近红外光谱结合PLSR快速测定普洱茶茶多糖含量

材料与方法

2.1 样品和试剂

40个普洱茶样本自普洱市。茶叶经过粉碎、过筛、置于自封袋，然后在避光、干燥、室温的条件下保存。苯酚和浓硫酸购自国药控股股份有限公司。葡萄糖购自Sigma公司。

2.2 茶多糖的提取和测定

根据文献参考[13]进行优化，本章采用超声提取的方法。以蒸馏水作为提取溶剂，料液比为1：15，超声时间为40min，超声温度为50℃。超声完成后，抽滤取其上清液，将其定容到25mL的容量瓶中。取2ml溶液加入10ml无水乙醇，摇均，过夜醇降静置，离心（4000rpm/min）30min，弃去上清液，沉淀加蒸馏水水溶解，转移至10ml容量瓶中。

配置1mg/ml的葡萄糖标准溶液，作为对照品溶液。将其稀释至不同的浓度，使得葡萄糖的线性范围在10、20、30、40、60、80、100？滋g/ml范围内。

本章采用苯酚-硫酸法[14]测定茶多糖。首先精密吸取1ml样品溶液和空白置于10ml具塞试管中，加入5%苯酚溶液1.0ml，涡旋30s摇匀，再加入浓硫酸5.0ml，立即涡旋30s，使其充分混匀，置于90度沸水浴中加热20min，取出，再放在冷水浴中冷却5min，在485nm处测定吸光度。以葡萄糖作为标准品，茶多糖的含量表示为%GE（每100克茶叶相当于多少克葡萄糖）。

2.3 近红外光谱的获取和光谱分析

由于待测样品为不透明粉末，樣品厚度及透射过程中光路的不规则影响透射光谱强度，因此很难获得良好光谱效果。本实验采用漫反射方式测量其光谱。实验仪器为AntarisⅡ FT-NIR Analyzer的近红外仪器（序列号AHY0800344），采集条件：扫描范围为10000-4000cm-1（1000-2500nm）、扫描次数为32次、灵敏度为8cm-1、变量个数为1557。具体的实验过程如下：取0.5000g样品粉末置于样品槽，将其进行压缩、关盖、扫描，同时为了提高准确度，每个样本扫描三次，取其平均光谱进行后续分析。所获得普洱茶的近红外原始光谱见图1所示。

3 结果与讨论

3.1 样本集的划分以及实测值的分布

本章共选用了40个样本建立茶多糖的定量分析模型。在建立模型之前，需要从这40个样本中选择合适的样本作为训练集来建立模型，剩下的样本作为预测集来验证模型的预测能力。本文选择Kennard-Stone样本划分方法，其中28份样本作为训练集，剩下的12份样本作为预测集。所有样品经过光谱采集后，按照上述方法测得其茶多糖的含量。其测量值范围、平均值、标准偏差的结果如表1所示。实验结果显示，普洱茶样品中茶多糖含量的变幅较大，说明样品间差异显著。同时，训练集中各个训练集中数值几乎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。

3.2 近红外光谱预处理方法的选择

近红外光谱仪所采集的光谱除了样品的有用信息外，还包含了很多其他无关的信息如环境、样品的背景干扰和杂散光等，这些会造成原始光谱基线漂移、谱带重叠，不能充分地反映樣品的信息。因此，为了获得稳定、可靠的模型，首先需要对原始光谱进行预处理，消除数据中的无关信息。本文选择平滑、多元散射校正、标准正态变换以及它们的组合，这些光谱预处理方法，同时以交互验证均方根误差（RMSECV）作为衡量标准。从表1-2可以看出，对于茶多糖，最佳的光谱预处理方法为SNV。

3.3 近红外定量分析模型的建立

本实验采用NIRS-PLS建立普洱茶中茶多糖的定量分析模型。根据3.2选择合适的预处理方法，建立校正模型。其评价结果如下图1-2所示。从图1-2可以看出，茶多糖总量模型还行，可以满足定量模型预测的需求，其中训练集的相关系数为0.9051，预测集的相关系数为0.8217。

4 结束语

本文主要针对普洱茶中茶多糖这个指标建立近红外光谱分析模型，为实现快速、无损检测普洱茶中茶多糖的含量。实验结果表明：针对普洱茶的近红外光谱图，采用SNV光谱预处理手段，可以有效地消除导致光谱变化的外在影响，然后结合PLS进行回归，建立茶多糖总量的预测模型。该模型训练集和预测集的相关系数分别为0.9051和0.8217，RMSEC和RMSEP分别为0.0822和0.1264。这个数据基本可以满足定量分析，但是在以后的研究中可以选择一些变量筛选方法比如CARS、MC-UVE、GA等进一步对大数据进行优化分析，提取更多有效的变量，来提高模型的预测能力。总而言之，近红外光谱技术可以作为一种快速、方便、可靠的方法实现对普洱茶中茶多糖含量的分析和快速检测，为普洱茶的品质分析提供一定的参考价值。

参考文献

[1]Lv H-p， Zhang Y-j， Lin Z， et al. Processing and chemical constituents of Pu-erh tea： a review[J]. Food Research International， 2013，53（2）：608-618.

[2]Jie G， Lin Z， Zhang L， et al. Free radical scavenging effect of Pu-erh tea extracts and their protective effect on oxidative damage in human fibroblast cells[J]. Journal of Agricultural and Food Chemistry， 2006，54（21）：8058-8064.

[3]Chen H， Wang Z， Qu Z， et al. Physicochemical characterization and antioxidant activity of a polysaccharide isolated from oolong tea[J].European Food Research and Technology，2009，229（4）：629-635.

[4]陈海霞，谢笔钧.茶多糖对小鼠实验性糖尿病的防治作用[J].营养学报，2002，24（1）：85-86.

[5]林剑军，秦菁莉，周平.黄金茶多糖含量的测定[J].大理学院学报，2009，8（6）：18-19.

[6]崔宏春，周铁峰，郑旭霞，等.茶多糖检测方法研究进展[J].杭州农业与科技，2014（6）：29-31.

[7]Dong W， Ni Y， Kokot S. A near-infrared reflectance spectroscopy method for direct analysis of several chemical components and properties of fruit， for example， Chinese Hawthorn[J].Journal of Agricultural and Food Chemistry， 2013，61（3）：540-546.

[8]Li W， Wang Y， Qu H. Near infrared spectroscopy as a tool for the rapid analysis of the Honeysuckle extracts[J].Vibrational Spectros

copy， 2012，62：159-164.

[9]Schulz H， Engelhardt U， Wegent A， et al. Application of near-infrared reflectance spectroscopy to the simultaneous prediction of alkaloids and phenolic substances in green tea leaves[J].Journal of Agricultural and Food Chemistry，1999，47（12）：5064-5067.

[10]Luypaert J， Zhang M， Massart D. Feasibility study for the use of near infrared spectroscopy in the qualitative and quantitative analysis of green tea， Camellia sinensis （L.）[J].AnalyticaChimicaActa，2003，478（2）：303-312.

[11]Barker M， Rayens W. Partial least squares for discrimination[J]. Journal of chemometrics，2003，17（3）：166-173.

[12]Blanco M， Coello J， Iturriaga H， et al. Effect of data preprocessing methods in near-infrared diffuse reflectance spectroscopy for the determination of the active compound in a pharmaceutical preparation[J].Applied spectroscopy，1997，51（2）：240-246.

[13]楊泱，楊新河，易恋，等.超声波法提取普洱茶多糖的研究[J].中国茶叶，2009（10）：20-22.

[14]武晓英，侯冬岩，回瑞华.黑茶中茶多糖含量的测定[J].鞍山师范学院学报，2011，13（2）：36-38.