分析），２００６，２６（４）：６２９．
［１４］ ＨＵＡＮＧ Ｇｕａｎｇ－ｑｕｎ，ＨＡＮ Ｌ＾卜ｊｉａ，ＹＡＮＧ ７ｋｌｎｇ－ｌｉｎｇ（黄光群，韩鲁佳，杨增玲）．Ｓｐｅｅｔｒｏｓｅ０１）ｙ ａｎｄ Ｓｐｅｃｔｒａｌ Ａｍｄｙｓｉ￥（光谱学与光谱分
摘要如何有效鉴别蜂蜜真伪是目前我国蜂产品质量控制的难题之一。提出了一种用傅里叶变换近红外 光谱结合判别偏最小二乘法（ＤＰＬＳ）快速鉴别蜂蜜真伪的新方法。首先采集了７１个商品蜜样品的近红外光 谱数据，其中包括２７个纯蜂蜜和４４个掺假蜂蜜，然后５次随机划分建模集样本和验证集样本，并对建模样 本进行不同光谱预处理，选择并优化不同波段范围和主成分数，用ＤＰＬＳ法建立了５组蜂蜜样本的真伪鉴别 模型，外部交叉验证法预测模型。通过对结果进行比较分析，５组校正模型中真蜂蜜和掺假蜂蜜的总体识别 准确率分别为９１．４９％，９４．６８％，９２．９８％，９３．８６％，９４．８７％；预测样本的识别准确率为８６．９６％～ ９３．７５％，其中模型２，３，４中掺假蜜的识别准确率达１００％。研究结果表明，该方法可作为鉴别商品蜜真伪 的一种快速筛选技术，在我国蜂蜜质量监控中具有重要意义。
根据Ｇ】Ｂ／Ｔ １８９３２．１—２００２《蜂蜜中ｃ１４植物糖含量测定 稳定碳同位素比率法》，测定蜂蜜中Ｃ－４植物糖含量。以蜂蜜 蛋白质３１３Ｃ值为标准，根据差值计算蜂蜜中Ｃ－４植物糖的 含量。如果计算结果为负值，其Ｃ－４植物糖含量按０计。当 计算结果大于或等于７％时，应认为含有Ｃ－４植物糖（主要指 玉米糖或蔗糖）。
ＴａｂＩｅ １ Ｒｅｓｅｌ缸ｏｆ ｃａｌｉｂｒａｔｉｏｎ ｍｏｄｅｂ
以５个不同方法建立的校正模型分别对预测样品集进行 预测，预测效果良好（见表２）。模型１，－－５的识别准确率分别 为９３．７５％，８９．５８％，８９．２９％，９２．３１％，８６．９６％，其中模 型２，－。４中的假蜜样本１００％被识别，每个验证模型的误判个 数不超过３，可以看出这５组模型的预测结果均较为理想。 结合表１结果进行综合考虑，模型间的指标各有优势，假蜜 被识别的能力较理想，识别准确率在８８．８９ ０Ａ １００％，降低 了样本判定中出现假阳性的概率。同时，验证集样本的识别 准确率总体上会比建模集样本的低些，究其原因是在验证模 型中，真蜂蜜样本的识别率降低，这与预测样本中真蜂蜜的 数量较少有关。因此，应进一步加大蜂蜜样本代表性，提高 样本的数量尤其是真蜂蜜样本来改善模型。
第２８卷，第１１期 ２ ０ ０ ８年１ １月
光谱学与光谱分析 Ｓｐｅｃｔｒｏｓｃｏｐｙ ａｎｄ Ｓｐｅｃｔｒａｌ Ａｎａｌｙｓｉｓ
Ｖ０１．２８。Ｎｏ．１１。ｐｐ２５６５—２５６８ Ｎｏｖｅｍｂｅｒ，２００８
蜂蜜真伪的近红外光谱鉴别研究
陈兰珍１’２，赵 静１，叶志华“，钟艳萍３
１．中国农业科学院蜜蜂研究所，北京１０００９３ ２．中国农业科学院农业质量标准与检测技术研究所，北京１０００８１ ３．中国农业大学食品科学与营养工程学院，北京１０００８３
否掺假，对提高我国蜂蜜质量控制水平具有重要意义。
参考 文 献
泌Ｎ，Ｂａｔｈ ［１］
Ｐ Ｋ Ｆｏｏｄ Ｃｈｅｍｉｓｔｒｙ，１９９７，５８（１－２）：１２９．
［２］ Ｃｏｕｎｄｌ Ｄｉｒｅｃｔｉｖｅ ２００１／１ｌｏ／ＥＣ．Ｈｏｎｅｙ．Ｏｌｆｉｃ乩Ｊ．Ｅｕｒｏｐ．Ｃｏｔｒａｎｕｎｉｔｉｅｓ，２００２，ＬＩＯｌ ４７．
４．０
８ ３．０ 量
扣
《
１．０
Ｏ １２０００
ｎ昏１
１００００
８０００
６０００
Ｗａｖｅ ｎｕｍｂｅｒ／ｃｍ’ｌ
４０００
Ｒａｗ ＮＩＲ ｓｐｅｃｔｒａ ｏｆ ａｕｔｈｅｎｔｃ ａｎｄ
ａｄｕｌｔｅｒａｔｅｄ ｈｏｎｅｙ ｓａｍｐｌｅｓ
正模型的识别准确率在９１．４９％～９４．８７％之间，均高于 ９１％，达到较好的结果，这说明了用近红外光谱技术结合 ＤＰＬＳ法建立蜂蜜真假鉴别方法是可行的。
液体样品不需任何预处理，直接将液体光纤探头插入样 品中进行近红外光谱测定。结晶蜂蜜样品测试前应在低于６０ ℃水浴直至晶体完全溶化后，放置室温测定。实验采用透射 方式；扫描范围为４ ０００～１１ ０００ ｃｌｎｌ；扫描次数３２次；分 辨率８ ｃｒｆｌ～。取３次采集的平均值作为该样本的原始光谱 （如图１）。
［８］ Ｐａｄｏｖａｎ Ｇ Ｊ，Ｄｅ Ｊ Ｄ。Ｒｏａｒｉｇｕ档Ｌ Ｐ，ｅｔ ａ１．Ｆｏｏｄ Ｃｈｅｍｉｓｔｒｙ，２００３，８２（４）：６３３．
［９］ Ｋｅｌｌｙ Ｊ Ｆ，Ｄｏｗｎｅｙ Ｇ，Ｆｏｕｒａｔｉｅｒ ｖ．Ｊ．Ａｇｒｉｃ Ｆｏｏｄ Ｃｈｅｍ．。２００４，５２（１）：３３．
［１０３ ＹＡＮ Ｙａｎ－ｌｕ，ＺＨＡＯ Ｌｏｎｇ－ｌｉａｎ，ＨＡＮ Ｄｏｎｇ－ｈａｉ，ｅｔ ａｌ（严衍椽，赵龙莲，韩东海，等）．Ｆｏｕｎｄａｔｉｏｎ ａｎｄ Ａｐｐｌｉ衄ｔｉ∞ｏｆ Ｎｅａｒ－Ｉｎｆｒａｒｅｄ
＊通讯联系人 ｅ－ｍａｉｌ：ｚｈｉｈｕａｙｅ＠ｍａｉｌ．ｃａａｓ．ｎｅＬ∞
ｅ－ｍｓｉｈ ｃｈｅｎｌａｎｚｈｅｎ２００５＠１２６．ｃｏｒｎ
万方数据
２５６６
光谱学与光谱分析
第２８卷
有ＩｎＧａＡＳ检测器，液体光纤探头（２ ｌｍ光程）及ＯＰＵＳ分
析软件。 １．２实验材料
实验中所用蜂蜜样本共７１个，均是从市场上抽检出的 经过加工浓缩的商品蜜，以是否掺Ｃ－４植物糖为检测指标判 定蜂蜜真假，同时结合感官分析，判定有４４个掺假蜂蜜样本 和２７个真蜂蜜样本。 １．３方法
近红外光谱分析技术已被成功用于水果口８１、酒类［１９１、 牛奶［２阳的定量定性分析，结合ＤＰＬＳ法被用于鉴别桉树蜂蜜 和牧草蜂蜜品种［２¨，正确识别率分别为８５％和７５％。本文 首次用该技术鉴别蜂蜜真伪，识别准确率和误判个数结果较
万方数据
第１１期
光谱学与光谱分析
２５６７
理想，与碳同位素质谱法相比，具有快速，无污染，成本低 等特点。因此用傅里叶变换近红外光谱技术快速筛选蜂蜜是
［３］ ＹＥ Ｚｈｅｎ－ｓｈｅｎｇ（叶振生）．Ｐｒｏｃｅ黯ｉｎｇ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｂｅｅｐｒｏｄｕｃｔｓ（蜂产品深加工技术）．Ｂｅｉｉｉｒ，ｇＩ Ｃｈｉｎａ Ｌｉｇｈｔ Ｉｎｄｕｓｔｒｙ Ｐｒｅｓｓ（ｊｔ京：中国轻 工业出版社），２００３．
［４］ Ａｌｌｌｄａｍ Ｅ Ｆｏｏｄ Ｃｈｅｍｉｓｔｒｙ，１９９８，６３（４）：５４９．
ห้องสมุดไป่ตู้
（５）：８５０．
·
［１２］ ＱＩＵ Ｚｈｅｒ磐ｊｔｍ，ＬＵ Ｊｉ，ｎｉｃ－ｆｅｎｇ，ＭＡＯ Ｊｉｎｇ－ｙｕａｎ，ｅｔ ａｌ（裘正军，艋江锋，毛静渊，等）．Ｓｉ，ｅｃｔｒｏｓｏｏｐｙ ｅｎｄ Ｓｐｅｃｔｒａｌ Ａｎａｌｙｓｉｓ（光谱学与光
谱分析），２００７，２７（８）：１５４３．
［１３］ ＬＩＵ Ｓｈｔ卜ｈｕａ，ＺＨＡＮＧ Ｘｕｅ－ｇｏｎｇ，ＺＨＯＵ ｑｕｎ，ｅｔ ａｌ（刘沭华，张学工，周群，等）．ＳｐｅｃｔｍｓＣＯｌ。ｙ ａｎｄ Ｓｐｅｃｔｒａｌ Ａｎａｌｙｓｉｓ（光谱学与光谱
近红外光谱（Ｎ珉ｓ）分析技术具有速度快，成本低以及 重现性好等优点［１引，近年来被成功地应用于食品［１ｈ埘、医 药［”］、农业［１‘“５］等领域。国内有关近红外应用于蜂蜜的相 关报道较少，国外关于ＮＩＲ技术鉴别掺假蜂蜜的研究文献也 有限，其研究手段主要是通过在实验室中将蜂蜜人为掺人糖 浆进行测定［１ ６。，而且还未见用判别偏最小二乘法（ＤＰＬＳ）建 立蜂蜜真伪模型。为克服传统理化方法中检测周期长，成本 高等缺点［１引，同时为结合我国蜂蜜生产销售实际情况，本文 主要探讨了应用傅里叶变换漫透射技术和判别偏最小二乘法 快速鉴别市售蜂蜜的真假。
１材料与方法
１．１近红外光谱仪器及其参数 ＭＰＡ傅里叶变换近红外光谱仪（德国Ｂｒｕｋｅｒ公司），带
收藕日期：２００８ ０３—２９。修订日期：２００８－０６—３０ 基金项目：国家“十一五”科技支撑计划项目（２００６ＢＡＤ０６８０４）资助 作者简介：陈兰珍，女，１９７４年生，中国农业科学院农业质量标准与检测技术研究所博士研究生
Ｔａｂｌｅ ２ Ｒｅｓｕｌ协ｏｆ ｖａｌｉｄａｔｏｎ ｍｏｄｅｂ
２结果与分析
本研究在分析过程中使用判别偏最小二乘法（ＤＰＬＳ）建 立真假蜂蜜样品的数学模型，同时用外部交叉法验证。通过 对模型５次随机划分样本，选择不同光谱预处理方法，不同 谱区范围和主成分数进行模型优化，其中光谱预处理均为一 阶导数＋平滑点数１５。模型的主成分数，谱区范围以及评价 模型的识别准确率，误判数指标见表１。由表ｌ中看出，不同 主成分数和波段范围，建模样本数，其识别准确率和误判数 不同。模型１，２，３，４，５的识别准确率分别为９１－４９％， ９４．６８％，９２．９８％，９３．８６％，９４．８７％，其中模型５的识别准 确率最高，其次是模型２，但总体差别不明显。模型１和２的 结果显示，在主成分数和建模样本数相同的情况下，随着波 段范围变宽，误判数由６减少至４，识别率也相应提高。与模 型１和２相比，模型３＂－５的建模样本数增加，分别为５７， ５７，５８，主成分数均为８，波段范围有所不同，但识别准确率 也差别不大，误判数不超过８个。因此通过比较分析，５个校
３结论
本研究利用近红外光谱分析技术对蜂蜜真假鉴定作了初 步探讨，结合ＤＰＬＳ化学计量学方法建立蜂蜜真伪鉴别的５ 组数学模型。５组模型中。建模集样本的识别准确率均在 ９１％以上，差别不明显，说明了用该方法建立鉴别模型是可 行的。样本预测集中蜂蜜误判个数不超过３，识别准确率虽 稍低于建模集，但均在８９％以上，其中真蜜识别率稍微低， 是因为参与验证的真蜂蜜样本太少，应进一步收集具代表性 真实蜂蜜样本。另外，有３个模型的假蜜识别准确率高达 １００％，降低了蜂蜜出现假阳性的比例。
［５］ Ｄａｒｎｅｌ Ｋｅｌｌｙ Ｊ，Ｐｅｔｉｓｃｏ Ｃ，Ｄｏｗｎｅｙ Ｇ．Ｊ．Ｎｅａｒ Ｉｎｆｒａｒｅｄ Ｓｐｅｃｔｒｏ配，２００６，１４（２）：１３９．
［６］ Ａｈｒｎｅｔ Ｇ，Ａｙ辩Ｂ，Ｃｅｖａｔ Ｎ，ｅｔ ａＬ Ｆｏｏｄ Ｃｈｅｍｉｓｔｒｙ，２００７，１０５（３）ｌ １１１９．