速溶普洱茶中水分、咖啡碱和茶多酚含量近红外光谱快速测定方法的建立

白晓丽，郭卫华，孔俊豪 ，刘顺航，李长文

(1.云南天士力帝泊洱生物茶集团有限公司，云南普洱665000;2.中华全国供销合作总社杭州茶叶研究院，浙江杭州310016)

速溶茶是以茶叶为原料，经浸提、过滤、浓缩、干燥等工序制成粉末，可以直接冲泡饮用的固体饮料。由于速溶茶基本保持了茶叶原有的色、香、味，且同时具备方便、卫生、高雅等特点，具有茶对人体的功效，因此，深受国内外许多消费者的喜爱［1］。速溶茶中的水分、咖啡碱和茶多酚影响着茶色、茶香和茶味的形成，是速溶茶产品检测中的重要指标［2］。传统的速溶茶品质分析方法有液相色谱、紫外分光光度计、气相色谱－质谱技术［3］等，但这些方法操作复杂、费时费力，难以满足速溶茶生产过程中实时监控的需要。因此为了解决这一问题，有必要提出一种快速、无损、经济的方法，定量分析速溶茶中水分、咖啡碱和茶多酚的含量。

近红外光谱分析技术是近年来发展起来的一种定性、定量分析技术，具有快速、不破坏样品、操作简单等特点，在农业食品、石油化工、制药工业［4－7］等领域得到广泛的应用，而且在茶叶理化成分快速测定、茶叶种类识别以及产地判别方面已经取得一定的研究成果［8－13］，但在速溶普洱茶有效成分定量分析方面报道较少。由于近红外光谱分析技术在应用时存在一些实际问题，如建立模型时需要大量的样品、专用的近红外仪器和专业的技术人员、建立的模型不能通用等，所以，未能在茶叶领域得到广泛的应用，但是随着消费者对茶叶品质、安全要求的不断提高以及近红外光谱技术的不断发展，近红外光谱技术必定会在茶叶品质检测方面得到广泛应用。

因此，为了加快推进近红外光谱技术在速溶普洱茶理化成分快速检测方面的应用，本文以国家标准为基础，利用近红外光谱结合偏最小二乘回归的方法，建立水分、咖啡碱和茶多酚含量的定标模型，以期实现速溶普洱茶成分的快速、无损、高效、多组分含量同时测定的目标，并与传统分析方法的结果进行比较，以期为速溶普洱茶的质量控制提供科学依据和参考。

1 材料与方法

1.1 材料与仪器

速溶茶粉 采集云南和其他地区25个不同厂家，总共42个速溶茶样品，样品市场随机购买，具有广泛的代表性，样品名称及来源如表1所示;福林酚试剂 上海源聚生物科技有限公司;咖啡碱标准品 中国食品药品检定研究院;无水碳酸钠、没食子酸(一水)、抗坏血酸、乙二胺四乙酸二钠盐(二水) 国药集团化学试剂有限公司;乙腈、甲醇 默克股份有限公司。

表1 42个样品名称及来源Table 1 Name and source of 42 samples

U－3010紫外可见分光光度计 日立公司;Agilent 1260高效液相色谱仪 安捷伦公司;AB204S电子分析天平 梅特勒公司;MPA多功能型傅立叶变换近红外光谱仪 布鲁克公司。

1.2 实验方法

1.2.1 速溶茶中主要理化成分的分析方法 水分含量测定参照GB 5009.3－2016《食品安全国家标准食品中水分的测定》(第一法)［14］;茶多酚含量测定参照GB/T 8313－2008《茶叶中茶多酚和儿茶素类含量的检测方法》(方法二)［15］;咖啡碱含量测定参照GB/T 21727－2008《固态速溶茶 儿茶素类含量的检测方法》［16］。

1.2.2 近红外光谱数据采集 光谱采集仪器为布鲁克MPA多功能型傅立叶变换近红外光谱仪。光谱采集参数如下:光谱采集范围4000～10000 cm－1;光谱分辨率4 cm－1;扫描次数32次。光谱采集方式为漫反射方式，以空气做参比，扣除背景，把样品装入圆柱形样品杯中且装样厚度保持一致，每个样品取三次进行扫描，每次扫描3次，即每个样品共得到9个光谱，存储于计算机中。

1.3 数据处理方法

1.3.1 光谱预处理 近红外光谱仪所釆集的光谱除样品的自身信息外，还包含了其它无关的干扰信息。这些无关信息的存在会影响用化学计量学方法对光谱数据建立模型的准确性。因此在建模时，消除光谱数据无关信息和选择建模波段变得十分关键。本文所用的光谱预处理方法包括以下几种:平滑(smoothing)、导数(derivative)、标准正态变量变换(SNV)、多元散射校正(MSC)［17］。

1.3.2 模型评价参数 用The unscrambler 9.7软件进行数据处理和建模分析，以校正集相关系数(Rc)、校正集均方根误差(RMSEC)、交互验证相关系数(Rcv)和交互验证均方根误差(RMSECV)为指标评价模型的优劣，以验证集相关系数(Rp)和验证集均方根误差(RMSEP)为指标考察模型的预测精准度。

2 结果与分析

2.1 样本集的划分以及实测值的分布

本文共选用42个速溶茶样本建立水分、咖啡碱、茶多酚的定量分析模型。在建立模型之前，需要从42个样本中选择合适的样本作为校正集来建立模型，剩下的样本作为预测集来验证模型的预测能力。本文按照三选一的样本划分方法，其中28个样本作为校正集，剩下的14个样本作为预测集。其测量值范围、平均值、标准偏差的结果如表2所示。实验结果显示，42个样品中水分和咖啡碱的含量范围分别是3.10%～13.25%、2.38%～13.29%，变化幅度不大;茶多酚的含量范围是11.70%～48.10%，样品间的变化幅度较大，而且生茶样品茶多酚含量明显高于熟茶和其他速溶茶样品，主要是因为生茶在渥堆发酵过程中，茶多酚在多酚氧化酶的作用下发生氧化、缩合反应，使得茶多酚含量下降。在选择校正集时，校正集中测量值数值覆盖了预测集中测量值的变化范围。因此，所选的样品具有代表性，在样品集中的分布是合理的。

表2 训练集和预测集中样本数及样本实测值的分布(%)Table 2 Sample number of training set and prediction set and the distribution of measured values(%)

2.2 速溶茶的近红外光谱特性

近红外光谱图反映了速溶茶样品的内在品质，速溶茶样品无论在品种、产地方面是否相同，近红外光谱图都带有很多相似的信息，这是因为近红外光谱反应的是速溶茶中C－H和N－H基团的信息，这些基团的周围环境发生变化时，会导致吸收峰位置的变化，但变化幅度并不大。样品中存在的成分含量决定近红外光谱的吸收强度，而不同的速溶茶中成分含量不一致，也就出现了不同的光谱图。如图1是42个样品的近红外原始光谱图，从图1中可以看出，波数在6860 cm－1处是N－H键伸缩振动一次倍频峰;波数在5180 cm－1处是C=O伸缩振动的二次倍频峰;波数在4660 cm－1处是一级胺与三级胺伸缩振动的合频峰;波数在4430 cm－1处是亚甲基C－H伸缩振动和弯曲震动的合频峰［18］。近红外光谱数据记录了速溶茶样品中丰富的化学成分与结构信息，速溶茶中的大多数有机化合物如茶多酚、咖啡碱等都含有各种含氢基团，不同基团产生的光谱在吸收峰位置和强度上有所不同，根据朗伯—比耳吸收定律，随着样品成分含量的变化，其光谱特征也将发生变化，这为近红外光谱快速预测速溶茶中水分、咖啡碱和茶多酚含量提供了理论基础。

图1 42个速溶茶样品的近红外原始光谱图Fig.1 Near infrared original spectra of 42 instant tea samples

2.3 速溶茶中水分、咖啡碱、茶多酚近红外光谱模型的建立与优化

采用偏最小二乘法对不同方法处理后的光谱进行建模分析，确定最优的光谱预处理方法，建模相关系数越接近1，说明预测值与真实值的相关程度越好，RMSECV越小，说明模型预测性能越好，与RMSEC越接近，则模型的稳定性越好。表3统计了各种光谱处理方法的建模指标，根据最佳模型的选择方法，从表3可以看出，水分和茶多酚的最优建模光谱是原始光谱，而咖啡碱的最优建模光谱是经过SG平滑、SNV和一阶导数处理后的光谱数据。水分的最优建模指标Rc=0.9266，RMSEC=0.6439，Rcv=0.8809，RMSECV=0.8509，主因子数是5;咖啡碱的最优建模指标 Rc=0.9964，RMSEC=0.1337，Rcv=0.9543，RMSECV=0.4958，主因子数是7;茶多酚的最优建模指标 Rc=0.9845，RMSEC=1.2097，Rcv=0.9679，RMSECV=1.8083，主因子数是7。从模型指标中得出，3种组分近红外光谱的模型预测性能由高到低为咖啡碱＞茶多酚＞水分，这可能与国标检测的精密度有关。咖啡碱、茶多酚模型的交互验证决定系数均在0.95以上，预测误差较小，交互验证预测效果良好，水分的交互验证相关系数是0.8809，预测效果比咖啡碱和茶多酚的略差。

表3 不同预处理光谱水分、咖啡碱、茶多酚PLS定标模型结果Table 3 PLScalibration model of different pretreatment spectral moisture，caffeine and tea－polyphenols

2.4 速溶茶中水分、咖啡碱、茶多酚模型的验证

近红外光谱校正模型必须具备良好的预测性能才能在实际中得到应用，因此，对所建立的校正模型进行验证，是近红外光谱快速检测分析方法的必要环节。本文选用28个样本作为校正集，用于建立模型，14个样本作为验证集，采用外部验证的方法对所建模型的预测效果进行检验。图2～图4是所建模型对水分、咖啡碱、茶多酚外部验证结果的相关图，验证集相关系数(Rp)分别为 0.9050、0.9350、0.9557，验证集均方根误差(RMSEP)分别为0.6786、0.4546、2.1222，能够反映模型的精确性和准确性。表4是14个样品中水分、咖啡碱、茶多酚含量近红外预测值与真实值的比较结果，咖啡碱、茶多酚的近红外预测效果良好，与真实值比较吻合，可以用于速溶茶中咖啡碱、茶多酚含量的预测。水分的预测相关系数是0.9050，从表4可以看出，模型对水分的预测效果相对稍差，但可以初步预估速溶茶中水分的含量，对建立的水分模型需要进一步研究，以提高模型预测的精确度。

表4 速溶茶中水分、咖啡碱、茶多酚含量NIR预测值与真实值比较Table 4 Comparison of NIR predicted and real values of moisture，caffeine and tea－polyphenols in instant tea

图2 水分真实值与近红外预测值的相关图Fig.2 The correlation diagram of trueand near infrared predicted value for moisture

图3 咖啡碱真实值与近红外预测值的相关图Fig.3 The correlation diagram of true and near infrared predicted value for caffeine

3 结论

图4 茶多酚真实值与近红外预测值的相关图Fig.4 The correlation diagram of true and near infrared predicted value for tea－polyphenols

在速溶普洱茶样品的品质分析检测中，各种指标物质的测定方法费时、繁琐、前期准备工作量大，且分析结果时效性差。本文利用近红外光谱技术与化学计量学相结合，采用偏最小二乘法建立了速溶茶中水分、咖啡碱和茶多酚含量的定量分析模型。对速溶茶样品的近红外光谱采用了多元散射校正、标准正态变换、Savitzky－Golay平滑和一阶导数多种光谱预处理方法进行处理，从建模结果可以看出:速溶茶中水分、咖啡碱和茶多酚的交互验证相关系数分别是0.8809、0.9543、0.9679，验证集相关系数分别是0.9050、0.9350、0.9557，模型基本可以满足定量分析的要求，具有良好的预测效果。该方法显示了近红外光谱技术在速溶茶样品质量控制和快速分析方面的可行性和优越性，为速溶茶中其他成分的快速检测提供了借鉴。在实际应用中，通过添加更多有代表性的样品，对模型进行再校正和优化，可以提高模型的稳定性和准确性，从而能够快速、准确的预测速溶普洱茶中各成分的含量。