基于NIR高粱淀粉含量快檢技術(shù)的開發(fā)研究

蘇鵬飛，張武崗

（陜西西鳳酒股份有限公司，陜西寶雞 721400）

近年來，隨著釀酒企業(yè)的快速發(fā)展和不斷擴(kuò)產(chǎn)，對釀酒原糧高粱的需求量日益增多，同時(shí)對其品質(zhì)和分析效率有了更高的要求。高粱品質(zhì)的控制對釀造白酒質(zhì)量至關(guān)重要，而淀粉含量是釀酒企業(yè)監(jiān)控高粱品質(zhì)的重要質(zhì)量指標(biāo)，淀粉作為主要的糖化底物，經(jīng)糊化、水解產(chǎn)生大量發(fā)酵糖類，再通過酵母菌等微生物的分解，最終產(chǎn)生白酒，其質(zhì)量與白酒工業(yè)的經(jīng)濟(jì)效益直接相關(guān)[1]。實(shí)驗(yàn)室測定高粱淀粉含量的常規(guī)方法是酸解法，但這種方法比較復(fù)雜，費(fèi)時(shí)費(fèi)力，而且需要使用多種有毒有害化學(xué)試劑，不滿足企業(yè)對綠色、環(huán)保的追求和對樣品快速分析發(fā)展的需要。因此，亟待開發(fā)一種快速、高效以及環(huán)保的分析技術(shù)。近紅外光譜技術(shù)（NIR）是近幾年發(fā)展較為迅速的一種快檢技術(shù)，所受關(guān)注度也越來越高，這種技術(shù)具有高效穩(wěn)定、操作簡便以及無污染等優(yōu)點(diǎn)，是一種能夠滿足快速分析的綠色技術(shù)，已普遍應(yīng)用于食品行業(yè)[2-8]。近紅外光譜區(qū)的波長范圍為780～2526 nm，由分子振動(dòng)從基態(tài)向高能態(tài)躍遷時(shí)所產(chǎn)生，主要是一些含氫基團(tuán)分子X-H（X：C、N、O 等）內(nèi)部振動(dòng)的倍頻與合頻吸收帶[9-11]。高粱淀粉指標(biāo)在近紅外區(qū)可得到有效響應(yīng)，將高粱樣品近紅外光譜圖與常規(guī)方法分析的一手?jǐn)?shù)據(jù)結(jié)合起來，通過相關(guān)建模軟件和方法最終建立其近紅外快檢模型，以期實(shí)現(xiàn)高粱淀粉含量的快速分析，為企業(yè)提質(zhì)增效提供技術(shù)支持。

1 材料與方法

1.1 材料、儀器

實(shí)驗(yàn)樣品：西鳳酒廠釀酒用高粱，共220 個(gè)建模樣品，樣品具有代表性。

儀器設(shè)備：FW-200AD 粉碎機(jī)，天津鑫博得儀器有限公司；ME204/02 電子天平，瑞士METTLER TOLEDO 公司；HH-S6A 電熱恒溫水浴鍋，北京科偉永興儀器有限公司；H22-X3電爐，杭州九陽生活電器有限公司；Antaris II 傅里葉變換近紅外光譜儀、RESULT 操作軟件以及TQAnalyst 光譜分析軟件等，美國Thermo Fisher公司。

1.2 試驗(yàn)方法

1.2.1 高粱樣品淀粉含量的測定

高粱樣品的淀粉含量參考GB 5009.9—2016 酸水解法進(jìn)行測定。重復(fù)2次，取平均值。

1.2.2 近紅外光譜采集條件

在采集樣品光譜前，首先檢查儀器的狀態(tài)，確保儀器正常且穩(wěn)定時(shí)，再將提前粉碎好的高粱樣品裝于5 cm 的樣品旋轉(zhuǎn)杯中，并用壓樣器壓緊，避免出現(xiàn)縫隙，然后將樣品杯放置于測量池上進(jìn)行測量，最后通過RESULT 光譜采集及分析軟件對高粱樣品進(jìn)行光譜采集。光譜掃描范圍為4000～10000 cm-1，掃描次數(shù)為64次，儀器分辨率為8 cm-1，以內(nèi)置背景作為參比，重復(fù)2次，取平均光譜。

1.3 模型的建立與評價(jià)

樣品光譜圖掃描完成后，及時(shí)利用常規(guī)分析方法對其淀粉含量進(jìn)行檢測，并使樣品的光譜圖和一手?jǐn)?shù)據(jù)相對應(yīng)，即能夠?qū)悠返墓庾V信息進(jìn)行賦值。同時(shí)，結(jié)合偏最小二乘法（PLS）、固定光程（Constant）、多元信號(hào)修正（MSC）、標(biāo)準(zhǔn)正則變換（SNV）、導(dǎo)數(shù)處理、Norris 平滑處理以及內(nèi)部交叉驗(yàn)證法（Cross-Validation）等近紅外光譜預(yù)處理方法進(jìn)行建模研究。運(yùn)用近紅外光譜預(yù)處理方法選擇最優(yōu)光譜波段和建模參數(shù)，最終建立高粱淀粉含量的近紅外快速分析模型。

在對模型進(jìn)行評價(jià)時(shí)，通常需從內(nèi)、外部兩方面共同進(jìn)行評價(jià)。內(nèi)部評價(jià)是通過模型的相關(guān)系數(shù)（R2）、均方差（RMSEC）、交叉驗(yàn)證均方差（RMSECV）以及預(yù)測均方差（RMSEP）等參數(shù)來判斷模型的質(zhì)量。其中，R2越大以及RMSEC、RMSECV和RMSEP 值越小且相近，說明所建模型的質(zhì)量越好[12-15]。外部評價(jià)是利用所建模型和常規(guī)方法分別對未參與建模的盲樣進(jìn)行分析，并通過分析結(jié)果的比較來評價(jià)模型的預(yù)測能力。

1.4 數(shù)據(jù)處理

采用Microsoft Office Excel 2010軟件對數(shù)據(jù)進(jìn)行相關(guān)計(jì)算，采用SPSS 17.0 軟件對相關(guān)數(shù)據(jù)進(jìn)行差異顯著性分析（p＜0.05）。

2 結(jié)果與分析

2.1 高粱樣品近紅外光譜圖

在采集高粱樣品光譜前，首先要確定光譜儀的分辨率、掃描次數(shù)以及樣品增益值等采集參數(shù)，確保樣品光譜采集的一致性和準(zhǔn)確性，然后按照光譜采集的最優(yōu)條件和參數(shù)對高粱樣品進(jìn)行譜圖掃描。本研究是在近紅外全光譜4000～10000 cm-1范圍內(nèi)對高粱樣品進(jìn)行光譜掃描，掃描的高粱樣品原始光譜如圖1所示。

圖1 高粱樣品原始掃描光譜圖

由圖1 可以看出，在波數(shù)9000～10000 cm-1范圍內(nèi)，高粱樣品吸光度較低且噪音干擾較大，不利于樣品有效信息的提取，不宜選擇此波段建立模型。另外，對樣品原始光譜進(jìn)行導(dǎo)數(shù)和Norris 平滑處理后（如圖2 所示），光譜圖變得更加精細(xì)，這樣處理可以凈化譜圖，消除基線漂移，也可以起到一定放大和分離重疊信息的作用，利于提高樣品光譜的信噪比，也利于建模過程中對光譜信息的進(jìn)一步選擇。

圖2 二階導(dǎo)數(shù)和Norris平滑處理效果圖

2.2 高粱淀粉含量模型的建立

將收集到的220 個(gè)高粱樣品，按照淀粉含量由低到高進(jìn)行排序，然后均勻地抽取20 個(gè)樣品進(jìn)行RMSEP分析，剩余的200個(gè)樣品作為校正集進(jìn)行建模。建立模型時(shí)要確保樣品的光譜圖和化驗(yàn)值相對應(yīng)，然后運(yùn)用光譜預(yù)處理方法對樣品光譜信息進(jìn)行處理，選擇最佳建模波段和方法，并通過優(yōu)化檢驗(yàn)等過程，最終建立高粱淀粉含量的近紅外快檢模型。

表1 和圖3 分別為高粱淀粉含量建模的最優(yōu)參數(shù)和模型圖。由表1 和圖3 可知，高粱淀粉含量的最優(yōu)建模波段為8992.52～5703.68，最佳預(yù)處理方法為偏最小二乘法（PLS）、固定光程（Constant）、二階導(dǎo)數(shù)以及Norris 平滑處理，在此條件下所建立的高粱淀粉含量模型相關(guān)系數(shù)最大，標(biāo)準(zhǔn)偏差最小。其中，建模集的相關(guān)系數(shù)R2為0.9752，交叉驗(yàn)證集的相關(guān)系數(shù)R2為0.9018，預(yù)測驗(yàn)證集的相關(guān)系數(shù)R2為0.9714，說明模型的線性關(guān)系較好；同時(shí)，模型的RMSEC、RMSECV和RMSEP值分別為0.207、0.389和0.211，模型內(nèi)部參數(shù)值較小且相近，說明模型的質(zhì)量較好。

表1 高粱淀粉含量模型參數(shù)

圖3 高粱淀粉含量模型

2.3 模型的外部驗(yàn)證

利用模型自身參數(shù)RMSEC、RMSECV 和RMSEP 來評價(jià)一個(gè)模型的質(zhì)量為內(nèi)部驗(yàn)證法，除此之外，還應(yīng)對所建模型進(jìn)行外部驗(yàn)證，通過內(nèi)、外部驗(yàn)證共同評價(jià)模型的質(zhì)量。

另取45 個(gè)高粱樣品作為盲樣進(jìn)行外部驗(yàn)證，利用所建模型和常規(guī)方法分別進(jìn)行分析，得出高粱淀粉含量的預(yù)測值和真實(shí)值。通過比較預(yù)測值和真實(shí)值，得到模型預(yù)測的準(zhǔn)確度和可靠性。

根據(jù)模型外部驗(yàn)證結(jié)果，如表2 所示，高粱淀粉含量模型預(yù)測的相對誤差均在2%以內(nèi)，平均相對誤差為0.7 %，說明所建模型具有較好的預(yù)測能力。此外，為了對比兩種方法分析結(jié)果的差異性，采用SPSS 軟件對這45 個(gè)樣品的兩種方法檢測結(jié)果進(jìn)行差異顯著性分析，結(jié)果見表3。由表3 可知，兩種方法分別對樣品進(jìn)行分析檢測時(shí)，兩組檢測值之間的差異顯著性分析結(jié)果P 值為0.415（P＞0.05），說明兩組檢測值之間不存在顯著性差異。因此，在實(shí)際生產(chǎn)中，該模型可用于高粱淀粉含量的快速檢測。

表2 高粱淀粉含量模型外部驗(yàn)證結(jié)果

表3 兩組數(shù)據(jù)差異顯著性分析

3 結(jié)論

利用近紅外光譜技術(shù)研究建立了高粱淀粉含量的快檢模型，模型的線性關(guān)系較好，并且模型內(nèi)部各參數(shù)值較小且相近，說明模型的質(zhì)量較好。同時(shí)，利用所建模型和實(shí)驗(yàn)室常規(guī)方法分別對外部驗(yàn)證樣品進(jìn)行了分析比較，結(jié)果表明模型預(yù)測的準(zhǔn)確度和可靠性良好，在實(shí)際生產(chǎn)過程中，可用于高粱淀粉含量的檢測。此外，所建模型作為一個(gè)基礎(chǔ)模型，后期還需根據(jù)實(shí)際情況不斷對其進(jìn)行維護(hù)和優(yōu)化，確保模型預(yù)測的穩(wěn)定性和準(zhǔn)確性，以滿足日常生產(chǎn)檢測的需求。