《Journal of Food Composition and Analysis》：Rapid and comprehensive quality assessment of Zhenjiang aromatic vinegar via near-infrared spectroscopy coupled with optimized chemometric models
编辑推荐：
2.本研究提出了一种结合近红外光谱与CARS、VCPA等化学计量学模型的创新策略，旨在实现镇江香醋（ZAV）不同品质等级的快速、无区分以及总酸、还原糖、氨基酸态氮等关键理化参数的同时定量。研究结果显示，所构建的模型预测性能优异，为醋类食品的实时在线质量监控与行业智能化升级提供了可靠、高效的技术手段。
- 5.
醋作为全球广泛使用的酸性调味品，因其独特的风味和丰富的营养成分而备受青睐。镇江香醋（Zhenjiang aromatic vinegar, ZAV）作为中国四大名醋之一，采用独特的固态分层发酵工艺酿造而成，其品质主要依据国家标准GB/T 18623-2011，通过总酸（Total acid, TA）、还原糖（Reducing sugar, RS）和氨基酸态氮（Amino acid nitrogen, AAN）等关键理化参数划分为五个等级。这些指标直接决定了香醋的风味、色泽和营养价值，也关系到消费者的健康和市场的公平竞争。然而，传统的滴定法测定这些参数过程耗时耗力，需要进行复杂的样品预处理，依赖化学试剂，且具有破坏性，难以满足现代工业生产中对实时过程监控和质量控制的迫切需求。
近红外光谱（Near-infrared, NIR）技术凭借其快速、样品前处理简单、环保及多组分同时检测等优势，在食品质量检测领域展现出巨大潜力。但NIR光谱信号弱、谱带宽、干扰重叠严重，直接建立准确的预测模型面临挑战。因此，亟需开发一种能够同时实现ZAV品质等级快速鉴别与核心成分精准定量的综合分析方法，以保障产品质量，规范市场，并推动传统酿造行业的数字化与智能化转型。
为了回应这一需求，由江苏旅游职业学院烹饪科学与技术系的Li Wang、Xingyi Huang、Xiaorui Zhang、Shanshan Yu、Xiaoyu Tian、Xianhui Chang、Lihua Han和Wei Wang组成的研究团队在《Journal of Food Composition and Analysis》期刊上发表了一项研究。他们创新性地将近红外光谱技术与优化的化学计量学模型相结合，系统探讨了同时实现镇江香醋品质等级判别与多指标（TA, RS, AAN）含量预测的可行性，旨在建立一套快速、全面、非破坏性的ZAV质量评估新策略，为该行业的在线质量监控提供坚实的技术基础。
研究团队首先从本地醋厂获取了涵盖5个官方等级的105份认证ZAV样品，每种等级21个样品，代表了不同的生产批次。随后，他们利用FOSS DS2500近红外光谱仪采集了样品在850-2500 nm波长范围内的光谱数据。在模型构建前，他们系统评估了Savitzky-Golay平滑、一阶导数变换、高斯滤波、标准正态变换和多元散射校正这五种光谱预处理方法的降噪效果。为了从原始光谱包含的3300个变量中筛选出最具信息量的特征波长，他们应用了竞争性自适应重加权采样和变量组合群体分析两种算法。在此基础上，他们构建了用于等级判别的线性判别分析、支持向量分类和人工神经网络模型，以及用于TA、RS和AAN含量预测的偏最小二乘回归与支持向量回归模型，并通过交叉验证等手段对模型性能进行了全面评估。
3.1. 理化指标分析
研究人员首先对105个ZAV样品的关键理化指标（TA， RS， AAN）进行了测定。结果显示，这些指标的含量均随着ZAV等级的提升而显著增加，范围分别为4.73–8.51 g/100 mL, 1.53–4.40 g/100 mL和0.23–0.43 g/100 mL。方差分析证实了五个等级样品在这三个指标上均存在显著差异，这为后续基于光谱的等级判别和定量分析提供了物理化学基础。
3.2. NIR光谱特征
原始NIR光谱显示，所有ZAV样品的光谱轮廓相似，在1155 nm、1453 nm、1930 nm、1787 nm和2265 nm附近存在吸收峰，分别对应C-H、N-H/O-H、O-H以及C-H/S-H等官能团的倍频与合频振动。尽管整体谱图相似，但由于带强度的差异，光谱并未完全重叠。
3.3. 光谱预处理
研究比较了五种预处理方法对模型性能的影响。对于等级判别模型，标准正态变换和多元散射校正处理后的光谱构建的支持向量分类模型在预测集上获得了最高的识别率。而对于理化参数的定量预测，Savitzky-Golay平滑处理对预测总酸和还原糖的效果最佳，标准正态变换则最有利于氨基酸态氮的预测。
3.4. 特征波长选择
为简化模型并提高运行速度，研究利用竞争性自适应重加权采样和变量组合群体分析算法从全光谱中筛选特征波长。结果显示，变量组合群体分析算法通常能筛选出更少的变量。例如，对于等级判别，竞争性自适应重加权采样选择了119个波长变量，主要集中在1885–2436 nm区域；而变量组合群体分析仅选择了65个变量，主要分布在898–1366 nm和1979–2246 nm。筛选出的特征波长可被有意义地归属于醋酸、碳水化合物和含氮化合物等分子的特征官能团，这支持了它们在量化ZAV关键成分方面的相关性。
3.5. 不同等级ZAV样品的定性判别
研究比较了基于全光谱和特征波长构建的三种分类模型。结果表明，基于特征波长构建的模型性能普遍优于全光谱模型。其中，基于变量组合群体分析筛选的特征波长构建的线性判别分析模型表现最优，仅使用原始光谱信息量的1.97%，就在预测集上达到了97.14%的最高识别率。基于竞争性自适应重加权采样特征波长的支持向量分类和人工神经网络模型也分别取得了94.29%和95.20%的预测集识别率，均展现出较高的可靠性，证明NIR光谱技术能够快速、无损地实现ZAV等级判别。
3.6. ZAV样品关键理化成分的同时定量测定
为了同时定量分析TA、RS和AAN含量，研究构建了偏最小二乘回归和支持向量回归模型。性能对比表明，基于特征波长构建的模型在多数情况下预测性能更优。对于总酸的预测，基于竞争性自适应重加权采样特征波长的支持向量回归模型效果最好，其预测集决定系数为0.96，相对预测偏差为4.03。对于还原糖和氨基酸态氮的预测，基于竞争性自适应重加权采样特征波长的偏最小二乘回归模型表现最佳，预测集决定系数分别为0.93和0.95，相对预测偏差分别为3.91和4.30。这些相对预测偏差值均大于3.0，表明模型具有优秀的预测能力。
3.7. 监管可行性分析
文章还探讨了该方法的监管应用前景，指出中国已于2025年发布了基于近红外光谱的“白茶产地鉴别”国家标准，这为未来推动本研究所建立的方法作为GB/T 18623-2011标准的补充快速检测方法提供了积极的先例和可能性。
结论与讨论
本研究成功地建立了一套整合近红外光谱与优化化学计量学模型的、用于镇江香醋快速、无损、综合性质量评估的策略。该研究的双重新颖性在于：1）通过单次光谱扫描即可同时实现品质等级判别与多参数（TA， RS， AAN）含量定量；2）建立了一个从预处理、特征选择到算法选择的严格比较优化框架。
研究得出的核心结论是：基于变量组合群体分析特征波长构建的线性判别分析模型在ZAV等级判别中取得了最优的预测集识别率。同时，对于定量分析，基于竞争性自适应重加权采样特征波长的支持向量回归模型对总酸的预测能力最优；而基于竞争性自适应重加权采样特征波长的偏最小二乘回归模型则在还原糖和氨基酸态氮的预测上表现最佳。此外，配对t检验结果表明，NIR预测值与标准滴定法参考值之间无统计学显著差异，证实了该方法的准确性和可靠性。
这项研究的意义重大。它提供了一种切实可行的方案，以替代传统耗时、破坏性的湿化学方法，为ZAV的实时在线质量监控和最终产品分级提供了强有力的工具。所开发的方法学有望显著降低分析成本、提高运营效率，从而推动传统食品产业向智能制造转型。作者在讨论部分特别指出，未来研究可聚焦于完成中国食品药品监督管理局《食品快速检测方法评价技术规范》中要求的关键指标测定，以推动该方法获得监管认可，最终成为国家标准下的补充快速检测方法，为保障消费者权益、规范市场秩序和促进行业技术升级做出贡献。
