用户速递 | 四川轻化工大学宗绪岩教授团队：近红外光谱结合化学计量学对豆浆煮沸过程中组分的无损质量监测

豆浆作为富含营养的植物基饮料，其煮沸过程中可溶性蛋白质和总可溶性固形物（TSS）的含量变化直接影响产品质量。传统检测方法耗时且难以满足工业化实时监测需求，而近红外光谱（NIRS）结合化学计量学技术因快速、无损的优势，在食品质量监测中展现出巨大潜力。

针对豆浆煮沸过程中成分变化的高效监测问题，该研究采集了不同配液比、不同煮沸温度下豆浆的近红外光谱，结合传统方法测定可溶性蛋白质和 TSS 含量；通过蒙特卡洛交叉验证（MCCV）排除异常值，采用 DE1-SNV、SNV 等预处理方法优化光谱数据，并利用竞争性自适应重加权采样（CARS）算法筛选特征波长；进而构建并比较了 PLS、LS-SVM、BP-ANN、LSTM 等回归预测模型。

研究发现，可溶性蛋白质含量随煮沸温度升高呈下降趋势，而 TSS 含量呈上升趋势；CARS 算法筛选的特征波长有效简化了模型，其中可溶性蛋白质的最佳预测模型为 LS-SVM（R²p=0.9678，RPD=3.9734），TSS 的最佳预测模型为 PLS（R²p=0.9732，RPD=4.3525），均表现出优异的预测性能。

该研究证实了近红外光谱结合化学计量学用于豆浆煮沸过程成分无损监测的可行性，为豆浆工业化生产中的实时质量控制提供了新方法和新思路。

研究团队采用梯度配液（1:5–1:10 g/mL）+ 分段升温（30–100℃）策略制备豆浆样本，经浸泡、研磨、过滤后，按 30–80℃每 10℃、80–100℃每 5℃梯度采集 110 个样本（11 种配液比 ×10 个温度点），同步采集近红外光谱（MASTER10-Pro 光谱仪，12000–4000 cm⁻¹ 范围），并通过 Bradford 法、折光仪测定可溶性蛋白和 TSS 的化学参考值。借助蒙特卡洛交叉验证（MCCV）剔除异常样本，采用DE1-SNV（可溶性蛋白）、SNV（TSS）预处理优化光谱数据，利用CARS 算法筛选 90 个特征波长（聚焦 O-H、C-H、N-H 等官能团振动区间），构建PLS、LS-SVM、BP-ANN、LSTM四种回归模型对比分析。

该研究采用MASTER10-Pro傅里叶变换近红外光谱仪，近红外光谱揭示，煮沸过程中900–1200 nm 处 O-H 振动峰蓝移、吸光度从 2.5255 降至 1.6258，反映水分减少与蛋白构象变化；化学分析显示，可溶性蛋白 30–80℃缓慢下降（0.8384%→0.8182%），80℃后因热变性（结构展开、聚集体形成）骤降至0.3454%，而TSS 随温度升高持续上升（7.1636°Brix→9.4121°Brix，源于水分蒸发和不溶性成分溶胀）。模型性能上，LS-SVM 对可溶性蛋白预测最优（R²c=0.9949，R²p=0.9678，RPD=3.97），通过核函数捕捉蛋白变性的非线性关联；PLS 对 TSS 预测最佳（R²c=0.9833，R²p=0.9732，RPD=4.35），高效拟合固形物变化的线性规律，验证了近红外光谱结合化学计量学无损监测豆浆煮沸成分的可行性。