近红外光谱仪快速鉴别绍兴黄酒生麦曲品质的研究

程 斐，单之初，俞红波，金 萍，沈亦雄，丁观洋，潘兴祥，周景旻

(1.浙江塔牌绍兴酒有限公司，浙江绍兴 312032；2.布鲁克北京科技有限公司，北京 100192)

近红外光（Near Infrared，NIR）是指波长介于可见光（VIS）与中红外光（IR）之间的电磁波，被定义在780～2526 nm 波长的光谱区（3960～12800 cm-1）[1-2]，主要测量含氢基团为主，包括C-H（甲基、亚甲基、甲氧基、羧基、芳基）、羟基O-H、巯基S-H、氨基N-H（伯胺、仲胺、叔胺和铵盐）等。近红外检测技术当前发展迅速，具有操作方便简单、快速、检测成本低、无损耗、分辨率高，可多成分同时分析等优点，该技术目前广泛应用于食品、农业、制药、化工等领域[3-6]。近红外分析技术在粮食原料的产地区分、白酒真伪鉴别等方面也有着广泛的应用[7-8]。

生麦曲是传统绍兴黄酒酿造中的重要原料之一，用量达到原料米的16%，被称为“酒之骨”[9]。生麦曲在传统黄酒发酵过程中提供了丰富的酶系，主要包括淀粉酶、蛋白酶、脂肪酶等，这些酶将原料中所含的淀粉、蛋白质、脂肪分解为微生物可利用的物质。生麦曲中还含有丰富的代谢产物，赋予绍兴黄酒特有的风味，素有好曲出好酒的说法[10-12]，因此麦曲的品质对绍兴黄酒的风味有着重要的影响。品质不佳的麦曲不仅会影响酒的风味，还容易造成发酵过程异常，给发酵过程的控制带来困难。目前生麦曲的品质判断主要依靠人工判断，对人的经验要求较高，常用的鉴定方法还有糖化力、淀粉酶活性进行测定，但此方法只起到辅助判断的作用[13]，无法作为最终的判别依据。而利用生麦曲作发酵试验进行测试，有耗时长，影响因素过多的缺点。生麦曲的成分十分复杂，使用近红外光谱将生麦曲样品中每一种有机组分在近红外谱区的多个波段的对应信息进行扫描，使用化学计量学（Chemometrics）方法分析化学数据，对不同品质的生麦曲进行分析建模，为当前依靠经验判断生麦曲品质的方法提供更为详细的数据评价。

1 材料与方法

1.1 材料、仪器

生麦曲：浙江塔牌绍兴酒有限公司生产。

仪器设备：MPAⅡ型傅立叶变换近红外光谱仪，IN312/C 的旋转台，IN312-SH 样品杯（直径97 mm），德国布鲁克公司；OPUS 近红外数据分析软件，德国布鲁克公司；小型粉碎机。

1.2 试验方法

1.2.1 样品的收集和分组

按照随机抽样原则，从浙江塔牌绍兴酒有限公司不同的生产小组抽取生麦曲66 块，由8 位具有高级酿酒师职称的高级技师根据生产经验从颜色、气味、菌丝外观分布、松脆度等几个方面对抽取的样品打分，计算平均值后，将分值≥60 的样品记为A组，分值＜60的样品记为B组。

1.2.2 样品的预处理

麦曲生产过程中，小麦经粉碎机粗粉碎至2～3瓣后踏曲培养而成，其颗粒大小不均匀，使用漫反射方式采集的近红外光谱时，作用光进行入样品内部后，经过多次反射、折射、衍射、吸收后返回，这种分析光负载了样品的结构和组成信息，漫反射过程中样品与光存在多种作用形式，除样品的组成外，其粒径大小及分布均对漫反射光的强度产生一定影响，所以需对样品进行预处理，保证样品颗粒一致。取每个生麦曲样品的四角和中心块共5 块总计约300 g，放入小型粉碎机中粉碎3 min，粉碎后颗粒的粒度在0.5 mm 左右，将粉碎后的样品过40目筛，取筛下的样品进行测试。

1.2.3 近红外光谱采集

选择漫反射积分球，光谱范围为4000～12000 cm-1，扫描次数64 次，扫描背景为空气，将过筛后的生麦曲粉末装入样品杯中，样品量为2/3样品杯，样品铺平，用布鲁克OPUS 软件对生麦曲样品进行光谱采集及分析，且每个样品倒出混匀后再重复测定一次，采集两张平行光谱，最终取平均光谱图作为最终分析图谱。

1.2.4 近红外模型建立

使用布鲁克公司的OPUS 软件对光谱进行预处理，数据预处理是建模的一个重要阶段，使用数学方法降低噪音信号的影响，来提高建立模型的准确性。在OPUS 中提供了线性补偿差减法、直线差减法、矢量归一法、最小-最大归一法、多元散射校正法、一阶导数法、二阶导数法等预处理方法。

将分值≥60 的A 组样品进行扫描，得到参考光谱，计算参考光谱在每个波长点i 处吸光度的平均值和标准偏差σ；待测光谱在该波长点处的吸光度与平均值的差值除以标准偏差σ，得到的就是合格性指数（Conformity Index：CI）。待测光谱的CI 与设定的CI 限度（CI limit）进行比较，快速判断待测光谱与参考光谱是否具有一致性。

合格性指数CI 的计算公式如示：

2 结果与分析

2.1 麦曲样品人工鉴别分组

人工判断主要依据经验，邀请8 名生产经验丰富且具有高级酿酒师职称的人员进行单独评价，并取平均成绩，尽量较真实的反应样品得分。

将抽取的66 个生麦曲样品，由酿酒师按表1 进行评价评分，将分值≥60 的样品分为A 组（参考组），分值＜60 的样品分为B 组（待测组）。经评价打分A 组样品44 个，B 组样品22 个，具体分值及标准差见表2。

表1 生麦曲评分表

表2 生麦曲分值表

2.2 近红外光谱采集（图1）

将所有的生麦曲样品按1.2.2 方法进行预处理，使用配备IN312/C 的旋转台和IN312-SH 大口径样品杯的MPAⅡ型傅立叶变换近红外光谱仪进行光谱采集，样品颗粒的均匀有利于光谱的稳定性，使用旋转台旋转进行多位置扫描，同时将同一样品进行两次装样后采集光谱，利用软件计算平均光谱来进行建模分析，可大幅度提高分析的精确度。图1 为布鲁克MPAⅡ型傅立叶变换近红外光谱仪直接导出的66 个生麦曲样品原始近红外图谱，在波长数为4000～12000 cm-1光谱扫描范围内样品谱图平滑，不存在吸收饱和现象，无需剔除区域，直接选择4000～12000 cm-1范围内全部图谱进行计算和分析。两组样品均为生麦曲，相对差异较小，谱图形状基本相同，需要通过进一步处理和建模将样品区分开。

图1 生麦曲样品原始近红外图谱

2.3 近红外模型的建立（图2）

图2 光谱一阶导数预处理光谱

数据预处理是建模的一个重要阶段，采用合适的光谱预处理方式可以有效的消除背景噪音和特定的物理因素干扰，提高谱图与化学成分之间相关性。分别使用一阶导数、矢量归一法、一阶导数+矢量归一化等预处理方法对生麦曲样品近红外图谱进行预处理，经比较，使用一阶导数预处理后的参考光谱和测试光谱区分度较高。使用一阶导数预处理方法，选取平滑点13 个，选择光谱交互范围4000～11600 cm-1的评价区域。

使用布鲁克OPUS 计算软件对参考光谱和测试光谱进行检验分析，计算参考光谱和检验光谱在每个波长点i 处吸光度的平均值和标准偏差σ。通过1.2.4 所述计算方法进行计算，合格性模型见图3。

图3 最大合格性索引图

图3 中一个点代表一个样品，浅色点为分值≥60 分的A 组参考组样品，深色点为分值＜60 分的测试组样品，A 组合格样品品质较稳定，CI 范围较小在1.7～3.7 之间，B组不合格样品缺陷各不相同，CI 范围较大，在4.1～9.2 之间。在样品分组时，60分临界附近的样品差异可能并不够显著，导致部分A 组和B 组样品CI 值差异不大，但是选择CI 值3.9可以将两组样品较好的区分开。

图4 为样品的CI 光谱，中间的横线表示CI 限度线。浅色表示44 个人工评分分值≥60 的合格麦曲样本的CI 光谱，深色为人工评分为40.8 编号14的不合格麦曲样本CI 光谱，即单条光谱各个波长点处的CI 值。从图4 可以看出，不合格麦曲光谱在多个波长点处的CI 值超过CI 限度线，可以通过CI值将两种品质的麦曲样品进行区分。

图4 CI光谱图

2.4 模型验证

将未经扫描的盲样生麦曲按表1 进行人工评分，取平均值，挑选分值≥60 和＜60 的样品各10块，将生麦曲样品按1.2.2 和1.2.3 进行预处理及光谱采集扫描。将采集好的光谱使用建立的模型进行检测，检测结果见表3。

表3 生麦曲使用模型检测结果

用建立的模型检测麦曲，分值≥60的10个样品有9个结果均显示合格，分值＜60的10个样品结果均显示不合格，模型检测与人工评测结果不相符样品评分为58.1 分，离分界线60 分较近，可能样品特征性不够显著。模型与人工测评结果相符性达95%，可以用来对生麦曲的品质进行评估。

3 结论

人工挑选出有品质差异的两组生麦曲样品，使用布鲁克公司的OPUS 软件对光谱进行收集和处理，以参考组和测试组光谱图建立模型，使用该模型对20 个样品进行检测，检测结果与人工判断一致性达95%。此方法快速、有效，使用近红外光谱技术能够快速的对黄酒生麦曲品质进行鉴别。