近紅外光譜快速分析成品葡萄酒指標的研究

常瑞紅，李 娜，白從廣

（江蘇洋河酒廠股份有限公司，江蘇宿遷223800）

近紅外光譜快速分析成品葡萄酒指標的研究

常瑞紅，李 娜，白從廣

（江蘇洋河酒廠股份有限公司，江蘇宿遷223800）

采用近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)算法，建立了成品葡萄酒（總糖和酒精度）的快速檢測方法。通過NCL對近紅外光譜圖譜進行預(yù)處理，使用偏最小二乘法(PLS)建立了總糖和酒精度近紅外定量模型。以決定系數(shù)（R2）、校正均方根誤差（RMSEC）和預(yù)測均方根誤差（RMSEP）為模型質(zhì)量的評價指標。R2分別為0.9684、0.9146，RMSEC值分別為0.0810、0.2382，RMSEP值分別為0.0877、0.2352。結(jié)果表明，建立的模型預(yù)測效果較佳，具有較好的穩(wěn)定性和較高的精密度，能滿足成品葡萄酒生產(chǎn)中總糖和酒精度的快速檢測需求。

葡萄酒； 總糖； 酒精度； 近紅外光譜； 偏最小二乘法

葡萄酒是用新鮮的葡萄或葡萄汁經(jīng)完全或部分發(fā)酵釀成的酒精飲料，是一種具有較高營養(yǎng)價值的傳統(tǒng)飲品，飲用適量的葡萄酒對人體健康十分有益，因此其得到各國人民的關(guān)注和喜愛[1]?？偺呛途凭仁瞧咸丫频闹匾砘笜?，對葡萄酒風(fēng)味、口感和品質(zhì)有重要影響。目前大多數(shù)的葡萄酒生產(chǎn)企業(yè)和質(zhì)檢機構(gòu)仍然采用傳統(tǒng)的分析方法（GB/ T 15038—2006葡萄酒、果酒通用分析方法），進行葡萄酒的品質(zhì)監(jiān)控，其中葡萄酒的總糖采用斐林試劑法（水浴消化15 min，進行滴定）；酒精度采用酒精計法（樣品先蒸餾、定容，再用酒精計測量），這些方法步驟繁瑣、費時費力、污染環(huán)境、浪費資源，因此建立一種準確、高效、無損、環(huán)保、簡便的葡萄酒檢測方法具有極其重要的意義。

近紅外光譜（near infrared spectroscopy，NIS）分析技術(shù)是20世紀80年代迅速發(fā)展起來的一種現(xiàn)代光譜分析技術(shù)，通過對物質(zhì)的透射或者反射光譜來分析其分子結(jié)構(gòu)特點及其化學(xué)組成[2]。近紅外光譜主要反映樣品中含氫基團（C-H、S-H、N-H、O-H）的倍頻與合頻化學(xué)鍵的信息，不同基團產(chǎn)生的光譜在吸收強度和峰位上有所不同，并隨樣品組成的變化其光譜特征也發(fā)生變化，這就為近紅外光譜的定性和定量分析奠定了理論基礎(chǔ)[3]。近紅外光譜法（NIS）和傳統(tǒng)化學(xué)分析方法相比，具有快速、高效、無損、綠色、低成本等優(yōu)點，且可同時分析多種組成成分，目前，其在酒類品質(zhì)檢測中的應(yīng)用也越來越廣泛，已成功應(yīng)用于黃酒、白酒、啤酒等檢測[4-6]。但多數(shù)的應(yīng)用研究為構(gòu)建酒精體積分數(shù)的定量分析模型[7-12]，而同時構(gòu)建成品葡萄酒的總糖和酒精度的定量模型尚未見報道。

本實驗以成品葡萄酒為研究對象，運用近紅外光譜儀進行掃描，采用偏最小二乘（partial least squares，PLS）化學(xué)計量學(xué)算法建立葡萄酒的總糖和酒精度的快速檢測預(yù)測模型，并根據(jù)決定系數(shù)（R2）、校正均方根誤差（RMSEC）和預(yù)測均方根誤差（RMSEP）3個指標來評價模型預(yù)測能力的準確性和穩(wěn)定性。旨在為成品葡萄酒品控檢測提供一套高效、準確、快速、可行的分析方法，同時積極推廣近紅外光譜檢測技術(shù)在葡萄酒檢測中的應(yīng)用。

1 材料與方法

1.1 材料、試劑與儀器

樣品：138個成品葡萄酒樣品，江蘇東帝星徽國際貿(mào)易有限公司。

試劑及耗材：鹽酸、濃硫酸、氫氧化鈉、亞鐵氰化鉀、硫酸銅、次甲基藍、酒石酸鉀鈉、無水葡萄糖均為分析純，國藥集團化學(xué)試劑有限公司。

儀器設(shè)備：NIRMaster傅里葉變換近紅外光譜儀，瑞士BUCHI公司；恒溫水浴鍋，江蘇金怡儀器科技有限公司；溫度計和酒精計，冀州市耀華器械儀表廠；電爐（500～800 W），弗恩森（北京）電爐有限公司；電子分析天平，奧豪斯國際貿(mào)易有限公司。

1.2 實驗方法

1.2.1 化學(xué)值測定

根據(jù)《GB/T 15038—2006葡萄酒、果酒通用分析方法》標準中規(guī)定的檢測方法，分別對每個掃描后的葡萄酒樣品進行總糖和酒精度的檢測，其中總糖采用直接滴定法，酒精度采用酒精計法，樣品化學(xué)值的準確與否直接關(guān)系模型的成敗，所以實驗時每個樣品需做3次平行，求平均值?？偺且云咸烟怯?，單位表示為“g/L”，酒精度單位表示為“%vol”。

1.2.2 光譜信息采集

光譜采集軟件為NIRWare Opreator，光譜建模軟件NIRCal。選擇NIRFlex Liquid液體測量池進行光譜采集，近紅外光譜測量波長范圍4000～10000 cm-1，以空氣為內(nèi)參比，儀器自動扣除內(nèi)外參比；光譜重復(fù)掃描32次，儀器分辨率8 cm-1；每個樣品重復(fù)采集3次，取光譜平均值。

樣品的均勻度會嚴重影響近紅外分析的準確度，因此在光譜采集葡萄酒樣品之前，需將樣品混勻，隨后用待測樣清洗高性能樣品杯3次，然后緩緩將約20 mL樣品倒入樣品杯，再將透反射蓋小心蓋上（防止樣品杯底部的液膜有液泡生成，影響檢測精確度），每次測樣前需用專用擦鏡紙將樣品杯底部擦拭干凈。

1.2.3 模型建立

在模型建立過程中，為剔除無效建模信息，需對葡萄酒的原始近紅外光譜圖進行預(yù)處理，本實驗根據(jù)多次實驗，選取最優(yōu)預(yù)處理方法，通過上述預(yù)處理方法得到最佳光譜信息，以偏最小二乘法（PLS）作為建立模型的化學(xué)計量方法。

將國標方法檢測數(shù)據(jù)與掃描光譜對應(yīng)賦值，本實驗共采集138個樣品數(shù)據(jù)，在NIRCal光譜建模前，需按照校正集∶驗證集以2∶1原則將數(shù)據(jù)光譜進行分配，參與總糖和酒精度定量模型建立。

1.2.4 模型評價方法

模型質(zhì)量的評價指標采用決定系數(shù)（R2）、校正均方根誤差（Root mean square error of calibration，RMSEC）和預(yù)測均方根誤差（Root mean square error of prediction，RMSEP），如果建立的定量模型R2越接近1，則模型相關(guān)性越好，預(yù)測效果好；RMSEC和RMSEP的值越小，表明模型的質(zhì)量就越好，并且RMSEC和RMSEP的值越接近越好[13]。

按照以上描述依次對葡萄酒的總糖和酒精度建立相應(yīng)的定量檢測模型，隨機抽取3個成品葡萄酒樣品，進行模型穩(wěn)定性和精密度實驗，再隨機抽取14個成品葡萄酒樣品作為總糖和酒精度定量模型實際預(yù)測能力外部驗證集，根據(jù)預(yù)測結(jié)果分析該樣品的預(yù)測值與化學(xué)檢測值之間的偏差，確定模型是否可行。

2 結(jié)果與分析

2.1 葡萄酒的近紅外光譜圖

經(jīng)近紅外光譜儀掃描得到特征光譜圖，其經(jīng)NCL預(yù)處理后得到優(yōu)化后光譜圖，見圖1。

圖1 葡萄酒樣品的近紅外光譜圖

由圖1可知，葡萄酒樣品在4000～10000 cm-1光譜區(qū)內(nèi)具有獨特的吸收特性，而在5000～7144 cm-1有較為強烈的吸收；在9000～10000 cm-1的吸收峰相對較弱。葡萄酒獨特的光譜吸收特性為其定量分析提供了豐富信息基礎(chǔ)。

葡萄酒樣品的原始近紅外圖譜如圖1a所示，394條譜線都較集中，譜圖較細窄，是因為葡萄酒樣品比較均勻，且樣品指標差異不大。如圖1b所示，光譜經(jīng)NCL光譜預(yù)處理后，譜線更加集中；吸收峰的強度得以加強；光譜差異更加明顯。葡萄酒的總糖和酒精度的最優(yōu)波段，均為10000～7404 cm-1，7144～5000 cm-1。

2.2 近紅外定量模型的建立

根據(jù)2.1分析，葡萄酒總糖和酒精度建模最佳光譜區(qū)、最佳預(yù)處理方法和主成分維數(shù)見表1。在此條件下所建立的定量模型決定系數(shù)（R2）最大，校正均方根誤差（RMSEC）和預(yù)測均方根誤差（RMSEP）接近，且最小。

表1 總糖和酒精度最優(yōu)波段的選擇和最佳預(yù)處理方法

利用以上建模條件，得到總糖和酒精度的定量模型，見圖2。由圖2可知，總糖和酒精度定量模型的R2分別為0.9684、0.9146，RMSEC值分別為0.0810、0.2382，RMSEP值分別為0.0877、0.2352，R2均大于0.9，且RMSEC與RMSEP值均較小，且同一指標的兩個值都比較接近，說明建立的定量檢測模型的效果較好，具有較強的預(yù)測能力。

2.3 近紅外模型預(yù)測能力的精密度和穩(wěn)定性檢驗

隨機抽取3個葡萄酒樣品，利用所建模型對其樣品中的總糖和酒精度分別進行10次重復(fù)預(yù)測，結(jié)果見表2。

由表2可知，3個樣品總糖和酒精度的標準偏差分別小于0.03、0.02，相對標準偏差（relative standard deviation，RSD）分別小于0.45%、0.15%，即兩者的標準偏差和相對標準偏差均較小，說明用所建模型預(yù)測葡萄酒樣品指標的數(shù)值波動較小，證明模型的穩(wěn)定性和精密度均較好。

2.4 近紅外模型外部驗證

隨機抽取14個成品葡萄酒作為模型外部驗證樣品，用建立的模型預(yù)測其中的總糖和酒精度，預(yù)測結(jié)果見表3。由表3可知，近紅外光譜預(yù)測值與化學(xué)實測值相差不大，無顯著差異（P＞0.05），其偏差均小于5%，表明模型實際應(yīng)用效果較好，能滿足企業(yè)生產(chǎn)對成品葡萄酒誤差要求，近紅外光譜快速檢測方法可替代繁瑣的常規(guī)化學(xué)分析方法。

圖2 酒精度(a)和總糖(b)標準工作曲線

表2 模型預(yù)測樣品的精密度和穩(wěn)定性檢驗

3 結(jié)論

該研究通過傳統(tǒng)檢測方法收集葡萄酒的化學(xué)值，并采用傅立葉近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)中的偏最小二乘法算法，建立了預(yù)測效果良好的成品葡萄酒（總糖和酒精度）近紅外光譜快速檢測模型，總糖和酒精度的近紅外定量模型的R2分別為0.9684、0.9146，RMSEC值分別為0.0810、0.2382，RMSEP值分別為0.0877、0.2352。隨機抽取3個樣品分別進行10次重復(fù)實驗，RSD均小于0.45%，表明兩個模型精密度和穩(wěn)定性均較好。在隨機抽取14個葡萄酒樣品對模型進行外部驗證時可知，其預(yù)測值與化學(xué)值相對偏差均小于5%，且兩種測量方法無顯著差異（P＞0.05）。以上可知，近紅外光譜儀在葡萄酒檢測中的應(yīng)用是可行的，可滿足實際生產(chǎn)需求。

本研究針對成品葡萄酒開展近紅外建?？焖贆z測，其預(yù)測效果良好，準確度較高，穩(wěn)定性較好，在實際生產(chǎn)中可有效節(jié)約資源，減少浪費、大大提高檢測效率等，因此，近紅外光譜技術(shù)可在檢測機構(gòu)及其他企業(yè)中推廣使用。

表3 總糖和酒精度模型外部檢驗結(jié)果

[1] 李華,王華.中國葡萄酒[M].楊凌：西北農(nóng)林科技大學(xué)出版社,2010.

[2]YAN L,ZHAO L L,ZHANG L D.Application of near infrared spectroscopy[M].Beijing:China Light Industry Press,2005.

[3] 王豪,鄔蓓蕾,林振興,等.傅立葉變換近紅外光譜法快速測定葡萄酒中的酒精度[J].中國釀造,2008,184(7)：72-74.

[4] 劉建學(xué),張衛(wèi)衛(wèi),韓四海,等.白酒基酒中己酸、乙酸的近紅外快速檢測[J].食品科學(xué),2016,37(4)：181-185.

[5] 樊雙喜,鐘其頂,李國輝,等.近紅外光譜法快速檢測黃酒的酒精度、總糖和總酸[J].中國釀造,2015,34(2)：135-138.

[6] LACHENMEIER D.Rapid quality control of spirit drinks and beer using multivariate data analysis of Fourier transform infrared spectra[J].Food chem,2007, 101(2)：825-832.

[7] 余麗娟,鄭建明,朱文雷.傅里葉變換紅外光譜法測定白酒中乙醇含量[J].廣州化工,2011,39(4)：112-113.

[8] 陳妍,胡慧,汪鳳祖.近紅外光譜法快速分析白酒中的關(guān)鍵指標[J].釀酒科技,2011(11)：90-92.

[9] 廖昱博,劉小清,陳娟,等.近紅外光譜結(jié)合偏最小二乘回歸法測定白酒酒精度[J].贛南師范學(xué)院學(xué)報,2013, 34(3)：7-9.

[10] 彭幫柱,龍明華,岳田利,等.用偏最小二乘法及傅立葉變換近紅外光譜快速檢測白酒酒精度[J].農(nóng)業(yè)工程學(xué)報,2007,23(4)：233-237.

[11]YU C,ZHANG Q.Research on Raman spectra quantitative analysis model of ethanol aqueous solution based on net analyte signal[J].Spectroscopy and spectral analysis,2013,33(2)：390-394.

[12] 徐瑋,譚紅,包娜,等.近紅外光譜法快速測定白酒中的酒精度[J].中國農(nóng)學(xué)通報,2010,26(19)：70-72.

[13] 張樹明,楊陽,梁學(xué)軍,等.葡萄酒發(fā)酵過程主要參數(shù)近紅外光譜分析[J].農(nóng)業(yè)機械學(xué)報,2013,44(1)：152-156.

Rapid Determination of Total Sugar and Alcohol Content of Grape Wine by Near Infrared Spectroscopy

CHANG Ruihong,LI Na and BAI Congguang
（Yanghe Distillery Co.Ltd.,Suqian,Jiangsu 223800,China）

A method of near infrared spectroscopy coupled with chemometric algorithm had been developed for rapid determination of total sugar and alcohol content of grape wine.The spectrum were pretreated by NCL,and NIR models of total sugar and alcohol content were constructed by partial least square(PLS).The correlation coefficient of calibration(R2),the root mean square error of calibration(RMSEC)and the root mean square error of prediction(RMSEP)were used as the model evaluating indexes.R2values were 0.9684 and 0.9146 respectively,RMSEC values were 0.0810 and 0.2382 respectively,and RMSEP values were 0.0877 and 0.2352 respectively.The results demonstrated the satisfactory prediction effects of the established models.Besides,it had good stability and high precision and it could meet the requirements of rapid determination of total sugar and alcohol content in wine.

grape wine;total sugar;alcohol content;near infrared spectroscopy;partial least squares

TS262.6；TS261.7

A

1001-9286（2017）05-0065-05

10.13746/j.njkj.2017034

2017-02-23

常瑞紅（1985-），女，碩士研究生，主要研究方向：白酒質(zhì)量控制和大型儀器分析，E-mail：xiaoyong8886@163.com。

優(yōu)先數(shù)字出版時間：2017-03-15；地址：http://kns.cnki.net/kcms/detail/52.1051.TS.20170315.1624.003.html。