利用近紅外技術(shù)對(duì)原酒中己酸乙酯含量的快速檢測(cè)

黃祖耀，王衛(wèi)東，王青松，陳景宜

（江蘇洋河酒廠股份有限公司，江蘇宿遷 223700）

目前，檢測(cè)白酒各項(xiàng)理化指標(biāo)普遍使用的是GB/T 10345—2007中規(guī)定的試驗(yàn)方法。其中己酸乙酯含量的測(cè)定主要采用的是氣相色譜法。這些常規(guī)分析方法均存在著樣品需要預(yù)處理、檢測(cè)時(shí)間較長和測(cè)定步驟繁瑣等缺點(diǎn)[1]。為滿足市場(chǎng)需要，在保證分析結(jié)果準(zhǔn)確度的同時(shí)提高檢測(cè)速度已成為新的研究方向。

近紅外光譜技術(shù)是近幾年發(fā)展較為迅速的高新分析技術(shù)之一，屬于一項(xiàng)物理性質(zhì)的測(cè)試技術(shù)，具有快速、無損耗、多成分同時(shí)分析、分析過程無污染、分析結(jié)果重現(xiàn)性高等優(yōu)點(diǎn)，已滲透各行各業(yè)，成為現(xiàn)代分析測(cè)試技術(shù)中的重要工具。近紅外光譜區(qū)的波長范圍為780～2526 nm（12820～3959 cm-1），是由分子振動(dòng)從基態(tài)向高能級(jí)躍遷時(shí)產(chǎn)生的，主要記錄是含氫基團(tuán)X-H(X=C、N、O)振動(dòng)的倍頻和合頻吸收，非常適合用于碳?xì)溆袡C(jī)物質(zhì)的組成與性質(zhì)的測(cè)定[2-4]。鑒于此，本課題將近紅外光譜技術(shù)應(yīng)用到原酒中主要香味成分的檢測(cè)方面，解析原酒樣品的近紅外光譜圖，優(yōu)化比較不同的光譜預(yù)處理方法對(duì)建模效果的影響，通過對(duì)所建立預(yù)測(cè)模型各項(xiàng)參數(shù)的選擇比對(duì)，不斷優(yōu)化模型，旨在建立原酒中己酸乙酯的近紅外檢測(cè)模型，研發(fā)高效、快速、準(zhǔn)確的檢測(cè)方法，為判定原酒入庫的質(zhì)量等級(jí)提供保障。

1 材料與方法

1.1 材料、儀器

樣品：建模酒樣為洋河酒廠一個(gè)生產(chǎn)周期內(nèi)不同排次所產(chǎn)原酒樣品，所選樣品覆蓋一個(gè)生產(chǎn)周期4個(gè)排次，具有代表性。

儀器設(shè)備：瑞士步琦NIR光譜儀，配有光程為0.3 mm的透反射蓋；日本島津GC-2014色譜儀。

1.2 實(shí)驗(yàn)方法

1.2.1 樣品理化指標(biāo)化學(xué)值測(cè)定

利用日本島津GC-2014色譜儀，依據(jù)GB/T 10345—2007白酒分析方法檢測(cè)建模樣品白酒中的己酸乙酯含量，利用氣相色譜儀只做為手工值，為建立定標(biāo)模型提供標(biāo)準(zhǔn)樣品。

1.2.2 樣品光譜采集

利用NIR Marster近紅外光譜儀采集選定樣品的樣品光譜，光程為0.3 mm的透反射蓋樣品杯。有固定內(nèi)外參比，掃描波數(shù)為10000～4000 cm-1，分辨率為8 cm-1，重復(fù)掃面32次，每個(gè)樣品做3個(gè)平行樣的光譜采集。樣品光譜采集時(shí)將樣品放置穩(wěn)定，保證樣品溫度恒定。

1.2.3 建模校正過程

將采集到的樣品光譜，采用自動(dòng)交互功能將全波段光譜分成6段，通過矢量歸一化ncl、log函數(shù)等預(yù)處理方法，來消除光程長短或者樣品濃度等變化對(duì)光譜響應(yīng)產(chǎn)生的影響。在建立定量模型時(shí)，通過對(duì)樣品光譜手動(dòng)選擇、過濾噪音、標(biāo)準(zhǔn)歸一化處理，然后通過偏最小二乘（PLS）的方法初步建立光譜模型。初步建立模型做為基礎(chǔ)模型，后期通過樣品的不斷收集，添加優(yōu)化基礎(chǔ)模型，最終實(shí)現(xiàn)模型準(zhǔn)確度達(dá)到使用要求（平均相對(duì)誤差控制在±10%以內(nèi)）。

2 結(jié)果與分析

2.1 光譜掃描及光譜數(shù)據(jù)分析與處理

在選定的0.3 mm光程條件下，首次建模采用掃描采集的2038份原酒光譜。同時(shí)采用GB/T 10345—2007中規(guī)定的方法測(cè)量原酒樣品中己酸乙酯的含量作為輸入的手工值，為建立定標(biāo)模型提供手工標(biāo)準(zhǔn)值。其中，2038份樣品的原始光譜圖分布情況見圖1。從圖1可以看出，不同原酒樣品的光譜差異在近紅外全波段均有表現(xiàn)，所以，在建立定標(biāo)模型時(shí)，我們選擇了全波段手動(dòng)建模。

圖1 原酒樣品原始掃描光譜圖

采用ncl和log的光譜預(yù)處理方式對(duì)原始光譜進(jìn)行數(shù)學(xué)處理后，各個(gè)樣品的處理譜圖見圖2。由圖2可以看出，通過兩種譜圖預(yù)處理方法處理后，光譜圖變得更加精細(xì)，在一些波段內(nèi)樣品之間的差異性更加明顯，這樣處理有利于定標(biāo)過程中對(duì)光譜信息的進(jìn)一步選擇。

圖2 原酒樣品光譜的ncl和log處理效果

2.2 模型的內(nèi)部驗(yàn)證

近紅外光譜儀通過對(duì)樣品掃描產(chǎn)生的光譜包含了樣品的數(shù)據(jù)信息，光譜所含信息越多，模型的預(yù)測(cè)結(jié)果就越準(zhǔn)確。從所收集光譜中取1358組數(shù)據(jù)用于模型的建模集，680組數(shù)據(jù)為模型的驗(yàn)證集。對(duì)模型的評(píng)價(jià)參考模型自身的參數(shù)，其中，相關(guān)系數(shù)r、建模集標(biāo)準(zhǔn)偏差SEC與驗(yàn)證集標(biāo)準(zhǔn)偏差SEP的比值作為評(píng)價(jià)模型的重要參數(shù)，比值越接近于1，說明模型穩(wěn)定性越好。模型的內(nèi)部驗(yàn)證結(jié)果見圖3。

由圖3可以看出，模型的光譜預(yù)測(cè)值與原始值的相關(guān)性較好。其中，建模集的相關(guān)系數(shù)r為0.936265，驗(yàn)證集的相關(guān)系數(shù)r為0. 938196；建模集標(biāo)準(zhǔn)偏差SEC與驗(yàn)證集標(biāo)準(zhǔn)偏差SEP的比值為25.3583/24.499=1.0351，模型穩(wěn)定性較好。

圖3 原酒樣品模型驗(yàn)證圖

2.3 模型的外部驗(yàn)證

為考察原酒樣品近紅外模型在實(shí)際應(yīng)用上的準(zhǔn)確性，建立原酒己酸乙酯近紅外模型后，采用外部驗(yàn)證法對(duì)選取的60組未參與定標(biāo)的樣品進(jìn)行模型檢測(cè)驗(yàn)證。通過未參與定標(biāo)樣品檢測(cè)對(duì)比原酒中己酸乙酯的預(yù)測(cè)模型的預(yù)測(cè)性能予以評(píng)價(jià)，進(jìn)一步驗(yàn)證所建模型的可靠性。隨機(jī)選取60組原酒樣品分別進(jìn)行氣相色譜檢測(cè)和近紅外預(yù)測(cè)，所得結(jié)果見表1。由模型的外部驗(yàn)證結(jié)果可以看出，原酒近紅外模型預(yù)測(cè)值的平均相對(duì)誤差為4.3%，說明該近紅外模型可以對(duì)原酒中己酸乙酯含量進(jìn)行預(yù)測(cè)。

為考察兩種方法檢測(cè)結(jié)果之間的差異性，采用統(tǒng)計(jì)學(xué)方法對(duì)60組原酒樣品的兩種方法檢測(cè)值進(jìn)行差異顯著性分析。結(jié)果見表2。

從分析結(jié)果可以看出，在0.05水平上，兩種方法檢測(cè)值顯著性分析結(jié)果P值為0.38，大于0.05，說明兩種方法的檢測(cè)結(jié)果的差異性并不顯著，參與比對(duì)的數(shù)據(jù)是來自于同一總體，均可以初步反映原酒樣品中己酸乙酯含量的多少，該模型可以用于原酒樣品中己酸乙酯的預(yù)測(cè)。

表1 原酒中己酸乙酯近紅外模型檢測(cè)與氣相色譜儀檢測(cè)對(duì)比

續(xù)表1 原酒中己酸乙酯近紅外模型檢測(cè)與氣相色譜儀檢測(cè)對(duì)比

表2 兩組數(shù)據(jù)差異顯著性分析結(jié)果

3 結(jié)論

本文建立的原酒中重要風(fēng)味物質(zhì)指標(biāo)己酸乙酯的近紅外快速檢測(cè)方法，無需制樣、稱樣和消耗化學(xué)試劑，簡(jiǎn)化了常規(guī)分析程序，獲得的近紅外分析結(jié)果絕對(duì)誤差控制在±10%以內(nèi)，可以快速的預(yù)測(cè)原酒中己酸乙酯含量。當(dāng)然利用近紅外技術(shù)檢測(cè)白酒中己酸乙酯的含量，想要達(dá)到氣相色譜檢測(cè)的準(zhǔn)確度還需收集更多覆蓋范圍廣、樣品光譜特征有明顯代表性的樣品光譜和準(zhǔn)確的化學(xué)值來補(bǔ)充優(yōu)化近紅外檢測(cè)模型。所建立的模型分析樣品中己酸乙酯的含量時(shí)，樣品實(shí)際含量不能超過模型的分析范圍。如果在實(shí)際檢測(cè)過程中，樣品己酸乙酯指標(biāo)含量超過模型的分析范圍時(shí)，會(huì)產(chǎn)生分析錯(cuò)誤。所以發(fā)生此情況時(shí)，我們需要繼續(xù)補(bǔ)充優(yōu)化模型，從而擴(kuò)大模型的分析范圍，繼續(xù)提升模型的準(zhǔn)確性和穩(wěn)定性。