痕量葡萄糖含量

相关附件下载：《蜂产品中果糖、葡萄糖、蔗糖和麦芽糖含量的测定 高效液相色谱法》（公开征求意见稿）编制说明.doc公开征求意见反馈表.doc《蜂产品中果糖、葡萄糖、蔗糖和麦芽糖含量的测定 高效液相色谱法》标准文本（公开征求意见稿）.doc

在葡萄栽培与酿酒工业中，可溶性固形物总含量（Total Soluble Solids, TSS）是衡量果实成熟度和品质的关键指标。不同品种的葡萄因其遗传特性和生长环境的差异，其TSS含量存在显著变化。准确估算各品种葡萄的TSS含量，对于预测酒的品质、调整酿造工艺以及确定最佳采收时机均具有重要意义。那么，如何能够准确估算葡萄的TSS含量呢？跟随小编，一起来看看下面这篇论文给出了怎样的答案。摘要 ABSTRACT可溶性固形物总含量（TSS）是决定葡萄最佳成熟度的关键变量之一。在这项工作中，基于漫反射光谱测量，开发了偏最小二乘（PLS）回归模型，用于估算Godello、Verdejo（白葡萄）、Mencía 和Tempranillo（红葡萄）等葡萄品种的TSS含量。为了确定TSS预测的最适合光谱范围，对四个数据集进行了回归模型的校准，其中包括以下光谱范围：400–700 nm（可见光）、701–1000 nm（近红外）、1001–2500 nm（短波红外）和400–2500 nm（全光谱范围）。我们还测试了标准正态变量变换技术。使用留一交叉验证评估了回归模型，评估指标包括均方根误差（RMSE）、决定系数（R2）、性能与偏差比（RPD）和因子数（F）。红葡萄品种的回归模型通常比白葡萄品种的模型更准确。最佳的回归模型是针对Mencía（红葡萄）得到的：R2 = 0.72，RMSE = 0.55 °Brix，RPD = 1.87，因子数 n = 7。对于白葡萄，Godello取得了最佳结果：R2 = 0.75，RMSE = 0.98 °Brix，RPD = 1.97，因子数 n = 7。所使用的方法和得到的结果表明，可以使用漫反射光谱和将反射值用作预测变量的回归模型来估算葡萄中的TSS含量。结果 RESULT葡萄的反射率是使用ASD FieldSpec 4 地物光谱仪进行测量，该仪器可检测350–2500 nm光谱范围内的反射率。葡萄样品（每个葡萄品种60个样品，每个样品有100颗浆果）散布在黑色容器芯中（17 × 17 cm）。从4个不同的数据中获取了100颗浆果的反射数据（在每次测量之前将样品顺时针旋转90°）。然后对反射数据进行预处理，得到4次数据的平均值。图1. 利用ASD地物光谱仪获取光谱数据的流程图2展示了四种葡萄品种的平均反射值范围以及原始数据（图2a）和SNV转换数据（图2b）的TSS反射值。在图2a中，红葡萄品种（Mencía和Tempranillo）具有非常相似的光谱特征。虽然在可见光范围内的反射值相似，但从波长675 nm处可以看出一些差异，最大和最小反射值分别约为895 nm和1080 nm，以及675 nm和960 nm。白葡萄（Godello和Verdejo）的光谱特征与红葡萄不同，但彼此非常相似。Godello和Verdejo在可见光-近红外范围的570 nm、830 nm和890 nm处具有最高的反射值。在这个范围内，反射值呈现轻微差异，尽管它们具有相同的光谱特征。从波长1160 nm开始，四种葡萄品种的反射值是相同的。图2 四种葡萄品种（Mencía、Godello、Tempranillo和Verdejo）采样浆果的平均光谱范围图3 Godello、Mencía、Tempranillo和Verdejo葡萄品种在使用原始数据（实线）和SNV转换数据（虚线）进行PLS回归时加权回归系数在全光谱范围内的分布。对四个品种的酿酒特性进行了交叉验证。黑线表示零相关性，并为了清晰呈现而偏移了3.0单位图4 利用原始光谱反射数据进行每个波长的简单线性相关性葡萄糖度（TSS）相关图。图5 利用原始（a–d）和SNV转换（e–h）反射数据进行的偏最小二乘回归（PLS）的均方根误差（RMSE）值。所有图应用相同的颜色刻度（请参阅右侧图例）。结论 CONCLUSION采用漫反射光谱测量方法，利用偏最小二乘（PLS）回归模型估计了四种葡萄品种（Godello、Verdejo、Mencía和Tempranillo）的总可溶性固形物（TSS）含量。基于所获得的结果，红葡萄品种的TSS含量估算最佳，特别是Mencía。用于TSS预测的最适宜光谱范围是近红外（NIR）范围（701–1000 nm）。在此光谱范围内获得了最高的R2和RPD值，以及最低的RMSE和F值。在所有光谱范围内，对数据进行SNV转换进一步改善了模型的评估指标结果。用于估算TSS的最佳变量（图5）分别位于860 nm处，波长201 nm的Godello；883 nm处，波长232 nm的Mencía；916 nm处，波长230 nm的Tempranillo；以及1055 nm处，波长230 nm的Verdejo。这些最佳点呈现出最低的RMSE值。研究表明，通过光谱测量的反射值，可以迅速、非侵入性地进行现场测量，从而估算TSS含量。

酒醅中可溶性淀粉转化葡萄糖有多少？酒曲生产需要一定的发酵周期，发酵过程不便调控，因此酒曲的化学成分分析对于制曲生产起着相当重要的作用。衡量大曲质量的优劣主要是根据大曲的水分、酸度、淀粉、发酵力、酯化力、糖化力等理化指标的大小，再辅以感官来进行综合评判。其中大曲糖化力是一个重要指标，是表征大曲将酒醅中可溶性淀粉转化为葡萄糖的能力。检测大曲糖化力的传统方法为斐林试剂法，存在耗时长、样品前处理过程繁琐等不足，因此建立一种快速、高效的大曲糖化力检测方法具有重要意义。本实验采用步琦的近红外光谱仪 NIRMaster 对大曲糖化力的快速检测。近红外光谱技术结合偏最小二乘法检测大曲糖化力 1仪器设备瑞士 Buchi 公司的 NIRMaster 傅里叶变换近红外光谱仪。光谱谱区范围为 4000～10000 cm-1，光谱分辨率为 8 cm-1，扫描次数为 48 次，测量序列个数为 3。 2样品酒厂酿酒周期的现用大曲 200 个 3实验方法3.1大曲糖化力化学方法测定大曲糖化力的化学测定法采用斐林试剂法。大曲中的糖化酶能将淀粉水解为还原糖，还原糖可以将斐林试剂中的二价铜离子还原为一价铜离子，反应终点由次甲基蓝指示。根据还原一定量的斐林试剂所需的还原糖量，可计算大曲样品的糖化酶活力，即 1g 大曲在 35 ℃、pH4.6 条件下，反应 1h，将可溶性淀粉分解为葡萄糖的能力。每个样品的检测均取 2 个平行样。3.2大曲样品的近红外光谱测量方法将大曲样品平铺于培氏培养皿样品杯底部，样品量约占样品杯 2/3，并用样品勺压紧，避免出现缝隙，然后将样品杯放置于测量池上进行测量。 4结果实验数据处理方法采集的光谱数据用 NIRCal 化学计量学分析软件处理和计算。▲ 大曲糖化力化学值与预测值的散点图上图可直观的看出模型的光谱预测值与原始值的相关性较好。其中，建模集的相关系数为 r 为 0.9613，验证集的相关系数 r 为0.9528；建模集标准偏差 SEC 与验证集标准偏差 SEP 的比值为 29.6099/29.7088=0.9967，模型稳定性较好，具有很好的预测能力。▲ 未知样品含量预测值与化学值的比较模型的验证结果可以看出，大曲糖化力近红外模型预测值的平均相对误差为 5.27 %，说明该近红外模型有较好的预测能力。为考察两种方法检测结果之间的差异性，采用 SPSS 软件对 50 组大曲样品进行差异显著性分析。结果见下表。从分析结果可以看出，在 0.05 水平上，两种方法差值的显著性结果为 0.830，大于 0.05，说明两种方法的检测结果的差异性并不显著，均可以反映大曲糖化酶活力大小，该模型可以用于大曲糖化力的预测。 5讨论本试验采用近红外光谱技术结合偏最小二乘法建立了预测大曲糖化力的定量模型。通过对模型的预测结果与传统方法检测结果的对比分析可以看出，该模型的准确度可以满足实际生产中大曲糖化力的预测。近红外光谱分析具有以下特点：操作简单分析速度较快，适合大批量重复测试测试过程中无需使用化学试剂、无污染样品可以重复使用可用于生产线等在线检测6参考文献王军凯，王卫东，蒋明，韩瑶,等. 近红外光谱技术结合偏最小二乘法检测大曲糖化力[J].酿酒,2018(3)：116-118.