當數千年前人們開始使用米釀酒時，穀物就已不再僅僅作為糧食，開始了以其為原料進行深加工的過程。現在穀物加工的概念更是擴展到以小麥、玉米、高粱等富含澱粉質的原料為基礎，生產澱粉、麥芽糊精、葡萄糖、果葡糖漿、低聚異麥芽糖、酒精等產品的過程。從目前的市場看，從事穀物加工的企業可以分為兩大類，一類是製糖行業，一類是發酵行業。製糖行業主要是以澱粉為原料，采用不同的酶製劑及合適的工藝生產不同類型的糖漿如麥芽糖漿、葡萄糖漿和高果糖漿及結晶糖等。發酵行業既有以澱粉降解的高質量葡萄糖為碳源的純糖發酵過程，也有以澱粉質原料為碳源的同步糖化發酵過程。隨著社會的發展，人們對這些產品的品質要求越來越高，但同時要求生產過程要節能、環保和轉化率高效，能可持續發展。而要做到這些，很大程度要依靠有更多的現代分析儀器應用到研究發展和生產過程的嚴密、準確和快速的監控中，例如，近紅外分析儀，高效液相色譜等，幫助控製原料品質，改善工藝條件及提高產品質量等。本文主要從原料的檢測、過程和產品的檢測來具體比較各種不同的方法及其應用範圍，並討論新的儀器和方法如何提供更多更準確的信息，從而使人們更好地控製過程高效地生產更好的產品。
穀物加工中的質量直接影響生產過程和最終產品的質量。要保證原材料符合生產要求，必須對其進行全麵分析檢測，其中澱粉、蛋白質、脂肪和纖維素等組分的含量是判斷原材料質量的重要理化指標。
一、傳統分析方法
澱粉含量的傳統分析方法是通過酸或酶的降解將澱粉水解為葡萄糖，通過對葡萄糖含量的測定來折算成澱粉含量。根據水解方法不同可以分為酸水解法和酶水解法兩種，其中酶水解法由於選擇性高而成為目前應用較為廣泛的方法。
在蛋白質含量測定中常用的方法包括比色法和定氮法。比色法適用於可溶性蛋白的測定，它是利用蛋白中一些特殊的顯色反應，通過其在特定波長下的吸收峰對樣品中的蛋白進行定量。根據顯色的原理不同可以分為Lowry法、BCA法和Bradford法。定氮法主要指凱氏定氮，適合於固體樣及總氮的測定。由凱氏定氮直接得到的結果還需乘以轉換因子才能得到蛋白質含量。理想狀態下蛋白質中的氮含量約為16%，轉換因子為6.25。通常不同的原料轉換因子並不完全相同，一些常見穀物原料的轉換因子可見。
在脂肪測定中，由於脂肪的存在形式有兩種，即遊離脂肪和結合脂肪，需根據其形式選擇合適的方法。對大多數穀物原料來說，遊離態的脂肪是主要的，結合態的脂肪含量較少。脂肪含量測定的方法有很多，穀物原料中脂肪含量的檢測方法主要有索氏抽提法和酸水解法。索氏抽提法是最為經典的脂肪含量測定方法，適用於結合態的脂類含量較少的樣品。結合脂肪主要指天然存在的磷脂、糖脂、脂蛋白等，測定時通常將其采用酸水解成遊離態的脂肪後測定總脂肪含量。
二、新的儀器分析方法
原料的傳統分析方法通常比較耗時，很多分析方法需要數小時甚至1天，而儀器分析由於方便快捷正逐漸應用其中。
近紅外光譜分析技術（near infrared reflectance spectroscopy，NIRS）是綜合運用計算機技術、光譜技術和化學計量學等多個學科的最新研究成果發展起來的一項高效、快速的有機物分析技術。近紅外光是指波長在780～2500nm範圍內的紅外光。有機物對紅外光有顯著吸收，其對近紅外光吸收產生的吸收光譜主要是由分子的振動能級變化產生的。它主要是由與H有關的基團，如O—H、N—H、C—H鍵的伸縮振動產生。近紅外光譜法定量測定有機物的原理為在樣品具有相當厚度的情況下，用紅外光照射，入射光主要被樣品吸收或是反射。因此，樣品在近紅外區的不同波長處便會產生相應的光密度值，光密度值的大小與樣品中某成分的含量有關。用波長及其對應的光密度值便可繪出樣品的吸收光譜圖。吸收峰位置與樣品中組分的結構有關，樣品成分的化學官能團在近紅外區有特征吸收，被測成分含量與特征波長處的光密度呈線性關係。
20世紀60年代，美國的Norris等首先開始研究應用近紅外光譜分析技術測定穀物中的水分、蛋白質、脂肪等含量，並致力於其他農產品品質的研究。此後，學者們開始應用近紅外光譜分析技術對農產品、食品品質進行研究。其優點為分析速度快、成本低；分析效率高、測試重現性好；樣品一般無需處理，光譜測量方便，便於實現在線分析；無需用試劑，不汙染環境。其主要缺點為測試靈敏度相對較低，並且近紅外光譜分析技術屬於一種間接分析技術，應用前需要以傳統分析技術為基礎建立數據庫，且需要對數據庫進行驗證，儀器在運行過程中還需要根據樣品情況對數據庫進行維護和重新驗證，才能確保檢測結果的可靠性。同時在建立數據庫時盡量不要把各種因素的範圍放得太寬，也就是說，數據庫越專一，檢測的結果越可靠。因此建立近紅外定量模型是近紅外光譜技術最為重要的組成部分。建立近紅外定量模型的最終目標是建立一個長期穩定的和可預測的模型。常用的定量分析方法主要是通過現代化學計量學的手段，建立物質的特征光譜與待測成分含量之間的線性或非線性模型，從而實現利用物質近紅外光譜信息對未知樣品成分含量的快速計量。定量分析主要包括主成分分析（PCR）、偏最小二乘法（PLS）、多元線性回歸（MLR）和逐步多元線性回歸（SMLR）、人工神經網絡（ANN）等。