葉 華，袁雷明, 張海寧，李理敏

1. 淮陰工學院生命科學與食品工程學院，江蘇 淮安 223001 2. 溫州大學電氣與電子工程學院，浙江 溫州 325035 3. 江蘇大學食品與生物工程學院，江蘇 鎮(zhèn)江 212013 4. 洛陽師范學院食品與藥品學院，河南 洛陽 471934

引 言

果酒是以成熟水果為原料發(fā)酵釀造而成的一種酒類，純度較低，營養(yǎng)豐富，有著獨特的風味口感，是各類酒中最具發(fā)展?jié)摿Φ囊环N酒類[1]。藍莓、桑葚等果品富含花青素、多酚、有機酸、酚酸、氨基酸等多種具有保健功能的營養(yǎng)物質[2]，尤其是多酚類含量豐富并具有多種生理功能，深受飲酒人士的喜愛。多酚通常是果酒品質的重要指標之一，檢測方法包括高效液相色譜法和分光光度計法，但費時費力，因此在果酒發(fā)酵過程中急需一種快速檢測多酚含量的分析技術。

近紅外光譜(near-infrared spectroscopy, NIRS)作為一種近30年來快速興起的分析技術，其快速、簡單、低成本、可重復性高等優(yōu)點在食品安全與營養(yǎng)[3-4]、藥物組分及活性[5]、環(huán)境污染[6]、石油化工[7]等方面得到了廣泛的應用。采用可見-近紅外光譜測量蘋果[8]、柑橘[9]、葡萄[10]等水果的內部品質，預測相關性一般高于0.8。常用化學計量學建模方法為偏最小二乘法(partial least square, PLS)，它是一種矩陣投影建模技術，通常是采用全波段的光譜構建回歸模型。但全波段的光譜數(shù)量比較大，一般在幾百甚至幾千以上，且獲取的光譜信息易受如水吸收峰[11]、儀器性能等因素干擾，因此變量篩選就顯得尤為重要[8, 12-13]。

通常，待測物的理化指標與特定光譜區(qū)域的信號存在較高相關度，一些用于光譜變量的篩選方法被提出來，如間隔偏最小二乘法(interval PLS, iPLS)、聯(lián)合區(qū)間法、遺傳算法、連續(xù)投影算法等。但這些方法僅是篩選其中的一個或幾個區(qū)間或多個變量來構建單個PLS模型，而忽略了其他光譜區(qū)間對構建模型的貢獻，使信息損失。為此，一些多模型的共識方法被提出[14-16]，如基于不同樣本子集建模的均值共識策略[14]，或基于不同模型分配權重的共識策略[15-16]來提高光譜預測精度，本文則提出一種基于光譜區(qū)間模型來分配各成員模型iPLS權重的共識策略。

1 實驗部分

1.1 樣本準備

采用江蘇省溧水縣生產的兔眼藍莓、桑葚(品種為鎮(zhèn)椹1號、臺灣1號、射陽3號)，于成熟期收集各批次于果園的不同位置。按照藍莓、桑葚果酒的釀制工藝[17-18]，將每批次進行單獨打漿、加酶、滅酶等操作獲取藍莓汁、桑葚汁；按比例混合不同批次藍莓汁、桑葚汁，共計得到16份果汁液，分別裝入各小型發(fā)酵罐進行發(fā)酵。

以離線采樣法分別收集處于發(fā)酵中后期的發(fā)酵液三次，將其1 000 r·min-1離心10 min后，取上清液置于棕色瓶，共計48個樣，用于后續(xù)的光譜采集及多酚含量測量。

1.2 近紅外光譜的數(shù)據(jù)采集

針對每個發(fā)酵液樣本，裝載于3個10 mm光程的比色皿，采用AntarisⅡ傅里葉變換近紅外(FT-NIR)光譜儀(美國Thermo Fisher公司) 收集透射光譜，掃描范圍為10 000～4 000 cm-1。以儀器內置背景為參比，掃描次數(shù)16次，分辨率為8 cm-1，共計1 577個波數(shù)點。圖1為各測試樣的平均透射光譜曲線。

圖1 果酒的平均光譜透射曲線

1.3 總酚含量的國標檢測

根據(jù)國家標準GB/T8313—2018總酚含量的測定方法，以分光光度計法在波長765 nm處測量不同濃度沒食子酸標準溶液Y的吸光度A，繪制標準曲線(A=0.489 4Y+0.012 5,R2=0.996 9)，再對各發(fā)酵液標準處理得到的吸光度值計算出總酚濃度。

采用duplex算法以逐個拾取距離其余樣本的光譜中心距離最遠的那個樣本依次按照2∶1的比例劃分為校正集和預測集(如表1所示)，其中校正集用于構建、訓練模型，預測集作為外來樣本用于檢驗模型的預測性能。

表1 果酒樣本集的總酚含量的統(tǒng)計結果Table 1 Statistic results of polyphenol content in fruit-wine

Note: SD: standard deviation; CV: coefficient of variation

1.4 間隔偏最小二乘-共識模型的構建方法

間隔偏最小二乘模型是基于某一間隔區(qū)域的光譜信息建立的偏最小二乘模型。一般是將全區(qū)間光譜分割為n個等長度間隔，基于這些間隔內的光譜信息，分別構建偏最小二乘模型，并從n個iPLS模型中選擇一個預測性能最好的作為最終模型。

(1)

(2)

(3)

圖2為間隔偏最小二乘-共識模型(C_iPLS)構建流程：首先將訓練集的光譜數(shù)據(jù)劃分n個間隔，以每個間隔的光譜變量作為特征集，分別構建n個iPLS模型，作為成員模型fi與權系數(shù)ci向量相乘構建共識模型F(x)。對式(3)的MSE進行開方計算，即為共識模型的交互驗證均方根誤差(root MSE of cross validation, RMSECV)，此參數(shù)作為共識模型的主要評價指標。調整成員模型的間隔數(shù)量n，根據(jù)RMSECV最小原則來選取最佳共識模型。

圖2 間隔偏最小二乘-共識模型的工作流程

2 結果與討論

2.1 回歸模型的構建與優(yōu)化

基于校正集建立基于全光譜區(qū)間的PLS模型，以內部交叉驗證避免所建模型的過擬合或欠擬合[9]。采用多元散射校正(MSC)、標準正態(tài)變換(SNV)等方式對果酒透射光譜數(shù)據(jù)進行預處理，但構建的PLS模型相比于無預處理時的預測性能，并未得到改善。因此，本工作所處理的光譜數(shù)據(jù)均為原平均光譜。

將全區(qū)間光譜劃分的間隔數(shù)量從2依次增加到為60；并基于這些間隔的光譜變量分別構建PLS模型，以RMSECV最小為原則篩選最佳的iPLS模型。作為對比，連續(xù)投影算法 (SPA)、無信息變量剔除(UVE)等變量篩選方法用于校正集的模型構建。

圖3為不同間隔數(shù)n時的最佳iPLS及C_iPLS模型的交互驗證均方根誤差，隨著n變大，RMSE值均呈現(xiàn)先變大后逐漸變小，當n>12時，誤差在125～155內波動。當n=1，此時iPLS模型、PLS模型、C_iPLS模型等價。當間隔數(shù)為3時，兩者模型性能最差，RMSE均達到185以上；當間隔數(shù)為39時，此時的iPLS模型、共識模型同時具有最小的RMSECV，分別為131.3和124.2，為全局(n≤60)最低值。

圖3 間隔偏最小二乘模型及其共識模型的交互均方根誤差變化趨勢

2.2 模型預測及比較

表2為幾種模型的預測結果。當n=39時，以第14個間隔中的40個光譜變量構建的iPLS模型預測性能優(yōu)于其他iPLS模型，但相比于全局PLS模型、共識模型，其預測效果最差，預測均方根誤差(root mean squared errors of prediction, RMSEP)低至178.7。結合以劃分39個間隔時的14th，16th，18th三個iPLS為成員模型構建的共識模型(如圖4所示)，具有最好的預測性能，RMSEP低至163.4，優(yōu)于iPLS和PLS模型，此時C_iPLS模型對訓練集、預測集的樣本預測分布如圖5所示，樣本分布越接近45°對角線表示模型預測性能越好。與傳統(tǒng)的SPA和UVE變量篩選后的模型對比，共識模型的預測性能具有一定的優(yōu)越性。

表2 幾種不同回歸模型的預測比較Table 2 Comparisons of different regression models for prediction

Note: a: the full spectra were segmented into 39 intervals

2.3 間隔偏最小二乘共識模型的分析

圖4 間隔偏最小二乘模型的交互驗證均方根誤差柱形圖

圖5 間隔偏最小二乘的共識模型的預測散點圖

統(tǒng)計39個iPLS模型的交互驗證殘差向量(ei,ej)之間的相關性rij，如圖6所示，區(qū)域越白，表示相關性越高；反則表示相關性越低。觀察間隔11th～13th的iPLS模型，與其他間隔的iPLS存在較高的相關性；而部分黑色區(qū)域如間隔1th～7th的iPLS模型之間雖然存在較低的相關性，但是這些模型的RMSECV值較大，易使公式3中的MSE數(shù)值變大。作為一個好的共識策略，應該篩選那些具有較低RMSECV的成員模型，以及這些成員模型殘差之間較低的相關性，從而提升了共識模型的預測精度、穩(wěn)定性。

圖6 間隔偏最小二乘模型的殘差向量間的相關性

3 結 論

探討傅里葉變換近紅外光譜快速離線測量發(fā)酵過程中的果酒多酚含量。通過間隔偏最小二乘法挖掘不同光譜區(qū)間內的模型信息，并以iPLS模型作為成員模型，融合各成員模型之間的冗余信息，使共識模型同時考慮了各特征集的模型信息、各個成員模型的誤差以及誤差之間的相關性，使共識模型的預測結果更加穩(wěn)定、可靠，有助于近紅外光譜的應用推廣。