近紅外光（NearInfrared，NIR）是指波長介于可見光（VIS）與中紅外光（IR）之間的電磁波，被定義在780～2526nm波長的光譜區(qū)（3960～12800cm^-1），主要測量含氫基團為主，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。近紅外檢測技術當前發(fā)展迅速，具有操作方便簡單、快速、檢測成本低、無損耗、分辨率高，可多成分同時分析等優(yōu)點，該技術目前廣泛應用于食品、農(nóng)業(yè)、制藥、化工等領域。近紅外分析技術在糧食原料的產(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味，素有好曲出好酒的說法，因此麥曲的品質(zhì)對紹興黃酒的風味有著重要的影響。品質(zhì)不佳的麥曲不僅會影響酒的風味，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，對人的經(jīng)驗要求較高，常用的鑒定方法還有糖化力、淀粉酶活性進行測定，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)酵試驗進行測試，有耗時長，影響因素過多的缺點。生麥曲的成分十分復雜，使用近紅外光譜將生麥曲樣品中每一種有機組分在近紅外譜區(qū)的多個波段的對應信息進行掃描，使用化學計量學（Chemometrics）方法分析化學數(shù)據(jù)，對不同品質(zhì)的生麥曲進行分析建模，為當前依靠經(jīng)驗判斷生麥曲品質(zhì)的方法提供更為詳細的數(shù)據(jù)評價。

麥曲樣品人工鑒別分組

人工判斷主要依據(jù)經(jīng)驗，邀請8名生產(chǎn)經(jīng)驗豐富且具有**釀酒師職稱的人員進行單獨評價，并取平均成績，盡量較真實的反應樣品得分。

將抽取的66個生麥曲樣品，由釀酒師按表1進行評價評分，將分值≥60的樣品分為A組（參考組），分值＜60的樣品分為B組（待測組）。經(jīng)評價打分A組樣品44個，B組樣品22個，具體分值及標準差見表2。

近紅外光譜采集

將所有的生麥曲樣品進行預處理，使用配備IN312/C的旋轉(zhuǎn)臺和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)臺旋轉(zhuǎn)進行多位置掃描，同時將同一樣品進行兩次裝樣后采集光譜，利用軟件計算平均光譜來進行建模分析，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出的66個生麥曲樣品原始近紅外圖譜，在波長數(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)全部圖譜進行計算和分析。兩組樣品均為生麥曲，相對差異較小，譜圖形狀基本相同，需要通過進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)預處理是建模的一個重要階段，采用合適的光譜預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，提高譜圖與化學成分之間相關性。分別使用一階導數(shù)、矢量歸一法、一階導數(shù)+矢量歸一化等預處理方法對生麥曲樣品近紅外圖譜進行預處理，經(jīng)比較，使用一階導數(shù)預處理后的參考光譜和測試光譜區(qū)分度較高。使用一階導數(shù)預處理方法，選取平滑點13個，選擇光譜交互范圍4000～11600cm^-1的評價區(qū)域。

使用布魯克OPUS計算軟件對參考光譜和測試光譜進行檢驗分析，計算參考光譜和檢驗光譜在每個波長點i處吸光度的平均值和標準偏差σ。通過計算，合格性模型見圖3。

圖3中一個點代表一個樣品，淺色點為分值≥60分的A組參考組樣品，深色點為分值＜60分的測試組樣品，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，60分臨界附近的樣品差異可能并不夠顯著，導致部分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個人工評分分值≥60的合格麥曲樣本的CI光譜，深色為人工評分為40.8編號14的不合格麥曲樣本CI光譜，即單條光譜各個波長點處的CI值。從圖4可以看出，不合格麥曲光譜在多個波長點處的CI值超過CI限度線，可以通過CI值將兩種品質(zhì)的麥曲樣品進行區(qū)分。

模型驗證

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

用建立的模型檢測麥曲，分值≥60的10個樣品有9個結果均顯示合格，分值＜60的10個樣品結果均顯示不合格，模型檢測與人工評測結果不相符樣品評分為58.1分，離分界線60分較近，可能樣品特征性不夠顯著。模型與人工測評結果相符性達95%，可以用來對生麥曲的品質(zhì)進行評估。