茶皂素提取过程的原位实时监测技术

作     者：张雪莉 丁艳华 马海乐 洪晨 张涛 唐艳萍 Zhang Xueli;Ding Yanhua;Ma Haile;Hong Chen;Zhang Tao;Tang Yanping

作者机构：江苏大学食品与生物工程学院江苏镇江212013 湖南新金浩茶油股份有限公司湖南永州426100 

出 版 物：《中国食品学报》 (Journal of Chinese Institute Of Food Science and Technology)

年 卷 期：2022年第22卷第11期

页      面：326-334页

核心收录：

学科分类：081702[工学-化学工艺] 081704[工学-应用化学] 07[理学] 08[工学] 0817[工学-化学工程与技术] 070302[理学-分析化学] 0703[理学-化学] 

基　　金：国家自然科学基金面上项目(31471698) 

主　　题：油茶籽饼粕 茶皂素 近红外光谱 原位监测 联合区间偏最小二乘法 

摘      要：采用近红外光谱技术结合化学计量学方法,实时原位监测茶皂素提取过程中的茶皂素质量浓度、蛋白质质量浓度和多糖质量浓度的变化。研究结果表明,一阶求导(1^(st)Der)为最优的光谱预处理方法,3个指标的校正集决定系数(R_(C))和预测集决定系数(R_(P))皆最高,交叉校验残差均方根误差(RMSECV)和预测残差均方根误差(RMSEP)最小。相较于偏最小二乘法(PLS)和区间偏最小二乘法(iPLS)算法对回归模型进行校正,以R_(P)和RMSEP为评价指标,联合区间偏最小二乘法(Si-PLS)算法下所建模型稳健性最佳。茶皂素浓度模型中的R_(P)=0.9889,RMSEP=1.36;蛋白质浓度的R_(P)=0.9859,RMSEP=0.354;多糖浓度的R_(P)=0.9919,RMSEP=0.359。结论:近红外光谱技术联合Si-PLS模型可较好的实时监测茶皂素提取过程。