糖蜜是一种黏性强、呈深褐色、半流动性、易溶于水的液体，主要成分为葡萄糖、蔗糖、果糖及其他还原性糖，还含有可溶性胶体以及各种矿物质等。糖蜜因自身特殊的物化性质，在发酵行业[1]、饲料行业[2-4]具有重要地位。糖蜜是饲料行业重要的能量原料[5-6]，糖蜜品质能够决定饲料质量，因此选择优质糖蜜对提升产品品质具有重要作用。目前，常用检测糖蜜总糖含量的方法为手工滴定法，即莱因·埃农法（斐林试剂滴定法）[7]，但该方法具有一定的局限性，需要使用乙酸铅以及脱铅剂将试样中还原性非糖分以及钙盐等杂质沉淀过滤去除，使用盐酸将二糖转为还原性单糖，单糖在一定碱度的斐林溶液中可还原二价铜为一价铜，整个过程耗时4~6 h，对检测人员技术要求较高，步骤烦琐，试剂消耗量大。与传统分析相比，近红外光谱法具有无损检测、操作便捷、稳定性好、分析快速（2 min内出结果）、重现性好、多组分同时测定、无环境污染、节省人力和物力的优点。近红外光谱法利用化合物碳氢键、氮氢键、氧氢键、硫氢键的倍频以及合频的振动或转动，以透射或漫反射方式获得样品在近红外区域的吸收光谱，通过人工神经网络（ANN）[8-9]、偏最小二乘法（PLSR）[10-11]、主成分分析（PCA）[12-13]等现代化学计量学方法，建立物质光谱与其待测成分含量的非线性或线性模型，从而实现利用物质的近红外光谱信息，在不破坏物质的前提下，快速检测其待测成分含量。糖蜜中总糖近红外光谱主要为C—H键和O—H键的合频与倍频信息，结合现代化学计量学方法可建立一个稳健性及准确性良好的预测模型，实现快速定量检测总糖含量。本研究旨在通过近红外光谱法替代传统的莱因·埃农滴定法，从而实现快速测定不同地域的糖蜜总糖。1材料与方法1.1材料与试剂1.1.1试验材料甘蔗糖蜜由洋浦南华糖业有限公司（原产地广西、云南、海南）、中粮糖业（原产地广西、广东）、广西南宁东亚糖业集团（原产地广西）提供。甜菜糖蜜由中粮糖业（原产地新疆、内蒙古）、新疆农垦现代糖业有限公司（原产地新疆）提供。1.1.2试验试剂乙酸铅（国药集团化学试剂有限公司）、十二水磷酸氢二钠（西陇科学股份有限公司）、草酸钾（国药集团化学试剂有限公司）、乙醇（西陇科学股份有限公司）、盐酸（西陇科学股份有限公司）、氢氧化钠（西陇科学股份有限公司）、酚酞（国药集团化学试剂有限公司）、次甲基蓝（国药集团化学试剂有限公司）、硫酸铜（西陇科学股份有限公司）、酒石酸钾钠（西陇科学股份有限公司）。1.2仪器与设备一级水装置为Milli-Q去离子水发生器（美国Millipore公司）；光谱实验仪器采用FT9700傅里叶变换近红外光谱仪（美国Perkin Elmer公司）[干涉仪：改进型Michelson干涉仪；光源种类：采用空气冷却、预校准、热点稳定的卤钨灯光源；样品杯：二氧化硅制成；分束器：宽范围多镀层CaF2；分辨率：1~64 cm-1可调；噪声：15 μAbs（1 min，RMS）；光谱范围：700~2600 nm（14 300~3 800 cm-1）]。光学系统：镀金反射镜确保近红外波段光损失最低，无振动影响，免校准。傅里叶变换近红外分析仪可以测量液体、固体粉末以及颗粒，针对不同性状的样品。测量液体使用石英样品杯，澄清透亮的液体需要添加镀金反射板，防止近红外波段光损失，深色液体可直接测量，测量固体需要使用漫反射采样器，保证光谱均一性。糖蜜样品溶于水后为澄清透亮的液体，需要添加镀金反射板。1.3样品测量方法收集广西、广东、云南、海南的甘蔗糖蜜513批以及新疆、内蒙古的甜菜糖蜜359批，总糖测量方法参考《食品中还原糖的测定》（GB 5009.7—2016）。使用莱茵·埃农法进行测定，预处理时使用中性醋酸铅以及脱铅剂将试样中的可还原性的非糖类物质及钙盐等杂质除掉，使用4 mol/L盐酸使碳水化合物以及还原糖转化为还原性单糖，在碱性条件下，单糖可以使斐林试剂溶液中二价铜还原为一价铜，试验过程中需使用酚酞指示剂以及次甲基蓝指示剂，可求出总糖含量。1.4光谱采集1.4.1甘蔗糖蜜甘蔗糖蜜共513批，总糖含量在39%~54%，取493批作为校正集，30批作为预测集，校正集总糖含量范围可完全覆盖预测集的总糖含量范围，仪器分辨率为16 cm-1。由于甘蔗糖蜜黏稠性强，易产生晶型沉淀，使用一定量的水溶解，溶液澄清透亮，使用近红外光谱仪测量其光谱时加入镀金反射板可得到理想谱图。考虑水中杂质对谱图的影响，采用一级水溶解糖蜜，糖蜜与水质量比为1∶5。1.4.2甜菜糖蜜甜菜糖蜜共359批，由新疆和内蒙古的不同厂家，总糖含量在48%~55%，取329批作为校正集，30批作为预测集，校正集的总糖含量范围可完全覆盖预测集的总糖含量范围，仪器分辨率为16 cm-1。由于甜菜糖蜜黏稠性强，易产生晶型沉淀，使用一定量的水溶解后，溶液澄清透亮，使用近红外光谱仪测量其光谱时加入镀金反射板可得到理想的谱图。考虑水中的杂质对谱图的影响，采用一级水溶解糖蜜，糖蜜与水质量比为1∶5。2结果与分析2.1模型的建立由于甘蔗糖蜜与甜菜糖蜜的总糖范围差别较大，且两者原料截然不同，需要分别建立两个模型进行测量，采用The Unscrambler X 10.4 (64-bit)、Matlab 2017b进行建模，采用Excel 2016进行数据处理。2.1.1甘蔗、甜菜原始图谱及各波数（X）与总糖（Y）间的回归系数权重（见图1~图4）10.13557/j.cnki.issn1002-2813.2022.15.025.F001图1甘蔗糖蜜原始图谱注：不同颜色代表不同样品，每个样品均有独立的近红外光谱；下图同。10.13557/j.cnki.issn1002-2813.2022.15.025.F002图2甜菜糖蜜原始图谱使用建模软件Unscrambler对甘蔗糖蜜以及甜菜糖蜜的原始光谱进行回归系数权重分析。10.13557/j.cnki.issn1002-2813.2022.15.025.F003图3甘蔗糖蜜各波数（X）与总糖（Y）间的回归系数权重由图1~图4可知，光谱的首段14 304~10 608 cm-1以及末段3 992~3 856 cm-1光谱无有用信息且噪音较大，预处理光谱前将其剔除，仅采用10 600~4 000 cm-1波段进行光谱预处理。光谱预处理采用平滑滤波法（S-G），提高光谱的平滑性，多元散射校正（MSC）、标准正态变量转化（SNV）以及消除基线漂移的去趋势算法（De-trending）。考虑糖蜜原产地不同，添加K最邻近分类算法（KNN）对糖蜜进行聚类分析[14]，5种方法通过结合的方式找出最低RMSEC，最高相关系数R2。10.13557/j.cnki.issn1002-2813.2022.15.025.F004图4甜菜糖蜜各波数（X）与总糖（Y）间的回归系数权重2.1.2甘蔗、甜菜糖蜜不同光谱预处理方法所建检测糖蜜总糖成分模型结果（见表1、表2）由表1、表2可知，KNN聚类算法对甜菜糖蜜的效果不太理想，可能是因为原产地较少，使用此算法不太合适。甘蔗糖蜜的原产地较多，使用KNN聚类算法结合偏最小二乘法建模效果十分理想。10.13557/j.cnki.issn1002-2813.2022.15.025.T001表1甜菜糖蜜不同光谱预处理方法所建检测糖蜜总糖成分模型的结果甜菜糖蜜预处理方法RMSEC/%R21原始数据0.850.632SNV0.780.673MSC0.790.674S-G0.760.6851st0.760.686S-G，1st0.730.707S-G，1st，SNV，De-trending0.690.718S-G，1st，MSC，De-trending0.700.719KNN，S-G，1st，SNV，De-trending0.760.7210.13557/j.cnki.issn1002-2813.2022.15.025.T002表2甘蔗糖蜜不同光谱预处理方法所建检测糖蜜总糖成分模型的结果甘蔗糖蜜预处理方法RMSEC/%R21原始数据1.350.672SNV1.270.723MSC1.280.724S-G1.230.7551st1.230.756S-G，1st1.210.777S-G，1st，SNV，De-trending1.190.818S-G，1st，MSC，De-trending1.200.819KNN，S-G，1st，SNV，De-trending1.060.862.1.3甜菜糖蜜主成分的确定将原始光谱数据进行预处理，使用偏最小二乘法（PLSR）进行拟合，比较每个主成分下的RMSEC。甜菜、甘蔗糖蜜RMSEC关系见图5、图6。10.13557/j.cnki.issn1002-2813.2022.15.025.F005图5甜菜糖蜜RMSEC关系10.13557/j.cnki.issn1002-2813.2022.15.025.F006图6甘蔗糖蜜RMSEC关系甘蔗糖蜜因为涉及KNN算法，选择主因子数时还要考虑K值以及权重的影响。由表1、表2、图5、图6可知，甜菜糖蜜光谱预处理方法选择Savitzky-Golay（一阶导数，窗口系数7）、SNV、Detrending相结合的算法时，主因子数选择10，RMSEC最低，相关系数最高。甘蔗糖蜜由于样品范围较大且地域分布较广，采用KNN聚类结合Savitzky-Golay（一阶导数，窗口系数7）、SNV相结合的算法，考虑主因子数的增加可能会导致模型过拟合，主因子数选择16（PLS factors），K值选择16，权重选择-1，此时RMSEC值相对较低，R2值相对较高。2.2模型的验证试验结果根据主因子数为10，运用偏最小二乘法（PLSR）建立的甜菜糖蜜总糖成分定量模型，根据主因子数为16，K值为16，权重为-1，运用KNN聚类算法结合偏最小二乘法（KNN-PLSR）建立甘蔗糖蜜总糖成分定量模型。将甜菜糖蜜以及甘蔗糖蜜的预测集代入至各自的模型中进行预测，得到甘蔗、甜菜糖蜜模型的预测集线性关系。甜菜糖蜜校正集线性关系见图7，甘蔗糖蜜校正集线性关系见图8，甜菜、甘蔗验证集线性关系见图9。10.13557/j.cnki.issn1002-2813.2022.15.025.F007图7甜菜糖蜜校正集线性关系10.13557/j.cnki.issn1002-2813.2022.15.025.F008图8甘蔗糖蜜校正集线性关系图9甜菜、甘蔗糖蜜验证集线性关系10.13557/j.cnki.issn1002-2813.2022.15.025.F9a1（a）甜菜糖蜜验证集线性关系10.13557/j.cnki.issn1002-2813.2022.15.025.F9a2（b）甘蔗糖蜜验证集线性关系甘蔗、甜菜糖蜜模型校正集的均方根误差RMSEC和线性相关系数R2、预测集的均方根误差RMSEP和线性相关系数R2对比。甘蔗糖蜜与甜菜糖蜜模型预测能力见表3。10.13557/j.cnki.issn1002-2813.2022.15.025.T003表3甘蔗糖蜜与甜菜糖蜜模型预测能力项目校正均方根误差（RMSEC）/%校正集线性相关系数（R2）预测均方根误差（RMSEP）/%预测集相关系数（R2）甜菜糖蜜0.690.711.010.64甘蔗糖蜜1.060.861.280.732.3模型的精密度检验甜菜糖蜜模型中的精密度检验结果见表4。10.13557/j.cnki.issn1002-2813.2022.15.025.T004表4甜菜糖蜜模型精密度检验结果预测集实际值预测值残差相对误差预测集实际值预测值残差相对误差T151.2151.290.080.15T1651.3051.230.070.15T253.0053.610.611.14T1752.4051.381.021.96T350.8051.590.791.54T1852.8852.090.791.50T454.8052.742.063.83T1952.6452.490.150.29T552.0052.100.100.20T2052.7551.661.092.09T651.6051.470.130.25T2151.2551.670.420.83续表4　甜菜糖蜜模型精密度检验结果 单位：%%由表4可知，甜菜糖蜜预测集总糖含量均值为51.86%，残差标准差为0.62%，极差值为2.06%，预测集最大相对误差为3.97%。研究表明，甜菜糖蜜模型具有良好的精密度和准确度。10.13557/j.cnki.issn1002-2813.2022.15.025.T005预测集实际值预测值残差相对误差预测集实际值预测值残差相对误差实际值均值51.86残差标准差0.62T754.0452.711.332.48T2251.3352.030.701.36T851.2351.720.490.96T2347.3349.141.813.76T951.4651.070.390.76T2453.4153.110.300.57T1049.6250.320.701.40T2551.2051.280.080.15T1154.3652.661.703.18T2652.2452.030.210.41T1252.6051.011.593.06T2754.2053.800.400.74T1351.9650.811.152.24T2850.9450.760.180.36T1451.6153.191.583.01T2951.0051.660.661.28T1552.6153.701.092.06T3048.0650.011.953.97甘蔗糖蜜模型中的精密度检验结果见表5。10.13557/j.cnki.issn1002-2813.2022.15.025.T006表5甘蔗糖蜜模型精密度检验结果预测集实际值预测值残差相对误差均值47.74残差标准差0.61G146.4044.791.613.54G245.5044.730.771.72G345.0244.030.992.23G446.0844.791.292.83G545.7245.930.210.46G651.0550.390.661.30G749.6250.540.921.84G848.6649.260.601.23G948.4047.900.501.03G1049.1449.470.330.67G1149.3249.910.591.19G1246.0046.620.621.33G1344.9246.141.222.67G1446.1845.690.491.08G1547.5446.001.543.29G1646.2445.470.771.69G1746.7246.080.641.39G1847.0645.641.423.05G1946.0144.581.433.16G2047.4845.731.753.75G2147.4146.211.202.56G2246.1946.160.030.07G2347.2645.631.633.52G2448.8846.252.635.52G2547.1045.311.803.89G2651.8149.931.883.69G2750.9649.351.613.21G2850.4948.671.823.66G2949.0747.161.913.97G3049.9248.950.971.97%由表5可知，甜菜糖蜜预测集总糖含量均值为47.74%，残差标准差为0.61%，极差值为2.63%，预测集的最大相对误差为5.52%，表明甘蔗糖蜜模型具有良好的精密度和准确度。3结论试验建立的模型可以较好地预测未知甘蔗糖蜜样品以及甜菜糖蜜样品中总糖成分的含量。通过KNN聚类算法结合偏最小二乘法建立的甘蔗糖蜜模型以及偏最小二乘法建立的甜菜糖蜜模型能够满足总糖糖分定量测定的需求，可以直接用于预判未知糖蜜样品的总糖成分。