近紅外光（NearInfrared，NIR）是指波長(zhǎng)介于可見光（VIS）與中紅外光（IR）之間的電磁波，被定義在780～2526nm波長(zhǎng)的光譜區(qū)（3960～12800cm^-1），主要測(cè)量含氫基團(tuán)為主，包括C-H（甲基、亞甲基、甲氧基、羧基、芳基）、羥基O-H、巰基S-H、氨基N-H（伯胺、仲胺、叔胺和銨鹽）等。近紅外檢測(cè)技術(shù)當(dāng)前發(fā)展迅速，具有操作方便簡(jiǎn)單、快速、檢測(cè)成本低、無損耗、分辨率高，可多成分同時(shí)分析等優(yōu)點(diǎn)，該技術(shù)目前廣泛應(yīng)用于食品、農(nóng)業(yè)、制藥、化工等領(lǐng)域。近紅外分析技術(shù)在糧食原料的產(chǎn)地區(qū)分、白酒真?zhèn)舞b別等方面也有著廣泛的應(yīng)用。

生麥曲是傳統(tǒng)紹興黃酒釀造中的重要原料之一，用量達(dá)到原料米的16%，被稱為“酒之骨”。生麥曲在傳統(tǒng)黃酒發(fā)酵過程中提供了豐富的酶系，主要包括淀粉酶、蛋白酶、脂肪酶等，這些酶將原料中所含的淀粉、蛋白質(zhì)、脂肪分解為微生物可利用的物質(zhì)。生麥曲中還含有豐富的代謝產(chǎn)物，賦予紹興黃酒特有的風(fēng)味，素有好曲出好酒的說法，因此麥曲的品質(zhì)對(duì)紹興黃酒的風(fēng)味有著重要的影響。品質(zhì)不佳的麥曲不僅會(huì)影響酒的風(fēng)味，還容易造成發(fā)酵過程異常，給發(fā)酵過程的控制帶來困難。

目前生麥曲的品質(zhì)判斷主要依靠人工判斷，對(duì)人的經(jīng)驗(yàn)要求較高，常用的鑒定方法還有糖化力、淀粉酶活性進(jìn)行測(cè)定，但此方法只起到輔助判斷的作用，無法作為*終的判別依據(jù)。而利用生麥曲作發(fā)酵試驗(yàn)進(jìn)行測(cè)試，有耗時(shí)長(zhǎng)，影響因素過多的缺點(diǎn)。生麥曲的成分十分復(fù)雜，使用近紅外光譜將生麥曲樣品中每一種有機(jī)組分在近紅外譜區(qū)的多個(gè)波段的對(duì)應(yīng)信息進(jìn)行掃描，使用化學(xué)計(jì)量學(xué)（Chemometrics）方法分析化學(xué)數(shù)據(jù)，對(duì)不同品質(zhì)的生麥曲進(jìn)行分析建模，為當(dāng)前依靠經(jīng)驗(yàn)判斷生麥曲品質(zhì)的方法提供更為詳細(xì)的數(shù)據(jù)評(píng)價(jià)。

麥曲樣品人工鑒別分組

人工判斷主要依據(jù)經(jīng)驗(yàn)，邀請(qǐng)8名生產(chǎn)經(jīng)驗(yàn)豐富且具有**釀酒師職稱的人員進(jìn)行單獨(dú)評(píng)價(jià)，并取平均成績(jī)，盡量較真實(shí)的反應(yīng)樣品得分。

將抽取的66個(gè)生麥曲樣品，由釀酒師按表1進(jìn)行評(píng)價(jià)評(píng)分，將分值≥60的樣品分為A組（參考組），分值＜60的樣品分為B組（待測(cè)組）。經(jīng)評(píng)價(jià)打分A組樣品44個(gè)，B組樣品22個(gè)，具體分值及標(biāo)準(zhǔn)差見表2。

近紅外光譜采集

將所有的生麥曲樣品進(jìn)行預(yù)處理，使用配備IN312/C的旋轉(zhuǎn)臺(tái)和IN312-SH大口徑樣品杯的MPA Ⅱ型傅立葉變換近紅外光譜儀進(jìn)行光譜采集，樣品顆粒的均勻有利于光譜的穩(wěn)定性，使用旋轉(zhuǎn)臺(tái)旋轉(zhuǎn)進(jìn)行多位置掃描，同時(shí)將同一樣品進(jìn)行兩次裝樣后采集光譜，利用軟件計(jì)算平均光譜來進(jìn)行建模分析，可大幅度提高分析的**度。圖1為布魯克MPA Ⅱ型傅立葉變換近紅外光譜儀直接導(dǎo)出的66個(gè)生麥曲樣品原始近紅外圖譜，在波長(zhǎng)數(shù)為4000～12000cm^-1光譜掃描范圍內(nèi)樣品譜圖平滑，不存在吸收飽和現(xiàn)象，無需剔除區(qū)域，直接選擇4000～12000cm^-1范圍內(nèi)全部圖譜進(jìn)行計(jì)算和分析。兩組樣品均為生麥曲，相對(duì)差異較小，譜圖形狀基本相同，需要通過進(jìn)一步處理和建模將樣品區(qū)分開。

近紅外模型的建立

數(shù)據(jù)預(yù)處理是建模的一個(gè)重要階段，采用合適的光譜預(yù)處理方式可以有效的消除背景噪音和特定的物理因素干擾，提高譜圖與化學(xué)成分之間相關(guān)性。分別使用一階導(dǎo)數(shù)、矢量歸一法、一階導(dǎo)數(shù)+矢量歸一化等預(yù)處理方法對(duì)生麥曲樣品近紅外圖譜進(jìn)行預(yù)處理，經(jīng)比較，使用一階導(dǎo)數(shù)預(yù)處理后的參考光譜和測(cè)試光譜區(qū)分度較高。使用一階導(dǎo)數(shù)預(yù)處理方法，選取平滑點(diǎn)13個(gè)，選擇光譜交互范圍4000～11600cm^-1的評(píng)價(jià)區(qū)域。

使用布魯克OPUS計(jì)算軟件對(duì)參考光譜和測(cè)試光譜進(jìn)行檢驗(yàn)分析，計(jì)算參考光譜和檢驗(yàn)光譜在每個(gè)波長(zhǎng)點(diǎn)i處吸光度的平均值和標(biāo)準(zhǔn)偏差σ。通過計(jì)算，合格性模型見圖3。

圖3中一個(gè)點(diǎn)代表一個(gè)樣品，淺色點(diǎn)為分值≥60分的A組參考組樣品，深色點(diǎn)為分值＜60分的測(cè)試組樣品，A組合格樣品品質(zhì)較穩(wěn)定，CI范圍較小在1.7～3.7之間，B組不合格樣品缺陷各不相同，CI范圍較大，在4.1～9.2之間。在樣品分組時(shí)，60分臨界附近的樣品差異可能并不夠顯著，導(dǎo)致部分A組和B組樣品CI值差異不大，但是選擇CI值3.9可以將兩組樣品較好的區(qū)分開。

圖4為樣品的CI光譜，中間的橫線表示CI限度線。淺色表示44個(gè)人工評(píng)分分值≥60的合格麥曲樣本的CI光譜，深色為人工評(píng)分為40.8編號(hào)14的不合格麥曲樣本CI光譜，即單條光譜各個(gè)波長(zhǎng)點(diǎn)處的CI值。從圖4可以看出，不合格麥曲光譜在多個(gè)波長(zhǎng)點(diǎn)處的CI值超過CI限度線，可以通過CI值將兩種品質(zhì)的麥曲樣品進(jìn)行區(qū)分。

模型驗(yàn)證

將未經(jīng)掃描的盲樣生麥曲按表1進(jìn)行人工評(píng)分，取平均值，挑選分值≥60和＜60的樣品各10塊，將生麥曲樣品進(jìn)行預(yù)處理及光譜采集掃描。將采集好的光譜使用建立的模型進(jìn)行檢測(cè)，檢測(cè)結(jié)果見表3。

用建立的模型檢測(cè)麥曲，分值≥60的10個(gè)樣品有9個(gè)結(jié)果均顯示合格，分值＜60的10個(gè)樣品結(jié)果均顯示不合格，模型檢測(cè)與人工評(píng)測(cè)結(jié)果不相符樣品評(píng)分為58.1分，離分界線60分較近，可能樣品特征性不夠顯著。模型與人工測(cè)評(píng)結(jié)果相符性達(dá)95%，可以用來對(duì)生麥曲的品質(zhì)進(jìn)行評(píng)估。