近紅外光譜技術結合偏最小二乘法檢測大曲糖化力

王軍凱，王衛東，蔣　明，韓　瑤

(江蘇洋河酒廠股份有限公司，江蘇宿遷 223700)

大曲是釀酒生產過程中的糖化發酵劑，也是形成白酒風格不可缺少的因素。衡量大曲質量的優劣主要是根據大曲的水分、酸度、淀粉、發酵力、酯化力、糖化力等理化指標的大小，再輔以感官來進行綜合評判。其中大曲糖化力是一個重要指標，是表征大曲將酒醅中可溶性淀粉轉化為葡萄糖的能力。檢測大曲糖化力的傳統方法為斐林試劑法，存在耗時長、樣品前處理過程繁瑣等不足，因此建立一種快速、高效的大曲糖化力檢測方法具有重要意義。

近紅外光譜分析技術是一種近年來發展迅速的高新分析技術，具有無污染、測定速度快等優點，在食品、化工、制藥等領域得到了廣泛的應用。近紅外光譜分析法是一種間接分析方法，通過化學計量學軟件將采集的近紅外光譜與經典分析方法提供的數據關聯起來，通過化學計量學的擬合分析，建立光譜與待測參數之間的對應關系。其中，洋河、五糧液等酒企已建立了檢測酒醅的水分、酸度、淀粉等指標的近紅外模型，譚超、吳同等已采用近紅外技術檢測白酒中乙酸乙酯的含量。

偏最小二乘法是一種常見的化學計量學方法，采用數學方法提取海量化學數據中的規律因素，并采用人為易于操作的方式來處理復雜數據，在光譜分析中已得到了廣泛應用。本試驗通過近紅外光譜技術結合偏最小二乘法，建立了大曲糖化力的近紅外預測模型，相對于傳統的檢測方法，該方法大大提高了大曲的檢測效率。

1　材料與方法

1.1　材料、儀器

試驗大曲：洋河酒廠2016年度釀酒周期的現用曲。

儀器設備：瑞士BuChi公司的NIRMaster傅里葉變換近紅外光譜儀。

1.2　試驗方法

1.2.1　大曲糖化力的化學法測定原理

大曲糖化力的化學測定法采用斐林試劑法。大曲中的糖化酶能將淀粉水解為還原糖，還原糖可以將斐林試劑中的二價銅離子還原為一價銅離子，反應終點由次甲基藍指示。根據還原一定量的斐林試劑所需的還原糖量，可計算大曲樣品的糖化酶活力，即1 g大曲在35℃、pH4.6條件下，反應1 h，將可溶性淀粉分解為葡萄糖的能力。每個樣品的檢測均取2個平行樣。

1.2.2　大曲樣品的近紅外光譜測量方法

將大曲樣品平鋪于培氏樣品杯底部，樣品量約占樣品杯2/3，并用樣品勺壓緊，避免出現縫隙，然后將樣品杯放置于測量池上進行測量。

1.2.3　近紅外光譜測量參數

光譜譜區范圍為4000～10000 cm-1，光譜分辨率為8 cm-1，掃描次數為48次，測量序列個數為3。

2　結果與分析

2.1　模型波段的選擇分析

傳統的光譜定量分析方法采用全波段響應，但近紅外光譜的原理是基于光譜對樣品的透反射，一些波段數的光譜不能有效的提取樣品的特征信息，反而會增加運算強度和產生各種干擾，影響模型的預測效果，因此，建立模型首先要選擇適宜的掃描波段。利用近紅外光譜儀對大曲樣品進行掃描，采集光譜，通過化學計量學軟件對所收集光譜進行擬合分析，光譜的預處理方法采用一階求導和矢量歸一化，結果見圖1。

圖1　模型回歸系數圖

由模型的回歸系數圖可以看出，在波段4000～5000 cm-1范圍內，近紅外光譜對大曲的反射相應值零，光譜不包含大曲樣品的有效數據；在5000～10000 cm-1范圍內，近紅外光譜對大曲的反射存在波動，說明在不同波段產生的光譜代表了不同的數據信息，因此選擇5000～10000 cm-1為模型的掃描波段。

2.2　模型的內部驗證

近紅外光譜儀通過對樣品掃描產生的光譜包含了樣品的數據信息，光譜所含信息越多，模型的預測結果就越準確。從所收集光譜中取178組數據用于模型的建模集，45組數據為模型的驗證集。對模型的評價參考模型自身的參數，其中，相關系數r、建模集標準偏差SEC與驗證集標準偏差SEP的比值作為評價模型的重要參數，比值越接近于1說明模型穩定性越好。模型的內部驗證結果見圖2。

由圖2可以看出，模型的光譜預測值與原始值的相關性較好。其中，建模集的相關系數為r為0.9613，驗證集的相關系數r為0.9528；建模集標準偏差SEC與驗證集標準偏差SEP的比值為29.6099/29.7088=0.9967，模型穩定性較好。

圖2　模型內部驗證圖

2.3　模型的外部驗證

為考察大曲近紅外模型在實際應用上的準確性，采用外部驗證法對模型進行驗證。隨機選取50組大曲樣品分別進行化學法檢測和近紅外預測，所得結果見圖3。

圖3　化學測定值與模型預測值比較圖

由模型的外部驗證結果可以看出，大曲糖化力近紅外模型預測值的平均相對誤差為5.27%，說明該近紅外模型有較好的預測能力。為考察兩種方法檢測結果之間的差異性，采用SPSS軟件對50組大曲樣品進行差異顯著性分析。結果見表1。

從分析結果可以看出，在0.05水平上，兩種方法差值的顯著性結果為0.830，大于0.05，說明兩種方法的檢測結果的差異性并不顯著，均可以反映大曲糖化酶活力大小，該模型可以用于大曲糖化力的預測。

表1　差異顯著性分析結果

3　結論與討論

本試驗采用近紅外光譜技術結合偏最小二乘法建立了預測大曲糖化力的定量模型。通過對模型的預測結果與傳統方法檢測結果的對比分析可以看出，該模型的準確度可以滿足實際生產中大曲糖化力的預測。

近紅外檢測技術是新興的檢測技術，但是，近紅外光譜也有不足，存在譜峰重疊、變動、信號弱等特點，使其所得到的樣品有效信息率偏低。同時，建立的模型并不是一勞永逸的，儀器狀態、樣品代表性變化都會影響預測結果。因此，采用近紅外光譜技術預測大曲糖化力還需在后期不斷補充光譜數據，優化模型，提高模型的預測準確性。

參考文獻：

[1]梁金輝,梁紹勛,湯有宏,等.影響濃香型大曲糖化力測定因素的探討[J].釀酒,2015(5)：68-70.

[2]嚴衍祿,趙龍蓮,韓東海,等.近紅外光譜分析基礎與應用[M].北京：中國輕工業出版社,2005.

[3]趙東,李楊華,蘭世蓉,等.近紅外光譜儀在酒醅分析中的應用研究[J].釀酒科技,2004(1)：72-73.

[4]劉建學.實用近紅外光譜分析技術[M].北京：科學出版社,2008.

[5]譚超,吳同,李惟一,等.近紅外光譜組合區間偏最小二乘法定量白酒中的乙酸乙酯[J].計算機與應用化學,2014(4)：510-512.

[6]劉從艾,穆文斌,湯有宏.大曲糖化力、發酵力最佳量比關系的研究[J].釀酒,2000(2)：41-43.