基于紅外光譜技術(shù)的蜂蜜理化性質(zhì)快速檢測

張廣琪 ，甘芝霖 ※，楊 陽 ，高瑋蔓

（1.北京林業(yè)大學(xué) 生物科學(xué)與技術(shù)學(xué)院，北京，100083；2.林業(yè)食品加工與安全北京市重點實驗室，北京，100083；3.北京便利蜂連鎖商業(yè)有限公司，北京，100089）

0 引 言

蜂蜜是蜜蜂采集植物的花蜜、分泌物或蜜露，與自身分泌物結(jié)合后，經(jīng)充分釀造而成的天然甜味物質(zhì)[1]，深受大眾喜愛[2]。蜂蜜中的糖類（占75%左右，其中果糖和葡萄糖含量在65%以上）、溶菌酶等物質(zhì)賦予蜂蜜較好的抗菌活性[3-4]；多種抗氧化因子使其具有較好的抗氧化性，是一種潛在的天然抗氧化劑[5]；氨基酸、維生素、礦物質(zhì)、酶、酚類等豐富物質(zhì)，使其具有抗炎、免疫調(diào)節(jié)、調(diào)節(jié)血糖、調(diào)節(jié)腸道微生物等多種功能活性[6-8]。

蜂蜜中各成分的含量和種類會因花蜜的種類和地理位置不同產(chǎn)生差異[9]，根據(jù)產(chǎn)品功效而選擇某中成分含量較高的蜂蜜品種，不但能節(jié)約生產(chǎn)成本，也能極好的保證產(chǎn)品的功能性[10-12]。因此，研究蜂蜜中各理化指標間的相關(guān)性和各成分快速定量檢測，對蜂蜜的實際生產(chǎn)和蜂蜜產(chǎn)業(yè)的發(fā)展具有重要意義。

蜂蜜理化性質(zhì)定量分析通用的國際標準檢測技術(shù)包括化學(xué)法、分光光度法、GC[13]，可以準確得到蜂蜜各組分的含量，但步驟繁瑣、耗時耗力且成本較高，難以及時、原位、快速、全面的滿足蜂蜜中主要成分的含量快速測定。

紅外光譜技術(shù)是一種快速、綠色環(huán)保的分析技術(shù)，根據(jù)頻率范圍的不同，又可分為近紅外光譜技術(shù)（nearinfrared spectrum，NIR）和中紅外光譜技術(shù)（midinfrared spectrum，MIR）[14]。國內(nèi)、外利用近紅外光譜技術(shù)分析蜂蜜中組分含量的基礎(chǔ)性研究較多，LI等[15]利用近紅紅外技術(shù)對蜂蜜的水分含量建立PLS定量分析模型，模型準確性較好。APRICENO等[16]研究表明近紅外光譜-化學(xué)計量方法可用于蜂蜜中5-羥甲基糠醛（HMF）的快速定量分析。丁家欣等[17]采用近紅外光譜建立了蜂蜜中的葡萄糖和果糖定量分析模型。MIR定量蜂蜜物質(zhì)的相關(guān)研究較少，LI等[18]將CNN與 MIR相結(jié)合并用于蜂蜜的快速摻假鑒別。?ZBAY等[19]將MIR方法與化學(xué)計量學(xué)相結(jié)合，研究表明MIR可用于估計糖漿摻假量的水平。關(guān)于MIR在蜂蜜檢測中的應(yīng)用研究有待進一步拓展。在現(xiàn)有研究中，對NIR和MIR的定量能力進行比較并將二者融合應(yīng)用于定量分析的研究較少，對此本文開展了相關(guān)研究。

本研究以蜂蜜為對象，采用國際通用檢測方法對蜂蜜各理化指標進行測定，并用主成分分析（principal component analysis，PCA）[20]考察指標間的相關(guān)性，采用紅外光譜技術(shù)結(jié)合偏最小二乘回歸（partial least square regression，PLSR）分析方法[21]，建立蜂蜜中理化性質(zhì)的PLS定量分析模型，將NIR和MIR進行比較和融合，探究模型對蜂蜜組分的定量能力，考察融合近、中紅外光譜信息對蜂蜜理化指標定量精度的提升效果。

1 材料與方法

1.1 試劑與材料

蜂蜜（共116個樣品，其中荊花蜜39個，棗花蜜27個，洋槐蜜37個，油菜蜜13個）由北京百花蜂業(yè)科技發(fā)展股份公司采集；糖標準品，Sigma-Aldrich中國公司；碘，天津市大茂化學(xué)試劑廠；乙酸鈉，北京化學(xué)試劑公司；可溶性淀粉，北京奧博星生物技術(shù)有限責任公司；冰乙酸，北京化工廠；氯化鈉、甲酸、異丙酮、茚三酮、乙二醇甲醚、鄰苯二甲酸氫鉀、氫氧化鈉、碘化鉀，分析純，國藥集團化學(xué)試劑北京有限公司；5-羥甲基糠醛（純度99%），Sigma公司；甲醇、乙腈，色譜純，西隴化工股份有限公司；脯氨酸標準品，純度≥99%，Sigma-Aldrich中國公司；實驗室自制超純水。

1.2 儀器和設(shè)備

傅里葉變換近紅外光譜儀，德國布魯克公司；傅里葉變換紅外光譜儀，美國Perkin Elmer公司；色譜柱YMC-Pack Polyamine Ⅱ；Venusil XBP-C18色譜柱，博納艾杰爾科技有限公司；WAY-2S型數(shù)字阿貝折光儀，上海精密科學(xué)儀器有限公司；HX-1 050恒溫循環(huán)器，北京德天佑科技發(fā)展有限公司；842型自動電位滴定儀，瑞士萬通公司；pH計，PB-10，Sartorius；Orion 5-Star臺式多參數(shù)測量儀；流變儀，美國TA公司；T6新世紀紫外可見分光光度計，北京普析通用儀器有限責任公司；恒溫水浴鍋，北京長安科學(xué)儀器廠；LC-20A高效液相色譜儀，配有LC-20AT洗脫泵、SPD-20A檢測器、CTO-20A柱溫箱 LC Solution工作站，島津國際貿(mào)易有限公司；水系濾膜，0.45 μm，博納艾杰爾科技有限公司；恒溫水浴鍋，北京長安科學(xué)儀器廠；Hunterlab Colorquest XE臺式分光測色儀，美國 Hunter Lab公司；電子分析天平，感量0.001 g，Sartorius，BS223S。

1.3 試驗方法

1.3.1 樣品采集及前處理

采集樣品種類包括荊花蜜、棗花蜜、洋槐蜜和油菜蜜。采集由北京百花蜂業(yè)科技發(fā)展股份公司完成，每個養(yǎng)蜂廠選取1～2個蜂群，每個樣品采集1 kg，采集的樣品直接裝瓶。采集樣品于實驗室進行過濾處理。

1.3.2 蜂蜜理化性質(zhì)分析

共檢測了4種蜂蜜116個蜂蜜樣品的上述指標，所采用的檢測方法為國際標準中的通用方法和通用儀器[22-24]，結(jié)合試驗過程中的問題，對部分方法進行了改進。

葡萄糖、果糖、蔗糖和麥芽糖：參照《蜂蜜中果糖、葡萄糖、蔗糖、麥芽糖含量的測定方法—液相色譜示差折光檢測法》[25]，進行了適當修改。

色譜柱溫度，25 °C；進樣量，20 μL；分析時間，25 min；體積流量，1 mL/min。

水分：采用折光法，參照國際蜂蜜委員會的方法[24]和中國進出口蜂蜜檢驗方法[26]；酸度：參照IHC的方法[24]和國標中的方法[26]；電導(dǎo)率：參照GB/T 18 932.15-2003中的方法[27]，使用實驗室自制超純水稀釋蜂蜜，電阻率18.2 MΩ·cm。淀粉酶值：參照了國標[28]方法；5-羥甲基糠醛（5-hydroxymethylfurfural，HMF）：參照GB/T 18 932.18-2003[29]；脯氨酸：采用分光光度法，參照標準SN/T 0850-2000[30]；

pH值: 稱量(20±0.001) g蜂蜜樣品，用超純水溶解并稀釋，定容至100 mL容量瓶，用pH計測定；黏度：用流變儀測定；色差用Hunterlab Colorquest XE臺式分光測色儀測定。

數(shù)據(jù)處理：計算全部樣品和不同品種蜂蜜的平均值和標準偏差，對平均值進行了方差分析。對全部理化指標數(shù)據(jù)結(jié)果進行了主成分分析，考察指標間的相關(guān)性。數(shù)據(jù)分析和繪圖軟件使用OriginPro 8.6和Excel 2017等。

1.3.3 紅外光譜檢測及PLSR定量模型的建立

1）光譜采集

近紅外光譜：為消除樣品溫度的影響，檢測樣品提前一天與儀器放于同一環(huán)境下，環(huán)境溫度為室溫25～26 °C。測量樣品前進行儀器的自檢，并記錄空氣背景，測樣過程中每隔1 h掃描背景一次，軟件自動扣除背景。采用MPA傅里葉變換近紅外光譜儀，儀器的光學(xué)配置：NIR液體光纖探頭，分束器Quartz，檢測器TE-InGaA。光譜采集選用透射模式，光譜掃描波數(shù)范圍為10 000～4 000 cm-1，以空氣為參比，光程為2 mm，分辨率為8 cm-1，掃描速度10 kHz，背景掃描64次，樣品掃描64次。

中紅外光譜：將檢測樣品提前一天與儀器放于同一環(huán)境下，環(huán)境溫度為室溫23～25 °C。測量過程中使用無水乙醇對樣品進行擦洗，考慮到乙醇揮發(fā)可能對樣品盤溫度的影響，每次添加樣品后，穩(wěn)定30 s再進行光譜測量。采用傅里葉變換紅外光譜儀，儀器的光學(xué)配置：銦鎵砷（InGaAs）檢測器；Crystals Diamond/ZnSe；ATR附件；光譜掃描范圍4 000～500 cm-1，采集吸光度，掃描次數(shù)4，分辨率4 cm-1；以空氣為參比，并記錄空氣背景，測樣過程中每隔0.5 h掃描背景一次，軟件自動扣除背景。

2）近、中紅外光譜技術(shù)比較和融合

比較近、中紅外光譜技術(shù)對蜂蜜組分的定量能力。針對脯氨酸和淀粉酶含量，繪制紅外光譜平局融合譜圖，考察是否能通過融合近、中紅外光譜信息，提升對這兩個指標的定量精度。因融合光譜的數(shù)據(jù)繁多，采用遺傳算法（genetic algorithms, GA）[31]進行變量篩選，從大量的原始光譜數(shù)據(jù)中，提取出有效的變量；采用融合光譜對淀粉酶值和脯氨酸均進行了遺傳偏最小二乘回歸（genetic algorithms partial least squares regression，GAPLS），直接在Matlab中調(diào)用，最大進化代數(shù)設(shè)置為100，以累計貢獻率（CV）和交叉驗證均方根誤差（root mean square error of cross validation，RMSECV）為指標確定要選擇的變量個數(shù)。

3）數(shù)據(jù)處理

先對光譜數(shù)據(jù)進行預(yù)處理、異常樣品的剔除。預(yù)處理的方法包括：平滑、標準歸一化、多元散射校正、導(dǎo)數(shù)處理、中心化，一種或多種方法結(jié)合。通過杠桿值和學(xué)生化殘差值，剔除光譜異常值和化學(xué)值異常值。以全光譜建立各指標的偏最小二乘回歸（PLSR）定量模型，其中，以RMSECV和RMSEC為參考選取主成分個數(shù)。數(shù)據(jù)分析采用Matlab 7.8.0軟件，利用OriginPro 8.6等軟件進行圖像繪制。

2 結(jié)果與分析

2.1 蜂蜜理化性質(zhì)數(shù)據(jù)

對采集的蜂蜜樣品的各項指標進行常規(guī)方法檢測，得到全部蜂蜜樣品中各組分的含量數(shù)據(jù)，計算全部樣品和不同品種蜂蜜的平均值和標準偏差，并對平均值進行了方差分析，詳見表1。所得數(shù)據(jù)可用于輔助判斷所建立的PLSR定量模型的精確性。

表1 全部蜂蜜樣品的物理化學(xué)指標檢測結(jié)果描述Table 1 Physical and chemical indicators description of all the honey samples

樣本糖含量特征與文獻報道和國內(nèi)外蜂蜜標準描述相符[13,16]。比較文獻結(jié)果發(fā)現(xiàn)，本試驗采集的蜂蜜樣品糖含量指標正常，果糖和葡萄糖含量率高于文獻結(jié)果，蔗糖和麥芽糖含量相近，且稍低于文獻結(jié)果。與文獻中的結(jié)果相比，電導(dǎo)率指標正常（小于800 μS/cm）；pH值范圍正常（4左右）；水分含量偏高，文獻數(shù)據(jù)在17～18%左右，國標中規(guī)定蜂蜜一級品≤20、二級品≤24，本試驗樣本總體偏高（21.94），且4個蜜種中油菜蜜水分含量達到28，這主要是與本試驗采集的是原料蜂蜜有關(guān)，其次采蜜時期北方地區(qū)降雨頻繁；全部樣品淀粉酶值平均值為15.324 mL /(g·h)，高于GB14963-2011中的規(guī)定和文獻中的數(shù)值，表明本試驗采集的蜂蜜樣品較新鮮。HMF是美拉德反應(yīng)和焦糖化反應(yīng)的指示產(chǎn)物，形成于蜂蜜的儲藏過程中，允許存在，但應(yīng)當50 mg/kg[13,32]。HMF的含量結(jié)果說明本試驗采集的蜂蜜品質(zhì)較高，新鮮度好。脯氨酸可以反映出蜂蜜整體的氨基酸含量，并與蜂蜜的抗氧化性能有關(guān)[33]。

2.2 主成分分析結(jié)果

對全部理化指標數(shù)據(jù)結(jié)果進行主成分分析。通過對數(shù)據(jù)進行降維，提取較少的主成分，全面考察蜂蜜各指標間是否相互影響，具有相關(guān)性。表2為全部理化指標結(jié)果的相關(guān)系數(shù)矩陣，相關(guān)系數(shù)為1，表示完全正相關(guān)，為-1，表示完全負相關(guān)，為0表示完全不相關(guān)。表中可以看出，色差結(jié)果、電導(dǎo)率和pH值，三者之間，兩兩相關(guān)性較高，有研究人員指出了礦物質(zhì)含量高的蜂蜜顏色較深，其電導(dǎo)率值也會偏高[34]。

表2 理化指標間的相關(guān)系數(shù)矩陣Table 2 Correlation matrixes of physical and chemical indicators

pH值和可滴定酸呈現(xiàn)明顯的負相關(guān)，pH值越低，可滴定酸度越高。水分含量與黏度呈明顯負相關(guān)，水分含量越少，蜂蜜黏度越高。

2.3 蜂蜜原始光譜圖

2.3.1 近紅外光譜圖

記錄樣品吸光度圖譜，得到的全部蜂蜜樣品近紅外譜。由圖1可知，不同蜂蜜樣品，因品種、顏色等不同，NIR圖存在差異，曲線趨勢整體一致。

圖1 蜂蜜近紅外透射光譜Fig.1 Transmittance NIR spectra of honey

2.3.2 中紅外光譜圖

全部樣品的中紅外光平均值譜圖見圖2。觀察圖2，MIR光譜圖中的吸收峰個數(shù)較NIR多，2 000 cm-1附近出現(xiàn)了明顯的噪聲信息，光譜信息集中在1 600～750 、1 450～800 cm-1光譜區(qū)間主要反映了果糖、葡萄糖和蔗糖的光譜吸收，其中900～750 cm-1為糖的特異吸收區(qū)間。1 153～904 cm-1附近的吸收為C-O和 C-C的伸縮振動，1 474～1 199 cm-1附近的吸收來自于O-C-H、C-CH和 C-O-H的彎曲振動，2 934 cm-1附近的吸收峰被認為與氨基酸的吸收有關(guān)[35]。

圖2 蜂蜜傅里葉變換中紅外光譜ATR圖譜Fig.2 FT-ATR-MIR spectra of honeys

2.4 紅外光譜定量檢測

2.4.1 近紅外光譜PLSR模型

建立了17個指標的PLSR模型，模型的優(yōu)化過程沒有展示，表3為本試驗得到的PLSR優(yōu)化模型結(jié)果。各理化指標的模型預(yù)測值(NIR)和真實測量值散點圖如圖3、4所示。

圖3 果糖、葡萄糖、蔗糖、麥芽糖、還原糖、果糖/葡萄糖、水分PLSR模型預(yù)測值(NIR)和真實測量值散點圖Fig.3 Scatter plot of fructose, glucose, sucrose, maltose, reducing sugars, fructose/glucose and water content between measured and predicted (NIR) values by PLSR models

圖4 HMF、脯氨酸、pH值、可滴定酸、電導(dǎo)率、淀粉酶值、色差、黏度的PLSR模型預(yù)測值（NIR）和真實測量值散點圖Fig.4 Scatter plot of HMF, proline, pH value, titration acidity, electrical conductivity, color and viscosity between measured and predicted(NIR) values by PLSR models

表3 蜂蜜理化指標近紅外光譜檢測的偏最小二乘回歸結(jié)果Table 3 PLSR model results for physical and chemical indicators determined by FT-NIR

由表3數(shù)據(jù)和散點圖，建模集和預(yù)測集相關(guān)系數(shù)均大于0.9的指標為：果糖（RMSEP=1.123 g/100 g）、果糖/葡萄糖（RMSEP=0.043 g/100 g）、水分（RMSEP=0.497 %）、黏度（RMSEP=0.662 Pa·s）、pH值（RMSEP=0.321）、色差的L*（RMSEP=0.471）和a*（RMSEP=0.150），說明這些指標的模型精度和穩(wěn)健性都較高。

電導(dǎo)率的相關(guān)系數(shù)很好，但模型的RMSEP為49.27 μS/cm，相較驗證集的均值（268）數(shù)值較大，推斷主要原因為數(shù)據(jù)值大小分布不均勻。葡萄糖、蔗糖、麥芽糖模型的相關(guān)性在0.6～0.85之間，RMSEP分別為1.559、0.126、3.742 g/100 g，綜合考慮3個指標的均值、相關(guān)系數(shù)和RMSEP，認為PLS模型對這3個指標的預(yù)測結(jié)果可以接受，但模型精度稍差。

脯氨酸、淀粉酶值和HMF的模型相關(guān)系數(shù)和RMSEP結(jié)果顯示，模型精度較差，預(yù)測結(jié)果可信度不夠。

觀察表3、1，比對蜂蜜各理化指標的測定數(shù)值的差值，該模型對果糖、葡萄糖、還原糖、果糖/葡萄糖、水分、黏度、pH值和色差具有良好的定量分析能力。對電導(dǎo)率、蔗糖、麥芽糖、可滴定酸，該模型的尚可以接受，模型精度能夠用于快速定量分析。對淀粉酶值、脯氨酸和HMF，模型定量精度均不夠。

2.4.2 中紅外光譜PLSR模型

表4為本研究得到的理化值FTMIR-ATR檢測的PLSR優(yōu)化模型結(jié)果，圖5、6為各項理化指標模型預(yù)測值(FTMIR-ATR)和真實測量值散點圖。模型結(jié)果與NIR結(jié)果大體一致，對果糖、蔗糖、水分、電導(dǎo)率、黏度等結(jié)果理想，對脯氨酸、淀粉酶值和HMF的定量精度不夠。

圖5 果糖、葡萄糖、蔗糖、麥芽糖、還原糖、果糖/葡萄糖、水分PLSR模型預(yù)測值(FTMIR-ATR)和真實測量值散點圖Fig.5 Scatter plot of fructose, glucose, sucrose, maltose, reducing sugars, fructose/glucose and water content between measured and predicted (FTMIR-ATR) values by PLSR models

圖6 羥甲基糠醛、脯氨酸、pH值、可滴定酸、電導(dǎo)率、淀粉酶值、色差、黏度的PLSR模型預(yù)測值（FTMIR-ATR）和真實測量值散點圖Fig.6 Scatter plot of HMF, proline, pH, titration acidity, electrical conductivity, color and viscosity between measured and predicted(FTMIR-ATR) values by PLSR models

表4 蜂蜜理化指標中紅外光譜檢測的偏最小二乘回歸結(jié)果Table 4 PLSR model results for physical and chemical indicators determined by FTMIR-ATR

2.4.3 近、中紅外光譜技術(shù)融合

對比單獨使用NIR和MIR對脯氨酸、淀粉酶值的最優(yōu)PLS定量模型的結(jié)果（見2.4.1和2.4.2）：近紅外對脯氨酸的定量（rc0.614，rp0.530，RMSEC 53.87 mg/kg，RMSEP 54.95 mg/kg）；中紅外淀粉酶值（rc0.867，rp0.641，RMSEC 1.94 mL/(g·h)，RMSEP 3.03 mL/(g·h)）。經(jīng)融合后脯氨酸的定量略有提高（rc，rp0.664，RMSEC 38.68 mg/kg，RMSEP 49.57 mg/kg），而對淀粉酶值的定量精度沒有提高（rc0.799，rp0.695，RMSEC 2.57 mL/(g·h)，RMSEP 3.02 mL/(g·h)）?？赡苡幸韵?種可能：1）淀粉酶值、脯氨酸等物質(zhì)含量太少，糖和水的光譜吸收掩蓋了其反映出的信息，可能這種定量效果已經(jīng)是接近極限了。2）融合光譜不能進行更多的數(shù)據(jù)預(yù)處理，比如導(dǎo)數(shù)，所以一方面光譜融合增加了信息量，同時不能進行有效的數(shù)據(jù)預(yù)處理也損失了有效信息。

表5 脯氨酸、淀粉酶值GAPLS定量分析結(jié)果Table 5 Results of GAPLS models predicting proline and diastase value

3 討 論

1）對近、中紅外在蜂蜜理化性質(zhì)的定量檢測方面的能力進行比較。NIR預(yù)測精度更高的指標為：果糖（R2=0.908，RMSEP為1.123 g/100 g），蔗糖（R2=0.906，RMSEP為0.126 g/100 g），水分（R2=0.975，RMSEP為0.497%），電導(dǎo)率（R2=0.935，RMSEP為49.27 μS/cm），黏度（R2=0.949，RMSEP為0.662 Pa·s），pH值（R2=0.947，RMSEP為0.321）。MIR預(yù)測精度更高的指標為：葡萄糖（R2=0.813，RMSEP為1.185 g/100 g），麥芽糖（R2=0.798，RMSEP為0.204 g/100 g），還原糖（R2=0.711，RMSEP為3.106 g/100 g），果糖/葡萄糖（R2=0.942，RMSEP為0.043），可滴定酸（R2=0.890，RMSEP為2.333 mg/100 g）、淀粉酶值（R2=0.641，RMSEP為3.033 mL/＞(g·h)）和色差值（L*，a*，b*）。從總體來看，二者對脯氨酸、淀粉酶值的定量精度均不夠，這與文獻中報道的結(jié)果一致，普遍認為含量過低是主要原因。

比較二者使用的設(shè)備，NIR光譜采集使用的是液體光纖探頭，MIR光譜采集使用的是ATR附件，ATR附件體積大、昂貴，受限于實驗室使用。

2）對近、中紅外信息進行融合，融合后的光譜數(shù)據(jù)只提高了脯氨酸的定量精度，并沒有優(yōu)化淀粉酶值的定量結(jié)果。目前，在數(shù)據(jù)融合過程中，還有很多需要解決的問題，比如明確什么類型的數(shù)據(jù)能夠進行融合、融合數(shù)據(jù)時使用的算法、對融合數(shù)據(jù)進行處理的方法等。

4 結(jié) 論

本研究以原料蜂蜜（棗花蜜、荊花蜜、洋槐蜜和油菜蜜）為對象，對蜂蜜指標間相關(guān)性進行分析，采用紅外光譜（NIR、MIR）結(jié)合化學(xué)計量學(xué)研究蜂蜜綜合理化性質(zhì)（定量），建立理化性質(zhì)定量檢測的PLS模型，以相關(guān)系數(shù)（R2）、RMSEC、國標法檢測數(shù)據(jù)等參數(shù)考察模型的穩(wěn)健性和準確性，系統(tǒng)比較NIR、MIR定量能力，并考察技術(shù)融合的可行性。得到以下結(jié)論：

1）蜂蜜各指標具相關(guān)性，色差、電導(dǎo)率和pH值，三者之間兩兩正相關(guān)，pH值和可滴定酸，水分含量與黏度之間彼此呈負相關(guān)。

2）所建立模型對果糖、葡萄糖、還原糖、果糖/葡萄糖、水分、黏度、pH和色差數(shù)具有良好的定量分析能力（R2＞0.9）。對電導(dǎo)率（R2=0.935）、蔗糖（R2=0.906）、麥芽糖（R2=0.798）、可滴定酸（R2=0.890），本研究建立模型的R2＞0.7可以接受，模型精度能夠用于快速定量分析，對脯氨酸、淀粉酶值和HMF的定量精度均較低（R2＜0.7）。

針對不同的理化指標，NIR和MIR的定量能力各有所長；從儀器、附件和光譜采集模式角度上看，近紅外光譜技術(shù)的光纖探頭檢測實際應(yīng)用前景更好。