馬卉芳

(1.開(kāi)封文化藝術(shù)職業(yè)學(xué)院,河南 開(kāi)封 475004；2.西北工業(yè)大學(xué),西安 710072)

醋的歷史由來(lái)已久，其風(fēng)味獨(dú)特、口感醇厚，因此作為家喻戶曉的一種調(diào)味品，深受人們喜愛(ài)。香醋是其典型代表之一，經(jīng)過(guò)其獨(dú)特的發(fā)酵工藝，所得成品醋具有“酸甜適中、存久留香”的特點(diǎn)[1]。但是，醋的發(fā)酵過(guò)程尤其復(fù)雜，而目前對(duì)于香醋指標(biāo)檢測(cè)最常用的方法是近紅外光譜法，也存在著較大的誤差，可能和香醋真實(shí)指標(biāo)狀況相距較遠(yuǎn)。如果能精確檢測(cè)香醋中總酸含量的分布，進(jìn)而及時(shí)指導(dǎo)生產(chǎn)者調(diào)整生產(chǎn)工藝[2]，無(wú)疑對(duì)改進(jìn)香醋品質(zhì)有著重要的科學(xué)價(jià)值。

高光譜圖像檢測(cè)技術(shù)是近幾年研發(fā)出的一種新型產(chǎn)品檢測(cè)方法，在使檢測(cè)產(chǎn)品狀態(tài)無(wú)損的情況下能完整地測(cè)出其圖像信息和光譜信息，即可以集圖像技術(shù)和光譜技術(shù)于一體。其中圖像技術(shù)能夠反映出所測(cè)物質(zhì)的形態(tài)學(xué)特征，而光譜信息則可反映被測(cè)物的結(jié)構(gòu)和組成成分等[3-5]。高光譜圖像檢測(cè)技術(shù)自研發(fā)使用以來(lái)能夠很好地滿足食品檢測(cè)領(lǐng)域中對(duì)于產(chǎn)品多特征信息提取的需要，因此目前已被廣泛地應(yīng)用于食品行業(yè)的質(zhì)量檢測(cè)、損傷程度識(shí)別和食品安全檢測(cè)等方面[6]。

本研究擬對(duì)香醋各個(gè)發(fā)酵階段的總酸含量進(jìn)行快速無(wú)損分析[7]，分析這兩種光譜波長(zhǎng)篩選方法對(duì)香醋總酸含量預(yù)測(cè)模型的影響，以期實(shí)現(xiàn)對(duì)香醋總酸含量的快速預(yù)測(cè)。

1 材料與方法

1.1 材料與試劑

糯米：河南恒順米業(yè)有限公司，產(chǎn)地江蘇鎮(zhèn)江；大曲、快曲、種子醅：江蘇恒順醋業(yè)股份有限公司；釀酒酵母：安琪酵母股份有限公司；醋酸菌：中國(guó)菌種保藏室；氫氧化鈉、酚酞等均為國(guó)產(chǎn)分析純[8]。

1.2 實(shí)驗(yàn)儀器

恒溫培養(yǎng)箱、電子恒溫水浴鍋 河南國(guó)健醫(yī)療設(shè)備有限公司；pH計(jì)、磁力攪拌器 嘉興艾博實(shí)業(yè)股份有限公司；滅菌鍋 蘇州阿爾法生物實(shí)驗(yàn)器材有限公司；圖像光譜儀 芬蘭奧盧光譜圖像有限公司；鹵鎢燈光源(35 W) 北京卓立漢光儀器有限公司；酸度計(jì)、堿式滴定管 上海普銳斯儀器有限公司。

1.3 實(shí)驗(yàn)方法

1.3.1 香醋釀造工藝流程

糯米→粉碎→糖化處理→前發(fā)酵(酒精發(fā)酵)→后發(fā)酵(醋酸發(fā)酵)→熏醅→淋醋。

前處理：將粉碎后的糯米加水，浸泡24 h，然后進(jìn)行蒸煮處理。

糖化處理：向蒸煮晾涼后的原料中加大曲攪拌均勻。

前發(fā)酵：將糖化后的原料放入發(fā)酵瓶中，瓶口使用8層紗布封口，發(fā)酵3 d，第4天密封，進(jìn)行厭氧發(fā)酵，持續(xù)6 d。

后發(fā)酵：酒精發(fā)酵結(jié)束后，原料混合麩皮等，進(jìn)行醋酸發(fā)酵，發(fā)酵9 d。

熏醅：將發(fā)酵結(jié)束后的醋醅按3∶7進(jìn)行高溫熏醅。

淋醋：醋醅加入4倍水，浸泡12 h，淋醋得到成品香醋。

1.3.2 高光譜無(wú)損檢測(cè)系統(tǒng)

高光譜無(wú)損檢測(cè)系統(tǒng)主要由兩部分組成：高光譜采集系統(tǒng)和高光譜數(shù)據(jù)處理系統(tǒng)，即硬件系統(tǒng)和軟件系統(tǒng)。硬件系統(tǒng)主要包括：高光譜攝像儀、光纖鹵素?zé)?2個(gè))、控制箱(SC100，北京光學(xué)儀器廠)、電控位移臺(tái)(北京光學(xué)儀器廠)、計(jì)算機(jī)等[9-10]。

1.4 高光譜檢測(cè)方法

1.4.1 采集裝置

高光譜信息采集裝置見(jiàn)圖1。光譜儀測(cè)定范圍為400～950 nm，光譜圖像分辨率為2.8 nm，在進(jìn)行樣品的光譜信息采集時(shí)，所得圖像的分辨率為778×1 625像素。

圖1 高光譜圖像采集裝置Fig.1 Hyperspectral image acquisition device

1.4.2 采集步驟

在開(kāi)始采集前，為了保證采集圖像的清晰度，需要進(jìn)行預(yù)實(shí)驗(yàn)。由預(yù)實(shí)驗(yàn)得出試驗(yàn)臺(tái)工作參數(shù)：輸送速度 1.25 mm/s，照相機(jī)的曝光率為50 s。具體采集步驟如下：

(1)打開(kāi)所有實(shí)驗(yàn)設(shè)備；

(2)光纖燈預(yù)熱10 min；

(3)載物臺(tái)放于中間位置，然后調(diào)節(jié)輸送裝置的運(yùn)動(dòng)方向，使其緩慢經(jīng)過(guò)相機(jī)下方，操作采集平臺(tái)來(lái)把控整個(gè)采集流程，及時(shí)對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行保存。用同樣的方法采集黑板和樣品的高光譜信息[11-12]。

圖2 高光譜反射圖像采集系統(tǒng)Fig.2 Hyperspectral reflection image acquisition system

結(jié)束采集后，需要對(duì)采集得到的光譜圖像進(jìn)行黑白標(biāo)定。在與樣品采集相同的條件下，計(jì)算公式如下[13]：

式中：Rλ為光譜反射率；Iλ為校正前的光譜數(shù)據(jù)；Bλ為暗電流數(shù)據(jù)；Wλ為標(biāo)定板數(shù)據(jù)。

1.5 香醋理化指標(biāo)的測(cè)定

1.5.1 香醋總酸的測(cè)定

參照 GB 18187-2000中氫氧化鈉滴定法進(jìn)行總酸的測(cè)定，改動(dòng)后具體實(shí)驗(yàn)步驟：選取不同發(fā)酵階段的香醋樣液，分別吸取5 mL到100 mL容量瓶中，加水至刻度線混勻。吸取20 mL稀釋液于200 mL燒杯中，加60 mL蒸餾水，用0.05 mol/L的NaOH標(biāo)準(zhǔn)溶液滴定，以pH計(jì)測(cè)定pH 8.2為終點(diǎn)，記錄消耗氫氧化鈉標(biāo)準(zhǔn)溶液的體積。同時(shí)做試劑空白實(shí)驗(yàn)。

試樣中總酸的含量(以乙酸計(jì))按公式計(jì)算：

式中：X為樣品總酸含量(以乙酸計(jì))，g/dL；V1為試樣測(cè)定所消耗氫氧化鈉標(biāo)準(zhǔn)滴定溶液的體積，mL；V2為空白實(shí)驗(yàn)消耗氫氧化鈉溶液的體積，mL；C為氫氧化鈉溶液濃度，mol/L；0.060為與1.00 mL氫氧化鈉標(biāo)準(zhǔn)溶液相當(dāng)?shù)囊宜豳|(zhì)量，g；V為樣品體積，mL。

1.5.2 香醋pH值的測(cè)定

選取上述相同樣品，進(jìn)行 pH 值的測(cè)定。取 50 mL上述測(cè)定總酸定容的樣品液，將酸度計(jì)直接插入濾液中測(cè)得 pH 值，并記錄數(shù)據(jù)。

1.6 光譜數(shù)據(jù)預(yù)處理

1.6.1 數(shù)據(jù)的采集與預(yù)處理

由于采集到的高光譜數(shù)據(jù)還存在由儀器引起的機(jī)器噪聲、基線漂移等情況，從而造成數(shù)據(jù)信號(hào)具有波段多、信息量大、冗雜性強(qiáng)等特點(diǎn)，或者選取的樣品成分分布不均，從而導(dǎo)致測(cè)定結(jié)果存在一定差異。因此，若直接對(duì)原始光譜數(shù)據(jù)進(jìn)行建模，可能會(huì)產(chǎn)生較大誤差，導(dǎo)致建模效率低、模型性能差，為了避免此情況，在建模之前需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理及優(yōu)化，以便于提高模型的檢測(cè)精度和穩(wěn)定性[14]。

預(yù)處理工作主要分為兩方面：一方面，運(yùn)用多元散射校正法從全部光譜中選取信息量大、噪聲小、代表性強(qiáng)的波段用于數(shù)據(jù)分析。另一方面，通過(guò)標(biāo)準(zhǔn)正態(tài)變量變換法將選取出的波段進(jìn)行壓縮，盡可能多地將樣本的有用信息壓縮在某一區(qū)域，然后截去其他波段。運(yùn)用PCA法分析，選取合適的圖像信息，根據(jù)主成分圖像在各波段下對(duì)應(yīng)的權(quán)重系數(shù)圖，選出特征波長(zhǎng)[15]。將分散的光譜集中，可以有效實(shí)現(xiàn)對(duì)基線的校正。分析所得高光譜數(shù)據(jù)，找出最能代表香醋總酸分布規(guī)律的樣本指標(biāo)的特征圖像，以提高后期數(shù)據(jù)處理的速度，同時(shí)去除多余信息[16]。

在光譜系統(tǒng)中選取每份樣品中心位置30×30的矩形區(qū)域作為研究目標(biāo)，矩形區(qū)域的選擇要保證總酸真實(shí)值的測(cè)定區(qū)域與光譜波段區(qū)域一致。通過(guò)計(jì)算得出各個(gè)區(qū)域內(nèi)的光譜響應(yīng)值，從而估算樣品的相對(duì)反射率。選取的180份樣品共獲得 180條反射光譜，由于每個(gè)樣品均有3次平行實(shí)驗(yàn)，故選擇60條光譜進(jìn)行分析。

(a)感興趣區(qū)域 (b)原始光譜

1.6.2 模型的建立

1.6.2.1 聯(lián)合區(qū)間偏最小二乘法(siPLS)

偏最小二乘法原理：選擇區(qū)域內(nèi)相對(duì)精度較高的幾個(gè)局部模型所在的子區(qū)間進(jìn)行聯(lián)合，然后通過(guò)計(jì)算得出香醋總酸的分布規(guī)律。根據(jù)上述預(yù)處理方法將整個(gè)高光譜圖像檢測(cè)區(qū)域分別劃分為1，2，3，…，10個(gè)子區(qū)間，最優(yōu)模型中所采用的波數(shù)點(diǎn)數(shù)目減少很多，極大地簡(jiǎn)化了建模過(guò)程。然后將幾個(gè)局部模型所在的子區(qū)間聯(lián)合起來(lái)，得到共同預(yù)測(cè)模型[17]。

偏最小二乘算法的計(jì)算過(guò)程如下：

(1)矩陣分解：

Y=UQ+F；

X=TP+E。

式中：Q為Y的載荷矩陣；P為X的載荷矩陣；U為Y的得分矩陣；T為X的得分矩陣；F為X的殘差矩陣；E為Y的殘差矩陣。

(2)線性回歸模型的建立：

U=TB；

B=(TTT)-1TTY。

式中：B是關(guān)聯(lián)系數(shù)矩陣。

(3)對(duì)未知樣本的預(yù)測(cè)：

y=xBQ。

式中：y為未知樣本預(yù)測(cè)值；x為未知樣本矩陣。

1.6.2.2 逐步線性回歸模型

本實(shí)驗(yàn)采用多元線性回歸法，以PCA分析得到的數(shù)據(jù)作為輸入量，并將其運(yùn)用到SMLR模型中，從而得到主成分與總酸實(shí)測(cè)值的分析模型。為了使模型更實(shí)用簡(jiǎn)化，同時(shí)能夠較準(zhǔn)確地得到香醋總酸的預(yù)測(cè)分布，得到線性方程：

y=b0+b1x1+b2x2+…+bkxk+e。

式中：k為變量個(gè)數(shù)；b0為常數(shù)；b1，b2，…，bk為偏回歸系數(shù)；e為誤差項(xiàng)。

(∑e2)為最小的前提下，用最小二乘法求解偏回歸系數(shù)。

為減小實(shí)驗(yàn)誤差，將所選樣品隨機(jī)分成3份，其中2份(66%)為預(yù)測(cè)模型，1份(34%)用于驗(yàn)證。將2個(gè)預(yù)測(cè)模型進(jìn)行比較分析。通過(guò)決定系數(shù)(R2)、預(yù)測(cè)均方根偏差(RMSEP)、以及相對(duì)分析誤差(RPD)和最佳因子數(shù)來(lái)評(píng)價(jià)模型的穩(wěn)定性。當(dāng)R2接近于1，RPD>3時(shí)，建立的模型效果較好，建模結(jié)果分析見(jiàn)表1。

表1 建模結(jié)果分析Table 1 Analysis of modeling results

2 結(jié)果與討論

2.1 總酸及pH測(cè)定結(jié)果

2.1.1 總酸含量的變化

總酸反映的是發(fā)酵過(guò)程中有機(jī)酸物質(zhì)總量，是香醋中酸味的主要來(lái)源，也是評(píng)價(jià)食醋的重要指標(biāo)。在整個(gè)香醋的發(fā)酵過(guò)程中，總酸百分含量的整體變化趨勢(shì)為前 9 d 持續(xù)增加，最高為 4.09%，9～15 d增速減緩，并持續(xù)增加至7.15%，在15～18 d基本穩(wěn)定在7.5%～8.5%之間。每個(gè)樣品分別設(shè)定3組平行實(shí)驗(yàn)，平行測(cè)定的最大相對(duì)誤差不大于3%的總酸含量的統(tǒng)計(jì)結(jié)果見(jiàn)表2。

表2 樣本總酸含量統(tǒng)計(jì)Table 2 Statistics of total acid content of samples

2.1.2 pH值的變化

pH值反映的是電離酸物質(zhì)的 H+濃度，其在一定程度上表示產(chǎn)品酸味的強(qiáng)弱。其測(cè)定結(jié)果范圍統(tǒng)計(jì)見(jiàn)表3。發(fā)酵過(guò)程中香醋pH變化的整體趨勢(shì)為起先隨著發(fā)酵時(shí)間的增加，pH逐漸降低，可能是在醋酸發(fā)酵過(guò)程中醋酸菌產(chǎn)生了作用，從第6天～第9天，pH值降至3.59左右，之后變化不大，保持平穩(wěn)，15 d之后逐漸有緩慢增長(zhǎng)的趨勢(shì)。

表3 樣本pH統(tǒng)計(jì)Table 3 Statistics of pH of samples

2.2 高光譜測(cè)定結(jié)果分析

2.2.1 偏最小二乘法預(yù)測(cè)模型的建立

運(yùn)用siPLS法對(duì)香醋總酸分布預(yù)測(cè)結(jié)果進(jìn)行模型建立，將預(yù)處理的光譜和實(shí)測(cè)值劃分為校正集和預(yù)測(cè)集，然后進(jìn)行模型建立，結(jié)果見(jiàn)表4。

表4 總酸、pH值的siPLS預(yù)測(cè)模型建立結(jié)果Table 4 Establishment results of siPLS prediction model for total acid and pH value

在聯(lián)合區(qū)間數(shù)為4，主成分為8，聯(lián)合區(qū)間[5 9 12 14]，光譜范圍分別是577.98～620.45 nm，735～755 nm，810.1～824.5 nm，845.3～868.4 nm時(shí)，醋醅中總酸含量的 siPLS 模型的結(jié)果最佳，其Rc和均方根誤差分別為0.845 2和0.521。Rp和均方根誤差分別為0.812 3和0.695，該模型精度最高，預(yù)測(cè)能力最強(qiáng)。同時(shí)利用模型對(duì)香醋pH值進(jìn)行預(yù)測(cè)，當(dāng)聯(lián)合區(qū)間為4、主成分?jǐn)?shù)為6、區(qū)間數(shù)為[4 8 11 13]時(shí)，獲得的模型最佳。此時(shí)訓(xùn)練集的相關(guān)系數(shù)為0.936 6，均方根誤差為0.056 2。Rp和均方根誤差分別為0.921 7和0.053 1。由結(jié)果分析可知，將精度較高的幾個(gè)局部模型聯(lián)合起來(lái)建立香醋發(fā)酵過(guò)程中總酸的預(yù)測(cè)模型是可行的。該模型在所有模型中精度最高，預(yù)測(cè)能力最強(qiáng)。

2.2.2 主成分分析

高光譜圖像采集系統(tǒng)搜集到的波長(zhǎng)有很多，形成了一個(gè) M×N×λ 的三維數(shù)據(jù)。為了進(jìn)行主成分分析，需將所有數(shù)據(jù)按某一維度展開(kāi)，列為矢量。

由于測(cè)定總酸所使用的樣品與高光譜采集樣品相同，因此可以通過(guò)直接計(jì)算各個(gè)主成分圖在該位置的平均灰度值，然后按照平均灰度值和對(duì)應(yīng)的總酸含量進(jìn)行相關(guān)性分析。利用得到的主成分系數(shù)矩陣與原校正集的光譜矩陣相乘，再取轉(zhuǎn)置后即得到了醋醅光譜的主成分。每個(gè)樣品選取10個(gè)主成分。其他成分相關(guān)系數(shù)較低，與總酸含量都呈極弱或無(wú)相關(guān)性，難以用來(lái)做模型預(yù)測(cè)分析。使用SPSS分析軟件對(duì)數(shù)據(jù)進(jìn)行處理，建立主成分與總酸實(shí)測(cè)值的模型。以主成分作為變量，多元回歸所得結(jié)果見(jiàn)表5。

表5 基于主成分的模型預(yù)測(cè)結(jié)果Table 5 Model prediction results based on principal components

由表5可知，校正集R為0.814 3，均方根誤差為0.594，預(yù)測(cè)集R為0.825 5，均方根誤差為0.624。

通過(guò)高光譜圖像檢測(cè)技術(shù)，篩選相同樣品條件下，香醋總酸和pH值分別對(duì)應(yīng)的最優(yōu)特征變量；將其作為輸入量，采用不同的建模方法，建立指標(biāo)含量的定量模型，然后通過(guò)比較各模型得到預(yù)測(cè)結(jié)果。結(jié)果表明，高光譜圖像檢測(cè)技術(shù)在對(duì)香醋指標(biāo)含量的快速測(cè)定過(guò)程中起著重要作用，可以建立精確度高的預(yù)測(cè)模型，且模型準(zhǔn)確、簡(jiǎn)便，穩(wěn)定性強(qiáng)。

3 總結(jié)

本研究主要通過(guò)高光譜圖像對(duì)香醋的總酸分布進(jìn)行檢測(cè)，從而預(yù)測(cè)分析香醋的總酸分布規(guī)律。通過(guò)采集不同發(fā)酵香醋的光譜波長(zhǎng)，并分析發(fā)酵過(guò)程中總酸百分含量和pH值的變化情況；結(jié)合選取的最優(yōu)波段的光譜信息，建立最優(yōu)的預(yù)測(cè)模型，通過(guò)對(duì)聯(lián)合區(qū)間內(nèi)精度較高的波長(zhǎng)信號(hào)源進(jìn)行選取，得到結(jié)果：總酸、pH 值的校正集相關(guān)系數(shù)分別為0.845 2和0.812 3，預(yù)測(cè)集的均方根誤差分別為0.695和0.053 1；結(jié)合主成分分析和逐步線性回歸模型研究香醋中的總酸分布規(guī)律。結(jié)果表明，利用高光譜圖像檢測(cè)方法來(lái)預(yù)測(cè)香醋中的總酸分布規(guī)律具有可行性，能夠?yàn)楦倪M(jìn)發(fā)酵產(chǎn)品生產(chǎn)工藝提供一定的理論研究基礎(chǔ)，同時(shí)也為科學(xué)智能化地檢測(cè)食品奠定了實(shí)質(zhì)性基礎(chǔ)。