近红外光谱测定小麦粉常规营养成分的模型优化

目的：应用近红外光谱（NIR）结合偏最小二乘法（PLS）建立小麦粉常规营养成分蛋白质、水分和脂肪的含量预测模型,并选择最佳模型。方法：收集117份小麦粉样品的近红外光谱,化学法测定蛋白质、水分和脂肪的含量,利用主成分分析（PCA）随机分组,81份样品用于构建模型、36份样品用作验证模型的预测能力。探讨波长范围和光谱预处理方法对所建模型预测能力的影响。结果：3个营养成分预测能力最好的模型分别是：对于蛋白质,预处理采用矢量归一化（SNV）,波长选取7 505.9~5 446.2 cm-1和4 605.4~4 242.8 cm-1,预测模型的RPD值是7.02;对于水分,无预处理,波长选择全谱12 800~3 960 cm-1,模型的RPD值是6.83;对于脂肪,无预处理,波长在9 000~4 000 cm-1,模型的RPD值是5.06。结论：近红外光谱法可以实现对小麦粉常规营养成分的快速预测,通过选择波长范围和光谱预处理方法可以显著提高模型的预测能力。     

全麦粉质量鉴别核心成分含量分析

了解全麦粉中判别标记物的含量水平，为全麦粉行业施行更好的质量控制提供数据支持。方法：按照行业标准将不同品种小麦制成全麦粉样品13份，分别测定其烷基间苯二酚（ARs）、膳食纤维和灰分的含量，其中ARs的含量利用高效液相-荧光法测定，并进行数据分析。结果：全麦粉中ARs、膳食纤维、灰分的平均含量分别为59.1 mg/100 g、13.4 g/100 g、1.5 g/100 g。全麦粉中ARs的5种同系物以C21∶0 （39%）含量最高，C17∶0/C21∶0的比值约为0.2。全麦粉中ARs与膳食纤维和灰分的含量并无相关性（P＞ 0.05），与其同系物的含量具有相关性（P<0.05）。结论：ARs可以作为全麦粉的判别标志物，膳食纤维和灰分是评价全麦粉品质的重要指标，对这三个指标在全麦粉中的含量水平进行检测分析，对于全麦粉产品的质量控制有着重要的意义。