因此實(shí)驗(yàn)在測(cè)量面粉中水分、灰分以及濕面筋的含量時(shí)，只要保持入射光的強(qiáng)度I0的恒定，就可依據(jù)拉曼光譜強(qiáng)度I和樣品分子濃度c相互呈正比的關(guān)系，利用偏最小二乘（partial least squares，PLS）法分別建立3種成分的定量分析模型并進(jìn)行預(yù)測(cè)。

在建立面粉中水分的定量分析模型時(shí)，實(shí)驗(yàn)通過測(cè)量O—H鍵的拉曼光譜強(qiáng)度來獲得水分的含量，由文獻(xiàn)[25-26]可知O—H鍵相對(duì)應(yīng)的拉曼特征峰在3 400～3 200 cm-1。

濕面筋中蛋白質(zhì)的主要成分是麥醇溶蛋白和麥谷蛋白，二者的含量和相互比例決定了濕面筋的含量和品質(zhì)[27]，因此實(shí)驗(yàn)通過測(cè)定蛋白質(zhì)的含量來獲取濕面筋的含量，蛋白質(zhì)相對(duì)應(yīng)的拉曼特征峰為波數(shù)1 200～1 300 cm-1和1 500～1 650 cm-1。

灰分是一種復(fù)雜的混合物，光譜不易直接測(cè)得其含量，但由于面粉中纖維素與灰分含量之間具有較高的相關(guān)性[28]，實(shí)驗(yàn)在建立面粉中灰分的定量分析模型時(shí)，通過測(cè)定面粉中纖維素的含量來獲取灰分含量，拉曼特征峰主要出現(xiàn)在波數(shù)2 917 cm-1和1 122 cm-1。

1.3.2.2 距離匹配鑒別過期面粉

距離匹配法的基本原理是計(jì)算待測(cè)樣本光譜到每一個(gè)類別光譜中心點(diǎn)的距離，距離最小的類別即為待測(cè)樣本的類別。它可以鑒別一個(gè)未知樣本與2 個(gè)或更多已知類別樣本的匹配程度，十分適合區(qū)分含有相同成分但含量不同的樣本。

距離匹配的主要算法為首先給出一組已知類別的校正集樣本，計(jì)算其每個(gè)類別的平均光譜和標(biāo)準(zhǔn)差光譜。標(biāo)準(zhǔn)差光譜計(jì)算公式如下：

式中：X 為各個(gè)類別校正集樣本的均值；Xi為各個(gè)類別的校正集樣本；N為各個(gè)類別校正集樣本總數(shù)。

當(dāng)未知類別的待測(cè)樣本進(jìn)行類別劃分時(shí)，首先將待測(cè)樣本的光譜與2個(gè)類別的平均光譜相減，得到相應(yīng)的一條殘差光譜，即2個(gè)光譜各個(gè)波長(zhǎng)點(diǎn)的差異；然后將殘差光譜再除以相應(yīng)的標(biāo)準(zhǔn)差光譜，得到各個(gè)差異點(diǎn)所占權(quán)重。通過比對(duì)超出距離匹配限值的波長(zhǎng)點(diǎn)所占百分比來劃分所屬類別。匹配限值是人為設(shè)置的。

1.4 數(shù)據(jù)分析

數(shù)據(jù)分析采用TQ Analyst軟件進(jìn)行定量分析建模以及距離匹配分析建模。

2 結(jié)果與分析

2.1 基于拉曼光譜技術(shù)的定量分析模型建立

2.1.1 拉曼光譜數(shù)據(jù)的預(yù)處理

實(shí)驗(yàn)數(shù)據(jù)采集時(shí)存在許多干擾因素，導(dǎo)致樣本光譜存在一些偏差。對(duì)樣本光譜進(jìn)行適當(dāng)?shù)念A(yù)處理可以使所建立的模型更加準(zhǔn)確、穩(wěn)定。由于實(shí)驗(yàn)樣本是粉末狀固體，為消除粉末顆粒分布不均勻以及粉末顆粒大小產(chǎn)生的散射影響，實(shí)驗(yàn)分別采用標(biāo)準(zhǔn)正態(tài)變量變換（standard normal variate transformation，SNV）和多元散射校正（multiplicative scatter correction，MSC）2 種方法對(duì)樣本進(jìn)行處理，且對(duì)光譜進(jìn)行求導(dǎo)和平滑以減少噪聲。采集的樣本光譜圖如圖1A所示，預(yù)處理后的樣本光譜圖如圖1B所示。

圖1 100 個(gè)面粉樣本的拉曼光譜圖（A）和一階導(dǎo)數(shù)的拉曼光譜圖（B）Fig.1 Original (A) and first derivative (B) Raman spectra of 100 flour samples

2.1.2 定量分析模型的建立及預(yù)測(cè)

建立PLS法定量模型，并對(duì)檢驗(yàn)集樣本進(jìn)行預(yù)測(cè)分析。其中建模所用樣本76 個(gè)，預(yù)測(cè)樣本17 個(gè)，剔除7 個(gè)異常樣本，共100 個(gè)面粉樣本。

表1 不同光譜預(yù)處理的模型結(jié)果（水分）Table 1 Spectral data for pretreatment parameters (moisture)

從表1可以看出，以水分的PLS定量模型而言，在MSC和SNV預(yù)處理前提下，無預(yù)處理的定量模型相關(guān)系數(shù)均在0.1，經(jīng)過求導(dǎo)與平滑之后，相關(guān)系數(shù)提升到0.8以上，實(shí)驗(yàn)結(jié)果得到改善。采用SNV結(jié)合一階導(dǎo)數(shù)+平滑（9 點(diǎn)）實(shí)驗(yàn)效果最好，如圖2所示，相關(guān)系數(shù)達(dá)到0.945 66，校正均方差為0.145，相對(duì)預(yù)測(cè)均方差(relative mean square error of prediction，RMSEP)為0.187?！唉贝斫颖尽?/p>

圖2 水分的PLS定量模型Fig.2 PLS quantitative model of moisture

表2 預(yù)測(cè)樣本真實(shí)值與預(yù)測(cè)值差值（水分）Table 2 Bias between actual values and predicted values of the prediction set samples (moisture) %

如圖2、表2所示，水分的取值范圍為13.3%～15.4%，17 個(gè)預(yù)測(cè)樣本的真實(shí)值與預(yù)測(cè)值差值范圍在-0.23%～0.39%之間，RMSEP為0.187。

建立灰分的PLS法定量模型，并對(duì)檢驗(yàn)集樣本進(jìn)行預(yù)測(cè)分析。其中建模所用樣本75 個(gè)，預(yù)測(cè)樣本14 個(gè)，剔除11 個(gè)異常樣本，共100 個(gè)面粉樣本，采用SNV結(jié)合一階導(dǎo)數(shù)+平滑（9 點(diǎn)）預(yù)處理方法，結(jié)果如圖3所示。“O”代表建模樣本?；曳值腜LS定量模型相關(guān)系數(shù)為0.993 39，校正均方差為0.012 6。

圖3 灰分的PLS定量模型Fig.3 PLS quantitative model of ash

表3 預(yù)測(cè)樣本真實(shí)值與預(yù)測(cè)值差值（灰分）Table 3 Bias between actual values and predicted values of the prediction set samples (ash) %

如圖3、表3所示，灰分的取值范圍為0.46%～0.85%，14 個(gè)預(yù)測(cè)樣本的真實(shí)值與預(yù)測(cè)值差值范圍在-0.04%～0.05%之間，RMSEP為0.028 9。

建立濕面筋的PLS法定量模型，并對(duì)檢驗(yàn)集樣本進(jìn)行預(yù)測(cè)分析。其中建模所用樣本76 個(gè)，預(yù)測(cè)樣本14 個(gè)，剔除10 個(gè)異常樣本，共100 個(gè)面粉樣本，采用SNV結(jié)合一階導(dǎo)數(shù)+平滑（9 點(diǎn)）預(yù)處理方法，結(jié)果如圖4所示。“O”代表建模樣本。濕面筋的PLS定量模型相關(guān)系數(shù)為0.981 65，校正均方差為0.456。

圖4 濕面筋的PLS定量模型Fig.4 PLS quantitative model of gluten content

表4 預(yù)測(cè)樣本真實(shí)值與預(yù)測(cè)值差值（濕面筋）Table 4 Bias between actual values and predicted values of the prediction set samples (gluten content) %

如圖4、表4所示，濕面筋的取值范圍為28%～36.8%，14 個(gè)預(yù)測(cè)樣本的真實(shí)值與預(yù)測(cè)值差值范圍在-0.26%～1.24%之間，RMSEP為0.661。

3 個(gè)重要指標(biāo)的定量模型都能夠滿足預(yù)測(cè)要求，水分的定量模型相關(guān)系數(shù)較灰分和濕面筋相比較低，是由于拉曼光譜對(duì)O—H鍵不夠敏感。

2.2 基于拉曼光譜技術(shù)的定性分析模型建立

2013年與2014年生產(chǎn)的面粉樣本拉曼光譜圖無明顯差異（圖5），不能直接通過觀察來進(jìn)行判別。運(yùn)用TQ Analysis軟件建立不同生產(chǎn)年份面粉的距離匹配分析模型。定性分析模型數(shù)據(jù)預(yù)處理采用的方法為MSC和平滑（7 點(diǎn)）。距離匹配分析模型測(cè)試結(jié)果如圖6所示。

圖5 2013（A）年與2014（B）年生產(chǎn)的面粉樣本拉曼光譜圖Fig.5 Overlapping Raman spectra of flour samples produced in 2013 (A) and 2014 (B)

圖6 距離匹配分析模型測(cè)試結(jié)果Fig.6 Test results obtained from distance matching analysis model

從圖6可以看到，在圖中2條直線可以清晰地辨識(shí)出2 種不同年份生產(chǎn)的樣本的類別，從橫坐標(biāo)看2013年生產(chǎn)的面粉樣本，相對(duì)2014年生產(chǎn)的面粉樣本距離更小，說明更接近2013年這一類別。同理，從縱坐標(biāo)看2014年的面粉樣本相對(duì)2013年生產(chǎn)的面粉樣本距離更小，說明更接近2014年這一類別。模型可以準(zhǔn)確無誤的將2種面粉檢驗(yàn)樣本分開，為過期面粉的鑒別提供了一個(gè)高效、簡(jiǎn)便的方法。

3 結(jié) 論

由于面粉品質(zhì)檢測(cè)的國(guó)標(biāo)法過于繁瑣，本研究基于拉曼光譜的面粉中水分、灰分和濕面筋的快速定量分析模型，并且研究采用不同光譜預(yù)處理方法如MSC、SNV、導(dǎo)數(shù)以及平滑等對(duì)模型相關(guān)參數(shù)的影響，以供研究人員參考、對(duì)比。3 個(gè)定量模型的結(jié)果都達(dá)到預(yù)測(cè)要求，相關(guān)系數(shù)均在0.9以上，預(yù)測(cè)效果理想。水分的實(shí)驗(yàn)結(jié)果要略低一些，由文獻(xiàn)[25]可知，拉曼對(duì)水分的敏感度不高。實(shí)驗(yàn)證明采用拉曼光譜進(jìn)行面粉品質(zhì)分析是可行的，且具有深遠(yuǎn)的研究?jī)r(jià)值。

本研究同時(shí)結(jié)合現(xiàn)在市場(chǎng)上存在大量過期面粉的實(shí)際問題，研究基于拉曼光譜的新舊面粉快速分析模型。模型采用距離匹配算法，配合MSC以及平滑等光譜預(yù)處理方法，使實(shí)驗(yàn)鑒別結(jié)果準(zhǔn)確率達(dá)到100%。該研究成果不僅為檢驗(yàn)人員提供了一種可行、可靠的鑒別方法，還為消費(fèi)者的權(quán)益及健康提供了保障。

參考文獻(xiàn)：

[1] 朱小喬, 劉通訊. 面筋蛋白及其對(duì)面包品質(zhì)的影響[J]. 食品科學(xué), 2001, 22(8): 90-93.

[2] 閆李慧. 基于近紅外光譜技術(shù)的面粉品質(zhì)研究[D]. 鄭州: 河南工業(yè)大學(xué), 2012: 1-90.

[3] 衛(wèi)生部, 中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì). GB 5009.3—2010 食品中水分的測(cè)定[S]. 北京: 中國(guó)標(biāo)準(zhǔn)出版社.

[4] 衛(wèi)生部, 中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì). GB 5009.4—2010 食品中灰分的測(cè)定[S]. 北京: 中國(guó)標(biāo)準(zhǔn)出版社.

[5] 陳倩婷. 堿性蛋白酶水解小麥面筋蛋白的研究[J]. 飼料研究, 2013(3): 4-5.

[6] 閆李慧, 王金水, 金華麗, 等. 基于近紅外光譜技術(shù)的面粉水分無損檢測(cè)模型的建立[J]. 現(xiàn)代食品科技, 2011, 27(2): 235-238.

[7] 高居榮, 樊廣華, 李圣福, 等. 近紅外光譜技術(shù)分析小麥品質(zhì)的應(yīng)用研究[J]. 實(shí)驗(yàn)技術(shù)與管理, 2009, 26(3): 42-44.

[8] 劉翠玲, 吳勝男, 孫曉榮, 等. 基于近紅外光譜的面粉灰分含量快速檢測(cè)方法[J]. 農(nóng)機(jī)化研究, 2013, 35(4): 144-147.

[9] 錢海波, 孫來軍, 王樂凱, 等. 基于連續(xù)投影算法的小麥濕面筋近紅外校正模型優(yōu)化[J]. 中國(guó)農(nóng)學(xué)通報(bào), 2011, 27(18): 51-56.

[10] 金華麗, 卞科. 近紅外光譜法檢測(cè)小麥粉中的水分含量[J]. 中國(guó)糧油學(xué)報(bào), 2010, 25(8): 109-112.

[11] 劉玲. 激光拉曼光譜及其應(yīng)用進(jìn)展[J]. 山西大學(xué)學(xué)報(bào): 自然科學(xué)版, 2001, 24(3): 279-282.

[12] 馬娜. 激光顯微拉曼光譜儀的研究[D]. 西安: 西安電子科技大學(xué), 2007: 1-53.

[13] 陳秀麗, 王桂文, 劉軍賢, 等. 基于拉曼光譜的地貧紅細(xì)胞種類識(shí)別方法的研究[J]. 分析測(cè)試學(xué)報(bào), 2009, 28(4): 403-408.

[14] 褚小立. 化學(xué)計(jì)量學(xué)方法與分子光譜分析技術(shù)[M]. 北京: 化學(xué)工業(yè)出版社, 2011: 311-367.

[15] SHENDE C S, INSCORE F, GIFT A, et al. Analysis of pesticides on or in fruit by surface-enhanced Raman spectroscopy[C]//Optics East. International Society for Optics and Photonics, 2004: 170-176.

[16] 卜雅麗, 宦雙燕, 劉湘江, 等. 均勻表面增強(qiáng)活性基底上孔雀石綠的SERS[J]. 上海師范大學(xué)學(xué)報(bào): 自然科學(xué)版, 2008, 37(4): 390-395.

[17] 劉文涵, 楊未, 吳小瓊, 等. 激光拉曼光譜內(nèi)標(biāo)法直接測(cè)定乙醇濃度[J].分析化學(xué), 2007, 35(3): 416-418.

[18] CHENG Y, DONG Y, WU J, et al. Screening melamine adulterant in milk powder with laser Raman spectrometry[J]. Journal of Food Composition and Analysis, 2010, 23(2): 199-202.

[19] 韋娜. 拉曼光譜法檢測(cè)辣椒制品中羅丹明B和摻兌地溝油的花生油[D].沈陽: 沈陽農(nóng)業(yè)大學(xué), 2013: 1-59.

[20] 孟耀勇, 廖昱博. 激光喇曼光譜技術(shù)在食品科學(xué)中的應(yīng)用[J]. 激光生物學(xué)報(bào), 2006, 15(4): 429-435.

[21] LOPEZ-DIEZ E C, BIANCHI G, GOODACRE R. Rapid quantitative assessment of the adulteration of virgin olive oils with hazelnut oils using Raman spectroscopy and chemometrics[J]. Journal of Agricultural and Food Chemistry, 2003, 51(21): 6145-6150.

[22] 馬寒露, 董英, 張孝芳, 等. 拉曼光譜法快速檢測(cè)摻入梨汁的濃縮蘋果汁[J]. 分析測(cè)試學(xué)報(bào), 2009, 28(5): 535-538.

[23] REID L M, O’DONNELL C P, DOWNEY G. Recent technological advances for the determination of food authenticity[J]. Trends in Food Science & Technology, 2006, 17(7): 344-353.

[24] BAETEN V, APARICIO R. Edible oils and fats authentication by Fourier transform Raman spectrometry[J]. Biotechnologie Agronomie Societe Environnement, 2000, 4(4): 196-203.

[25] 陳健, 肖凱軍, 林福蘭. 拉曼光譜在食品分析中的應(yīng)用[J]. 食品科學(xué), 2007, 28(12): 554-558.

[26] 馬靜, 馬建鋒, 張遜, 等. 拉曼光譜在植物細(xì)胞壁研究中的進(jìn)展[J].光譜學(xué)與光譜分析, 2013, 33(5): 24-29.

[27] 鄭少華. 小麥和小麥粉濕面筋含量測(cè)定影響因素的研究[J]. 福建分析測(cè)試, 2011, 20(1): 10-14.

[28] 金華麗, 王金水. 近紅外光譜法檢測(cè)小麥粉中灰分含量的研究[J].河南工業(yè)大學(xué)學(xué)報(bào): 自然科學(xué)版, 2010, 31(1): 14-17.

Fast Determination of Flour Quality Based on Raman Spectroscopy

DOU Ying, SUN Xiao-rong*, LIU Cui-ling, ZHAO Hao-ran
(School of Computer and Information Engineering, Beijing Technology and Business University, Beijing 100048, China)

Raman spectroscopy was applied to replace the current methods for the determination of quality parameters of flour (including moisture, ash, and gluten content), since the conventional methods are time-consuming and laborious. Raman spectra of 100 samples from different flour types obtained from Guchuan flour mill were collected. Quantitative models were established using different pretreatment methods combined with partial least squares. The correlation coefficients of the established models for flour moisture, ash, and wet gluten were 0.945 66, 0.993 39, and 0.981 65, respectively, and the root mean standard error of calibration (RMSEC) were 0.145, 0.012 6, and 0.456, respectively. The results showed that Raman spectroscopy could be use for rapid, non-destructive, and efficient determination of flour quality. Qualitative models of different flours produced in 2013 and 2014 were also established based on distance matching analysis. The results showed that expired flour was indentified with 100% accuracy.

flour; Raman spectroscopy; partial least squares (PLS); quantitative analysis; distance matching analysis

S03；TS211

A

1002-6630（2014）22-0185-05

10.7506/spkx1002-6630-201422035

2014-06-09

北京市教委科研計(jì)劃重點(diǎn)項(xiàng)目（KZ201310011012）；北京市教委科技創(chuàng)新平臺(tái)建設(shè)項(xiàng)目（PXM_2012_014213_000023）；北京市自然科學(xué)基金項(xiàng)目（4142012）；北京市優(yōu)秀人才資助項(xiàng)目（2012D005003000007）

竇穎（1990—），女，碩士研究生，研究方向?yàn)榭刂评碚撆c控制工程。E-mail：m13146816314_1@163.com

*通信作者：孫曉榮（1976—），女，副教授，博士，研究方向?yàn)橹悄軠y(cè)量技術(shù)與數(shù)據(jù)處理、系統(tǒng)建模與仿真方法研究、智能控制方法。E-mail：sxrchy@sohu.com