阅读说明：本技术 一种营养米粉中无机硒的测定方法 (Method for determining inorganic selenium in nutritional rice flour ) 是由 莫开菊 程超 陈业 陈美林 杜芬妮 周志 李伟 汪兴平 于 2019-11-08 设计创作，主要内容包括：本发明涉及一种营养米粉中无机硒的测定方法,所述方法为制作含有无机硒的营养米粉样品；对营养米粉样品进行中红外光谱扫描,得到衰减全反射中红外光谱原始数据；对衰减全反射中红外光谱原始数据进行预处理,得到营养米粉样品光谱数据；营养米粉样品中的无机硒含量和的营养米粉样品光谱数据采用偏最小二乘法建模,建立营养米粉中无机硒含量与营养米粉样品光谱数据的模型。本发明采用衰减全反射红外光谱法测定食品中的无机硒,没有繁复的化学试剂前处理过程,且使无机硒的测定不受洗脱程度和小分子有机硒的影响,达到精准测定无机硒的目的,从而提高有机硒测定的准确性,解决食品中的硒含量和硒型态的测定。(The invention relates to a method for measuring inorganic selenium in nutritional rice flour, which is characterized in that a nutritional rice flour sample containing inorganic selenium is prepared; performing mid-infrared spectrum scanning on the nutritional rice flour sample to obtain original data of an attenuated total reflection mid-infrared spectrum; preprocessing the original data of the attenuated total reflection mid-infrared spectrum to obtain the spectral data of the nutritional rice flour sample; modeling the inorganic selenium content in the nutritional rice flour sample and the spectral data of the nutritional rice flour sample by adopting a partial least square method, and establishing a model of the inorganic selenium content in the nutritional rice flour and the spectral data of the nutritional rice flour sample. The method adopts the attenuated total reflection infrared spectroscopy to measure the inorganic selenium in the food, does not have complex chemical reagent pretreatment process, ensures that the measurement of the inorganic selenium is not influenced by the elution degree and the micromolecular organic selenium, and achieves the aim of accurately measuring the inorganic selenium, thereby improving the accuracy of measuring the organic selenium and solving the measurement of the selenium content and the selenium type state in the food.)

一种营养米粉中无机硒的测定方法

技术领域

本发明属于检测技术领域，特别涉及一种营养米粉中无机硒的测定方法。

背景技术

食品中适量的硒是人体必需的营养素，但是过多或者过少都有害，其适量范围很窄，仅50～400ug。而食品中既含有机硒，也含无机硒，有机硒比无机硒的安全性更高。因此精准测定食品中有机硒、无机硒的含量，才能准确监控和生产高质量富硒食品，对***的健康负责。

目前国标测定硒的方法是采用GB5009.93，其根本方法是测定总硒，无法区分食品中硒的赋存型态。目前有机硒测定的一般方法是测定总硒，采用洗脱样品中的无机硒，收集洗涤液，测定无机硒含量，再用差减法计算有机硒的含量。此法存在的弊端，其一是采用无机强酸消化，化学试剂还原，因此环境污染重、严重影响操作者的身体健康。其二是操作繁复，影响测定结果的因素较多，产生偶然误差的几率高，数据的波动性大；尤其是测定无机硒采用的是用超纯水及超声波洗脱无机硒，测定洗涤液中的无机硒含量，这使得无机硒的测定准确性受到粒径、洗涤次数、洗涤时间、以及小分子有机硒一同被洗出等多因素的影响，无机硒数据波动大，也直接导致有机硒数据波动。其三，国标只要求测定总硒，这使得许多富硒食品，采用直接添加无机硒达到富硒标准，这导致通过食物转化生产的富有机硒食品的安全性和功能价值无法正确体现。

发明内容

针对上述问题，我们采用衰减全反射红外光谱法测定食品中的无机硒，没有繁复的化学试剂前处理过程，且使无机硒的测定不受洗脱程度和小分子有机硒的影响，达到精准测定无机硒的目的，从而提高有机硒测定的准确性，解决食品中的硒含量和硒型态的测定，为富硒食品的监控和生产奠定基础。

为达到以上目的，本发明采用的技术方案为：

一种营养米粉中无机硒的测定方法，所述方法包括以下步骤：

S1：制作含有无机硒的营养米粉样品；

S2：采集红外光谱数据：对步骤1)中的营养米粉样品进行中红外光谱扫描，得到衰减全反射中红外光谱原始数据；

S3：对衰减全反射中红外光谱原始数据进行预处理，得到营养米粉样品光谱数据；

S4：模型建立和筛选：对所述步骤1)的营养米粉样品中的无机硒含量和所述步骤3)的营养米粉样品光谱数据采用偏最小二乘法建模，建立营养米粉中无机硒含量与营养米粉样品光谱数据的模型，初步筛选出较优模型建立方法；

S5：模型建立和预测验证：以较优模型建立方法建模，用预测集数据与真值的相对偏差评判模型的预测效果；

S6：未知样品无机硒含量的测定：对未知无机硒含量的营养米粉样品进行红外光谱扫描，得到未知样品红外光谱数据，进行预处理后带入所述步骤S5的模型中，得到未知营养米粉样品中无机硒的含量；

完成营养米粉中无机硒的测定。

优选地，所述步骤S1中：制作含有无机硒的营养米粉样品的方法为：添加***钠制备101个不同浓度的营养米粉样品，样品浓度范围为0～200ug/100g。

优选地，所述步骤S2中红外光谱扫描条件采用：傅里叶变换中红外光谱仪，衰减全反射附件(ATR)ID7 Transmission，光谱扫描范围4000cm^-1-400cm^-1，扫描次数：32次；扫描间隔：2cm^-1。

优选地，所述步骤S3预处理的方法为采用9点平滑加一阶导数作为红外光谱数据预处理方法。

优选地，所述步骤S3光谱数据进行分析中以1000-1500cm^-1作为样品的红外光谱分析波段。

优选地，所述步骤S5模型建立过程中，采用三等分法建模，即对所有添加***钠制样的营养米粉，进行3等分，其中2/3用于建模，剩余1/3用于验证，所有样品获得3个预测模型，3个预测数据集。

优选地，所述步骤S4：通过R_C ²、RMSEC、Rv²、RMSECV参数初步筛选出较优模型建立方法；

所述步骤S5：以R_C ²、RMSEC、Rv²、RMSECV、Rp2、RMSEP、RPD作为模型的适用性的特征参数评判其适用性。

本发明具有以下有益效果：

衰减全反射中红外光谱结合偏最小二乘法能建立有效的大米中无机硒的定量分析模型。作为一种快速、准确的定量检测方法，选择1000～1500cm^-1作为特征波段，9点平滑和一阶导数处理后建模，预测值与真实值的线性拟合决定系数能达到0.9以上，预测与真实值的相对偏差在20％以内的高达65％以上，而含量在30μg/100g以上的样品相对偏差在20％以内的高达90％，在高含量时预测更准确。预测效果达到定量分析要求。

附图说明

图1***钠的红外图谱；

图2预测值与真值相关性比较。

具体实施方式

下面结合具体实施例，对本发明作进一步详细的阐述，但本发明的实施方式并不局限于实施例表示的范围。这些实施例仅用于说明本发明，而非用于限制本发明的范围。

实施例

1波段选择

表1原始数据不同波区建模特征数据

由表1可知，以1000-1500cm^-1建模效果较好，下一步再进行预处理方式探讨。

2模型建立与验证

表2多种预处理数据建模特征数据

表2数据说明以1000-1500cm^-1波区9点平滑加一导以及SNV+一导预处理建模，效果最好，其它的特征参数都较差。

确定选择1500-1000cm^-1波数处作为建模波段，9点平滑+一阶导数作为光谱预处理方式用于建模。

表3 1000-1500cm^-1 9点平滑+一阶导数预处理建模特征参数及预测效果

通过剔除异常值后，对不同波区全部原始数据进行初步建模，确立适宜波区，然后再筛选数据预处理方式，得到最优方式----9点平滑加一阶导数处理。建模特征参数R_C ²、RMSEC、Rv²、RMSECV。模型的内部稳健性和拟合效果以相关系数Rc和校正均方差(Root MeanSquare Error of Calibration,RMSEC)为评价指标。所建模型对验证集样品的预测结果以相关系数Rv和预测均方差RMSECV为评价指标。相关系数越大，均方差越小，所对应的模型拟合效果越好。因此最后采用最佳波段和最佳数据预处理共同对所有数据进行3分法建模及验证，确定最佳建模特征参数和验证效果数据，并对验证数据进行准确性统计。由表3、图2可知，在1000-1500cm^-1 9点平滑+一阶导数预处理建模，对数据的预测效果很好。