发酵过程对于生产各种食品至关重要，包括酸奶、啤酒等。 它依靠微生物进行受控反应，利用饲料中的营养物质来开发用途广泛的食品，因此对发酵过程进行细致的监控对人类健康和安全至关重要。

什么是光谱学？

光谱学被定义为研究电磁辐射或光与物质相互作用，以研究和揭示亚原子层面的信息。在光谱分析过程中，光被分解成其组成波长的光谱。然而，光谱不仅仅是将光分解成不同颜色的波段；相反，每个波段都代表一个特定的能级。

食品专家使用的光谱分析主要类型包括近红外光谱(NIR)、中红外光谱 (MIR) 和拉曼光谱。

光谱法用于发酵监测的优势

自动化测量和耦合控制回路在优化发酵工艺和确保产品质量方面发挥着至关重要的作用。准确实时地监测发酵参数对于加速生物工艺开发和确保最终产品的最佳保质期至关重要。表单顶部表单底部

通过光谱技术实时监测发酵过程，专家能够在单个光谱中捕捉多种分析物的光谱特征，从而实现快速高效的多重定量分析。食品专家可以利用光谱分析获得的电磁/光波段，将复杂的信息转化为控制发酵过程所必需的有用定量指标。此外，近期转向数据导向型监测方案的趋势，也有助于开发专门针对发酵过程优化的预测分析框架。

如何使用光谱进行实时监测？

利用光谱进行实时监测需要使用高灵敏度和高精度的传感器，这对于在发酵过程中持续收集光谱数据至关重要。这些传感器能够精确地将分子振动检测为光谱数据，每种成分（例如气体和溶解分析物）都呈现出独特的光谱特征。基于化学计量学的优化算法会分析光谱数据，以估算关键代谢物（例如糖和有机酸）的浓度。分析框架会利用这些数据来调整发酵参数（例如温度），从而优化发酵条件?？刂苹芈房蚣苁翘岣咭恢滦院妥畲蟪潭燃跎俜掀返墓丶佣迪志酶咝У纳?。

工业应用

利用近红外光谱监测酸奶发酵

牛奶经过乳酸发酵后，生成牛奶，其中乳糖在乳酸菌 (LAB) 的作用下转化为乳酸。在酸奶的形成过程中，pH 值会降低，这是最关键的参数。然而，其他各种因素也对最终产品的质量至关重要。专家们已经使用近红外光谱法来监测酸奶的形成过程和凝固过程。

将500 mL UHT灭菌牛奶预热至38 ℃。样品在38 ℃下发酵，每隔15 min采集一次吸收光谱。使用OPUS软件采集光谱数据。

原始近红外吸收光谱显示，随着发酵过程的持续，吸收率呈增加趋势。乳酸菌对牛奶的酸性凝固作用导致酪蛋白胶束（牛奶中存在的磷蛋白）的尺寸增大。

实时监测显示，随着乳酸杆菌将乳糖转化为乳酸，牛奶pH值从6.6降至5.3，钙和磷酸盐从酪蛋白胶束中释放出来。然而，在此阶段，胶束直径大致保持不变。随着pH值从5.3降至4.6，聚集体开始收缩，最终与脂肪球和乳清一起形成单个酪蛋白颗粒。这些新形成的结构比原来的酪蛋白胶束和脂肪球更大。

发酵过程中观察到的主要吸光度变化发生在970 nm、1450 nm和1840 nm的光谱区域附近。利用近红外光谱仪进行实时监测，揭示了光谱上各个峰的脱水过程。

脱水收缩是一个关键过程，当酸奶的凝胶基质无法保留任何水分时，就会发生脱水收缩，导致液态分离。近红外光谱能够精确捕捉到这些物理化学变化和变异，使其成为监测发酵过程（尤其是在酸奶和奶酪的形成过程中）的重要工具。

酿造中的实时监控：拉曼光谱用于葡萄酒发酵监控

专家们已经演示了利用拉曼光谱实时监测葡萄酒发酵过程中变化的方法。葡萄酒发酵过程中，酵母将糖转化为乙醇和二氧化碳。

葡萄酒的拉曼光谱显示，在3200 cm -1左右出现强峰，与水有关，而在1000至1600 cm -1之间的峰则与CH-OH和糖有关。在1天后观察到8300 cm -1 和2950 cm -1处的强谱带，这证明了乙醇的存在，并有助于量化酵母的发酵活性。

经算法转换后的实时光谱数据显示，初始糖浓度范围为50 g/L至65 g/L。在酒精发酵过程中，酵母酶将糖转化为乙醇和甘油，直至酶完全耗尽。发酵结束时，乙醇含量达到11.6% v/v至13.5% v/v之间，而甘油含量约为3% v/ v。

读数证明，拉曼光谱成功地提供了有关糖消耗的定性和定量信息，同时证明了酒精生产是酿酒行业可行的监测技术。

其他产品

此外，专家们还利用光谱法测定微生物发酵过程中葡萄糖的含量及其消耗量。微生物发酵过程在生物医学领域和食品工业中至关重要。

使用了 JINSP 的 RS2000 便携式光谱设备，该设备具有集成的高性能光谱仪。

专家以SO 4 2- (1624 cm -1 )响应峰为标准，运用多元分析中的降维分析，提取出具有代表性的特征峰。

在实时监测过程中，标准曲线的绘制方法是将前10个变量的变量重要性(VIP)数据的平均值除以内标峰高。结果显示，线性相关系数r = 0.995，清晰地表明了该方法的准确性和可靠性。

光谱分析方法灵敏度高、准确且无损，使其成为一种备受青睐的技术。随着现代快速数据处理软件的集成，光谱分析过程取得了快速发展。借助机器学习 (ML) 算法，可以更快速地提取出独特的洞察，并能够同时检测多个过程。