CN104181125A - 快速测定啤酒麦芽中库尔巴哈值的方法 - Google Patents

Abstract

本发明公开了一种快速测定啤酒麦芽中库尔巴哈值的方法。该方法包括：在设定的建模条件下，获取具有代表性麦芽样品的近红外光谱图谱信息，并用传统标准理化方法测量样品的可溶性氮含量和总氮含量；选择合适的化学计量学方法，分别建立谱图信息和样品可溶性氮和总氮之间的数学关系，也就是定量模型；采用验证样品完善模型性能，再利用此模型对未知样品可溶性氮和总氮分析，依照库值计算公式得出库值。该方法操作简单、准确、快速，可在30s内完成单个样品的测量，实用性较强，能解决啤酒酿造企业及麦芽生产企业的迫切需求。

Description

快速测定啤酒麦芽中库尔巴哈值的方法

技术领域

本发明属于食品检测领域，涉及一种酿酒原辅料快速检测领域，具体涉及一种快速测定啤酒麦芽中库尔巴哈值的方法。

背景技术

啤酒麦芽的库尔巴哈值(Kolbach Index)即蛋白质溶解度，简称库值(K.I)，它是用标准协定糖化法制得协定麦汁后测定的总可溶性氮的含量与麦芽总氮含量的比值，用百分数表示，它反映了麦芽中蛋白质的分解程度，是判定麦芽品质的限定指标。

麦芽发芽时麦粒中蛋白质的分解是否适当是决定麦芽和啤酒质量的主要因素，如果麦芽库值偏低，则表明麦芽溶解不良，其结果是浸出物收得率低，酒味不醇和，泡持性较差，而且易产生蛋白质浑浊。如果蛋白质分解过度，则会引起酵母早衰，酒味淡白。可见，麦芽库值的测定对啤酒酿造企业及麦芽制造企业至关重要。

通常麦芽库值的测定方法按照行业标准《啤酒麦芽QBT1686-2008》的方法检测，该方法耗时较长，步骤繁琐且需要大量化学试剂，检测成本较高，不能满足生产实际需要。专利号CN103278470B提出通过测定麦芽水溶性蛋白和FAN含量判断小麦库值的方法，王加春报道的《改进啤酒麦芽库尔巴哈值测定方法的技术研究》(酿酒，2009年第6期，50～52)提出在样品消化过程中添加硒粉的方法，这些方法虽然与行业标准方法相比简化了步骤，但仍然需要数小时检测及较多的化学试剂。因此，需要找到一种更为快速、准确的检测方法来测定麦芽库值，以适应啤酒工业的快速发展要求。

近红外光谱技术是近年来发展较为迅速的一种快速无损检测方法，具有操作简单、速度快、效率高、样品前处理简单、无需化学试剂等优点，既可以完成定量分析，又可以进行定性鉴别。目前广泛的应用于农业、食品、药品、石油化工等行业，市场前景较好。

发明内容

本发明的目的是提供一种快速测定啤酒麦芽中库尔巴哈值的方法。

本发明提供的快速测定啤酒麦芽中库尔巴哈值的方法，包括如下步骤：

1)将啤酒麦芽标准品用近红外光谱仪进行近红外光谱扫描，收集所得光谱，得到啤酒麦芽标准品的近红外光谱图库；

2)测定啤酒麦芽标准品中可溶性氮和总氮的含量，即得到近红外模型的参比值数据集，再将步骤1)所得啤酒麦芽标准品的近红外光谱图库与所述啤酒麦芽标准品的参比值信息在设定的建模条件下利用化学计量学软件分别建立啤酒麦芽中可溶性氮含量和总氮含量的定量模型；

其中，所述设定的建模条件包括：

a、光谱预处理方法为MSC、Savitzky-Golay一阶导数、Savitzky-Golay二阶导数和SNV；

b、变量压缩方法为主成分分析法和偏最小二乘法；

c、化学计量学方法为PLS、PCR、SVM和神经网络法；

3)将待检啤酒麦芽样品在与所述步骤1)相同的近红外光谱扫描条件下进行近红外光谱扫描，将所得光谱输入2)所得啤酒麦芽中可溶性氮含量和总氮含量的定量模型中，得到所述待检啤酒麦芽样品中的可溶性氮含量和总氮含量，

按照如下公式得到所述待检啤酒麦芽样品的麦芽库尔巴哈值：

上述方法的步骤1)扫描步骤中，扫描范围为10000cm^-1～4000cm^-1，扫描次数为32次；每个样品平行测定2次；

建模样品的2次扫描光谱均加入建模光谱库。

所述步骤2)中，啤酒麦芽标准品中可溶性氮和总氮的含量的测定方法均为行业标准方法GBT1686-2008中的测定麦芽中的可溶性氮和总氮含量；

另外，可按照如下步骤验证步骤2)建立的定量模型的准确性：

a、取未参与建模的具有代表性的样品作为验证样品，在与所述步骤1)相同的样品前处理及光谱采集条件下，采集验证样品的近红外光谱；

b、用与所述步骤2)相同的方法计算啤酒麦芽标准品中可溶性氮和总氮的含量，得到验证样品的实际测量值，构建验证样品的近红外模型的参比值数据集；

c、根据步骤a所得验证样品的近红外光谱，利用所述步骤3)所得定量模型预测验证样品的可溶性氮含量和总氮含量，得到验证样品的近红外模型预测值；

d、比较验证样品的近红外模型预测值和实际测量值，若两组数据之间相对误差处于合理范围，则表明所建定量模型可用，通过计算可溶性氮和总氮比值的百分数即可得到库值；

若相对误差超出合理范围，则需优化调整建模条件，重复步骤2)直至定量模型预测准确度可接受。

上述方法中，所用啤酒麦芽均为酿制啤酒时所用作为原料的麦芽。

本发明为麦芽库值测定提供一种全新的准确、快速、简单的检测方法，对整个啤酒酿造行业意义重大。该方法采用近红外的方法同时测定麦芽可溶性氮和总氮的含量，然后通过计算公式得到库值。

与已有技术相比，本发明的有益效果体现在：

1、样品分析速度快、效率高，采用本方法可在30秒内完成麦芽库值的测定，大大提高检测效率。

2、本发明无需复杂前处理、大大节约了人力、物力成本。

3、操作步骤简单、不使用任何化学试剂，提供了一种可靠绿色的麦芽库值分析方法。

附图说明

图1为建模用的麦芽样品可溶性氮的光谱图。

图2为麦芽可溶性氮近红外预测模型效果图。

图3为建模用的麦芽样品总氮的光谱图。

图4为麦芽总氮近红外预测模型效果图。

具体实施方式

下面结合具体实施例对本发明作进一步阐述，但本发明并不限于以下实施例。所述方法如无特别说明均为常规方法。所述原材料如无特别说明均能从公开商业途径获得。

实施例1、

以北京燕京啤酒集团公司采购的啤酒麦芽作为测定对象。

根据企业执行标准QB/T1686-2008得出啤酒麦芽库尔巴哈值得计算公式如下：

由公式可以得出，库值的计算是建立在麦芽样品可溶性氮和总氮两项指标的基础之上，因此，近红外光谱法通过扫描样品的光谱特征，分别建立可溶性氮和总氮两个模型。建模集、验证集、测试集样品信息如下：

可溶性氮：建模集108个样品，验证集40个样品，测试集47个样品；

总氮：建模集108个样品，验证集35个样品，测试集47个样品；

近红外光谱法建模操作步骤如下：

(1)获取麦芽样品的近红外光谱图库

采集粉碎麦芽的近红外光谱信息，光谱采集范围10000～4000cm^-1，扫描次数32次。采集过程中，每个样品平行采集2次，所获光谱如图1和图3所示，均加入光谱图库，共获得216条光谱，所获光谱均加入建模光谱图库。

(2)建立麦芽可溶性氮和总氮的定量检测模型

严格按照行业标准方法GBT1686-2008测定麦芽中的可溶性氮和总氮含量，构建近红外模型的参比值数据集；并将获得的近红外光谱信息与样品参比值信息在设定的建模条件下利用化学计量学软件(由北京中安信达科技有限公司的QC-LEADER IP54近红外检测仪提供)分别建立麦芽可溶性氮和总氮的定量测定模型，模型效果图见图2和图4所示。

设定的建模条件包括：

a、选择的光谱预处理方法为MSC、Savitzky-Golay一阶导数、Savitzky-Golay二阶导数和SNV；

b、变量压缩方法为主成分分析法和偏最小二乘法；

c、选择的化学计量学方法为PLS、PCR、SVM和神经网络法。

(3)验证步骤2)建立的定量检测模型

表1、近红外可溶性氮验证集合格分析

由表1可以看出，测试集样品由41个样品组成，按照GB5009.3-2010《食品中蛋白质的测定》允许误差分析，合格率达100％。按照QB/T1686-2008《啤酒麦芽》标准中可溶性氮测定允许误差分析，合格率达85％，说明本发明能够应用到麦芽可溶性氮测定中，对标准方法能够起到较好的补充。

表2、近红外总氮验证集合格分析

从表2可以看出，总氮模型的验证集的预测结果与参比值的差值100％符合国标、行业标准要求，模型预测效果非常好。

4)测定待检麦芽样品的库值：

将待检啤酒麦芽样品粉碎后，在与步骤1)相同的近红外光谱扫描条件下进行近红外光谱扫描，将所得光谱输入步骤2)所得啤酒麦芽中可溶性氮含量和总氮含量的定量模型中，得到待检啤酒麦芽样品中的可溶性氮含量和总氮含量，按照如下公式得到所述待检啤酒麦芽样品的麦芽库尔巴哈值：

所得麦芽库值结果如表3所示：

表3、近红外库值测试集合格分析

从表3库值模型测试集的41个预测结果可以看出，绝对差值小于2的数据占测试集总数据的90％，绝对差值小于5的数据占测试集总数据的100％，证明该方法在100％符合GBT1686-2008麦芽分级的基础上，库值偏差小于2的比例高达90％，能够对自控标准更严格的企业提供一种快速、准确的辅助检测手段。

Claims (2)

1.一种测定啤酒麦芽中库尔巴哈值的方法，包括如下步骤：

1)将啤酒麦芽标准品用近红外光谱仪进行近红外光谱扫描，收集所得光谱，得到啤酒麦芽标准品的近红外光谱图库；

2)测定啤酒麦芽标准品中可溶性氮和总氮的含量，即得到近红外模型的参比值数据集，再将步骤1)所得啤酒麦芽标准品的近红外光谱图库与所述啤酒麦芽标准品的参比值信息在设定的建模条件下利用化学计量学软件分别建立啤酒麦芽中可溶性氮含量和总氮含量的定量模型；

其中，所述设定的建模条件包括：

a、光谱预处理方法为MSC、Savitzky-Golay一阶导数、Savitzky-Golay二阶导数和SNV；

b、变量压缩方法为主成分分析法和偏最小二乘法；

c、化学计量学方法为PLS、PCR、SVM和神经网络法；

3)将待检啤酒麦芽样品在与所述步骤1)相同的近红外光谱扫描条件下进行近红外光谱扫描，将所得光谱输入步骤2)所得啤酒麦芽中可溶性氮含量和总氮含量的定量模型中，得到所述待检啤酒麦芽样品中的可溶性氮含量和总氮含量，

按照如下公式得到所述待检啤酒麦芽样品的麦芽库尔巴哈值：

2.根据权利要求1所述的方法，其特征在于：所述步骤1)扫描步骤中，扫描范围为10000cm^-1～4000cm^-1，扫描次数为32次；每个标准品平行测定2次。