CN104076010A - 一种炼制过程中对蜂蜜的质量检测方法 - Google Patents

Abstract

本发明提供了一种对蜂蜜炼制过程中样品的质量检测方法，该方法包括如下步骤：步骤1：收集蜂蜜炼制过程中样品，获得指标成分的含量测定数据；步骤2：采集蜂蜜样品近红外光谱图数据；步骤3：将步骤2采集的近红外光谱数据与步骤1测得的数据采用偏最小二乘法建立关联定量模型；步骤4：获取待测样品近红外光谱图数据，利用步骤3的模型获得指标成分含量值。本发明方法能实现对炼蜜过程整体质量的快速无损质量控制，预测精度满足工业过程分析的基本要求，方法快速、可靠、简便，具有传统化学分析方法所不具有的显著优点，具有很高的实际应用价值。

Description

一种炼制过程中对蜂蜜的质量检测方法

技术领域

本发明涉及一种蜂蜜的质量检测方法，具体涉及一种在炼制过程中蜂蜜的快速质量检测方法。 

背景技术

蜂蜜在我国作为药用，历史悠久，最早记载于《神农本草经》，明代医家李时珍所著《本草纲目》也有对蜂蜜的记载。其味甘，性平，具有补中缓急、润肺止咳、润肠燥、解毒之功效。蜂蜜在临床中应用极其广泛，除单独作为保健食品和药用外，蜂蜜经过炼制后还被用作中药炮制（蜜炙）及中药蜜丸的重要辅料。 

炼蜜过程中炼蜜的质量受到很多因素的影响如加热时间、温度、蒸发强度、气体流速等，炼制蜂蜜的工艺不同炼蜜的质量也不同。目前，中国药典及各省市炮制规范还没有明确规定具体炼制工艺，炼制工艺不统一，炼蜜没有统一的标准，无法控制炼蜜炼制到什么程度最佳，才能与药物起到协同作用满足炮制及蜜丸用蜜的需要。 

蜂蜜炼制的好坏，是制备蜜丸的关键环节。若炼制不得法，或使用炼制程度过高的蜂蜜，蜜丸在贮存期间易出现皱皮、干硬、破裂等质量问题。蜜炙时炼蜜的质量直接影响炮制饮片的质量，进而影响药品的疗效。因此，蜂蜜的炼制工艺和质量控制极其重要。 

目前现有技术没有针对蜂蜜炼制过程中的检测方法。 

发明内容

本发明的目的在于提供一种蜂蜜炼制过程中的质量检测方法，该方法快速简便，检测指标少。 

蜂蜜是蜜蜂采集植物的花蜜、分泌物或蜜露，与自身分泌物结合后， 经充分酿造而成的天然甜物质，主要成分是葡萄糖和果糖，此外还含有麦芽糖、蔗糖、水分及其它微量成分（如氨基酸、蛋白质、有机酸、维生素、黄酮类物质和乙酰胆碱），是一种天然营养保健食品。蜂蜜经过炼制后被用作中药炮制（蜜炙）及中药蜜丸的重要辅料，其与初始的蜂蜜的理化性质产生很大变化。炼蜜过程中的炼蜜的质量受到很多因素的影响如加热时间、温度、蒸发强度、气体流速等，若炼制不得法，或使用炼制程度过高的蜂蜜，蜜丸在贮存期间易出现皱皮、干硬、破裂等质量问题。蜜炙时炼蜜的质量直接影响到炮制饮片的质量，进而影响药品的疗效。目前本领域技术人员根据现有的检测方法无从获得方便、快捷、有效的检测炼蜜过程产品的方法。本领域普通技术人员往往要从蜂蜜主要成分是葡萄糖和果糖为出发点来确定检测方法。不同于现有技术及普通技术人员的一般的认识，本发明提供了一种十分独特的方案。 

本发明提供的一种方便、快捷、有效的检测各个炼蜜过程产品的检测方法技术方案为： 

一种对蜂蜜炼制过程中样品的质量检测方法，该方法包括如下步骤： 

步骤1：收集蜂蜜炼制过程中样品，获得指标成分的含量测定数据； 

步骤2：采集蜂蜜样品近红外光谱图数据； 

步骤3：将步骤2采集的近红外光谱数据与步骤1测得的数据采用偏最小二乘法建立关联定量模型；以及 

步骤4：获取待测样品近红外光谱图数据，利用步骤3的模型获得指标成分含量值。 

本发明所述蜂蜜炼制过程中样品可以是蜂蜜、蜂蜜炼制过程中的中间物质或炼制后的蜂蜜。 

进一步，步骤1所述指标成分为水分和5-羟甲基糠醛； 

进一步，步骤1中的蜂蜜样品为蜂蜜分别于100、110、120℃恒温条件下炼制，炼制时间为0-10h（从0min起（包含0min）每隔15分钟取样）得到的蜂蜜样品； 

更进一步，5-羟甲基糠醛的含量测定采用高效液相法测定，具体方法包括：色谱条件：以（4-10）:（70-120）的甲醇-水为流动相等度洗脱；柱温：20-40℃；流速：0.5-1.2ml/min。色谱条件更优选为：以6:94的甲醇-水为流动相等 度洗脱；柱温：30℃；流速：0.8ml/min。 

进一步，步骤2近红外光谱测定方法中：采用光程为2.0mm的透反射附件，扫描范围为4000-10000cm^-1，分辨率为8cm^-1。 

进一步，步骤2中，近红外光谱测定中采用市售的近红外光谱仪，如AntarisⅡ傅立叶变换近红外光谱仪（美国Thermo公司）。 

进一步，步骤3中近红外光谱数据与含量数据相关联前，对光谱进行预处理，所述预处理方法选自下列方法中的任意一种或几种：一阶导数（1D）、二阶导数（2D）、Savitzky Golay平滑（SG）、多元散射校正（MSC）。 

更进一步，对于不同指标成分，最佳预处理方法：水分数据采用一阶导数、平滑、多元散射校正联用的方法进行处理；5-羟甲基糠醛数据预处理方法一阶导数、平滑、多元散射校正联用的方法进行处理。 

步骤1所述指标成分为包括水分和5-羟甲基糠醛、葡萄糖、果糖。 

葡萄糖、果糖含量检测方法采用高效液相方法，其中流动相为：乙腈-水。 

偏最小二乘法（PLS）是一种可以处理多个因变量对多个自变量的回归建模方法。偏最小二乘回归的基本思想：设有p个自变量{x1,x2,…xp}和q因变量{y1,y2,…yq}。为了研究因变量和自变量的统计关系，观测了n个样本点，由此构成了自变量与因变量的数据表：X={x1,x2,…,xp}n×p；Y={y1,y2,…,yq}n×q。偏最小二乘回归分别在X与Y中提取出成分t1和u1，其中t1是{x1,x2,…xp}的线性组合，u1是{y1,y2,…yq}的线性组合。在提取这两个成分时，为了回归分析的需要,有下列两个要求：(1)t1和u1应尽可能大地携带它们各自数据表中的变异信息；(2)t1和u1的相关程度能够达到最大。这两个要求表明：t1和u1应尽可能好地代表数据表X和Y，同时，自变量的成分t1对因变量的成分u1又有很强的解释能力。在第一个成分t1和u1被提取后，偏最小二乘回归分别实施X对t1的回归以及Y对t1的回归。如果回归方程已经达到满意的精度，则算法终止；否则，将利用X被t1解释后的残余信息以及Y被t1解释后的残余信息进行第二轮的成分提取。如此往复，直到能达到一个较满意的精度为止。最优成分（即潜变量）的数目一般采用交叉验证的方式，可分为：①留一交叉验证法；②分批交叉验证法；③***样本交叉验证法；④随机样本交叉验证法等。若最终对X共提取了m个成分t1、t2、…、tm，偏最小二乘回归将通过实施yk(k=1、2、…、q)对t1、t2、…、tm的回归，然后 表达成yk关于原变量x1、x2、…、xp的回归方程。例如对于因变量y1建立方程：y1=β1·t1+β2·t2+…βr·tr+E。其中E为回归误差。回归模型确定后，需要对模型评价。模型性能常采用RMSEC（Root mean square error of calibration，校正均方根误差），RMSECV（Root mean square error of cross validation，交叉验证均方根误差），RMSEP（Root mean square error ofprediction，预测均方根误差），相关系数R和RPD（Relative prediction deviation，相对预测偏差）等指标来评价。 

目前尚未见到关于蜂蜜炼制过程快速质量控制的研究报道，本专利建立的蜂蜜炼制过程的近红外光谱快速质量控制方法能实现对炼蜜过程整体质量的快速无损质量控制，预测精度满足工业过程分析的基本要求，方法快速、可靠、简便，具有传统化学分析方法所不具有的显著优点，具有很高的实际应用价值。 

附图说明

图1a5-HMF对照品色谱图 

图1b蜂蜜样品色谱图 

图2水分实测值与预测值的相关性 

图3 5-HMF实测值与预测值的相关性 

图4水分含量随炼制时间、温度变化图 

图5 5-HMF含量随炼制时间、温度变化图 

图6果糖含量随炼制时间、温度变化图 

图7葡萄糖含量随炼制时间、温度变化图 

具体实施方式

实施例15-HMF、水分含量分别建立含量测定方法 

1含量测定方法 

炼蜜中样品5-HMF、水分含量分别建立含量测定方法。 

1.1仪器与试剂 

5-羟甲基糠醛对照品，中国药品生物制品检定研究院提供（批号 111626-200906） 

甲醇，分析纯，北京化工厂 

甲醇，色谱纯，fisher scientific 

乙腈，色谱纯，fisher scientific 

电子天平BS-124S，北京赛多利斯仪器***有限公司 

LC-20AT岛津高效液相色谱仪，日本岛津公司 

DF-101S油浴锅，郑州长城科工贸有限公司 

WAY-2S型阿贝折光计，上海精密科学仪器有限公司 

MP501A超级恒温器，YI HENG TECHNICAL.CO.，LTD 

1.25-HMF含量测定方法 

对照品溶液的制备：取5-羟甲基糠醛对照品适量，精密称定，加甲醇制成每1ml含0.0188mg的溶液，即得。 

供试品溶液的制备：取蜂蜜2.5g，精密称定，置锥形瓶中，加入10%甲醇溶液，定容至25ml容量瓶中，摇匀，过微孔滤膜（0.45μm），备用。 

色谱条件：仪器：LC-20AT岛津高效液相色谱仪，日本岛津公司；色谱柱：Eclipse XDB-C18柱（4.6mm×150mm，5μm）；流动相：甲醇-水（6:94）；柱温：30℃；流速：0.8ml/min。 

方法学考察结果：线性回归方程为Y=9837069.20x-6843.09（r=0.9999），在188～3.76μg呈良好线性关系；最小检出限为0.376μg；阴性样品无干扰；精密度RSD为1.42%；稳定性RSD为0.60%；加样回收率实验平均值为97.28%，RSD为1.86%；重复性试验RSD为0.83%。 

5-HMF对照品色谱图和蜂蜜样品色谱图见图1。 

1.3含水量测定 

仪器：阿贝折光计、超级恒温器。 

试样的制备：未结晶的样品将其用力搅拌均匀。有结晶析出的样品，可将样品瓶盖塞紧后，置于不超过60℃的水浴中温热，待样品全部融化后，搅匀，迅速冷却至室温以备检验用。在融化时必须注意防止水分侵入。 

操作程序： 

（1）将阿贝折光计与超级恒温器连接好，并将超级恒温器的温度调至 所需的温度。 

（2）折光计的校正：在测定样品折光指数前，先用新鲜的蒸馏水按表1校正折光计的折光指数。 

表1蒸馏水遮光指数 

温度，℃	折光指数	温度，℃	折光指数
				14	1.3335	25	1.3325
16	1.3333	26	1.3324
				18	1.3332	28	1.3322
20	1.3330	30	1.3319
				22	1.3328	38	1.3308
24	1.3326	40	1.3305

调节通过折光计的水流温度恰为40℃。分开折光计两面棱镜，用脱脂棉蘸蒸馏水拭净（必要时刻蘸二甲苯或***拭净）。然后用干净的脱脂棉（或擦镜纸）拭干，待棱镜完全干燥后，用玻璃棒蘸取蒸馏水1～2滴，滴于下面的棱镜上，迅速闭合棱镜，对准光源，用目镜观察，旋转手轮，使标尺上的折光指数恰好为40℃时水的折光指数，观察望远镜内明暗分界线是否在接物镜十字线中间。若有偏差，则用附件方孔调节扳手转动示值调节螺丝，使明暗分界线调到中央。调整完毕后，在测定样品时，不允许再转动调节好的螺钉。 

样品测定：在测定前先将棱镜擦洗干净，以免留有其他物质影响测定精度。用玻璃棒蘸取混匀的试样1～2滴，滴于下面的棱镜上，迅速闭合棱镜，静置数秒钟，以待样品达到40℃。对准光源，由目镜观察，转动补偿器螺旋，使明暗分界线清晰；转动标尺指针螺旋，使其明暗分界线恰好通过接物镜上十字线的交点，读取标尺上的折光指数，同时核对温度，应恰为40℃。 

结果计算：水分按公式（1）计算：X=100-[78+390.7(n-1.4768)]（1） 

式中：X—试样中水分含量，%； 

n--试样在40℃时的折光指数。 

平行试验的允许误差为0.2%。 

如在20℃时测读折光指数，可按表2换算为水分的百分率。在室温是测读折光指数时，可按式（2）换算到20℃时的折光指数。 

折光指数（20℃）=n+0.00023（t-20）（2） 

式中：n--在室温t℃时的折光指数; 

t—读取折光指数时的温度。 

注：如有争议，用在40℃测定折光指数的方法检验。 

表2蜂蜜水分换算 

折光指数,20℃	水分，%	折光指数,20℃	水分，%	折光指数,20℃	水分，%
						1.5044	13.0	1.4935	17.2	1.4830	21.4
1.5038	13.2	1.4930	17.4	1.4825	21.6
						1.5033	13.4	1.4925	17.6	1.4820	21.8
1.5028	13.6	1.4920	17.8	1.4815	22.0
						1.5023	13.8	1.4915	18.0	1.4810	22.2
1.5018	14.0	1.4910	18.2	1.4805	22.4
						1.5012	14.2	1.4905	18.4	1.4800	22.6
1.5007	14.4	1.4900	18.6	1.4795	22.8
						1.5002	14.6	1.4895	18.8	1.4790	23.0
1.4997	14.8	1.4890	19.0	1.4785	23.2
						1.4992	15.0	1.4885	19.2	1.4780	23.4
1.4987	15.2	1.4880	19.4	1.4775	23.6
						1.4982	15.4	1.4875	19.6	1.4770	23.8
1.4976	15.6	1.4870	19.8	1.4765	24.0
						1.4971	15.8	1.4865	20.0	1.4760	24.2
1.4966	16.0	1.4860	20.2	1.4755	24.4
						1.4961	16.2	1.4855	20.4	1.4750	24.6
1.4956	16.4	1.4850	20.6	1.4745	24.8
						1.4951	16.6	1.4845	20.8	1.4740	25.0
1.4946	16.8	1.4840	21.0
						1.4940	17.0	1.4835	21.2

实施例2基于水分和5-HMF的蜂蜜炼制过程快速质量评价模型的建立 

1近红外光谱采集 

取蜂蜜样品约5g，置于无近红外吸收的封口袋内，排尽空气，密封。 将封口袋置于积分球窗口，以仪器内置背景为参比。 

光谱采集条件如下： 

仪器：AntarisⅡ傅立叶变换近红外光谱仪（美国Thermo公司） 

附件：采用光程为2.0mm的透反射附件 

光谱扫描范围：4000-10000cm-1 

分辨率：8cm-1 

扫描次数：32次，每个样本分别采集3次，结果以log（1/R）值来表示。 

2模型的建立 

采用与仪器相配套的TQ analyst V8软件，将采集的近红外光谱与实施例1测得的水分和5-HMF含量数据相关联，采用PLS法建立定量模型。 

分层划分样本的校正集与验证集，其中校正集包含84个样本，验证集包含39个样本。 

尝试的光谱预处理方法包括一阶导数（1D）、二阶导数（2D）、SavitzkyGolay平滑（SG）、多元散射校正（MSC）。实验中采用了1D、1D+SG、1D+SG+MSC、2D、2D+SG、2D+SG+MSC进行比较，寻找最优预处理方法。 

采用不同的潜变量因子数，模型的预测能力有较大的差异。选择适合的潜变量因子数也是充分利用光谱信息和滤除噪音的有效方法之一。评价指标为PRESS，其值越小，说明模型的预测性能越好。 

以PRESS评价指标，确定潜变量因子数。以预测集均方根误差RMSEP、交叉验证均方根误差RMSECV、预测残差平方和（PRESS）和决定系数R来考察模型的性能。 

表3不同预处理方法校正模型结果比较 

RMSEP：Root mean square errorofprediction预测均方根误差 

Rp2：预测集决定系数 

RMSECV：Root mean square error of cross validation交叉验证均方根误差 

RMSEP/RMSECV：预测均方根误差/交叉验证均方根误差 

RPD：相对预测偏差 

Latent Factor：潜变量因子 

PRESS：predicted residual error sum square预测误差平方和 

最佳定量模型结果见表4，模型预测值与实测值间相关性见图2-3。 

表4蜂蜜中指标性成分定量模型 

水分经1D+SG+MSC方法处理后，选择潜变量因子数为7，建立定量模型。校正模型的相关系数为0.9995，验证集均方差（RMSEP）和交叉验证均方差（RMSECV）为0.155和0.174，两者比值为0.8908，RPD值为 22.04。图2表明模型预测值与实测值间的相关性良好。 

5-HMF经1D+SG+MSC方法处理后，采用PLS法建立了最优校正模型，潜变量因子数14，校正模型的相关系数为0.9981，验证集均方差（RMSEP）和交叉验证均方差（RMSECV）为132和168，两者比值为0.7857，RPD值为11.39。图3表明模型预测值与实测值间的相关性良好。 

3结论 

由于定量模型校正集的范围涵盖了不同温度、不同炼制时间下的样本，模型适用范围较广。实验结果表明，近红外光谱技术可以应用于蜂蜜炼制过程的快速无损检测，应用前景良好。 

实施例3果糖、葡萄糖含量同时测定的方法学研究 

1.1仪器与试剂 

果糖对照品，中国药品生物制品检定研究院提供（批号100231-200904） 

葡萄糖对照品，中国药品生物制品检定研究院提供（批号 

110833-200904）甲醇，分析纯，北京化工厂 

甲醇，色谱纯，fisher scientific 

乙腈，色谱纯，fisher scientific 

电子天平BS-124S，北京赛多利斯仪器***有限公司 

Agilent1100高效液相色谱仪，Alltech3300ELSD检测器 

DF-101S油浴锅，郑州长城科工贸有限公司 

1.2对照品和供试品溶液的制备 

对照品溶液的制备精密称取果糖对照品31.25mg，葡萄糖对照品30.56mg，置50ml容量瓶中，加甲醇定容至刻度，摇匀，即得果糖和葡萄糖的混合标准品溶液。 

供试品溶液的制备取蜂蜜样品约0.2g，精密称定，置小烧杯中，加入10%甲醇溶液适量，用玻璃棒搅拌使试样完全溶解，转移至100ml量瓶中，然后再用适量10%甲醇溶液洗涤烧杯和玻璃棒三次并将洗涤液转移至容量瓶中，定容至刻度，摇匀。过微孔滤膜（0.45μm），备用。 

1.3色谱条件 

本发明分别对流动相比例（乙腈与水的比例分别为80:20、78:22、75:25）、漂移管温度（120、90、85、80℃）、气体流速（2.8mL/min、3mL/min）进行了考察，根据色谱峰分离度大小，确定如下色谱条件。 

仪器：Agilent1100高效液相色谱仪，Alltech3300ELSD检测器；流动相：乙腈-水（75:25）；色谱柱：APS-2Hypersil氨基柱（4.6mm×250mm，5μm）；流动相流速：1ml/min；漂移管温度：80℃；气体流速：3ml/min；增益：1。进样量5μl。 

1.4方法学考察 

果糖的方法学考察：线性回归方程为Y=0.8964x-2.2585（r=0.9993），1.372～13.72μg呈良好线性关系；阴性样品无干扰；精密度RSD为0.59%；稳定性RSD为0.39%；加样回收率实验平均值为97.83%，RSD为3.28%；重复性实验RSD为1.5%。 

葡萄糖方法学考察：线性回归方程为Y=0.9699x-2.1600（r=0.9996），在1.2048～12.048μg呈良好线性关系；阴性样品无干扰；精密度RSD为0.91%；稳定性RSD为0.66%；加样回收率实验平均值为108.89%，RSD为3.02%；重复性实验RSD为1.3%。 

2基于果糖、葡萄糖检测指标建立的质量控制模型 

2.1光谱采集条件 

取炼制后蜂蜜样品约5g，置于无近红外吸收的封口袋内，排尽空气，密封。将封口袋置于积分球窗口，以仪器内置背景为参比。本课题比较了透反射附件光程为1.0mm和2.0mm时的近红外光谱图，当光程为2.0mm时效果较好。其他光谱采集条件如下： 

仪器：AntarisⅡ傅立叶变换近红外光谱仪（美国Thermo公司） 

附件：采用光程为2.0mm的透反射附件 

光谱扫描范围：4000～10000cm^-1

分辨率：8cm^-1

扫描次数：32次，每个样本分别采集3次，结果以log（1/R）值来表示。 

2.2建模算法 

采用与仪器相配套的TQ analyst V8软件，对近红外光谱和采用本实施例果糖、葡萄糖检测方法测得的化学值建立定量模型。PLS法是多元线性回归、典型相关分析和主成分分析的完美结合，也是PLS法在近红外光谱分析中应用最广泛的算法，因此采用PLS法建立定量模型。分层划分样本的校正集与验证集，其中校正集包含82个样本，验证集包含41个样本。以预测集均方根误差RMSEP、交叉验证均方根误差RMSECV、预测残差平方和（PRESS）和决定系数R来考察模型的性能。 

2.3光谱预处理方法的选择 

常用的光谱预处理方法包括一阶导数（1D）、二阶导数（2D）、Savitzky Golay平滑（SG）、多元散射校正（MSC）等方法。1D、2D方法可以最大程度的降低光谱峰偏移和漂移，通常采用SG平滑对导数光谱进行平滑处理；多元散射校正则用于消除多重光谱偏差。预处理方法可以配合使用，本文采用（1D、1D+SG、1D+SG+MSC、2D、2D+SG、2D+SG+MSC）进行比较，寻找最优预处理方法。 

表5不同预处理方法校正模型结果比较 

RMSEP：Root mean square errorofprediction预测均方根误差 

Rp2：预测集决定系数 

RMSECV：Root mean square error of cross validation交叉验证均方根误差 

RMSEP/RMSECV：预测均方根误差/交叉验证均方根误差 

RPD：相对预测偏差 

Latent Factor：潜变量因子 

PRESS：predicted residual error sum square预测误差平方和 

2.4潜变量因子的确定 

采用PLS法建立定量校正模型时，采用不同的潜变量因子数，模型的预测能力有较大的差异。选择适合的潜变量因子数也是充分利用光谱信息和滤除噪音的有效方法之一。评价指标为PRESS，其值越小，说明模型的预测性能越好。经计算，果糖、葡萄糖的潜变量因子数分别为10、8。 

2.5各成分定量模型的建立 

选用最佳预处理方法和潜变量因子数，针对果糖、葡萄糖建立PLS模型，结果如表6所示。各指标模型的预测值与真实值之间的相关性较好。 

表6蜂蜜中各组分建模及预测结果 

实施例4实施例2与实施例3检测方法的比较 

PLS法建立模型时，常用的评价指标包括预测集均方根误差RMSEP、交叉验证均方根误差RMSECV、决定系数R以及RPD等。 

$\mathrm{RMSEP}=\sqrt{\frac{{\mathrm{\Σ}}_{i=1}^n{({\hat{y}}_i-y_i)}^2}{n}}$

其中n为验证集样本数目，yi是测得的样本i的化学值，为建立的模型预测的样本i的估计值。 

$\mathrm{RMSECV}=\sqrt{\frac{{\mathrm{\Σ}}_{i=1}^n{({\hat{y}}_{\backslash i}-y_i)}^2}{n}}$

其中n为校正集样本数目，yi是测得的样本i的化学值，为用剔除样本i后建立的模型预测的样本i的估计值。 

$R=\sqrt{1-\frac{{\mathrm{\Σ}}_{i=1}^n{({\hat{y}}_i-y_i)}^2}{{\mathrm{\Σ}}_{i=1}^n{({\hat{y}}_i-{\stackrel{\‾}{y}}_i)}^2}}$

预测值与实测值的的相关性计算公式如上。为所测化学值的平均值。 

RMSEP和RMSECV的值越小且越接近，说明建立的模型较好。决定系数R越大，说明相关性越强，模型越好。 

RPD=SD/SEP，其中SD为验证集化学值的标准差，SEP为验证集的标准差。当RPD的值越大，模型的预测性能良好。 

炼蜜过程中水分、5-HMF、果糖和葡萄糖建立定量模型，其校正系数（R）分别为0.9995、0.9981、0.9369、0.9049，预测集均方根误差（RMSEP）分别为0.155、132、18.4、20.1，模型适用范围分别为8.99%～21.80%g/g、0.0044～5.5721mg/g、264.1140～447.8220mg/g、305.4088～474.071mg/g。由以上数据可知，水分、5-HMF的定量模型预测准确度高于果糖和葡糖，水分、5-HMF的定量范围比葡萄糖、果糖定量范围宽。 

实施例5炼制温度、时间对蜂蜜指标成分的影响 

1取样方法 

取蜂蜜适量于烧瓶中，置于恒温油浴锅内，分别于100、110、120℃恒温条件下炼制，炼制时间为10h。从0min起（包含0min）每隔15分钟取样，共得样品123个。 

2炼蜜样品化学值的采集 

含水量测定：利用阿贝折光计，按中华人民共和国出入境检验检疫行业标准SN/T0852-2000中进出口蜂蜜检验方法3.4项下方法检测上述样品中的水分含量，通过折光仪的水流温度为40℃。 

5-HMF、果糖和葡萄糖的含量测定：分别按照“实施例15-HMF含 量测定方法”和“实施例3果糖和葡萄糖含量测定方法”记载的内容测定样品中5-HMF、果糖和葡萄糖的含量。 

3炼制温度、时间对各成分含量的影响 

3.1对含水量的影响 

蜂蜜在炼制过程中，水分的含量变随炼制时间的增加逐渐减少，水分的减失速率随炼蜜温度的增加而增加（见图4）。 

3.2对5-HMF含量的影响 

蜂蜜在炼制过程中，5-HMF的含量显著增加。5-HMF的含量随炼制时间的增加而增加，炼制温度对5-HMF含量的增长速率具有显著影响。蜂蜜在100、110、120℃分别炼制120min、75min、60min后，5-HMF含量超过国际标准限量40μg/g（见图5）。 

3.3对果糖、葡萄糖含量的影响 

葡萄糖和果糖在炼蜜过程中含量发生变化，但变化没有明显的规律（见图6-7）。 

3结论 

在蜂蜜炼制过程中，果糖、葡萄糖含量发生变化，但变化没有规律，水分和5-HMF的含量变化明显且有规律可循。 

Claims (10)

1.一种对蜂蜜炼制过程中样品的质量检测方法，其特征在于，该方法包括如下步骤：

步骤1：收集蜂蜜炼制过程中样品，获得指标成分的含量测定数据；

步骤2：采集蜂蜜样品的近红外光谱图数据；

步骤3：将步骤2采集的近红外光谱数据与步骤1测得的数据采用偏最小二乘法建立关联定量模型；以及

步骤4：获取待测样品近红外光谱图数据，利用步骤3的模型获得指标成分含量值。

2.如权利要求1所述的方法，其特征在于，步骤1所述指标成分为水分和5-羟甲基糠醛。

3.如权利要求2所述的方法，其特征在于，5-羟甲基糠醛的含量测定采用高效液相法测定，色谱条件：以（4-10）:（70-120）的甲醇-水为流动相进行等度洗脱；柱温：20-40℃；流速：0.5-1.2ml/min。

4.如权利要求2所述的方法，其特征在于，步骤2近红外光谱测定方法中：采用光程为2.0mm的透反射附件，扫描范围为4000-10000cm^-1，分辨率为8cm^-1。

5.如权利要求2所述的方法，其特征在于，步骤3中近红外光谱数据与含量数据相关联前，对光谱进行预处理，所述预处理方法选自下列方法中的一种或几种：一阶导数、二阶导数、平滑、多元散射校正。

6.如权利要求5所述的方法，其特征在于，水分数据采用一阶导数、平滑和多元散射校正联用方法进处理。

7.如权利要求5所述的方法，其特征在于，5-羟甲基糠醛数据采用一阶导数、平滑和多元散射校正联用方法进行处理。

8.如权利要求2所述的方法，其特征在于，步骤1所述指标成分为还包括葡萄糖和/或果糖。

9.如权利要求8所述的方法，其特征在于，葡萄糖、果糖含量检测方法采用高效液相方法，其中流动相为：乙腈-水。

10.如权利要求8所述的方法，其特征在于，步骤2近红外光谱测定方法中：采用光程为2.0mm的透反射附件，扫描范围为4000-10000cm^-1，分辨率为8cm^-1。