全 文 ： 2011, Vol. 32, No. 08 食品科学 ※分析检测226
葛粉掺假的傅里叶变换红外光谱法鉴别研究
刘 嘉 1，李建超 1，陈 嘉 1，赵国华 1,2,*
(1. 西南大学食品科学学院，重庆 400715； 2. 重庆市农产品加工技术重点实验室，重庆 400715)
摘 要：以葛粉及葛粉中分别掺假红薯粉和马铃薯粉作为研究对象，采集400～4000cm-1波数范围内的红外傅里叶
变换光谱，结合主成分分析对样品的进行聚类划分。并通过 Fisher判别，建立葛粉真伪的判别方程。分别以样本
回判及外部验证考察模型可靠性。结果表明：葛粉、红薯粉与马铃薯粉及三者不同比例混合样品的二维主成分分
布位于不同区域，且葛粉与掺假葛粉之间无重叠。判别方程经样本回判及外部验证表明，葛粉中掺假红薯粉和葛
粉中掺假马铃薯粉的自身验证准确率分别为 93.3%和 100%；交互验证准确率分别为 86.7%和 92.0%。此方法具有
很好的鉴别作用，可作为葛粉中掺假红薯粉和马铃薯粉的一种鉴别方法。
关键词：葛粉；傅里叶变换红外光谱；主成分分析；判别分析
Discrimination of Kudzu Starch Adulteration by Fourier Transform Infrared Spectroscopy
LIU Jia1，LI Jian-chao1，CHEN Jia1，ZHAO Guo-hua1,2,*
(1. College of Food Science, Southwest University, Chongqing 400715, China；
2. Chongqing Key Laboratory of Agricultural Product Processing, Chongqing 400715, China)
Abstract：The discrimination of kudzu starch with adulterated sweet potato starch and potato starch was conducted by mid-
infrared spectroscopy (400－4000 cm-1) and principal component analysis (PCA). An equation was created through fisher linear
discriminant analysis, and its reliability was verified by classifying training samples and testing samples. The results showed
that the two dimensional distribution of principal component of samples belonged to different locations, and there was no
overlap between kudzu starch location and adulterated samples. The classification of training samples and testing samples
showed that the self-recognition rates of kudzu starch adulterated with sweet potato starch and potato starch were 93.3% and
100%, respectively. Meanwhile, the interactive correct recognition rates of kudzu starch adulterated with sweet potato starch
and potato starch were 86.7% and 92.0%, respectively. So this method has good discrimination ability, and may offer a new
approach for the rapid discrimination of kudzu starch adulterated with sweet potato starch and potato starch.
Key words：kudzu starch；Fourier transform infrared spectroscopy；principal component analysis；discriminant
analysis
中图分类号：TS201.21 文献标识码：A 文章编号：1002-6630(2011)08-0226-05
收稿日期：2010-06-13
基金项目：中央高校基本科研业务费专项(XDJK2010016)
作者简介：刘嘉(1985—)，男，硕士研究生，研究方向为食品化学。E-mail：mcgrady456@163.com
*通信作者：赵国华(1971—)，男，教授，博士，研究方向为食品化学。E-mail：zhaoguohua1971@163.com
葛根为豆科植物葛(Pueraria lobata Ohwi)的根，是
一种药食两用的天然植物资源[1-2]。以葛根为原料生产的
葛粉是一种优质的野生植物淀粉，不仅富含人体必需的
各种氨基酸和钙、铁、锌、硒等微量元素，还含有
异黄酮、葛根素等物质，具有清热解毒、生津止渴等
功效[ 1 -2 ]。市场中的不法商贩为了赚取利润，在纯葛粉
里大量地掺假诸如红薯粉、马铃薯粉等廉价的薯类淀
粉，这无疑使消费者蒙受欺骗，市场信誉大打折扣。
常用的葛粉检测技术包括性状比较、显微镜比较[3]以及
液相色谱等。它们存在诸如淀粉之间性质相似，无法
精确检测[ 3 ]；仪器操作复杂，价格不菲等缺点及限制。
因此，葛粉交易市场迫切需要一种快速、准确并且经
济的真假鉴别技术。
红外光谱(infrared spectroscopy，IRS)技术不仅能够
对物质的化学结构作出判定，而且能够建立样品的特征
指纹图谱。并以其分析速度快，效率高；样品一般不
227※分析检测 食品科学 2011, Vol. 32, No. 08
需预处理；分析成本低，无污染；便于在线分析；操
作简便等优点，成为食品安全与质量控制领域的研究热
点[4]。他被广泛用于食品种类鉴别[5-9]、搀假判别[10-13]、
特征成分定量分析[14-15]、风险成分分析[16]、质地评价[17-18]
等多方面。Gurdeniz 等[13]利用纯橄榄油及其掺假样品的
红外光谱，并结合主成分分析进行鉴别。结果表明，
当橄榄油中掺入葵花籽油、菜籽油、棉籽油的比例高
于 5%，掺假样品能够被成功鉴别出来。Cozzolino等[5]
对有机和非有机红酒进行常规理化检测以及中红外扫
描，并结合主成分分析进行区别。通过对比发现，有
机红酒和非有机红酒在二维主成分分布图中的分布区域
存在差异，运用此法能够成功将二者区别开。Paradkar
等[7]结合傅里叶转换和拉曼光谱对蜂蜜进行扫描，并通
过主成分分析对蜂蜜中掺入甜菜糖和甘蔗糖进行鉴别。
结果表明，花蜜掺假样品能够被成功区分开，且正确
识别率高于 95%。Karoui等[8]在两种不同品种的奶酪的
中红外图谱中提取特征光谱段，结合主成分分析以及判
别分析对样品进行鉴别。结果表明，在特征光谱段
2800～3000cm-1和900～1500cm-1获得的准确识别率分别为
90.9%和 90.5%。目前，对于使用红外光谱鉴别葛粉真
伪还未见报道。因此，本实验将红外光谱分析技术应
用于葛粉中掺入红薯粉、马铃薯粉的鉴别之中，并结
合主成分分析、判别分析建立葛粉真伪的判别模型，以
期为加强市场质量监管提供有力支持。
1 材料与方法
1.1 材料及处理
葛粉(一级，西南大学食品科学学院研制) 重庆钰峰
生物制品有限责任公司；红薯淀粉 重庆市江北区石门两
兄豆制品厂；马铃薯淀粉 重庆金田农业开发有限公司。
模型组
淀粉 /(g/100g)
样品数目
葛根 红薯 马铃薯
100 0 0 9
0 100 0 9
葛粉掺假红薯粉 70 30 0 13
50 50 0 12
30 70 0 12
100 0 0 9
0 0 100 10
葛粉掺假马铃薯粉 70 0 30 9
50 0 50 12
30 0 70 10
表 1 葛粉与掺假葛粉的制备
Table 1 Preparation of kudzu starch adulterated with sweet potato
starch and potato starch
样品经烘箱(105℃)干燥 2h，然后置于干燥器中冷
却至室温。按表 1经电子天平准精称取样品。共制备样
品 96 个，51 个用于建模，45 个用于验证。将样品粉
末与溴化钾粉末按 1:50的比例一起研磨，每次测定准确
称取 0 .1 g 进行压片，并测定红外光谱。
1.2 仪器
Spectrum GX傅里叶变换红外光谱仪 Perkin-Elmer
公司。
1.3 仪器条件
DTGS检测器，光谱分辨率 4cm-1，扫描范围 4000～
400cm-1，扫描次数 16次，扫描时即时去除水分和 CO2
的背景干扰。采用红外光谱仪自带的 Spectrum 2.0操作
软件采集及处理红外图谱。
1.4 数据处理
通过测定，得到样品粉末的红外光谱图。以样品
为对象，以不同波数段及其吸光度为指标。将原图谱
数据以 JCAMP-DX格式作为数据源导入Unscrambler 7.8
中进行主成分分析。取得主成分得分值后，使用 SPSS
16.0软件进行判别分析。
2 结果与分析
2.1 葛粉与掺假葛粉的红外光谱比较
由图 1、2 可见，3 种淀粉的红外光图谱无太大差
异，均在 2800～3100cm-1处出现了－CH的伸缩振动吸
收峰；在 3500～3000cm-1范围内出现了－OH的伸缩振
动吸收峰；在 1000cm-1左右出现糖环中 C－C伸缩振动
吸收峰；在 1634cm-1附近出现 C=O或C=C的伸缩振动
图 1 葛粉掺假红薯粉的红外光谱图
Fig.1 Infared spectrum of kudzu starch adulterated with sweet
potato starch
100
90
80
70
60
50
40
30
20
0
葛根淀粉透
光
率
/%
波数 /cm-1
4000 3500 3000 2500 2000 1500 1000
红薯淀粉70%掺假
30%掺假
图 2 葛粉掺假马铃薯粉的红外光谱图
Fig.2 Infared spectrum of kudzu starch adulterated with potato starch
100
90
80
70
60
50
40
30
20
0
透
光
率
/%
波数 /cm-1
4000 3500 3000 2500 2000 1500 1000
葛根淀粉
马铃薯淀粉30%掺假
70%掺假
2011, Vol. 32, No. 08 食品科学 ※分析检测228
区。红外光谱图综合反映出了 3种淀粉组成成分的一些
基本信息。可以看出，光谱吸收峰的峰形和峰位都存在
很大的相似性，因此需要结合多元统计分析对获得的红
外光谱进行处理，以建立葛粉及掺假葛粉的鉴别模型。
2.2 主成分分析
主成分分析(principal component analysis，PCA)能
将原始变量线性组合成一组新的变量，即一组主成分，
仅用部分主成分就可表达原有变量的主要信息。利用这
一特性，可实现红外光谱数据的线性降维投影显示，从
而能直观地从二维或三维图象中观察到光谱的主要特性
和聚类情况[ 4 ]。在葛粉和掺假葛粉样品中采集全波段
4000～400cm-1作为分析数据，共 55组。将所得数据导
入Unscrambler 7.8中进行主成分分析，做出样品的 PC
散点图。图 3、4 为葛粉与掺假假葛粉的第 1、2 主成
分得分图。横坐标表示第 1主成分的得分值，纵坐标表
示第 2主成分的得分值。同时，对葛粉与掺假葛粉进行
区域划分，得到样品各自的主成分二维分布图。可以
看出在以 PC1和 PC2为横、纵轴的图谱中，掺假葛粉
与葛粉的分布区域相距较明显，且图 3中各样品内聚合
度较好。
通过主成分分析，得到 55个样品的主成分的方差
累计贡献率，如表 2所示。葛粉中掺假红薯粉和葛粉中
掺假马铃薯粉的前 5 个主成分的累计贡献率都超过了
99%。说明前 5个主成分已经足够代表 55个样品的重要
信息。
主成分
累计方差贡献率 /%
葛粉中掺假红薯粉 葛粉中掺假马铃薯粉
PC1 69.830 85.268
PC2 93.831 92.806
PC3 97.883 98.377
PC4 98.950 98.909
PC5 99.316 99.245
PC6 99.540 99.426
表 2 主成分的方差累计贡献率
Table 2 Accumulative variance contribution of principal components
2.3 判别分析
2.3.1 建立判别函数
用于判别分析(discriminant analysis，DA)的变量并
不是越多越好，变量个数过多时，不仅会增大计算量，
而且会由于判别力不强的变量的干扰而影响到最终的判
别效果。通过对葛粉和掺假葛粉样品在中红外全波段
4000～400cm-1作主成分分析，可以得到各主成分的反差
贡献率。从表 2可以看出，两个模型的前 5个主成分即
可代表原波长变量 99% 以上的信息。因此，选取两个
模型的前 5个主成分作为判别分析变量，采用 SPSS 16.0
中 Fi she r判别进行判别分析。对所有的变量作方差分
析，验证所选变量是否达到显著水平，结果见表 3。
由表 3可知，两种掺假模型的前 3个主成分都达到
显著水平，可以保留作为建立判别函数关系式的变量。
建立两种掺假模型的判别函数关系式如下。
葛粉掺假红薯粉：
f葛粉 =－ 3.757X1＋ 8.731X2＋ 1.290X3－ 0.0012；
f红薯淀粉 =0.970X1＋ 0.517X2－ 0.041X3－ 171.963；
f30%掺假 =0.641X1－ 1.248X2－ 0.324X3－ 34.801；
f50%掺假 =0.503X1－ 1.982X2－ 0.164X3－ 60.753；
注：* .差异显著，P ＜ 0 . 0 5。
模型组 变量 Wilks Lambda F 自由度 1 自由度 2 P
PC1 0.019 321.004 4 25 0.000*
PC2 0.012 502.961 4 25 0.000*
葛粉掺假红薯粉 PC3 0.337 12.288 4 25 0.000*
PC4 0.789 1.671 4 25 0.188
PC5 0.963 0.240 4 25 0.913
PC1 0.036 132.793 4 25 0.000*
PC2 0.350 9.266 4 25 0.000*
葛粉掺假马铃薯粉 PC3 0.043 111.367 4 25 0.000*
PC4 0.880 0.684 4 25 0.612
PC5 0.955 0.235 4 25 0.915
表 3 变量方差分析结果
Table 3 Results of variance analysis
图 3 葛根粉掺假红薯粉的主成分分析图
Fig.3 Principal component score plot of kudzu starch adulterated with
sweet potato starch
200
150
100
50
0
－50
－100
红薯淀粉
P
C
2
PC1
－300－200 －100 0 100 200 300 400
70%掺假
50%掺假
30%掺假
葛根淀粉
图 4 葛根粉掺假马铃薯粉的主成分分析图
Fig.4 Principal component score plot of kudzu starch adulterated with
potato starch
100
50
0
－50
－100
P
C
2
PC1
－200 －100 0 100 200 300
马铃薯淀粉
70%掺假
50%掺假
30%掺假
葛根淀粉
229※分析检测 食品科学 2011, Vol. 32, No. 08
f70%掺假 =0.357X1－ 1.876X2－ 0.180X3－ 59.225。
葛粉掺假马铃薯粉：
f 葛粉 =0.399X 1－ 0.188X 2＋ 0.272X 3－ 56.476；
f马铃薯淀粉 =－ 0.235X1＋ 0.124X2＋ 0.895X3－ 30.675；
f30%掺假 =0.165X1＋ 0.035X2－ 0.635X3－ 17.834；
f50%掺假 =0.034X1－ 0.031X2＋ 0.824X3－ 18.599；
f70%掺假 =－ 0.264X1＋ 0.042X2＋ 0.549X3－ 24.581。
2.3.2 判别效果
首先可以利用判别分析的自身验证和交互验证对建
模样品进行回判，以验证判别效果。运用交互验证法
往往能得出较自身验证法更高的误判率，其回判结果的
可信度更高。本实验对 51个建模样品进行自身验证和交
互验证。其判别结果见表 4、5。
注：自身验证准确率 93.3%，交互验证准确率为 86.7%。
样品 样品 自身验证判别结果 /个 交互验证判别结果 /个
组别 数 葛粉 红薯粉 30% 50% 70% 葛粉 红薯粉 30% 50% 70%
葛粉 4 4 0 0 0 0 4 0 0 0 0
红薯粉 4 0 4 0 0 0 0 4 0 0 0
30% 8 0 0 8 0 0 0 0 8 0 0
50% 7 0 0 0 5 2 0 0 0 5 2
70% 7 0 0 0 0 7 0 0 0 2 5
表 4 葛粉掺假红薯粉的回判结果
Table 4 Classification results of kudzu starch adulterated with sweet
potato starch
注：自身验证准确率为 100%，交互验证准确率为 92%。
样品 样品 自身验证判别结果/个 交互验证判别结果/个
组别 数 葛粉 马铃薯粉 30% 50% 70% 葛粉 马铃薯粉 30% 50% 70%
葛粉 4 4 0 0 0 0 4 0 0 0 0
马铃薯粉 5 0 5 0 0 0 0 4 0 0 1
30% 4 0 0 4 0 0 0 0 4 0 0
50% 7 0 0 0 7 0 0 0 1 6 0
70% 5 0 0 0 0 5 0 0 0 0 5
表 5 葛粉掺假马铃薯粉的回判结果
Table 5 Classification results of kudzu starch adulterated with
potato starch
注：外部验证准确率 96 %。
样品组别 样品数
判别结果 /个
葛粉 红薯淀粉 30% 50% 70%
葛粉 5 5 0 0 0 0
红薯淀粉 5 0 5 0 0 0
30% 5 0 0 5 0 0
50% 5 0 0 0 4 1
70% 5 0 0 0 0 5
表 6 葛粉掺假红薯粉的外部验证结果
Table 6 Prediction results of kudzu starch adulterated with sweet
potato starch
注：外部验证准确率 92 %。
样品组别 样品数
判别结果 /个
葛粉 马铃薯淀粉 30% 50% 70%
葛粉 5 5 0 0 0 0
马铃薯淀粉 5 0 5 0 0 0
30% 5 0 0 5 0 0
50% 5 0 0 2 3 0
70% 5 0 0 0 0 5
表 7 葛粉掺假马铃薯粉的外部验证结果
Table 7 Prediction results of kudzu starch adulterated with
potato starch
判别分析最终利用其所得的判别函数对未知样品进
行判别分类。针对 3种纯淀粉及掺假样品，各再每组准
备 5个样品(共 45个)。将样品主成分值带入判别函数中。
样品所得函数值最大者表明属于相应一类。
由表 6、7可见，外部验证表明葛粉与掺假葛粉的判
别结果与实际情况完全一致，葛粉真伪的鉴别能够实现。
说明所选取的变量对判别函数鉴别真伪葛粉合适。
3 结 论
应用红外光谱技术结合主成分分析和判别分析对葛
粉真伪进行鉴别研究。通过提取样本的主成分作为判别
分析的输入值，进而获得鉴别葛粉真伪的判别模型。经
判别分析得出葛粉中掺假红薯粉和葛粉中掺假马铃薯粉
的自身验证准确率分别为 93.3%和 100%；交互验证准确
率分别为 86.7%和 92%。另外制备掺假样品进行外部验
证，准确识别率分别为 96%和 92%，获得了理想的预
测精度。本实验使用红外光谱分析技术结合主成分分
析、判别分析法鉴别葛粉真伪。此法能够运用已知样
本的性质、特征建立葛粉掺假识别模型，达到快速鉴
别葛粉真伪的目的。为葛粉真伪的快速检测提供了一种
新方法。
参 考 文 献 ：
[1] 廖洪波, 贺稚非, 王光慈, 等. 葛根的研究进展及展望[J]. 食品工业
科技, 2003, 24(2): 81-83.
[2] 卢成瑛, 陈功锡, 卜小英, 等. 不同来源葛根淀粉的理化性质比较[J].
食品科学, 2009, 30(21): 50-52.
[3] 卢成瑛, 陈功锡, 卜小英, 等. 湘西葛根淀粉与几种植物淀粉特性比
较[J]. 食品科学, 2008, 29(12): 120-123.
[4] 罗阳, 王锡昌, 邓德文. 近红外光谱技术及其在食品感官分析中的
应用[J]. 食品科学, 2009, 30(7): 273-276.
[5] COZZOLINO D, HOLDSTOCK M, DAMBERGS R G, et al. Mid
infrared spectroscopy and multivariate analysis: a tool to discriminate
between organic and non-organic wines grown in Australia[J]. Food
Chemistry, 2009, 116(3): 761-765.
[6] HASHIM D M, CHEMAN Y B, NORAKASHA R, et al. Potential use
of Fourier transform infrared spectroscopy for differentiation of bovine and
porcine gelatins[J]. Food Chemistry, 2010, 118(3): 856-860.
[7] PARADKAR M M, IRUDAYARAJ J. Discrimination and classification
of beet and cane inverts in honey by FT-Raman spectroscopy[J]. Food
Chemistry, 2001, 76(2): 231-239.
[8] KAROUI R, MAZEROLLES G, BOSSET J O, et al. Utilisation of
2011, Vol. 32, No. 08 食品科学 ※分析检测230
mid-infrared spectroscopy for determination of the geographic origin of
Gruyere PDO and LEtivaz PDO Swiss chesses[J]. Food Chemistry,
2007, 105(2): 847-854.
[9] KEMSLEY E K, RUAULT S, WILSON H R. Discrimination between
coffea Arabica and coffea canephora variant robusta beans using infrared
spectroscopy[J]. Food Chemistry, 1995, 54(3): 321-326.
[10] 冯利辉, 刘波平, 张国文, 等. 芝麻油中掺入菜籽油的近红外光谱研
究[J]. 食品科学, 2009, 30(18): 296-299.
[11] 荣菡, 刘波平, 邓泽元, 等. 基于 PLS-模式识别近红外光谱技术快
速检测鲜乳和掺假乳[J]. 食品科学, 2008, 29(8): 492-495.
[12] 王右军, 朱大洲, 屠振华, 等. CCD短波近红外光谱快速检测牛奶中
掺假物质的研究[J]. 食品科学, 2009, 30(6): 135-138.
[13] GURDENIZ G, OZEN B. Detection of adulteration of extra-virgin olive
oil by chemometric analysis of mid-infrared spectral data[J]. Food
Chemistry, 2009, 116(2): 519-525.
[14] 王立琦, 张礼勇, 朱秀超. 大豆油脂过氧化值的近红外光谱分析大
豆油脂过氧化值的近红外光谱分析[J]. 食品科学, 2010, 31(6): 205-
207.
[15] 李庆波, 汪曣, 徐可欣, 等. 牛奶主要成分含量近红外光谱快速测量
法[J]. 食品科学, 2002, 23(6): 125-127.
[16] 王彩云, 相秉仁, 张伟, 等. 近红外光谱法快速检测牛奶中氯霉素残
留[J]. 食品科学, 2009, 30(6): 184-187.
[17] 祝静, 丁武. 羊酸奶质构特性的近红外光谱定量分析[J]. 食品科学,
2010, 31(19): 170-173.
[18] 罗阳, 王锡昌, 邓德文. 近红外光谱分析检测鱼丸弹性的可行性研
究[J]. 食品科学, 2008, 29(8): 530-533.