豆?jié){作為富含營養(yǎng)的植物基飲料，其煮沸過程中可溶性蛋白質(zhì)和總可溶性固形物（TSS）的含量變化直接影響產(chǎn)品質(zhì)量。傳統(tǒng)檢測方法耗時且難以滿足工業(yè)化實時監(jiān)測需求，而近紅外光譜（NIRS）結合化學計量學技術因快速、無損的優(yōu)勢，在食品質(zhì)量監(jiān)測中展現(xiàn)出巨大潛力。

針對豆?jié){煮沸過程中成分變化的高效監(jiān)測問題，該研究采集了不同配液比、不同煮沸溫度下豆?jié){的近紅外光譜，結合傳統(tǒng)方法測定可溶性蛋白質(zhì)和 TSS 含量；通過蒙特卡洛交叉驗證（MCCV）排除異常值，采用 DE1-SNV、SNV 等預處理方法優(yōu)化光譜數(shù)據(jù)，并利用競爭性自適應重加權采樣（CARS）算法篩選特征波長；進而構建并比較了 PLS、LS-SVM、BP-ANN、LSTM 等回歸預測模型。

研究發(fā)現(xiàn)，可溶性蛋白質(zhì)含量隨煮沸溫度升高呈下降趨勢，而 TSS 含量呈上升趨勢；CARS 算法篩選的特征波長有效簡化了模型，其中可溶性蛋白質(zhì)的最佳預測模型為 LS-SVM（R²p=0.9678，RPD=3.9734），TSS 的最佳預測模型為 PLS（R²p=0.9732，RPD=4.3525），均表現(xiàn)出優(yōu)異的預測性能。

該研究證實了近紅外光譜結合化學計量學用于豆?jié){煮沸過程成分無損監(jiān)測的可行性，為豆?jié){工業(yè)化生產(chǎn)中的實時質(zhì)量控制提供了新方法和新思路。

研究團隊采用梯度配液（1:5–1:10 g/mL）+ 分段升溫（30–100℃）策略制備豆?jié){樣本，經(jīng)浸泡、研磨、過濾后，按 30–80℃每 10℃、80–100℃每 5℃梯度采集 110 個樣本（11 種配液比 ×10 個溫度點），同步采集近紅外光譜（MASTER10-Pro 光譜儀，12000–4000 cm?¹ 范圍），并通過 Bradford 法、折光儀測定可溶性蛋白和 TSS 的化學參考值。借助蒙特卡洛交叉驗證（MCCV）剔除異常樣本，采用DE1-SNV（可溶性蛋白）、SNV（TSS）預處理優(yōu)化光譜數(shù)據(jù)，利用CARS 算法篩選 90 個特征波長（聚焦 O-H、C-H、N-H 等官能團振動區(qū)間），構建PLS、LS-SVM、BP-ANN、LSTM四種回歸模型對比分析。

該研究采用MASTER10-Pro傅里葉變換近紅外光譜儀，近紅外光譜揭示，煮沸過程中900–1200 nm 處 O-H 振動峰藍移、吸光度從 2.5255 降至 1.6258，反映水分減少與蛋白構象變化；化學分析顯示，可溶性蛋白 30–80℃緩慢下降（0.8384%→0.8182%），80℃后因熱變性（結構展開、聚集體形成）驟降至0.3454%，而TSS 隨溫度升高持續(xù)上升（7.1636°Brix→9.4121°Brix，源于水分蒸發(fā)和不溶性成分溶脹）。模型性能上，LS-SVM 對可溶性蛋白預測最優(yōu)（R²c=0.9949，R²p=0.9678，RPD=3.97），通過核函數(shù)捕捉蛋白變性的非線性關聯(lián)；PLS 對 TSS 預測最佳（R²c=0.9833，R²p=0.9732，RPD=4.35），高效擬合固形物變化的線性規(guī)律，驗證了近紅外光譜結合化學計量學無損監(jiān)測豆?jié){煮沸成分的可行性。