近红外光谱技术结合偏最小二乘法检测大曲糖化力
2018-04-04王军凯王卫东
王军凯,王卫东,蒋 明,韩 瑶
(江苏洋河酒厂股份有限公司,江苏宿迁 223700)
大曲是酿酒生产过程中的糖化发酵剂,也是形成白酒风格不可缺少的因素。衡量大曲质量的优劣主要是根据大曲的水分、酸度、淀粉、发酵力、酯化力、糖化力等理化指标的大小,再辅以感官来进行综合评判。其中大曲糖化力是一个重要指标,是表征大曲将酒醅中可溶性淀粉转化为葡萄糖的能力。检测大曲糖化力的传统方法为斐林试剂法,存在耗时长、样品前处理过程繁琐等不足,因此建立一种快速、高效的大曲糖化力检测方法具有重要意义。
近红外光谱分析技术是一种近年来发展迅速的高新分析技术,具有无污染、测定速度快等优点,在食品、化工、制药等领域得到了广泛的应用。近红外光谱分析法是一种间接分析方法,通过化学计量学软件将采集的近红外光谱与经典分析方法提供的数据关联起来,通过化学计量学的拟合分析,建立光谱与待测参数之间的对应关系。其中,洋河、五粮液等酒企已建立了检测酒醅的水分、酸度、淀粉等指标的近红外模型,谭超、吴同等已采用近红外技术检测白酒中乙酸乙酯的含量。
偏最小二乘法是一种常见的化学计量学方法,采用数学方法提取海量化学数据中的规律因素,并采用人为易于操作的方式来处理复杂数据,在光谱分析中已得到了广泛应用。本试验通过近红外光谱技术结合偏最小二乘法,建立了大曲糖化力的近红外预测模型,相对于传统的检测方法,该方法大大提高了大曲的检测效率。
1 材料与方法
1.1 材料、仪器
试验大曲:洋河酒厂2016年度酿酒周期的现用曲。
仪器设备:瑞士BuChi公司的NIRMaster傅里叶变换近红外光谱仪。
1.2 试验方法
1.2.1 大曲糖化力的化学法测定原理
大曲糖化力的化学测定法采用斐林试剂法。大曲中的糖化酶能将淀粉水解为还原糖,还原糖可以将斐林试剂中的二价铜离子还原为一价铜离子,反应终点由次甲基蓝指示。根据还原一定量的斐林试剂所需的还原糖量,可计算大曲样品的糖化酶活力,即1 g大曲在35℃、pH4.6条件下,反应1 h,将可溶性淀粉分解为葡萄糖的能力。每个样品的检测均取2个平行样。
1.2.2 大曲样品的近红外光谱测量方法
将大曲样品平铺于培氏样品杯底部,样品量约占样品杯2/3,并用样品勺压紧,避免出现缝隙,然后将样品杯放置于测量池上进行测量。
1.2.3 近红外光谱测量参数
光谱谱区范围为4000~10000 cm-1,光谱分辨率为8 cm-1,扫描次数为48次,测量序列个数为3。
2 结果与分析
2.1 模型波段的选择分析
传统的光谱定量分析方法采用全波段响应,但近红外光谱的原理是基于光谱对样品的透反射,一些波段数的光谱不能有效的提取样品的特征信息,反而会增加运算强度和产生各种干扰,影响模型的预测效果,因此,建立模型首先要选择适宜的扫描波段。利用近红外光谱仪对大曲样品进行扫描,采集光谱,通过化学计量学软件对所收集光谱进行拟合分析,光谱的预处理方法采用一阶求导和矢量归一化,结果见图1。
图1 模型回归系数图
由模型的回归系数图可以看出,在波段4000~5000 cm-1范围内,近红外光谱对大曲的反射相应值零,光谱不包含大曲样品的有效数据;在5000~10000 cm-1范围内,近红外光谱对大曲的反射存在波动,说明在不同波段产生的光谱代表了不同的数据信息,因此选择5000~10000 cm-1为模型的扫描波段。
2.2 模型的内部验证
近红外光谱仪通过对样品扫描产生的光谱包含了样品的数据信息,光谱所含信息越多,模型的预测结果就越准确。从所收集光谱中取178组数据用于模型的建模集,45组数据为模型的验证集。对模型的评价参考模型自身的参数,其中,相关系数r、建模集标准偏差SEC与验证集标准偏差SEP的比值作为评价模型的重要参数,比值越接近于1说明模型稳定性越好。模型的内部验证结果见图2。
由图2可以看出,模型的光谱预测值与原始值的相关性较好。其中,建模集的相关系数为r为0.9613,验证集的相关系数r为0.9528;建模集标准偏差SEC与验证集标准偏差SEP的比值为29.6099/29.7088=0.9967,模型稳定性较好。
图2 模型内部验证图
2.3 模型的外部验证
为考察大曲近红外模型在实际应用上的准确性,采用外部验证法对模型进行验证。随机选取50组大曲样品分别进行化学法检测和近红外预测,所得结果见图3。
图3 化学测定值与模型预测值比较图
由模型的外部验证结果可以看出,大曲糖化力近红外模型预测值的平均相对误差为5.27%,说明该近红外模型有较好的预测能力。为考察两种方法检测结果之间的差异性,采用SPSS软件对50组大曲样品进行差异显著性分析。结果见表1。
从分析结果可以看出,在0.05水平上,两种方法差值的显著性结果为0.830,大于0.05,说明两种方法的检测结果的差异性并不显著,均可以反映大曲糖化酶活力大小,该模型可以用于大曲糖化力的预测。
表1 差异显著性分析结果
3 结论与讨论
本试验采用近红外光谱技术结合偏最小二乘法建立了预测大曲糖化力的定量模型。通过对模型的预测结果与传统方法检测结果的对比分析可以看出,该模型的准确度可以满足实际生产中大曲糖化力的预测。
近红外检测技术是新兴的检测技术,但是,近红外光谱也有不足,存在谱峰重叠、变动、信号弱等特点,使其所得到的样品有效信息率偏低。同时,建立的模型并不是一劳永逸的,仪器状态、样品代表性变化都会影响预测结果。因此,采用近红外光谱技术预测大曲糖化力还需在后期不断补充光谱数据,优化模型,提高模型的预测准确性。
参考文献:
[1]梁金辉,梁绍勋,汤有宏,等.影响浓香型大曲糖化力测定因素的探讨[J].酿酒,2015(5):68-70.
[2]严衍禄,赵龙莲,韩东海,等.近红外光谱分析基础与应用[M].北京:中国轻工业出版社,2005.
[3]赵东,李杨华,兰世蓉,等.近红外光谱仪在酒醅分析中的应用研究[J].酿酒科技,2004(1):72-73.
[4]刘建学.实用近红外光谱分析技术[M].北京:科学出版社,2008.
[5]谭超,吴同,李惟一,等.近红外光谱组合区间偏最小二乘法定量白酒中的乙酸乙酯[J].计算机与应用化学,2014(4):510-512.
[6]刘从艾,穆文斌,汤有宏.大曲糖化力、发酵力最佳量比关系的研究[J].酿酒,2000(2):41-43.