袁 頡，毛育志，姚翠萍，焦 富，羅汝葉，李巧玉，牟明月*

（1.貴州茅臺酒股份有限公司，貴州仁懷 564500；2.貴州省釀酒工程技術(shù)研究中心，貴州仁懷 564500）

大曲是白酒釀造過程中重要的糖化發(fā)酵劑，素有“酒之骨”之稱[1-2]。糖化力指大曲中具有糖化作用的微生物及酶，將淀粉分解為葡萄糖的能力，是衡量大曲糖化作用的重要理化指標，是大曲品質(zhì)的重要考核指標。糖化力的高低與酒醅發(fā)酵及產(chǎn)酒量密切相關(guān)，糖化力的準確測定對指導(dǎo)生產(chǎn)起著關(guān)鍵作用[3-7]。由于獨特的高溫制曲工藝，醬香型大曲倉內(nèi)發(fā)酵溫度超過60 ℃，且高溫持續(xù)時間較長，使得醬香型大曲糖化力較低，加上釀酒原料高粱中支鏈淀粉含量高等因素，共同保證了醬香型白酒出酒率呈現(xiàn)“兩頭低，中間高”的特點，確保酒質(zhì)的穩(wěn)定[8-9]。

目前大曲糖化力的測定主要采用斐林試劑滴定法，在一定的溫度與時間下（35 ℃，1 h），利用待測樣品對淀粉進行酶解，根據(jù)斐林試劑與還原糖的顯色反應(yīng)確定滴定終點，最后換算出樣品的酶活力[10-12]。由于采取手工滴定，易帶入操作誤差，且每個樣品需電爐加熱及滴定，存在不安全因素，檢測樣本量大時此方法不適用。也可采用DNS 法，在堿性條件下，利用3,5-二硝基水楊酸（DNS）與還原糖共熱后生成棕紅色氨基化合物，在一定波長范圍內(nèi)，測定處理后樣液吸光度，再換算出酶活力[13-14]。兩種方法都需制備酶液，存在前處理過程繁瑣、耗時較長、試劑消耗量大、測定殘液待集中處理等問題。

偏最小二乘法是一種常見的化學(xué)計量學(xué)方法，綜合主成分分析、典型相關(guān)分析、線性回歸分析等優(yōu)點，具有一定的消除非線性的能力，建模的同時實現(xiàn)數(shù)據(jù)結(jié)構(gòu)的簡化，在光譜分析中廣泛應(yīng)用[15-16]。近紅外光譜分析技術(shù)具有無污染、測定速度快等優(yōu)點，可根據(jù)有機物含氫基團X-H（X=C、N、O、S 等）振動的倍頻及合頻吸收的差異，區(qū)分不同物質(zhì)并進行含量測定，涵蓋食品、化工、制藥等領(lǐng)域多種指標的快速檢測。在白酒生產(chǎn)中，近紅外檢測技術(shù)已廣泛應(yīng)用于釀酒原料、酒醅、大曲、白酒的重要理化指標檢測[17-19]。2018 年3 月，中國酒業(yè)協(xié)會發(fā)布的團體標準《固態(tài)發(fā)酵酒醅通用分析方法》T/CB J 004—2018，明確了利用近紅外分析法檢測酒醅水分、酸度、淀粉、糖分、酒精度、總酯等指標的基本要求，體現(xiàn)出對該方法在白酒檢測中推廣應(yīng)用的政策支持。

本研究采用近紅外光譜技術(shù)收集醬香型大曲近紅外波長，結(jié)合偏最小二乘法建立醬香型大曲糖化力的定量模型，具有快速、可靠、無污染等優(yōu)點，能有效提高大曲質(zhì)量監(jiān)控和分析研究效率。

1 材料與方法

1.1 材料、試劑及儀器

1.1.1 材料

試驗所用材料為某醬香型白酒廠制曲車間大曲，定期選取具有代表性的大曲樣品，共955 份，作為建模樣品，另隨機抽取51份樣品作為檢驗樣品。

1.1.2 儀器設(shè)備

DS2500 型近紅外分析儀，瑞典FOSS 公司；ME204E 型分析天平，梅特勒-托利多公司(上海）；HH系列數(shù)顯恒溫水浴鍋，江蘇科析儀器有限公司；電爐，天津市泰斯特儀器有限公司。

1.2 實驗方法

1.2.1 樣品糖化力的化學(xué)法測定原理

大曲中糖化型淀粉酶能將淀粉水解生成葡萄糖。參照《釀酒大曲通用分析方法》QB/T 4257—2011，在一定條件下(pH4.6、溫度35 ℃)，樣品浸出液1 h 水解淀粉生成葡萄糖量的多少表示樣品的糖化力。用斐林法測定生成的葡萄糖量，以此換算出樣品糖化力。

1.2.2 樣品的近紅外光譜測量方法

將大曲樣品充分混勻，平鋪于干凈的樣品杯，裝樣量約占樣品杯2/3，檢查杯底無雜質(zhì)后壓實，確保無漏光或大空隙，然后將樣品杯置于測量池中進行測量。

1.2.3 光譜采集

光譜波長范圍：850～2450 nm，光譜分辨率：2 nm，掃描次數(shù)：2次。

1.2.4 模型建立

根據(jù)大曲中的C-H、N-H、O-H、C-O和S-H等化學(xué)鍵的泛頻振動或轉(zhuǎn)動，通過漫反射方式獲得大曲糖化力組成基礎(chǔ)化學(xué)鍵在近紅外區(qū)的吸收光譜，結(jié)合偏最小二乘法建立大曲的近紅外光譜與糖化力含量間的預(yù)測模型。

2 結(jié)果與分析

2.1 預(yù)測模型的建立

通過檢測955 份大曲樣品的近紅外吸收峰，將收集到的光譜按糖化力化學(xué)測定值排序，并按1∶2比例分為驗證集和校正集，建立的對比集散圖如圖1所示。

圖1 對比集散圖

利用WinISI 中的偏最小二乘法建立大曲樣品的糖化力預(yù)測模型，所得各模型參數(shù)見表1。

表1 利用偏最小二乘法建立的大曲糖化力預(yù)測模型參數(shù)

模型的標準偏差SEC 為20.2366，模型交互驗證標準偏差SECV為22.0057，模型交互驗證標準偏差與標準偏差的比值為1.0874，小于1.2；模型交互驗證相關(guān)系數(shù)1-VR=0.7812，定標樣品集濃度的變化被78.12%的解釋出來。初步說明該模型具有良好的適用性。

2.2 模型檢驗

（1）重復(fù)性：隨機選取1 份大曲樣品，利用表2中的近紅外測定模型參數(shù)重復(fù)測定10 遍，糖化力分析結(jié)果如圖2所示。

表2 近紅外光譜測定大曲糖化力重復(fù)性對比

圖2 同一大曲樣品糖化力重復(fù)檢測數(shù)據(jù)對比圖

通過10 組重復(fù)性實驗對比發(fā)現(xiàn)，利用表2 所述近紅外模型預(yù)測實驗樣品糖化力的相對標準偏差為0.67%，說明該模型測定大曲糖化力具有較好的精密度。

（2）準確性：隨機選取50 份不同大曲樣品，利用表1 所述近紅外模型參數(shù)測定大曲糖化力，并與采用斐林試劑滴定法測定的實驗值進行對比，分析結(jié)果如圖3所示。

圖3 預(yù)測值與實驗值對比集散圖

上述50 份大曲樣品糖化力近紅外模型的預(yù)測值與實驗值的平均相對誤差為5.31%，說明該模型具有較好的預(yù)測能力，可用于醬香型大曲理化指標糖化力的檢測。

2.3 方法對比

2.3.1 不同分析方法對比

從廢液產(chǎn)生量、操作難易度、檢測時間等方面，將本方法與其他分析方法對比，具體參數(shù)如表3所示。

表3 不同大曲糖化力檢測方法比較

對比斐林試劑滴定法和3,5-二硝基水楊酸比色法，利用近紅外光譜分析法測定大曲糖化力，無酶液制備過程、無化學(xué)試劑消耗、無檢測殘液產(chǎn)生，具有操作簡單、檢測效率高、無污染等優(yōu)點。

2.3.2 不同近紅外模型對比

從檢測波長、檢測范圍、平均相對誤差等方面，將本模型與其他模型對比，具體參數(shù)如表4所示。

表4 不同近紅外模型檢測大曲糖化力比較

兩個模型平均相對誤差均在10%以內(nèi)，模型1的平均相對誤差略低，但本方法用于大曲糖化力近紅外建模的樣本量更高，檢測范圍75～350 mg/g·h，更適用于糖化力偏低的醬香型大曲。

3 結(jié)論

本研究采用近紅外光譜技術(shù)結(jié)合偏最小二乘法，建立醬香大曲糖化力的線性定量模型，相對于傳統(tǒng)檢測方法，具有高效、快速、無污染等優(yōu)點，適用于高溫大曲重要指標糖化力的快速、精準檢測。為使模型更加穩(wěn)定，還需在使用過程中不斷擴充數(shù)據(jù)庫，優(yōu)化預(yù)測模型。

隨著大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等技術(shù)的興起，利用近紅外光譜技術(shù)，不斷擴寬大曲檢測指標，如大曲類別、液化力、發(fā)酵力等，構(gòu)建更加智能化的大曲快速檢測及評價系統(tǒng)，值得重點關(guān)注與深入研究。