邢美嬋，歐經(jīng)思，陳成，粟暉，劉柳，姚志湘,3*

(1.廣西科技大學(xué) 生物與化學(xué)工程學(xué)院,廣西糖資源綠色加工重點實驗室，廣西 柳州 545006；2.崇左半糖健康糖業(yè)有限公司，廣西 崇左 532203；3.廣西蔗糖產(chǎn)業(yè)協(xié)同創(chuàng)新中心，南寧 530004)

原汁紅糖營養(yǎng)價值較高,有著良好的市場前景[1-2]，因此生產(chǎn)指標(biāo)監(jiān)控和銷售成品糖品質(zhì)把關(guān)便顯得尤為重要。目前對于紅糖品質(zhì)分析多采用離線手段，鮮見對生產(chǎn)紅糖過程中不同工段糖含量的實時檢測分析方法?，F(xiàn)有的糖含量的檢測方法有高效液相色譜法[3]、氣相色譜法[4]、旋光法[5]、比色法[6]、近紅外光譜法[7-8]等。以上方法普遍存在分析成本高、預(yù)處理復(fù)雜等問題，難以滿足快速分析的要求。寧方堯[9]利用近紅外光譜對蔗汁及蔗糖制品進行品質(zhì)分析。陳其釗等[10]建立高效液相指紋圖譜方法，該方法專屬性強，可作為紅糖質(zhì)量控制的有效方法。

姚志湘等以被關(guān)注向量和其他向量的空間角θ為重要參數(shù)[11]，描述隨機誤差與變量空間角的關(guān)系，將光譜的強度信號轉(zhuǎn)換為空間向量角以此消除乘性誤差[12]。粟暉等[13]通過討論光通道和背景對光譜強度變化的影響，結(jié)合向量角度轉(zhuǎn)換進一步提出一種新的小批量建模的近似線性定量方法，研究發(fā)現(xiàn)，樣本在合適的波長范圍內(nèi)，多組分混合物中的待測組分相對含量與該組分的標(biāo)準(zhǔn)品或該混合物二者間的向量夾角值存在一定的關(guān)系，且該關(guān)系不受測量條件及制樣批次變化的影響。將實驗方法優(yōu)化后，推廣應(yīng)用于蔗糖-6-乙酸酯的過程分析[14]，進而實現(xiàn)了蔗糖水解過程組分含量跟蹤及動力學(xué)的研究[15]。

本文通過模擬蔗糖濃縮制原汁紅糖過程，采用角度轉(zhuǎn)換化學(xué)計量學(xué)方法，建立蔗糖含量與樣本近紅外光譜信號角度值的關(guān)聯(lián)模型，探索一種蔗汁濃縮制原汁紅糖的在線檢測方法。

1 原理

對于蔗汁濃縮過程的各時間點下的樣本，各樣本體系中每個組分的近紅外光譜在空間中可對應(yīng)為單一向量，體系即為多個向量構(gòu)成的空間，不同的子空間或子空間中矢量之間的相關(guān)性都可用空間角表達，見圖1。

圖1 蔗汁濃縮液體系的空間關(guān)系Fig.1 Spatial relationship of sugarcane juice concentrated solution system

空間角θ與待測組分含量C存在線性關(guān)系，即θ=k1c+k2，通過建立空間角和待測樣本中蔗糖含量的關(guān)聯(lián)方程而實現(xiàn)定量分析。

2 實驗部分

2.1 藥品與儀器

蔗汁(市售)；Frontier近紅外光譜儀(PerkinElmer公司)。

2.2 基于角度轉(zhuǎn)換的濃縮過程中蔗糖近紅外分析模型的建立

2.2.1 蔗汁制原汁紅糖過程樣本制備

取市售蔗汁，使用電加熱裝置進行加熱濃縮，取蔗汁原液命名為Z0，反應(yīng)沸騰后間隔3 min提取樣品，命名為T1～T10；T10后間隔2 min取樣，命名為Z1～Z10；Z10后間隔1 min取樣，命名為W1～W10；此時停止加熱，待產(chǎn)物冷卻至室溫時取樣本，命名為HT，反應(yīng)全程約60 min，共32個樣品。

2.2.2 樣本近紅外光譜采集

分別取30 μL左右樣本置于測量皿中，采用積分球附件，采集各樣本的近紅外光譜數(shù)據(jù)。采集參數(shù)：積分時間為60 s，分辨率為2 cm-1，數(shù)據(jù)間隔1 nm，波長范圍為1000～2500 nm。

2.2.3 過程樣本的高效液相色譜分析

取制糖過程的32個樣本進行高效液相色譜分析，結(jié)果作為建模用的真實值。色譜條件：流速為1 mL/min；色譜柱為氨基柱；流動相為乙腈∶水為80∶20；示差折光檢測器的溫度保持在35 ℃；進樣量為20 μL。實驗提取的樣本需稀釋100倍并過濾(0.22 μm濾膜)，利用HPLC法(色譜條件同上)測定蔗糖含量。

2.2.4 關(guān)聯(lián)方程的建立

根據(jù)液相色譜分析結(jié)果，選取5～6個不同濃度的樣本，建模樣本需包括系列樣本的最大濃度與最小濃度。

將光譜數(shù)據(jù)分別導(dǎo)入MATLAB計算平臺，分析各樣本近紅外光譜，選擇建模波長范圍。

對樣本光譜和參比光譜進行求導(dǎo)降噪處理。

設(shè)定移動窗口，采用自編算法計算樣本光譜與參比光譜的系列夾角的方差值EE。

建立EE值與樣本中蔗糖濃度的線性方程；調(diào)整求導(dǎo)階數(shù)、移動窗口寬度直至相關(guān)系數(shù)r>0.99，模型建立完成。

2.2.5 模型驗證

將其他過程樣本作為驗證樣本，依照建模確定的參數(shù)，求取驗證樣本光譜與參比光譜的系列夾角的方差值EE，將所得EE值分別代入建立的關(guān)聯(lián)方程，計算待測樣本中蔗糖的含量，并與高效液相色譜法得到的蔗糖含量對比，通過誤差分析驗證所建模型的可靠性。

2.3 蔗汁濃縮過程分析

選取不同批次的蔗汁，依照2.2.1步驟重復(fù)進行兩批次實驗。在不同的時間點下取過程樣本，及時采集樣本的近紅外光譜數(shù)據(jù)，依照建模確定的參數(shù)，求取樣本光譜與參比光譜的系列夾角的方差值EE，代入模型中得到過程濃縮液的蔗糖含量。

3 結(jié)果與分析

3.1 蔗糖近紅外分析模型建立

3.1.1 近紅外光譜濾波求導(dǎo)

樣本Z0、T1～T10、Z1～Z10、W1～W10、HT的近紅外光譜見圖2。由于各樣品譜圖基線漂移，出峰存在重疊和覆蓋，各待測組分響應(yīng)缺乏良好的選擇性，為保證特征信息的完整性，突出特征光譜，將光譜數(shù)據(jù)導(dǎo)入MATLAB平臺，選擇全波段1000～2500 nm，對近紅外光譜進行求導(dǎo)降噪處理。

圖2 系列樣本近紅外光譜圖Fig.2 Near-infrared spectra of series of samples

以蔗汁濃縮終點時的樣本HT為參比樣本，按照一定反應(yīng)間隔選取W6、W3、Z8、Z2、Z0為建模樣本，其余樣本為驗證樣本。對制備過程中樣本Z0、HT的近紅外光譜進行一階濾波求導(dǎo)降噪處理，求導(dǎo)前與求導(dǎo)后的光譜對比見圖3。

圖3 制備過程中Z0、HT樣本的近紅外光譜圖及其一階濾波求導(dǎo)曲線Fig.3 Near-infrared spectra of Z0 and HT samples during the preparation process and their first-order filtering derivation curves

圖3中a為Z0、HT樣本的原始近紅外光譜圖，對其進行一階濾波求導(dǎo)降噪后得到圖3中b，濾波求導(dǎo)后特征峰峰寬縮小、分辨率提高。對光譜進行一階求導(dǎo)后，對比未濾波求導(dǎo)的光譜，特征峰明顯。

3.1.2 窗口寬度選擇和關(guān)聯(lián)方程建立

根據(jù)特征峰的區(qū)間寬度，選擇合適的窗口，將光譜圖分成不同的區(qū)間寬度進行運算，計算樣本光譜與參比光譜的夾角值,并將窗口寬度逐步向右移動至最高波數(shù)點，得到系列光譜夾角的方差值。

移動窗口寬度取波段波數(shù)的1/60與3/40，計算樣本與參比之間的方差EE值，以蔗糖含量為橫坐標(biāo)、EE為縱坐標(biāo)，采用線性擬合的方法建立關(guān)聯(lián)方程，見表1。對比各方程的相關(guān)系數(shù)，確定最優(yōu)關(guān)聯(lián)方程。

表1 關(guān)聯(lián)方程相關(guān)性分析結(jié)果Table 1 Correlation analysis results of correlation equations

由圖3可知，零階、一階求導(dǎo)時特征峰的區(qū)間寬度大，選擇窗口寬度為3/40可更有效地包含更為全面的光譜信息。而二階求導(dǎo)時特征峰的區(qū)間寬度相對較小，選擇窗口寬度為3/40會增加無效信息，選擇窗口寬度為1/60可對特征光譜進行更加精準(zhǔn)的計算。零階濾波求導(dǎo)(b)雖所建模型關(guān)聯(lián)方程相關(guān)系數(shù)符合要求，但綜合考慮濾波求導(dǎo)降噪及窗口寬度的選擇，經(jīng)過一階濾波求導(dǎo)降噪得到的d相關(guān)系數(shù)最優(yōu)，為0.9996，并且驗證樣本的相對誤差最小。綜上,選擇d建立蔗糖的快速分析模型，見圖4。

圖4 蔗糖含量與角度值的關(guān)聯(lián)方程Fig.4 The correlation equation between sucrose content and angle value

3.1.3 模型驗證

依照建模確定的參數(shù)，計算驗證樣本的夾角EE值，代入關(guān)聯(lián)方程中，得到預(yù)測濃度，并將結(jié)果與高效液相色譜做對比驗證，誤差分析結(jié)果見表2。

表2 驗證樣本的EE值與誤差分析結(jié)果Table 2 EE values and error analysis result of the verification sample

續(xù) 表

由表2可知，蔗糖快速分析模型的絕對誤差在-5.70%～5.80%之間，相對誤差在-8.82%～8.35%之間。結(jié)果表明，模型精度較高，對驗證樣本中蔗糖含量的預(yù)測較為準(zhǔn)確。

3.2 蔗汁濃縮制糖過程分析

通過采集不同濃縮階段的糖液，實時采集其近紅外光譜，代入計算平臺，調(diào)用算法程序，利用所建立的模型，分別得到兩個批次的蔗糖含量隨反應(yīng)時間延長的變化趨勢，見圖5。

圖5 不同批次蔗汁濃縮過程中蔗糖含量隨時間延長的變化趨勢圖Fig.5 Changing trend of sucrose content in different batches of sugarcane juice concentration process with time

由圖5可知，兩個批次蔗汁在0～30 min蔗糖含量增加緩慢，這一階段的樣本均為黃色澄清液體，兩個批次蔗糖含量差異不大。在30～55 min，隨著水分的不斷蒸發(fā)，蔗糖含量增加迅速，這一階段開始有紅褐色黏稠液體產(chǎn)生，并隨著反應(yīng)時間的延長顏色逐漸加深，液體變得更加黏稠，但此階段濃縮過程中兩個批次蔗糖含量存在較大差異。繼續(xù)加熱濃縮，蔗糖濃度不再有明顯增加，反而有下降趨勢。60 min冷卻降溫，樣本快速凝結(jié)成固體，得到原汁紅糖。實驗結(jié)果表明,采用建立的方法可用于蔗汁濃縮制原汁過程中蔗糖含量的實時監(jiān)測。

4 結(jié)論

采用角度轉(zhuǎn)換法，建立蔗糖含量與近紅外光譜角度值的關(guān)聯(lián)模型，用于蔗汁濃縮制原汁紅糖過程中蔗糖含量的實時監(jiān)測，也可實現(xiàn)濃縮液多組分的同時測定。通過對濃縮過程蔗糖含量的實時檢測，可控制反應(yīng)溫度、時間等，避免過度反應(yīng)，有利于產(chǎn)品質(zhì)量的有效監(jiān)控。本方法不需要對樣本進行復(fù)雜的預(yù)處理，建模樣本少，對環(huán)境友好，檢測時間短，可推廣應(yīng)用于多元體系的組分含量快速分析。